胡艷 宋僑偉

[摘要]?目的?構(gòu)建并驗證基于CT的全肝影像組學模型用于識別非酒精性脂肪性肝炎（non-alcoholic?steatohepatitis，NASH）。方法?回顧性選取2018年6月至2022年12月浙江省人民醫(yī)院收治的122例非酒精性脂肪性肝病患者，其中NASH患者52例。將納入患者按7：3比例隨機分為訓練組（n=85）和測試組（n=37），選取每例患者的肝臟平掃圖像提取影像組學特征，對訓練組提取的特征進行降維并建立影像組學標簽，之后聯(lián)合相關(guān)臨床特征構(gòu)建聯(lián)合預測模型用于識別NASH患者，使用受試者操作特征曲線及測試組數(shù)據(jù)評估模型的診斷效能。結(jié)果?聯(lián)合預測模型基于年齡和影像組學標簽構(gòu)建，該模型在訓練組和測試組中識別NASH患者的診斷效能分別為0.899和0.880，特異性分別為91.2%和88.1%，敏感度分別為86.7%和88.2%。校準曲線在訓練組和測試組中也顯示出良好的校準性能。結(jié)論?基于肝臟CT的影像組學模型可定量評估NASH，有望為臨床提供一種無創(chuàng)性評價工具。

[關(guān)鍵詞]?計算機體層掃描；非酒精性脂肪性肝炎；非酒精性脂肪性肝?。挥跋窠M學；預測模型

[中圖分類號]?R575??????[文獻標識碼]?A??????[DOI]?10.3969/j.issn.1673-9701.2024.04.014

Application?study?of?non-alcoholic?steatohepatitis?based?on?radiomics?of?computed?tomography

HU?Yan1，?SONG?Qiaowei2

1.Department?of?Gastroenterology，?Hangzhou?Shangcheng?District?Peoples?Hospital，?Hangzhou?310009，?Zhejiang，?China;?2.Department?of?Radiology，?Zhejiang?Provinical?Poples?Hospital，?Hangzhou?310014，?Zhejiang，?China

[Abstract]?Objective?To?construct?and?validate?a?whole?liver?radiomics?model?based?on?computed?tomography?（CT）?to?identify?patients?with?non-alcoholic?steatohepatitis?（NASH）.?Methods?A?total?of?122?patients?with?nonalcoholic?fatty?liver?disease?treated?in?Zhejiang?Provincial?Peoples?Hospital?from?June?2018?to?December?2022?were?retrospectively?selected，?including?52?patients?with?NASH.?They?were?randomly?divided?into?training?group?（n=85）?and?test?group?（n=37）?according?to?a?ratio?of?7：3，?and?the?liver?plain?scan?images?of?each?patient?were?selected?to?extract?the?radiomics?features.?The?extracted?features?of?the?training?group?were?dimensioned?down?and?the?radiomics?signature?was?established.?After?that，?a?joint?model?was?constructed?with?relevant?clinical?features?to?identify?NASH?patients，?and?the?diagnostic?effectiveness?of?the?model?was?evaluated?using?receiver?operating?characteristic?curve?and?test?group?data.?Results?The?joint?model?was?constructed?based?on?age?and?radiomics?labels.?The?diagnostic?efficiency?of?the?model?for?identifying?NASH?patients?in?training?group?and?test?group?were?0.899?and?0.880，?the?specificity?were?91.2%?and?88.1%，?and?the?sensitivity?were?86.7%?and?88.2%，?respectively.?In?addition，?the?calibration?curve?also?showed?good?calibration?performance?in?training?group?and?test?group.?Conclusion?The?joint?model?based?on?liver?CT?can?quantitatively?evaluate?NASH，?and?is?expected?to?provide?a?non-invasive?evaluation?tool?for?clinical?use.

[Key?words]?Computed?tomography;?Non-alcoholic?steatohepatitis;?Nonalcoholic?fatty?liver?disease;?Radiomics;?Prediction?model

非酒精性脂肪性肝?。╪onalcoholic?fatty?liver?disease，NAFLD）已成為全球最常見的慢性肝病之一，其患病率與肥胖、糖尿病和高血壓等代謝性疾病密切相關(guān)[1]。NAFLD通常無癥狀，但其亞型非酒精性脂肪性肝炎（non-alcoholic?steatohepatitis，NASH）可進展為肝硬化甚至肝細胞癌[2]。肝穿刺活檢一直是診斷NAFLD和NASH的金標準，但其為侵入性操作，具有潛在的并發(fā)癥和一定的局限性。目前，CT已廣泛用于評估肝脂肪含量和肝臟炎癥，然而傳統(tǒng)CT掃描在診斷NAFLD尤其是NASH存在一定的局限性[3]。影像組學作為一種大數(shù)據(jù)分析方法已廣泛應(yīng)用于影像學領(lǐng)域，它可深入挖掘和整合圖像信息，并客觀評估圖像特征[4]。已有研究將其用于肝纖維化的CT圖像分析并取得成功[5-6]。然而，這些方法均是針對肝臟的單個橫截面或更小的感興趣區(qū)進行測定，并未獲取全肝的影像學信息，而全肝的影像組學分析或可提供更全面的肝臟信息。本研究基于CT的全肝影像組學定量分析評估NAFLD患者，并聯(lián)合臨床特征構(gòu)建預測模型用以無創(chuàng)識別NASH患者。

1??資料與方法

1.1??一般資料

回顧性選取2018年6月至2022年12月浙江省人民醫(yī)院收治的122例NAFLD患者，其中NASH患者52例。納入標準：①具有完整的CT影像學資料；②CT檢查2周內(nèi)行肝臟活組織檢查，且臨床及病理資料完整；③非過量飲酒者（男性飲酒折合乙醇量<30g/d，女性<20g/d）；④無其他已知慢性肝臟疾病。排除標準：①有大量飲酒史；②存在其他已知慢性肝??；③影像圖像有嚴重偽影，影響測量。將122例患者按7∶3比例隨機分為訓練組（n=85）和測試組（n=37），訓練組用于構(gòu)建預測模型，測試組用于驗證模型的性能。本研究經(jīng)浙江省人民醫(yī)院倫理委員會批準（倫理審批號：2020QT322）。

1.2??臨床特征及病理診斷

收集患者的年齡、性別、丙氨酸轉(zhuǎn)氨酶、天冬氨酸轉(zhuǎn)氨酶、堿性磷酸酶、總膽紅素、直接膽紅素、谷氨酰轉(zhuǎn)移酶、三酰甘油等臨床資料。NASH的診斷符合美國肝病研究學會2018年指南中NAFLD的病理分型：當脂肪變性>5%時診斷為NAFLD，當同時有脂肪沉積、肝細胞氣球樣變和小葉炎癥則診斷為NASH[7]。

1.3??CT圖像預處理及影像組學特征提取

采用GE?Optima?CT540設(shè)備進行腹部掃描，管電壓120kV，管電流260mA，層厚/層間隔為5mm/5mm，視野40cm?40cm。將顯示肝臟所有層面的CT平掃圖像導入通用電氣醫(yī)療A.K軟件進行圖像預處理，之后由軟件進行三維全肝自動切割。將分割的肝臟文件由一名高年資放射醫(yī)生使用公共圖像處理軟件進行手動修正，以糾正自動分割錯誤的區(qū)域，修正后的全肝感興趣區(qū)域文件基于軟件分析工具包中的Pyradiomics庫（版本2.1.1）選擇直方圖特征、形態(tài)學特征、哈拉利克特征、灰度共生矩陣特征和游程矩陣特征5大類紋理參數(shù)進行特征提取。

1.4??影像組學特征篩選及標簽構(gòu)建

為從提取的影像組學特征中排除重復、冗余及不相關(guān)特征，本研究對訓練組中獲取的特征分別進行方差分析，最大相關(guān)最小冗余算法及最小絕對收縮與選擇算子算法進行特征篩選，最終將篩選后獲取的特征使用Logistic回歸構(gòu)建影像組學標簽，基于該標簽計算獲得的每個病例的分數(shù)值以反映NASH的可能概率。為評估影像組學標簽的診斷效能，使用受試者操作特征曲線（receiver?operating?characteristic?curve，ROC曲線）分別在訓練組和測試組評估區(qū)分NAFLD與NASH的能力，同時校準曲線評估標志物的擬合度。

1.5??影像組學聯(lián)合模型的建立及應(yīng)用評估

對訓練組的臨床特征及影像組學標簽進行單因素分析以選擇NASH的獨立預測因子，之后基于獨立預測因子使用多因素Logistic回歸構(gòu)建影像組學聯(lián)合模型。使用ROC曲線對訓練組數(shù)據(jù)進行評估，并利用測試組數(shù)據(jù)進行驗證；使用Hosmer-Lemeshow檢驗對聯(lián)合模型的擬合度進行分析。校準曲線測量聯(lián)合模型預測NASH的概率與實際概率之間的一致性。

1.6??統(tǒng)計學方法

采用SPSS?17.0和Python?3.5.6對數(shù)據(jù)進行統(tǒng)計分析。采用Kolmogorov-Smirnov檢驗進行正態(tài)性檢驗，符合正態(tài)分布的計量資料以均數(shù)±標準差（）表示，比較采用獨立樣本t檢驗；偏態(tài)分布的計量資料以中位數(shù)（四分位數(shù)間距）[M（Q1，Q3）]表示，比較采用Mann-Whitney?U檢驗。計數(shù)資料以例數(shù)（百分率）[n（%）]表示，比較采用χ2檢驗。P<0.05為差異有統(tǒng)計學意義。

2??結(jié)果

2.1??患者的臨床資料比較

在訓練組中，NASH和非NASH患者的所有臨床特征比較差異均無統(tǒng)計學意義（P>0.05）。在測試組中，NASH和非NASH患者的三酰甘油比較差異有統(tǒng)計學意義（P<0.05），其他特征比較差異均無統(tǒng)計學意義（P>0.05），見表1。

2.2??影像組學標簽評估

經(jīng)降維后共保留6個特征用于構(gòu)建影像組學標簽，包括2個灰度共生矩陣特征和4個游程矩陣特征。ROC曲線顯示影像組學標簽在訓練組和測試組中均表現(xiàn)出良好的預測效能，曲線下面積分別為0.863和0.859，特異性分別為87.8%和85.7%，敏感度分別為83.3%和87.5%。

2.3??聯(lián)合預測模型的構(gòu)建與性能評價

對訓練組數(shù)據(jù)使用逐步Logistic回歸分析，結(jié)果顯示年齡及影像組學標簽均是NASH的獨立預測因子，見表2。使用年齡和影像組學標簽構(gòu)建聯(lián)合預測模型，在訓練組和測試組中的診斷效能分別為0.899和0.880，特異性分別為91.2%和88.1%，敏感度分別為86.7%和88.2%。校準曲線在訓練組和測試組中顯示出良好的校準性能，Hosmer-Lemeshow檢驗在訓練組和測試組間無統(tǒng)計學意義（P>0.05），表明沒有偏離擬合，見圖1。

3??討論

本研究結(jié)果表明，基于CT的全肝影像組學特征構(gòu)建的影像標簽能較準確地識別NASH狀態(tài)，這可為NAFLD患者的評估提供一種新的方向。此外，影像組學標簽聯(lián)合年齡構(gòu)建的聯(lián)合預測模型對NASH有較高的診斷效能，這也為臨床診療提供一種新的評估工具。

NASH是肝臟疾病的常見類型，其可由脂肪肝向肝纖維化和肝硬化逐步惡化[8]。因此，及早診斷并治療NASH至關(guān)重要。影像組學技術(shù)的發(fā)展為NASH無創(chuàng)診斷和研究提供新的技術(shù)手段[9]。本研究結(jié)果也證實基于影像組學技術(shù)構(gòu)建的生物標簽能較好地在NAFLD人群中識別NASH患者，表明全肝影像組學特征可用于表征NASH患者肝臟的組織病理變化。相比其他基于肝臟的影像組學研究方法，本研究勾畫了整個肝臟的感興趣區(qū)而不是某個層面的感興趣區(qū)，從而保證構(gòu)建的影像組學標簽包含全肝信息，可更準確地反映肝臟病理改變。此外，構(gòu)建影像組學標簽的6個影像組學特征分別歸屬于灰度共生矩陣特征和游程矩陣特征，均屬于像素點空間分布的高階紋理[10]。這也揭示諸如直方圖的低階紋理并不能反映NASH的病理變化，而高階紋理在評估NAFLD及NASH患者中可能更具有臨床價值。

血清標志物能直接或間接反映肝臟損害和肝臟病理環(huán)境，是一種經(jīng)濟有效的檢測方法[11]。然而在本研究中，單純依靠血清學標志物并不能有效識別出NASH患者，相反，本研究結(jié)果顯示年齡是NASH的獨立危險因素。事實上，已有相關(guān)研究顯示年齡與NASH的患病率相關(guān)，且可用于預測NAFLD相關(guān)的肝臟病變[12-13]?；谏鲜鲅芯空摀?jù)，本研究進一步證實年齡在評估NASH中的重要性。另外，本研究僅使用CT平掃圖像，不僅減少患者所受輻射劑量，且避免造影劑可能發(fā)生過敏反應(yīng)及對人體的副作用。

本研究仍存在一定的局限性：①本研究為回顧性單中心研究，未來需要更大樣本量及多中心研究進一步驗證模型的臨床可靠性。②本研究所分析的均為NAFLD患者，因而納入的NASH患者比例會顯著高于普通人群中的NASH患者比例，可能造成研究結(jié)果存在偏倚。③由于影像組學特征缺乏相關(guān)的生物學意義，本研究無法探究影像組學特征與肝臟基因表達的關(guān)系，未來將進一步研究其特定的生物學意義。

綜上，影像組學標簽在診斷和評估NASH中具有一定的可行性和優(yōu)越性，可為NASH研究和臨床實踐提供新的思路和方法，促進NASH的早期診斷和治療。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

• COTTER?T?G，?RINELLA?M.?Nonalcoholic?fatty?liver?disease?2020：?The?state?of?the?disease[J].?Gastroenterology，?2020，?158（7）：?1851–1864.?
• MANNE?V，?HANDA?P，?KOWDLEY?K?V.?Pathophysiology?of?nonalcoholic?fatty?liver?disease/nonalcoholic?steatohepatitis[J].?Clin?Liver?Dis，?2018，?22（1）：?23–37.?
• STAREKOVA?J，?HERMANDO?D，?PICKHARDT?P?J，?et?al.?Quantification?of?liver?fat?content?with?CT?and?MRI：?State?of?the?art[J].?Radiology，?2021，?301（2）：?250–262.?
• GILLIES?R?J，?KINAHAN?P?E，?HRICAK?H.?Radiomics：?Images?are?more?than?pictures，?they?are?data[J].?Radiology，?2016，?278（2）：?563–577.?
• DAGINAWALA?N，?LI?B，?BUCH?K，?et?al.?Using?texture?analyses?of?contrast?enhanced?CT?to?assess?hepatic?fibrosis[J].?Eur?J?Radiol，?2016，?85（3）：?511–517.?
• LUBNER?M?G，?MALECKI?K，?KLOKE?J，?et?al.?Texture?analysis?of?the?liver?at?MDCT?for?assessing?hepatic?fibrosis[J].?Abdom?Radiol?（NY），?2017，?42（8）：?2069–2078.?
• CHALASSNI?N，?YOUNOSSI?Z，?LAVINE?J?E，?et?al.?The?diagnosis?and?management?of?nonalcoholic?fatty?liver?disease：?Practice?guidance?from?the?American?Association?for?the?Study?of?Liver?Diseases[J].?Hepatology，?2018，?67（1）：?328–357.?
• SHEKA?A?C，?ADEYI?O，?THOMPSON?J，?et?al.?Nonalcoholic?steatohepatitis：?A?review[J].?JAMA，?2020，?323（12）：?1175–1183.?
• NAGANAWA?S，?ENOOKU?K，?TATEISHI?R，?et?al.?Imaging?prediction?of?nonalcoholic?steatohepatitis?using?computed?tomography?texture?analysis[J].?Eur?Radiol，?2018，?28（7）：?3050–3058.?
• SHU?Z?Y，?FANG?S?H，?DING?Z?X，?et?al.?MRI-based?radiomics?nomogram?to?detect?primary?rectal?cancer?with?synchronous?liver?metastases[J].?Sci?Rep，?2019，?9（1）：?3374.
• TOITA?R，?KANG?J?H.?Long-term?profile?of?serological?biomarkers，?hepatic?inflammation，?and?fibrosis?in?a?mouse?model?of?non-alcoholic?fatty?liver?disease[J].?Toxicol?Lett，?2020，?332：?1–6.?
• YOUNOSSI?Z?M，?GOLABI?P，?DE?AVILA?L，?et?al.?The?global?epidemiology?of?NAFLD?and?NASH?in?patients?with?type?2?diabetes：?A?systematic?review?and?Meta-?analysis[J].?J?Hepatol，?2019，?71（4）：?793–801.?
• ZHANG?X，?WONG?G?L，?YIP?T?C，?et?al.?Risk?of?liver-related?events?by?age?and?diabetes?duration?in?patients?with?diabetes?and?nonalcoholic?fatty?liver?disease[J].?Hepatology，?2022，?76（5）：?1409–1422.

（收稿日期：2023–03–07）

（修回日期：2024–01–09）