劉 晉，尹 平，王思聰，洪 楠*

［1.北京大學(xué)人民醫(yī)院放射科，北京 100044；2.通用電氣醫(yī)療（中國），北京 100176］

針對(duì)胸腺上皮性腫瘤（thymic epithelial tumor，TET）臨床分期方法較多，國際癌癥研究協(xié)會(huì)和國際胸腺惡性腫瘤興趣小組提出的TNM 分期系統(tǒng)更為具體、規(guī)范［1］，已獲得美國癌癥聯(lián)合委員會(huì)和國際癌癥控制聯(lián)盟2017 年第8 版《惡性腫瘤TNM 分期》認(rèn)可［2］。對(duì)早期（TNM Ⅰ～Ⅱ期）TET 可通過手術(shù)切除實(shí)現(xiàn)長期無復(fù)發(fā)生存，而對(duì)晚期（TNM Ⅲ～Ⅳ期）TET 多需采用跨學(xué)科、多模式治療，包括根治性切除、輔助化學(xué)和放射治療［3］，準(zhǔn)確預(yù)測(cè)TET TNM 分期至關(guān)重要。CT 是診斷TET 的重要影像學(xué)方法［4-5］。影像組學(xué)模型（radiomics model，RM）已廣泛用于預(yù)測(cè)腫瘤病理分型、分期及淋巴結(jié)轉(zhuǎn)移，以及患者預(yù)后等［6-7］。本研究觀察以TET 的CT 影像組學(xué)聯(lián)合臨床資料及CT 特征預(yù)測(cè)其TNM 分期的價(jià)值。

1 資料與方法

1.1 研究對(duì)象 回顧性分析2012 年7 月—2021 年12月北京大學(xué)人民醫(yī)院經(jīng)手術(shù)病理證實(shí)的216 例單發(fā)TET 患者，男122 例、女94 例，年齡24～83 歲、平均（52.3±12.7）歲；均于術(shù)前1個(gè)月內(nèi)接受胸部CT 掃描；以其中151 例TNM Ⅰ期者為早期組、27 例TNM Ⅲ期及38例Ⅳ期為晚期組（n=65）。排除CT 掃描前曾接受腫瘤相關(guān)治療或圖像質(zhì)量差者。本研究經(jīng)院倫理委員會(huì)批準(zhǔn)（2023PHB154-001）；檢查前患者均知情同意。

1.2 儀器與方法 囑患者仰臥、雙臂上舉，掃描時(shí)屏氣。采用Philips Brilliance 256 層iCT（n=86）或 GE Lightspeed VCT（n=130）64 層CT 機(jī) 行胸部非增強(qiáng)CT（non-contrast-enhanced CT，NECT）掃描，管電壓120 kV，自動(dòng)管電流或管電流150 mA，層厚5 mm，層間距0.980 mm/0.516 mm，重建層厚 1 mm/0.625 mm。之后采用高壓注射器以3.0 ml/s 流率經(jīng)前臂靜脈注射對(duì)比劑碘溴胺或碘己醇（300 mgI/ml）1.0 ml/kg 體質(zhì)量，延遲60 s 采集增強(qiáng)CT（contrast-enhanced CT，CECT）。

1.3 圖像分析 由具有5 或10 年胸部影像學(xué)診斷經(jīng)驗(yàn)的主治醫(yī)師（醫(yī)師1）和副主任醫(yī)師（醫(yī)師2）各1 名采用雙盲法獨(dú)立觀察CT 表現(xiàn)，包括病灶長徑、短徑（于腫瘤最大層面測(cè)量），病灶內(nèi)有無鈣化及囊變、周圍脂肪浸潤，有無胸腔積液及縱隔淋巴結(jié)腫大（以淋巴結(jié)短徑＞1 cm 為標(biāo)準(zhǔn)）。2 名醫(yī)師評(píng)估結(jié)果有分歧時(shí)，經(jīng)協(xié)商統(tǒng)一意見。

1.4 分割腫瘤 將CT 數(shù)據(jù)導(dǎo)入ITK-SNAP 軟件（3.6.0 版本，www.itksnap.org）手動(dòng)分割腫瘤。由醫(yī)師1 于NECT 及CECT 中逐層手動(dòng)勾畫病灶ROI（圖1），含邊緣毛糙和周圍脂肪浸潤區(qū)域，獲得相應(yīng)感興趣容積（volume of interest，VOI）；由醫(yī)師2 進(jìn)行審核。

圖1 分割腫瘤ROI 示意圖 A、B.于胸部軸位NECT（A）及CECT（B）中逐層勾畫腫瘤ROI（紅色區(qū)域）示意圖

1.5 提取及篩選特征 應(yīng)用GE AK 軟件（3.3.0 版本）分別基于NECT 和CECT 提取1 338 個(gè)影像組學(xué)特征，以組內(nèi)相關(guān)系數(shù)（intra-class correlation coefficient，ICC）分析基于不同CT 設(shè)備所獲CT 影像組學(xué)特征的一致性，保留ICC≥0.75 的特征。對(duì)特征進(jìn)行預(yù)處理及歸一化，特征值超過時(shí)，以特定方差向量的中值加以替換；采用最大相關(guān)最小冗余法消除冗余及不相關(guān)特征，之后以最小絕對(duì)收縮和選擇算子算法篩選最優(yōu)影像組學(xué)特征。

1.6 統(tǒng)計(jì)學(xué)分析及構(gòu)建模型 采用R（版本3.5.1）和Python（版本3.5.6）軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。以中位數(shù)（上下四分位數(shù)）表示不符合正態(tài)分布的計(jì)量資料，組間行Mann-WhitneyU檢驗(yàn)。采用χ2檢驗(yàn)或Fisher 精確概率法比較計(jì)數(shù)資料。

分別基于NECT 和CECT 所獲最優(yōu)影像組學(xué)特征以邏輯回歸方法構(gòu)建二分類RM，獲得RMNECT和RMCECT；分別基于組間差異有統(tǒng)計(jì)學(xué)意義的臨床、CT特征及RM 構(gòu)建RMNECT-臨床、RMCECT-臨床、RMNECT-臨床-CT及RMCECT-臨床-CT。按7∶3 比例將全部患者分為訓(xùn)練集（n=151）及驗(yàn)證集（n=65），采用5 折交叉驗(yàn)證方法于訓(xùn)練集對(duì)上述模型進(jìn)行訓(xùn)練，并以驗(yàn)證集評(píng)估模型預(yù)測(cè)TET TNM 分期的效能。繪制受試者工作特征（receiver operating characteristic，ROC）曲線，計(jì)算曲線下面積（area under the curve，AUC）評(píng)估各模型預(yù)測(cè)效能。P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 臨床資料 2 組患者癥狀差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），性別及年齡差異均無統(tǒng)計(jì)學(xué)意義（P均＞0.05）。見表1。

2.2 CT 表現(xiàn) 組間病灶周圍脂肪浸潤、縱隔淋巴結(jié)腫大及胸腔積液差異均有統(tǒng)計(jì)學(xué)意義（P均＜0.05），見表2。

表2 216 例TET 患者CT 表現(xiàn)比較

3.3 構(gòu)建模型及評(píng)估效能 經(jīng)ICC檢驗(yàn)分別保留基于NECT 及CECT 獲得的1 125 個(gè)及1 218 個(gè)影像組學(xué)特征，再經(jīng)最大相關(guān)最小冗余法分析各保留20 個(gè)特征，以最小絕對(duì)收縮和選擇算子算法分別選出2 個(gè)及9個(gè)最優(yōu)特征（圖2）以構(gòu)建RM。訓(xùn)練集中，RMNECT-臨床-CT預(yù) 測(cè)TET TNM 分期的AUC（0.873）高 于RMNECT及 RMNECT-臨床（AUC=0.642、0.784，Z=4.445、3.689，P均＜0.001），RMCECT-臨床-CT的AUC（0.882）高于RMCECT及RMCECT-臨床（AUC=0.714、0.773，Z=4.143、3.847，P均 ＜0.001）；驗(yàn)證集中，RMNECT-臨床-CT的AUC（0.864）高 于RMNECT及 RMNECT-臨床（AUC=0.634、0.721，Z=3.081、2.937，P=0.002、0.003），RMCECT-臨床-CT的AUC（0.920）高 于 RMCECT及RMCECT-臨床（AUC=0.689、0.751，Z=2.698、2.390，P=0.007、0.017）。見圖3 及表3。

表3 各模型預(yù)測(cè)TET TNM 分期效能

圖3 各模型預(yù)測(cè)TET TNM 分期的ROC 曲線 A、B.RMNECT、RMNECT-臨床、RMNECT-臨床-CT 在訓(xùn)練集（A）及驗(yàn)證集（B）；C、D.RMCECT、RMCECT-臨床、RMCECT-臨床-CT在訓(xùn)練集（C）及驗(yàn)證集（D）

3 討論

重癥肌無力是TET 主要臨床表現(xiàn)之一，而早期TET 患者常無明顯臨床癥狀［8］。本研究中，僅14例患者（14/216，6.48%）臨床表現(xiàn)為重癥肌無力，且相比早期組，晚期組CT 顯示病灶周圍脂肪浸潤、縱隔淋巴結(jié)腫大及胸腔積液者占比更高。由于臨床準(zhǔn)確區(qū)分早期與晚期TET 存在一定難度，使得尋找可用于術(shù)前評(píng)估TET TNM 分期的定量參數(shù)至關(guān)重要。

基于腫瘤異質(zhì)性，影像組學(xué)可非侵入性地定量分析腫瘤特征，監(jiān)測(cè)腫瘤發(fā)生、發(fā)展及其對(duì)于治療的反應(yīng)，以協(xié)助臨床制定治療方案［9-11］。既往研究［12-13］以影像組學(xué)進(jìn)行TET 分期及風(fēng)險(xiǎn)分類等，獲得良好效果。本研究分別基于216 例TET 患者的NECT 和CECT 構(gòu)建RM 預(yù)測(cè)TET TNM 分期，結(jié)合臨床及CT 特征分別構(gòu)建臨床-影像組學(xué)及臨床-CT-影像組學(xué)模型，所獲RMNECT和RMCECT在驗(yàn)證集的AUC 分別為0.634 及0.689，低于BLüTHGEN 等［12］結(jié)果（AUC=0.838），可能與所提取影像組學(xué)特征、分類方法或檢查方法不同有關(guān)；RMNECT-臨床和RMCECT-臨床在驗(yàn)證集的AUC 分別為0.721、0.751，而RMNECT-臨床-CT和RMCECT-臨床-CT在驗(yàn)證集的AUC 分別為0.864 及0.920，高于其他模型，表明RM 結(jié)合臨床及CT 特征可提高效能，為鑒別TET TNM 分期提供更多依據(jù)。

綜上所述，CT 影像組學(xué)聯(lián)合臨床資料及腫瘤CT特征能有效預(yù)測(cè)TET TNM 分期。但本研究為單中心回顧性分析，樣本量有限，有待后續(xù)通過多中心、前瞻性多模態(tài)成像研究進(jìn)一步觀察。

利益沖突：全體作者聲明無利益沖突。

作者貢獻(xiàn)：劉晉研究設(shè)計(jì)和實(shí)施、查閱文獻(xiàn)、圖像分析、撰寫文章；尹平指導(dǎo)、研究設(shè)計(jì)、圖像分析、修改文章；王思聰圖像處理、數(shù)據(jù)和統(tǒng)計(jì)分析；洪楠指導(dǎo)、研究設(shè)計(jì)、審閱文章。