胡小麗，顧潛彪，張 堃*，李 磊，李 平，沈宏榮

(1.湖南中醫(yī)藥大學(xué)第一附屬醫(yī)院放射科，湖南 長(zhǎng)沙 410007；2.湖南省人民醫(yī)院放射科，湖南 長(zhǎng)沙 410005；3.永州市中心醫(yī)院放射科，湖南 永州 425000)

甲狀腺癌是甲狀腺最常見(jiàn)惡性腫瘤，主要表現(xiàn)為甲狀腺結(jié)節(jié)，近年來(lái)發(fā)病率在全球范圍內(nèi)迅速上升，直徑≤2 cm者占所有增加病例的80%以上[1-2]，鑒別直徑≤2 cm甲狀腺結(jié)節(jié)的良惡性成為重要臨床課題。超聲是無(wú)創(chuàng)評(píng)估甲狀腺結(jié)節(jié)良惡性的主要影像學(xué)手段，具有較高的特異度，但對(duì)惡性結(jié)節(jié)敏感度較低[3-5]。CT可用于術(shù)前評(píng)估甲狀腺結(jié)節(jié)，但常規(guī)CT平掃判定甲狀腺結(jié)節(jié)性質(zhì)的能力有限。影像組學(xué)通過(guò)提取高通量信息對(duì)醫(yī)學(xué)影像學(xué)圖像進(jìn)行定量分析，從而實(shí)現(xiàn)無(wú)創(chuàng)性分析腫瘤異質(zhì)性[6-7]。本研究觀察基于CT平掃圖像影像組學(xué)特征預(yù)測(cè)直徑≤2 cm甲狀腺結(jié)節(jié)良惡性的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性收集2018年1月—2020年3月97例CT檢查發(fā)現(xiàn)甲狀腺結(jié)節(jié)患者，男30例，女67例，年齡20～73歲，平均(44.1±12.4)歲。納入標(biāo)準(zhǔn)：①單發(fā)甲狀腺結(jié)節(jié)直徑≤2 cm，經(jīng)手術(shù)病理明確診斷；②術(shù)前接受CT平掃。排除標(biāo)準(zhǔn)：①CT檢查前接受穿刺活檢或放射及化學(xué)治療；②圖像存在偽影；③多發(fā)甲狀腺結(jié)節(jié)。

1.2 儀器與方法 采用Philips Brilliance 64排螺旋CT機(jī)。囑患者仰臥，頸過(guò)伸，肩部盡量下沉，禁止吞咽動(dòng)作，行頸部掃描，范圍自下頜至頸根部，管電壓120 kV，管電流250 mA，層厚3 mm，層間距3 mm。

1.3 提取特征及建立模型 由分別具有8年及10年頭頸部影像學(xué)診斷經(jīng)驗(yàn)的主治醫(yī)師和副主任醫(yī)師各1名采用盲法于顯示病灶最大層面的CT軸位平掃圖像上測(cè)量病灶最大徑，并沿病灶輪廓內(nèi)緣手動(dòng)勾畫ROI(圖1)，盡量與病灶邊緣保持一致，意見(jiàn)不同時(shí)協(xié)商達(dá)成一致。

圖1 于顯示病灶最大層面的軸位CT平掃圖像上手動(dòng)勾畫ROI示意圖

分割全部病例的病灶ROI后，采用公共軟件3dslicer軟件(http://www.3dslicer.org)提取影像組學(xué)特征。以隨機(jī)分層抽樣法按7∶3比例將患者分為訓(xùn)練組(n=67)和驗(yàn)證組(n=30)。應(yīng)用R軟件3.6.0 (http://www.r-project.org)中的caret包對(duì)訓(xùn)練組影像組學(xué)特征進(jìn)行預(yù)處理，包括剔除近似常量的影像組學(xué)特征和刪除相關(guān)系數(shù)>0.9及存在多重共線的特征。之后采用R軟件中的Glmnet包進(jìn)行最小絕對(duì)收縮和選擇算子(least absolute shrinkage and selection operator, LASSO)特征篩選，獲得鑒別效能最優(yōu)的影像組學(xué)特征子集；以二元Logistic回歸方法建立預(yù)測(cè)甲狀腺良惡性結(jié)節(jié)的影像組學(xué)預(yù)測(cè)模型，并計(jì)算訓(xùn)練組中良惡性結(jié)節(jié)的影像組學(xué)評(píng)分，即特征與對(duì)應(yīng)權(quán)重系數(shù)乘積的和；再于驗(yàn)證組中對(duì)該模型進(jìn)行驗(yàn)證。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 20.0統(tǒng)計(jì)分析軟件及R軟件3.6.0 (http://www.r-project.org)。計(jì)量資料以±s表示，組間比較采用獨(dú)立樣本t檢驗(yàn)。計(jì)數(shù)資料以頻數(shù)表示，組間比較采用χ2檢驗(yàn)。以ROC曲線法評(píng)估影像組學(xué)模型預(yù)測(cè)訓(xùn)練組及驗(yàn)證組甲狀腺結(jié)節(jié)良惡性的診斷效能，組間AUC差異比較采用Delong檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料 97例中，35例良性病變，包括15例甲狀腺腺瘤，20例結(jié)節(jié)性甲狀腺腫；62例惡性病變，分別為50例甲狀腺乳頭狀癌、6例濾泡癌、4例髓樣癌及2例未分化癌。訓(xùn)練組中，25例良性、42例惡性病變；驗(yàn)證組10例良性、20例惡性病變。組間性別、年齡及病灶最大徑差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)。見(jiàn)表1。

表1 ≤2 cm甲狀腺結(jié)節(jié)患者一般資料比較

2.2 提取及篩選影像組學(xué)特征 共于訓(xùn)練組提取848個(gè)影像組學(xué)特征，經(jīng)預(yù)處理后獲得97個(gè)特征；經(jīng)LASSO特征篩選得出8個(gè)最優(yōu)影像組學(xué)特征，包括1個(gè)形態(tài)學(xué)特征、3個(gè)原始圖像紋理特征和4個(gè)高階特征(圖2)。

圖2 以LASSO方法篩選出的8個(gè)最優(yōu)影像組學(xué)特征及其權(quán)重系數(shù)值

2.3 影像組學(xué)模型及診斷效能 根據(jù)上述最優(yōu)影像學(xué)特征及相應(yīng)權(quán)重系數(shù)建立影像組學(xué)預(yù)測(cè)模型，計(jì)算影像組學(xué)評(píng)分。2組良性甲狀腺結(jié)節(jié)的影像組學(xué)評(píng)分[-0.08(-1.96,0.78)、[0.11(-0.96,0.65)]均低于惡性病變[1.20(0.80,2.56)、1.03(0.80,2.47),t=-3.29、-3.12，P均<0.01]。訓(xùn)練組及驗(yàn)證組中，影像組學(xué)模型鑒別甲狀腺良惡性病變的敏感度分別為0.77、0.74，特異度分別為0.79、0.91，相應(yīng)的AUC分別為0.84、0.88，AUC差異無(wú)統(tǒng)計(jì)學(xué)意義(D=0.35，P=0.73)，見(jiàn)圖3。

圖3 影像組學(xué)模型預(yù)測(cè)甲狀腺良惡性結(jié)節(jié)的ROC曲線 A.訓(xùn)練組； B.驗(yàn)證組

3 討論

甲狀腺癌是最常見(jiàn)的內(nèi)分泌系統(tǒng)惡性腫瘤，其發(fā)病率及病死率在全球范圍內(nèi)持續(xù)上升[8]。對(duì)臨床查體或超聲檢出的甲狀腺可疑惡性結(jié)節(jié)，制定合理臨床策略，如手術(shù)或積極監(jiān)測(cè)非常重要。本研究基于CT平掃圖像，采用影像組學(xué)方法建立預(yù)測(cè)直徑≤2 cm甲狀腺結(jié)節(jié)良惡性的影像組學(xué)模型，并獲得較佳結(jié)果。

既往研究[9]顯示，基于增強(qiáng)CT圖像的紋理特征有助于鑒別甲狀腺良惡性結(jié)節(jié)。TOMITA等[10]提出頸部雙能CT單能圖像紋理分析可用于鑒別甲狀腺良惡性結(jié)節(jié)，但未建立完善的數(shù)學(xué)模型?？椎さ萚11]基于CT平掃及增強(qiáng)圖像建立了CT影像組學(xué)模型預(yù)測(cè)甲狀腺良惡性結(jié)節(jié)，發(fā)現(xiàn)其對(duì)區(qū)分甲狀腺良惡性結(jié)節(jié)有較高的診斷效能。然而，臨床實(shí)踐中，對(duì)伴甲亢或?qū)Ρ葎┻^(guò)敏等增強(qiáng)掃描禁忌證者只能行CT平掃；且多數(shù)偶然發(fā)現(xiàn)的甲狀腺結(jié)節(jié)患者僅接受了頸部或胸部CT平掃[12]，影像科醫(yī)師通過(guò)肉眼觀察獲得的信息有限，尤其是當(dāng)病灶較小時(shí)，難以判斷是否應(yīng)行進(jìn)一步檢查。本研究以平掃CT為基礎(chǔ)，采用影像組學(xué)方法預(yù)測(cè)直徑≤2 cm甲狀腺良惡性結(jié)節(jié)，以期篩選高?；颊?、早期診斷甲狀腺癌；基于平掃CT提取了848個(gè)影像組學(xué)特征，除紋理特征外，還包括形態(tài)學(xué)特征、直方圖特征及小波轉(zhuǎn)換特征，并采用LASSO方法對(duì)其進(jìn)行篩選，建立了預(yù)測(cè)甲狀腺結(jié)節(jié)良惡性的模型，并對(duì)其進(jìn)行驗(yàn)證，結(jié)果顯示該模型鑒別驗(yàn)證組直徑≤2 cm甲狀腺良惡性結(jié)節(jié)的AUC與訓(xùn)練組差異無(wú)統(tǒng)計(jì)學(xué)意義，即對(duì)訓(xùn)練組及驗(yàn)證組的診斷效能相當(dāng)，可用于無(wú)創(chuàng)預(yù)測(cè)直徑≤2 cm甲狀腺結(jié)節(jié)的良惡性。模型中納入的影像學(xué)特征以紋理特征最多，包括3個(gè)原始圖像紋理特征及4個(gè)經(jīng)過(guò)小波濾波器預(yù)處理的圖像紋理特征。紋理特征是描述像素空間分布及強(qiáng)度等級(jí)的特征，反映病灶內(nèi)部結(jié)構(gòu)及異質(zhì)性。本研究所獲模型以紋理特征為主，提示甲狀腺結(jié)節(jié)內(nèi)部結(jié)構(gòu)及異質(zhì)性與其良惡性密切相關(guān)；模型中另一個(gè)特征為結(jié)節(jié)最大二維直徑(original_shape_Maximum2DDiameterRow)，提示結(jié)節(jié)大小與其良惡性相關(guān)。

綜上所述，基于平掃CT的影像組學(xué)模型對(duì)鑒別直徑≤2 cm甲狀腺結(jié)節(jié)良惡性具有較好的診斷價(jià)值，有望用于臨床無(wú)創(chuàng)預(yù)測(cè)診斷甲狀腺結(jié)節(jié)性質(zhì)。本研究的主要局限性：①樣本量較小，且為單中心研究；②病灶ROI來(lái)自最大層面二維平掃CT，而三維立體圖像可能更全面揭示腫瘤信息；③未結(jié)合雙能量CT及MRI等技術(shù)進(jìn)一步觀察。