苗文杰 楊光杰 聶佩 顏蕾 郭柄州 龔愛(ài)迪 趙鈺鋆 崔景景 王振光

1 青 島 大 學(xué) 基 礎(chǔ) 醫(yī) 學(xué) 院 266071；2 青 島 大 學(xué) 附 屬 醫(yī) 院PET/CT 中 心 266000；3 青島大學(xué)附屬醫(yī)院放射科 266000；4 哈爾濱師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院 150025；5 慧影醫(yī)療科技有限公司，北京 100192

肺癌是在我國(guó)發(fā)病率和病死率最高的惡性腫瘤[1]，其中，肺腺癌由于較早發(fā)生局部浸潤(rùn)和遠(yuǎn)處轉(zhuǎn)移，其預(yù)后比肺鱗癌更差[2]。研究結(jié)果表明，微血管浸潤(rùn)狀態(tài)可反映腫瘤的侵襲能力，是影響肺腺癌預(yù)后的重要因素，且美國(guó)國(guó)立綜合癌癥管理網(wǎng)絡(luò)（NCCN）指南中也將血管浸潤(rùn)作為肺腺癌的高危險(xiǎn)因素[2-5]。盡管術(shù)前鑒別肺腺癌是否發(fā)生微血管浸潤(rùn)對(duì)術(shù)后治療策略的制定和預(yù)后有重要意義，但在實(shí)際臨床工作中，傳統(tǒng)影像學(xué)在判斷腫瘤是否發(fā)生微血管浸潤(rùn)中的價(jià)值有限，甚至由于微血管浸潤(rùn)評(píng)估的工作量較大，國(guó)內(nèi)大多數(shù)病理檢查并未將微血管浸潤(rùn)作為常規(guī)檢測(cè)項(xiàng)目。影像組學(xué)通過(guò)從醫(yī)學(xué)圖像中提取海量信息并進(jìn)行處理，可獲取傳統(tǒng)影像學(xué)所不能反映的微觀生物學(xué)信息，在疾病的診斷、療效評(píng)價(jià)及預(yù)后評(píng)估等方面具有獨(dú)特優(yōu)勢(shì)[6-9]。因此，有望通過(guò)影像組學(xué)對(duì)肺腺癌微血管浸潤(rùn)狀態(tài)進(jìn)行無(wú)創(chuàng)性預(yù)測(cè)。我們基于影像組學(xué)聯(lián)合傳統(tǒng)影像學(xué)征象建立綜合模型，并驗(yàn)證該模型預(yù)測(cè)肺腺癌微血管浸潤(rùn)的效能。

1 資料與方法

1.1 一般資料

回顧性分析2015 年6 月至2019 年4 月于青島大學(xué)附屬醫(yī)院就診的65 例肺腺癌患者的臨床資料，其中，男性33 例、女性32 例，年齡34～83（60.7±10.3）歲；微血管浸潤(rùn)陽(yáng)性30 例、陰性35 例。納入標(biāo)準(zhǔn)：（1）術(shù)前1 周行胸部高分辨率CT（high resolution CT，HRCT）檢查；（2）術(shù)后病理結(jié)果證實(shí)為肺腺癌，且明確微血管浸潤(rùn)狀態(tài)（病理組織切片發(fā)現(xiàn)腫瘤細(xì)胞存在于微血管內(nèi)）；（3）術(shù)前未行放化療。排除標(biāo)準(zhǔn)：（1）合并其他惡性腫瘤；（2）HRCT圖像質(zhì)量較差。本研究已獲得青島大學(xué)附屬醫(yī)院倫理委員會(huì)批準(zhǔn)（批準(zhǔn)號(hào)：QYFY WZLL 25580）。

1.2 CT 掃描

采用德國(guó)Siemens 公司Sensation 64 螺旋CT行胸部掃描。掃描條件：管電壓120 kV，管電流150～300 mA，轉(zhuǎn)速0.7 s/周，矩陣512×512。獲得容積數(shù)據(jù)后，通過(guò)AW4.4 工作站系統(tǒng)進(jìn)行高空間分辨率算法重建，層厚1.25 mm，間隔1.25 mm。

1.3 影像組學(xué)特征提取

將HRCT 圖像從圖像存儲(chǔ)與傳輸系統(tǒng)（PACS）中以“DICOM”格式導(dǎo)出。采用3D Slicer 軟件（版本4.11.0，https://www.slicer.org）中的“Growcut”模塊對(duì)腫瘤進(jìn)行半自動(dòng)勾畫(huà)ROI，并進(jìn)行手工修正（圖1）。采用Radcloud?大數(shù)據(jù)智能分析云平臺(tái)（版本2.1.2，慧影醫(yī)療科技有限公司，https://www.huiyihuiying.com）進(jìn)行影像組學(xué)特征提取。影像組學(xué)特征包括強(qiáng)度特征、形狀特征、紋理特征、圖像濾波特征4 部分，其中圖像濾波特征使用了包括指數(shù)、平方、平方根及對(duì)數(shù)4 種類(lèi)型的濾波器，共采用8 種小波變換濾波器，即3 維度高通濾波器（H）和低通濾波器（L）的所有組合（wavelet-LLL、wavelet-HHH、wavelet-HLL、wavelet-HHL、wavelet-LLH、wavelet-HLH、wavelet-LHL、wavelet-LHH）。

1.4 統(tǒng)計(jì)學(xué)方法

采用R 軟件（版本3.5.3，https://www.r-project.org）及MedCalc 軟件（版本19，https://www.medcalc.org）進(jìn)行統(tǒng)計(jì)學(xué)分析。符合正態(tài)分布的數(shù)據(jù)采用±s表示。Lasso-Logistic回歸分析及列線圖繪制采用R 軟件的“glmnet”包和“rms”包；ROC 曲線分析采用MedCalc 軟件。其他統(tǒng)計(jì)學(xué)方法見(jiàn)1.5～1.7 節(jié)。P<0.05 為差異有統(tǒng)計(jì)學(xué)意義。

1.5 影像組學(xué)特征篩選及影像組 學(xué)得分計(jì)算

以患者HRCT 檢查時(shí)間為編號(hào)，通過(guò)系統(tǒng)隨機(jī)抽樣方法將患者按約3∶1 等距抽樣分為2 組：訓(xùn)練組46 例，驗(yàn)證組19 例。訓(xùn)練組用于模型的建立，驗(yàn)證組用于模型的效能評(píng)價(jià)。對(duì)所獲得的訓(xùn)練組影像組學(xué)特征首先進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，采用單因素方差分析對(duì)組學(xué)數(shù)據(jù)進(jìn)行初次降維，篩選微血管浸潤(rùn)陽(yáng)性與陰性患者間差異有統(tǒng)計(jì)學(xué)意義的特征，采用Lasso-Logistic 回歸分析進(jìn)一步對(duì)組學(xué)特征數(shù)據(jù)降維，得到最優(yōu)影像組學(xué)特征，利用所得到的影像組學(xué)特征與Lasso-Logistic 回歸系數(shù)進(jìn)行線性擬合計(jì)算影像組學(xué)得分（Radscore），計(jì)算公式見(jiàn)2.2 節(jié)中公式（1），并根據(jù)影像組學(xué)得分繪制影像組學(xué)得分圖。

1.6 傳統(tǒng)影像學(xué)征象分析及統(tǒng)計(jì)學(xué)分析

由2 名具有5 年以上胸部HRCT 診斷經(jīng)驗(yàn)的醫(yī)師對(duì)病灶進(jìn)行傳統(tǒng)影像學(xué)征象分析，意見(jiàn)不一致時(shí)協(xié)商取得一致意見(jiàn)。結(jié)合患者的臨床資料，共記錄以下13 條信息：（1）性別；（2）年齡；（3）腫瘤最大徑；（4）腫瘤所在肺；（5）腫瘤所在肺葉；（6）腫瘤形狀；（7）腫瘤成分（實(shí)性密度、磨玻璃密度及混雜密度）；（8）分葉征；（9）毛刺征；（10）空洞；（11）支氣管充氣征；（12）胸膜凹陷征；（13）血管集束征。對(duì)符合方差齊性的定量資料采用兩獨(dú)立樣本t檢驗(yàn)，計(jì)數(shù)資料采用χ2檢驗(yàn)或Fisher 確切概率法，篩選訓(xùn)練組中微血管浸潤(rùn)陽(yáng)性與陰性患者間差異有統(tǒng)計(jì)學(xué)意義的傳統(tǒng)影像學(xué)征象。

圖1 肺腺癌（患者男性，50 歲）HRCT 圖像上病灶區(qū)域ROI 勾畫(huà)圖 圖中，A～C：橫斷面、冠狀位、矢狀位ROI 勾畫(huà)；D：ROI 的三維展示。HRCT：高分辨率CT；ROI：感興趣區(qū)Fig. 1 Region of interest segmentation of lung adenocarcinoma（male，50 years old）

1.7 列線圖繪制及其效能驗(yàn)證

將影像組學(xué)得分聯(lián)合有鑒別意義的傳統(tǒng)影像學(xué)征象，采用Logistic 多元回歸分析構(gòu)建綜合模型，繪制列線圖，并通過(guò)ROC 曲線評(píng)估模型的效能。

2 結(jié)果

2.1 傳統(tǒng)影像學(xué)征象

患者基本信息及傳統(tǒng)影像學(xué)征象見(jiàn)表1。其中，訓(xùn)練組中僅腫瘤最大徑在微血管浸潤(rùn)陽(yáng)性與陰性患者間的差異有統(tǒng)計(jì)學(xué)意義（t=5.580，P=0.035），其余的組間比較差異均無(wú)統(tǒng)計(jì)學(xué)意義。

2.2 影像組學(xué)得分

每例患者共提取到1308 個(gè)影像組學(xué)特征，通過(guò)單因素方差分析對(duì)組學(xué)數(shù)據(jù)進(jìn)行初次降維，得到微血管浸潤(rùn)陽(yáng)性與陰性患者間差異有統(tǒng)計(jì)學(xué)意義的影像組學(xué)特征共142 個(gè)，通過(guò)Lasso-Logistic 回歸分析進(jìn)一步降維，最終得到6 個(gè)最優(yōu)影像組學(xué)特征。影像組學(xué)得分計(jì)算公式見(jiàn)公式（1）。繪制的影像組學(xué)得分圖見(jiàn)圖2。

表1 65 例肺腺癌患者的臨床資料及HRCT 的傳統(tǒng)影像學(xué)征象Table 1 Basic information and traditional imaging features of 65 patients with lung adenocarcinoma

圖2 65 例肺腺癌患者的HRCT 影像組學(xué)得分圖 圖中，A：訓(xùn)練組；B：驗(yàn)證組。HRCT：高分辨率CTFig. 2 Radiomic scores histogram of 65 patients with lung adenocarcinoma

2.3 綜合模型的構(gòu)建及其效能評(píng)估

聯(lián)合訓(xùn)練組中6 個(gè)最優(yōu)影像組學(xué)特征和傳統(tǒng)影像學(xué)征象得到綜合模型，繪制的列線圖見(jiàn)圖3。通過(guò)ROC 曲線（圖4）評(píng)估綜合模型預(yù)測(cè)肺腺癌微血管浸潤(rùn)的效能，結(jié)果見(jiàn)表2。綜合模型在訓(xùn)練組中的AUC 為0.880（95%CI：0.750～0.957）、靈敏度為90.5%、特異度為72.0%；在驗(yàn)證組中的AUC 為0.811（95%CI：0.568～0.951）、靈敏度為88.9%、特異度為80.0%。與傳統(tǒng)影像學(xué)征象及影像組學(xué)得分相比，綜合模型具有更好的診斷效能。

3 討論

圖3 基于影像組學(xué)聯(lián)合HRCT 的傳統(tǒng)影像學(xué)征象的綜合模型列線圖 圖中，HRCT：高分辨率CTFig. 3 Comprehensive nomogram based on radiomic scores combined with traditional imaging features

圖4 基于影像組學(xué)聯(lián)合HRCT 的傳統(tǒng)影像學(xué)征象的綜合模型預(yù)測(cè)肺腺癌微血管浸潤(rùn)的受試者工作特征曲線 圖中，A：訓(xùn)練組；B：驗(yàn)證組。HRCT：高分辨率CTFig. 4 Receiver operating characteristic curve for prediction model of microvascular invasion of lung adenocarcinoma based on radiomic scores combined with traditional imaging features

表2 肺腺癌微血管浸潤(rùn)預(yù)測(cè)模型的受試者工作特征曲線分析結(jié)果Table 2 Receiver operating characteristic curve analysis results of microvascular invasion prediction model for lung adenocarcinoma

肺腺癌容易發(fā)生局部浸潤(rùn)和遠(yuǎn)處轉(zhuǎn)移，其預(yù)后較差[2]，尋找轉(zhuǎn)移及預(yù)后相關(guān)的生物標(biāo)志物一直是臨床研究的熱點(diǎn)[3]。肺腺癌微血管浸潤(rùn)是指腫瘤細(xì)胞突破血管壁浸潤(rùn)至管腔內(nèi)，如果管腔內(nèi)的癌灶隨血液循環(huán)到達(dá)靶器官則形成轉(zhuǎn)移灶。因此，微血管浸潤(rùn)被認(rèn)為是肺癌的亞臨床轉(zhuǎn)移。研究結(jié)果證實(shí)肺腺癌微血管浸潤(rùn)是影響患者預(yù)后的重要因素[4-5,10-11]。Hishida 等[12]對(duì)1039 例非小細(xì)胞肺癌患者進(jìn)行回顧性分析后發(fā)現(xiàn)，微血管浸潤(rùn)是影響肺腺癌手術(shù)預(yù)后的獨(dú)立因素。Wang 等[13]同樣證明了這個(gè)觀點(diǎn)。Hamanaka 等[14]的研究結(jié)果證實(shí)血管侵犯是無(wú)淋巴結(jié)轉(zhuǎn)移的Ⅰ期肺腺癌的重要預(yù)后因素，且血管浸潤(rùn)可增加腫瘤術(shù)后復(fù)發(fā)的概率。Usui 等[2]對(duì)255 例肺腺癌的分析結(jié)果顯示，血管浸潤(rùn)陽(yáng)性的患者的預(yù)后明顯差于陰性的患者。美國(guó)國(guó)立綜合癌癥管理網(wǎng)絡(luò)（NCCN）指南也指出，伴有血管浸潤(rùn)的Ⅱb 期肺腺癌患者術(shù)后應(yīng)采取更積極的治療措施[15]。由此可見(jiàn)，鑒別肺腺癌微血管浸潤(rùn)的意義重大，可以提示臨床是否進(jìn)行術(shù)后化療等輔助治療，但目前臨床仍缺乏有效的肺腺癌的微血管浸潤(rùn)預(yù)測(cè)方法。

影像組學(xué)可以顯示更多的傳統(tǒng)影像學(xué)不能判斷的生物學(xué)信息，并且可以定量地將這些信息通過(guò)組學(xué)特征提取出來(lái)，進(jìn)而對(duì)腫瘤的異質(zhì)性進(jìn)行表征[6-8]，應(yīng)用影像組學(xué)評(píng)價(jià)及預(yù)測(cè)腫瘤的生物學(xué)特征的價(jià)值已得到證實(shí)[9]。本研究通過(guò)HRCT 影像組學(xué)聯(lián)合傳統(tǒng)影像學(xué)征象建立了預(yù)測(cè)肺腺癌微血管浸潤(rùn)的綜合模型，結(jié)果證實(shí)該模型具有較高的預(yù)測(cè)價(jià)值，在訓(xùn)練組和驗(yàn)證組中的靈敏度均高于85%。

本研究中傳統(tǒng)影像學(xué)征象分析結(jié)果顯示，腫瘤最大徑是預(yù)測(cè)肺腺癌微血管浸潤(rùn)的獨(dú)立因素（P=0.035），這與Patel 等[5]的研究結(jié)論相同，該研究綜合12 篇文獻(xiàn)進(jìn)行分析，結(jié)果表明肺腺癌微血管浸潤(rùn)狀態(tài)與腫瘤大小相關(guān)。可能的原因是，隨著腫瘤的生長(zhǎng)，腫瘤長(zhǎng)徑增加，更容易侵犯周?chē)M織，造成微血管浸潤(rùn)。但本研究中腫瘤最大徑對(duì)肺腺癌微血管浸潤(rùn)的鑒別效能較低（訓(xùn)練組AUC：0.648，驗(yàn)證組AUC：0.783），聯(lián)合影像組學(xué)得分后，綜合模型的鑒別效能明顯提高（訓(xùn)練組AUC：0.880，驗(yàn)證組AUC：0.811），這表明影像組學(xué)對(duì)于鑒別肺腺癌微血管浸潤(rùn)具有重要的增益價(jià)值；而綜合模型的鑒別效能略高于影像組學(xué)（訓(xùn)練組AUC：0.870，驗(yàn)證組AUC：0.800），這也提示腫瘤最大徑在綜合模型中對(duì)微血管浸潤(rùn)鑒別的價(jià)值權(quán)重較小。

另外，我們選用的胸部HRCT 對(duì)于部分肺部病變，尤其是較小的肺結(jié)節(jié)，能夠顯示更為豐富的細(xì)節(jié)，提供更全面的影像學(xué)信息。HRCT 由于層厚較薄，手工勾畫(huà)ROI 需要投入更多的時(shí)間及人力，且由于腫瘤的異質(zhì)性，部分患者腫瘤與周?chē)徑M織分界不清，導(dǎo)致勾畫(huà)腫瘤ROI 存在偏差。有文獻(xiàn)證實(shí)基于“Growcut”模塊的肺病灶半自動(dòng)ROI 勾畫(huà)具有較高的精準(zhǔn)度及可重復(fù)性[16-17]。本研究選用此種方法進(jìn)行半自動(dòng)ROI 勾畫(huà)，既大大節(jié)省了時(shí)間和勞力，也從一定程度上避免了個(gè)人主觀因素對(duì)腫瘤ROI 的勾畫(huà)。

本研究和Wu 等[18]均采用三維ROI 進(jìn)行影像學(xué)特征的提取，能夠更充分地反映腫瘤整體的異質(zhì)性。且本研究中提取了更多的影像組學(xué)參數(shù)，能夠?qū)δ[瘤特點(diǎn)進(jìn)行更高維度的表征。Wu 等[18]采用了樸素貝葉斯、隨機(jī)森林、K-鄰近3 種建模方法，其鑒別肺腺癌與肺鱗癌的AUC 略有差異，分別為0.64、0.63、0.60，故建模方法會(huì)對(duì)研究結(jié)果造成影響。但本研究只采用了Lasso-Logistic 回歸分析的方法，統(tǒng)一了建模方法，并取得了良好的鑒別效能。

本研究為單中心研究，病例數(shù)較少，無(wú)法對(duì)其他的分層因素進(jìn)行統(tǒng)計(jì)學(xué)分析，有待后續(xù)進(jìn)行多中心的大樣本量研究，納入分化程度和分期等預(yù)后因素，研究基于影像組學(xué)的綜合模型在不同亞組患者的微血管浸潤(rùn)中的預(yù)測(cè)價(jià)值。

綜上，本研究基于HRCT 影像組學(xué)聯(lián)合傳統(tǒng)影像學(xué)征象成功構(gòu)建了預(yù)測(cè)肺腺癌微血管浸潤(rùn)的綜合模型，并證實(shí)了其具有較高的鑒別效能，有助于肺腺癌患者的術(shù)前評(píng)估。

利益沖突 本研究由署名作者按以下貢獻(xiàn)聲明獨(dú)立開(kāi)展，不涉及任何利益沖突。

作者貢獻(xiàn)聲明 苗文杰負(fù)責(zé)研究過(guò)程的實(shí)施、數(shù)據(jù)的收集與分析、論文的撰寫(xiě)；楊光杰負(fù)責(zé)研究命題的提出與設(shè)計(jì)、數(shù)據(jù)的分析、論文的指導(dǎo)與修訂；聶佩、顏蕾負(fù)責(zé)論文的指導(dǎo)與修訂；郭柄州、崔景景負(fù)責(zé)數(shù)據(jù)的分析；龔愛(ài)迪、趙鈺鋆負(fù)責(zé)數(shù)據(jù)的收集；王振光負(fù)責(zé)命題的提出與設(shè)計(jì)、論文的指導(dǎo)與審閱。