李健維，楊 昭，王小雷，張書海，謝宗玉

肺癌是全球癌癥相關死亡的主要原因[1]，非小細胞肺癌(nonsmall-cell lung cancer,NSCLC)最常見的基因突變是表皮生長因子受體(epidermal growth factor receptor，EGFR)突變[2]。與野生型EGFR病人相比，酪氨酸激酶抑制劑(tyrosine kinase inhibitors,TKIs)對EGFR突變病人有著更高的應答率[3]，能夠提高病人的無進展生存期[4]，改善生活質(zhì)量，因此TKIs被美國國家綜合癌癥網(wǎng)絡(national comprehensive cancer network,NCCN)推薦為NSCLC的一線治療方法[5]?；顧z組織病理學標本最常用于檢測EGFR的突變狀態(tài)，但是由于腫瘤的異質(zhì)性、取樣的偏差、耗時的程序、有創(chuàng)并且增加了癌癥轉(zhuǎn)移的風險[6]，一定程度上限制了其在EGFR突變檢測中的應用。影像組學是從影像圖像中高通量地提取大量影像信息，將視覺影像信息轉(zhuǎn)化為深層次的定量影像特征來進行量化研究，不僅有效地解決了腫瘤異質(zhì)性難以定量評估的問題，而且無創(chuàng)，可以重復進行[7]。影像組學在肺部病變的定性、肺癌的分級與分期、肺癌的療效評估和預后預測等方面已有較為廣泛的研究[8-9]，本文旨在探究影像組學聯(lián)合臨床特征在預測肺腺癌EGFR突變狀態(tài)中的價值。

1 資料與方法

1.1 一般資料 選取2019-2020年蚌埠醫(yī)學院第一附屬醫(yī)院收治的125例經(jīng)病理證實為肺腺癌的病人，男51例，女74例，年齡29～82歲。納入標準：(1)術前2周內(nèi)接受完整的胸部CT檢查；(2) CT檢查前未接受任何治療；(3)病理證實為肺腺癌；(4)臨床資料完整。排除標準：(1)術前2周內(nèi)未接受完整的胸部CT檢查(6例)；(2)未進行根治性手術治療(8例)；(3)CT檢查前接受過系統(tǒng)性或局部性治療(3例)；(4)術后病理證實為非肺腺癌(8例)；(5)合并阻塞性肺不張或其他肺部病變(8例)；(6)臨床資料不完整(3例)。

入組病人中，EGFR突變77例，野生型EGFR 48例。按照6:4隨機分成訓練組(共74例，其中EGFR突變49例，野生型EGFR 25例)和驗證組(共51例，其中EGFR突變28例，野生型EGFR 23例)。臨床資料包括年齡、性別、吸煙史。本研究經(jīng)醫(yī)院倫理委員會審核通過。

1.2 儀器與方法 所有病人均排除CT檢查禁忌證，檢查前訓練病人吸氣后屏氣。病人取仰臥位，掃描范圍為肺尖至肺底。采用GE Revolution 256排CT(GE Healthcare，USA)，管電壓120 kV，管電流380 mA，螺距0.992∶1，視野444 mm×444 mm，掃描層厚和層間距均為5 mm，窗寬800 HU，窗位-700 HU，圖像重建層厚為0.625 mm。

1.3 CT征象分析 在不告知病理結果的前提下，由兩名放射科醫(yī)生對每位病人進行CT征象評估，意見不一致時，經(jīng)討論達成一致后記錄主觀評估結果。評估項目包括病灶形態(tài)(規(guī)則或不規(guī)則)、密度[實性或磨玻璃(ground glass opacity，GGO)]、邊界(清晰或模糊)、分葉征、毛刺征、暈征、鈣化、瘤內(nèi)壞死、空泡、空洞、空氣支氣管征、外周纖維化、胸膜牽拉、胸膜接觸、臨近胸膜增厚、胸腔積液、周圍肺氣腫、肺門/縱隔淋巴結腫大。

具體評價標準(1)病灶大小：目標病灶橫斷面的最大直徑。(2)形態(tài)規(guī)則：病灶形態(tài)呈圓形、橢圓形，包括2或3個波狀起伏。(3)形態(tài)不規(guī)則：病灶形態(tài)既不是圓形、橢圓形，也不是分葉。(4)分葉：定義為>3個波狀起伏。(5)毛刺：從腫塊上突出的尖銳線條。(6)暈征：為磨玻璃影圍繞結節(jié)或腫塊。(7)GGO：為CT圖像上肺密度輕度增加，支氣管血管束清晰可辨，形似磨玻璃。(8)空泡：肺部腫塊內(nèi)殘留的含氣肺組織或支氣管形成的直徑3 mm以內(nèi)的含氣低密度區(qū)。(9)空洞：病灶內(nèi)直徑3 mm以上的含氣低密度區(qū)。(10)空氣支氣管征：在實變區(qū)中可見到含氣的支氣管分支影。(11)胸膜牽拉：從斷層圖像顯示為近臟層胸膜面見小三角形影或小喇叭狀陰影，三角形的底部在胸壁，尖指向結節(jié)，結節(jié)與三角形影之間可為線狀影相連。(12)周圍肺氣腫：指終末細支氣管遠端氣腔出現(xiàn)持久異常的擴張，并伴有肺泡和細支氣管的破壞、肺透亮度增高。(13)肺門/縱隔淋巴結腫大：淋巴結短徑>15 mm。

1.4 腫瘤分割、特征提取與降維 將CT平掃薄層圖像上傳至“醫(yī)準-達爾文”智能科研平臺(www.yizhun-ai.com)，在病灶邊界手動逐層勾畫腫瘤的三維感興趣體積(volume of interest，VOI)(見圖1、2)，提取影像組學特征。采用“最小最大值歸一化”進行數(shù)據(jù)預處理，將每一維度特征線性拉伸到指定的區(qū)間[1]，以使算法收斂更快，得到更加合理的模型。采用LASSO-Logistic算法經(jīng)驗性地保留50個影像組學。經(jīng)過5折交叉驗證后確定LASSO最優(yōu)調(diào)諧參數(shù)alpha值，并繪制LASSO系數(shù)剖面圖。在最優(yōu)調(diào)諧參數(shù)alpha處繪制垂直線，得到6個衰減系數(shù)非零的影像組學特征。

1.5 模型建立與驗證 采用支持向量機(support vector machine,SVM)分類器，結合臨床因素、CT征象構建臨床模型，結合影像組學特征構建影像組學模型，結合臨床因素、CT征象及影像組學特征構建聯(lián)合模型。

1.6 統(tǒng)計學方法 采用t檢驗、χ2檢驗以及l(fā)ogistic回歸分析。

2 結果

2.1 一般資料 無吸煙史、毛刺征、GGO以及胸膜牽拉與肺腺癌EGFR突變狀態(tài)顯著相關(P<0.05)(見表1)。

表1 肺腺癌病人的臨床因素與CT征象統(tǒng)計[n;構成比(%)]

續(xù)表1

2.2 影像特征的選擇 共提取936個影像組學特征，經(jīng)降維最終選取了6個與EGFR突變顯著相關的影像組學特征，將其按照權重系數(shù)由高到低排列(見圖3)。

2.3 模型的構成與預測效能 臨床模型由吸煙史、毛刺征、GGO及胸膜牽拉構成；影像組學模型由提取的6個影像組學特征構成；聯(lián)合模型由吸煙史、毛刺征、磨玻璃密度、胸膜牽拉以及6個影像組學特征構成。聯(lián)合模型在訓練組和驗證組中的AUC均高于影像組學模型和臨床模型(見表2)，聯(lián)合模型比影像組學模型和臨床模型具有更高的預測效能(見圖4)。

表2 3種模型在訓練組和驗證組中的AUC

3 討論

本研究旨在探究影像組學結合臨床對肺腺癌EGFR突變狀態(tài)的預測效能。本次研究共納入6個影像組學特征對肺腺癌EGFR的突變狀態(tài)進行預測，在訓練組和驗證組中的AUC分別達到了0.818和0.797，高于臨床因素與CT征象的預測效能。當影像組學結合臨床因素與CT征象后，其預測效能得到進一步提高，AUC分別達到了0.860與0.855，展示出了較佳的預測能力。ZHANG等[10]的研究也表明影像組學對EGFR的突變狀態(tài)具有較佳的預測效能，其在訓練組與驗證組中的AUC分別為0.759、0.770，優(yōu)于臨床變量；當影像組學特征結合臨床變量后，其AUC分別提高到0.861、0.872，本研究結果基本與之一致。影像組學是將橫斷面影像陣列(如 CT、MRI、PET-CT)轉(zhuǎn)化為可定量的影像特征，本質(zhì)上是將圖像數(shù)據(jù)化，進行精準定量分析，大量的影像數(shù)據(jù)可以實現(xiàn)常規(guī)影像學不能達到的醫(yī)療數(shù)據(jù)整合，相比于傳統(tǒng)的形態(tài)學診斷模式，更為詳細、客觀與準確，這可能是影像組學模型的預測效能高于臨床模型的原因。

峰度作為一階特征(First order)，用于描述感興趣區(qū)域內(nèi)灰度值分布的陡峭程度。峰度的絕對值數(shù)值越大，表示其分布形態(tài)的陡緩程度與正態(tài)分布的差異度越大[11]。本次研究發(fā)現(xiàn)，肺腺癌EGFR突變型與野生型的峰度有較為顯著的差異，這與DIGUMARTHY等[12]的研究基本一致。此外，一項研究報告[13]表明，峰度還可以作為腫瘤血管生成的替代標志物，有助于預測和評估EGFR突變型腺癌病人抗血管生成治療的反應。歸一化尺度區(qū)域不均勻性(size zone non-uniformity normalized，SZNN)是灰度區(qū)域大小矩陣(gray level size zone matrix，GLSZM)特征，為高階紋理特征，是衡量整個圖像大小區(qū)域體積可變性的度量[14]。在一項對298例病人的研究[15]中，研究者從病灶平掃CT的VOI中提取影像組學特征，并進行邏輯回歸分析，發(fā)現(xiàn)SZNN是EGFR突變的危險因素，本研究結果與之一致。在我們的分析中，基于CT圖像的腫瘤最大直徑并不是EGFR突變的顯著預測因子，而基于影像組學的最大2D直徑(列)(Maximum 2D diameter Column)卻與EGFR突變狀態(tài)相關，我們認為，這種差異可以部分地由以下事實來解釋：CT上評估腫瘤直徑是在橫斷位最大層面上手工測量的，并且限于腫瘤的一個維度，而基于尺寸的影像組學特征則考慮了整個腫瘤。本次研究發(fā)現(xiàn)EGFR突變型與野生型肺腺癌病人在吸煙史、GGO、胸膜牽拉方面存在顯著差異。先前研究[16-17]表明無吸煙史、GGO以及胸膜牽拉是EGFR突變陽性的獨立預測因子， DANG等[18]的研究同樣驗證了該結果。WANG等[19]發(fā)現(xiàn)EGFR突變型肺腺癌病人的GGO體積百分比明顯高于野生型病人，這一結果可能與EGFR突變在貼壁為主型腺癌中更常見有關，其在CT上通常表現(xiàn)為GGO為主的結節(jié)[20]。此前也有研究[21]表明EGFR突變狀態(tài)和GGO無關，產(chǎn)生分歧的原因可能是樣本量選擇存在偏差所致。研究者為了避免病灶血管管腔內(nèi)高濃度造影劑對病灶產(chǎn)生硬化偽影干擾，遮蓋病灶紋理特征，故選取平掃CT圖像進行研究。

本研究存在幾點不足之處：(1)樣本量??；(2)病灶VOI是由放射科醫(yī)生手動分割完成，一定程度上受到觀察者主觀意識的影響，特別是在腫瘤具有GGO成分和短毛刺的情況下，它們的邊緣通常與鄰近正常的肺實質(zhì)分界不清，難免產(chǎn)生分割誤差；(3)本研究為回顧性研究，存在一定偏倚。

總之，我們的研究發(fā)現(xiàn)肺腺癌EGFR突變狀態(tài)與某些影像組學特征之間存在一定的相關性，影像組學特征有望成為鑒別EGFR突變的潛在替代生物標記物，這些特征結合臨床因素與CT征象后可以前瞻性地預測肺腺癌的EGFR突變狀態(tài)，為EGFR突變病人的臨床精準治療提供支持。