［摘要］ 目的：探討基于CT增強(qiáng)掃描影像組學(xué)聯(lián)合臨床模型鑒別腮腺多形性腺瘤和腺淋巴瘤的價(jià)值。方法：回顧性收集經(jīng)病理證實(shí)的腮腺多形性腺瘤（90例）及腺淋巴瘤（70例）患者的臨床和影像資料。采用單因素分析篩選出差異有統(tǒng)計(jì)學(xué)意義的臨床數(shù)據(jù)構(gòu)建臨床模型，應(yīng)用單因素秩和檢驗(yàn)、相關(guān)性分析及最小絕對(duì)收縮與選擇算子（LASSO）算法篩選組學(xué)特征并構(gòu)建影像組學(xué)模型，最后構(gòu)建臨床-影像聯(lián)合模型。將160例按7∶3比例隨機(jī)分為訓(xùn)練集112例和驗(yàn)證集48例。利用ROC曲線分析各模型的預(yù)測(cè)效能。結(jié)果：利用患者性別、年齡、吸煙史和單發(fā)/多發(fā)構(gòu)建臨床模型，AUC為0.889（95%CI 0.812～0.966）。動(dòng)脈期、靜脈期及2期聯(lián)合分別有5、4、5個(gè)特征用于模型建立，影像組學(xué)模型以2期圖像聯(lián)合模型最佳，AUC為0.951（95%CI 0.890～1.000）。將臨床資料及動(dòng)靜脈期組學(xué)特征納入聯(lián)合模型，其AUC為0.969（95%CI 0.922～1.000），優(yōu)于其他模型。結(jié)論：動(dòng)靜脈期聯(lián)合模型為腮腺多形性腺瘤與腺淋巴瘤鑒別診斷的優(yōu)勢(shì)影像組學(xué)模型，臨床資料與影像組學(xué)聯(lián)合模型鑒別診斷價(jià)值較高。

［關(guān)鍵詞］ 多形性腺瘤；腺淋巴瘤；腮腺腫瘤；影像組學(xué)；體層攝影術(shù)，X線計(jì)算機(jī)

A CT radiomics-clinical integrated model for distinguishing pleomorphic adenoma from Warthin tumor

LU Li LIU Chengliang ZHANG Li ZUO Chao YU Shujing

1Department of CT Diagnosis，Cangzhou Central Hospital，Cangzhou 061000，China；2Second Department of Ultrasound，Cangzhou Central Hospital，Cangzhou 061000，China；3Department of Nuclear Medicine，Cangzhou Central Hospital，Cangzhou 061000，China.

［Abstract］ Objective：To explore the value of enhanced CT-based radiomics combined clinical model in the differential diagnosis of pleomorphic adenoma （PA） from Warthin tumor （WT） in the parotid gland. Methods：This retrospective study analyzed 90 PA patients and 70 WT patients. Univariate analysis was used for clinical data selecting，while univariate rank sum test，correlation analysis and LASSO algorithm were used for radiomics features screening. The combined model was established by the selected optimal radiomics model and clinical data. All patients were randomly divided into a training cohort （112 cases） and a validation cohort （48 cases） at a 7∶3 ratio. The ROC curves were used to evaluate the predictive efficacies of each model. Results：The AUC was 0.889（95%CI 0.812—0.966） for clinical model，including sex，age，smoking history and lesion number. Five，four and five radiomics features of arterial-phase，venous-phase and the two-phase combined models were used to establish the radiomics models. The optimal radiomics model was the two-phase combined model，with the AUC of 0.951（95%CI 0.890—1.000）. Ultimately the clinical data was added to the optimal radiomic model，the AUC was 0.969（95%CI 0.922—1.000），which was better than that of other models. Conclusions：The combination of arterial- and venous-phase radiomics model is superior to other radiomics models in differentiating PA and WT，and the combined model constructed by the optimal radiomics model and clinical model had a high differential value.

［Key words］ Pleomorphic adenoma；Warthin tumor；Parotid tumor；Radiomics；Tomography，X-ray computed

近年來(lái)腮腺腫瘤的發(fā)病率逐年上升，以多形性腺瘤和腺淋巴瘤最為常見(jiàn)，均表現(xiàn)為無(wú)痛性良性腫塊，但其生物學(xué)行為、治療方式及預(yù)后卻截然不同［1-2］。多形性腺瘤又稱混合瘤，具有臨界瘤的特征，易復(fù)發(fā)或惡變，而腺淋巴瘤的惡變概率小，可延緩手術(shù)。兩者手術(shù)方式也不同，多形性腺瘤多在保留面神經(jīng)的情況下切除腫瘤及部分腺體；而腺淋巴瘤則極少發(fā)生惡變、復(fù)發(fā)，手術(shù)多以單純腫瘤剜除為主，也有部分學(xué)者主張保守治療［3-4］。因此，術(shù)前準(zhǔn)確診斷腮腺腫瘤的組織學(xué)來(lái)源對(duì)制訂治療方案尤為重要?，F(xiàn)階段，腮腺腫瘤的術(shù)前診斷主要依賴影像學(xué)檢查，但常規(guī)影像學(xué)診斷準(zhǔn)確性仍存在爭(zhēng)議，不同組織學(xué)類型病灶的影像學(xué)表現(xiàn)存在重疊［5-6］。隨著人工智能技術(shù)發(fā)展日趨成熟，影像組學(xué)方法在臨床上已得到廣泛應(yīng)用，其在大量的影像圖像中提取肉眼無(wú)法觀察到的內(nèi)部信息，對(duì)腫瘤的病理學(xué)定性、療效預(yù)測(cè)，以及治療方案的評(píng)估等均有一定的應(yīng)用價(jià)值［7-8］。但目前關(guān)于CT增強(qiáng)掃描影像組學(xué)對(duì)多形性腺瘤及腺淋巴瘤的鑒別診斷報(bào)道較少，本研究擬結(jié)合CT增強(qiáng)掃描影像組學(xué)與臨床資料建立鑒別腮腺多形性腺瘤與腺淋巴瘤的聯(lián)合模型，以輔助臨床診療決策的制訂。

1" 資料與方法

1.1" 一般資料

回顧性收集2019年1月至2023年1月我院就診的腮腺腫瘤患者的臨床及影像資料。納入標(biāo)準(zhǔn)：①病理為腮腺多形性腺瘤或腺淋巴瘤；②術(shù)前行CT增強(qiáng)掃描且動(dòng)靜脈期圖像無(wú)偽影；③臨床病歷資料完整。排除標(biāo)準(zhǔn)：①同時(shí)患有腮腺其他疾病；②圖像質(zhì)量較差、無(wú)法滿足組學(xué)研究。共納入160例，其中男77例，女83例；年齡21～80歲，平均（56.5±7.3）歲；多形性腺瘤90例，腺淋巴瘤70例。160例按7∶3比例分為訓(xùn)練集112例和驗(yàn)證集48例。訓(xùn)練集中多形性腺瘤64例，腺淋巴瘤48例；驗(yàn)證集中多形性腺瘤26例，腺淋巴瘤22例。收集患者性別、年齡、吸煙史、觸診結(jié)果、腫瘤數(shù)量、位置、大小、形態(tài)、邊界等臨床資料。本研究經(jīng)滄州市中心醫(yī)院倫理委員會(huì)批準(zhǔn)［批號(hào)：2021-075-02（z）］，并豁免知情同意。

1.2" 儀器與方法

使用GE寶石能譜CT、Toshiba 320排螺旋CT掃描儀。掃描范圍由顱底至頸根部。掃描參數(shù)：120 kV，550 mA，層厚、層距均為5 mm，視野240 mm×240 mm。采用高壓注射器經(jīng)肘前靜脈注射非離子型對(duì)比劑碘佛醇，流率3～3.5 mL/s，劑量1.5 mL/kg體質(zhì)量，分別于注射后40、80 s行動(dòng)、靜脈期掃描。

1.3" 影像組學(xué)特征提取及模型建立

將圖像導(dǎo)入ITK-SNAP軟件，先由1位具有3年工作經(jīng)驗(yàn)的醫(yī)師在橫斷面圖像上手動(dòng)逐層勾畫(huà)ROI，再由1位具有10年工作經(jīng)驗(yàn)的醫(yī)師進(jìn)行復(fù)審，之后軟件自動(dòng)生成VOI（圖1）。采用Python軟件（3.5版本）用線性內(nèi)插方法對(duì)圖像重采樣預(yù)處理，使用Pyradiomics工具包對(duì)圖像行濾波處理并進(jìn)行特征提取，包括一階直方圖、形態(tài)學(xué)特征、紋理特征。對(duì)所提取的組學(xué)特征進(jìn)行預(yù)處理，使用Z-score方法對(duì)特征數(shù)值標(biāo)準(zhǔn)化處理；采用單因素秩和檢驗(yàn)方法、相關(guān)性分析及最小絕對(duì)收縮與選擇算子（1east absolute shrinkage and selection operator，LASSO）算法對(duì)組學(xué)特征進(jìn)行降維、篩選。通過(guò)多因素逐步回歸方法建立影像組學(xué)模型（動(dòng)脈期、靜脈期及2期聯(lián)合模型）。選擇診斷效能最優(yōu)的組學(xué)模型與臨床模型建立臨床-影像聯(lián)合模型。

1.4" 統(tǒng)計(jì)學(xué)分析

采用R 3.5.1、Python 3.5.6軟件及SPSS 27.0軟件分析數(shù)據(jù)。定性資料組間比較行χ2檢驗(yàn)或Fisher檢驗(yàn)；定量資料以x±s表示，組間比較行t檢驗(yàn)。采用單因素分析篩選差異有統(tǒng)計(jì)學(xué)意義的指標(biāo)，再行多因素logistic回歸分析建立臨床模型。采用ROC曲線分析各預(yù)測(cè)模型的診斷性能，采用DeLong檢驗(yàn)比較各模型的AUC。以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2" 結(jié)果

2.1" 臨床模型的建立

160例中，多形性腺瘤90例，腺淋巴瘤70例。經(jīng)單因素分析發(fā)現(xiàn)，訓(xùn)練集及驗(yàn)證集中2種病變患者的性別、年齡、吸煙史和病變單發(fā)/多發(fā)差異均有統(tǒng)計(jì)學(xué)意義（均P＜0.05）（表1）。將這4個(gè)變量納入多因素logistic回歸分析發(fā)現(xiàn)，差異均有統(tǒng)計(jì)學(xué)意義（均P＜0.05）（表2）。在訓(xùn)練集中，臨床模型的AUC為0.889（95%CI 0.812～0.966）（表3，圖2）。

2.2" CT增強(qiáng)掃描影像組學(xué)特征篩選和模型建立

從CT增強(qiáng)掃描動(dòng)、靜脈期圖像中共提取3 376個(gè)特征，經(jīng)單因素秩和檢驗(yàn)、相關(guān)性分析及LASSO回歸分析剔除共線特征后，動(dòng)脈期、靜脈期及2期聯(lián)合分別有5、4、5個(gè)特征被選出構(gòu)建影像組學(xué)模型（表4）。訓(xùn)練集中，2期聯(lián)合模型的AUC、敏感度及特異度優(yōu)于動(dòng)脈期模型和靜脈期模型（表3，圖2）。

2.3" 聯(lián)合模型的建立與各預(yù)測(cè)模型的診斷效能分析

選擇2期聯(lián)合模型與臨床模型建立臨床-影像聯(lián)合模型。在訓(xùn)練集和驗(yàn)證集中，臨床-影像聯(lián)合模型的AUC均高于其他模型（均P＜0.05）（表3，圖2）。

3" 討論

腮腺多形性腺瘤為最常見(jiàn)的腮腺良性腫瘤，好發(fā)于中年女性，多為單發(fā)；而腺淋巴瘤發(fā)病率次之，常見(jiàn)于老年男性，多有吸煙史，且易多發(fā)。本研究中腮腺多形性腺瘤與腺淋巴瘤患者的性別、年齡、單發(fā)/多發(fā)及吸煙史差異均有統(tǒng)計(jì)學(xué)意義，其構(gòu)建的臨床模型在訓(xùn)練集的AUC為0.889（95%CI 0.812～0.966），高于以往研究［9］，可能與入組患者較多、統(tǒng)計(jì)結(jié)果更可靠有關(guān)。

臨床對(duì)腮腺腫瘤的術(shù)前評(píng)估主要依靠影像學(xué)檢查，但部分病變影像征象有重疊，難以準(zhǔn)確診斷，同時(shí)影像學(xué)診斷主要依賴于醫(yī)師經(jīng)驗(yàn)，主觀性強(qiáng)，且信息量有限。常規(guī)CT主要依靠形態(tài)學(xué)特點(diǎn)，如腫瘤位置、形態(tài)、大小、邊緣、密度及強(qiáng)化方式對(duì)腮腺腫瘤進(jìn)行診斷，但目前尚未建立標(biāo)準(zhǔn)的診斷策略，且腮腺多形性腺瘤的很多形態(tài)特征與腺淋巴瘤極為相似，因此僅依靠傳統(tǒng)影像學(xué)鑒別兩者較困難［6，9］。

近年來(lái)，影像組學(xué)已應(yīng)用于全身多系統(tǒng)疾病的診斷［7-8］，但應(yīng)用于涎腺病變的研究較少。既往有研究證實(shí)影像組學(xué)方法可提高腮腺腫瘤術(shù)前診斷準(zhǔn)確率，并指導(dǎo)臨床決策。Zhang等［10］發(fā)現(xiàn)CT圖像紋理特征有助于腮腺多形性腺瘤和惡性上皮性腫瘤的鑒別診斷，但對(duì)良性腫瘤的鑒別診斷尚未深入研究。本研究顯示影像組學(xué)對(duì)鑒別腮腺多形性腺瘤和腺淋巴瘤具有一定的可行性和臨床價(jià)值。王琴等［11］通過(guò)分析腮腺多形性腺瘤與腺淋巴瘤的CT平掃紋理特征，建立隨機(jī)森林、邏輯回歸及支持向量機(jī)模型，其中隨機(jī)森林模型診斷效能最佳，AUC、敏感度及特異度分別為0.882、78.6%、88.0%，但該結(jié)果與既往研究［12-13］不一致。本研究提示CT增強(qiáng)掃描中單一期相的診斷準(zhǔn)確率均低于2期聯(lián)合（訓(xùn)練集及驗(yàn)證集中AUC分別為0.951、0.894），原因可能是多形性腺瘤病理構(gòu)成復(fù)雜，其中上皮組織、黏液樣組織、軟骨樣組織及液性結(jié)構(gòu)比例組成不同，而腺淋巴瘤雖然主要由上皮組織構(gòu)成，但其中腺腔樣結(jié)構(gòu)多見(jiàn)［14］，因2種腫瘤成分的主要結(jié)構(gòu)比例不同導(dǎo)致兩者在動(dòng)、靜脈期強(qiáng)化上存在差異，且單一期相很難評(píng)估其特征。本研究將2種病變的臨床特征、CT增強(qiáng)掃描影像組學(xué)特征相結(jié)合，發(fā)現(xiàn)臨床-影像聯(lián)合模型在訓(xùn)練集的AUC、敏感度與特異度高達(dá)0.969、0.929、1.000，均高于臨床模型和影像組學(xué)模型單獨(dú)應(yīng)用。

本研究尚存在一定的局限性：為單中心研究，樣本量較小，需擴(kuò)大樣本量行多中心研究，以提高模型效能；僅應(yīng)用1種回歸分析方法構(gòu)建模型，有待加入其他機(jī)器學(xué)習(xí)方法進(jìn)一步優(yōu)化模型。此外，本研究的ROI為手工半自動(dòng)勾畫(huà)，工作量較大，隨著未來(lái)樣本量擴(kuò)大，可通過(guò)智能訓(xùn)練實(shí)現(xiàn)自動(dòng)勾畫(huà)以簡(jiǎn)化模型建立，同時(shí)尚需大樣本、前瞻性和多中心研究進(jìn)一步優(yōu)化預(yù)測(cè)模型。

綜上所述，動(dòng)、靜脈期聯(lián)合的影像組學(xué)模型是鑒別腮腺多形性腺瘤和腺淋巴瘤的有效方法，臨床-影像聯(lián)合模型對(duì)鑒別腮腺多形性腺瘤與腺淋巴瘤具有可行性且應(yīng)用價(jià)值較高，可提高診斷精準(zhǔn)率。

［參考文獻(xiàn)］

［1］ GATTA G，GUZZO M，LOCATI L D，et al. Major and minor salivary gland tumours［J］. Crit Rev Oncol Hematol，2020，152：102959.

［2］ 巫超，劉旦，陳家駿. 雙期增強(qiáng)CT對(duì)腮腺基底細(xì)胞腺瘤和多形性腺瘤的診斷價(jià)值［J］. 實(shí)用放射學(xué)雜志，2022，38（11）：1761-1764.

［3］ 宋承汝，程敬亮，張勇，等. 基于分段讀出擴(kuò)散加權(quán)成像序列表觀擴(kuò)散系數(shù)圖的全域直方圖分析在腮腺常見(jiàn)腫瘤鑒別診斷中的價(jià)值［J］. 中華放射學(xué)雜志，2019，53（3）：189-195.

［4］ 林楊，吳麗芳，陳懿. 腮腺混合瘤與腺淋巴瘤的磁共振成像表現(xiàn)對(duì)比分析［J］. 腫瘤影像學(xué)，2020，29（3）：319-323.

［5］ 潘桂海，陳韻，周飛，等. 擴(kuò)散加權(quán)成像及動(dòng)態(tài)對(duì)比增強(qiáng)磁共振成像在腮腺混合瘤與腺淋巴瘤鑒別中的應(yīng)用［J］. 實(shí)用放射學(xué)雜志，2020，36（7）：1035-1038.

［6］ 梁久平，符念霞，閆瑤瑤，等. 腮腺多形性腺瘤和腺淋巴瘤MSCT征象分析［J］. 放射學(xué)實(shí)踐，2021，36（2）：181-185.

［7］ 徐靜雅，吳樹(shù)劍，范莉芳，等. 基于多期CT影像組學(xué)鑒別卵巢良、惡性腫瘤的臨床應(yīng)用價(jià)值［J］. 放射學(xué)實(shí)踐，2023，38（9）：1151-1156.

［8］ 馬偉麗，趙振華，夏陽(yáng)，等. CT影像組學(xué)預(yù)測(cè)胃腸道間質(zhì)瘤病理類型的診斷價(jià)值［J］. 實(shí)用放射學(xué)雜志，2023，39（2）：229-232.

［9］ 褚相樂(lè)，劉海燕，黃勇華，等. 腮腺多形性腺瘤和腺淋巴瘤的MSCT征象鑒別診斷價(jià)值［J］. 中國(guó)臨床醫(yī)學(xué)影像雜志，2023，36（1）：10-14.

［10］ ZHANG D，LI X J，LV L，et al. A preliminary study of CT texture analysis for characterizing epithelial tumors of the parotid gland［J］. Cancer Manag Res，2020，12：2665-2674.

［11］ 王琴，黃東瓊，于冬洋，等. 放射組學(xué)模型鑒別腮腺多形性腺瘤與沃辛瘤［J］. 腫瘤影像學(xué)，2021，30（6）：499-503.

［12］ 蔡俊輝，段紹峰，袁虎，等. 機(jī)器學(xué)習(xí)鑒別表現(xiàn)為肺純磨玻璃結(jié)節(jié)的浸潤(rùn)性腺癌與非浸潤(rùn)性腺癌［J］. 中國(guó)醫(yī)學(xué)影像技術(shù)，2020，36（3）：405-410.

［13］ WANG Y，ZHU K J，LI Y，et al. A machine learning-based approach for the prediction of periprocedural myocardial infarction by using routine data［J］. Cardiovasc Diagn Ther，2020，10（5）：1313-1324.

［14］ 文寶紅，程敬亮，張勇. T1 mapping成像鑒別診斷腮腺腫瘤的價(jià)值［J］. 臨床放射學(xué)雜志，2023，42（11）：1718-1723.

（收稿日期" 2024-02-23）