楊 靖，李 可，敬 洋，王 芳，陳 偉

[1.陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院放射科，重慶 400038；2.慧影醫(yī)療科技(北京)股份有限公司科研組，北京 100192]

腦膠質(zhì)瘤是最常見的原發(fā)性顱內(nèi)腫瘤，占成人惡性原發(fā)性腦腫瘤的75%，發(fā)病率及病死率較高[1-3]。2016年WHO中樞神經(jīng)系統(tǒng)指南表明，膠質(zhì)瘤的診斷應(yīng)主要基于分子生物標(biāo)志物[4]。IDH突變在腦膠質(zhì)瘤的分型中尤為重要，2021版WHO分型更強調(diào)了IDH突變在分型中的重要性[5]。有研究表明，IDH突變型腦膠質(zhì)瘤患者的預(yù)后優(yōu)于IDH野生型患者[6-7]。因此，研究IDH突變對于臨床具有重要意義，術(shù)前準確識別腦膠質(zhì)瘤患者的IDH突變狀態(tài)對于預(yù)測其預(yù)后和設(shè)計個性化治療策略至關(guān)重要。

免疫組織化學(xué)和基因組序列分析可以檢測術(shù)后IDH突變狀態(tài)[8]，但目前尚無術(shù)前檢測IDH突變狀態(tài)的標(biāo)準。多種常規(guī)和定量MRI方法已被納入放射組學(xué)用于預(yù)測IDH突變狀態(tài)[9-10]，這類方法具有較高的可靠性，但需要先進的成像技術(shù)、復(fù)雜的操作方法和后處理技術(shù)，不利于臨床應(yīng)用。因此，本研究提取常規(guī)MRI特征，利用影像組學(xué)建立術(shù)前預(yù)測模型，評估基于常規(guī)MRI的影像組學(xué)分析預(yù)測腦膠質(zhì)瘤IDH突變的效果，以期實現(xiàn)術(shù)前準確、無創(chuàng)地預(yù)測IDH突變狀態(tài)。

1 資料與方法

1.1 臨床資料

回顧性分析2016年1月至2019年12月陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院259例腦膠質(zhì)瘤患者的臨床資料。納入標(biāo)準:①經(jīng)術(shù)后病理證實為腦膠質(zhì)瘤；②術(shù)前1周行增強MRI掃描；③患者病理報告包含IDH基因型信息，IDH基因突變信息由分子檢測確定。排除標(biāo)準:①伴有其他全身性疾??；②MRI序列中缺少FLAIR或CE-T1WI序列；③圖像質(zhì)量欠佳，影響觀察及勾畫。最終共172例患者納入本研究(82例IDH突變型和90例IDH野生型)。本研究獲得了陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院倫理委員會的批準(批準號：KY2020038)，并免除了患者知情同意要求。

1.2 MRI圖像采集

所有患者都經(jīng)3T TrioTim磁共振成像系統(tǒng)(德國,西門子)8通道頭矩陣線圈掃描，磁共振成像包括以下序列:T1WI、T2WI、FLAIR和CE-T1WI。分割或標(biāo)記的順序如下:軸向FLAIR(TE=76 ms/2 680 ms，TR=7 800 ms，采集矩陣=256×192，視場=240×240，切片厚度5 mm)；CE-T1WI(TE=3 ms，TR=459 ms，采集矩陣=320×218，視場=216×218，切片厚度2 mm)。

1.3 圖像分割和特征提取

所有MRI數(shù)據(jù)均上傳至RadCloud平臺[慧影醫(yī)療科技(北京)股份有限公司]進行感興趣區(qū)域勾畫，選擇FLAIR和CE-T1WI圖像進行圖像分割。FLAIR可顯示腫瘤水腫及病灶范圍[11]，CE-T1WI可顯示腫瘤實質(zhì)及壞死改變[12]。根據(jù)勾畫標(biāo)準[13]并結(jié)合實際操作可能性，本研究選擇對腦膠質(zhì)瘤整個病灶(包括水腫)進行勾畫。由2名神經(jīng)影像醫(yī)師采用盲法(不知道患者臨床信息及病理結(jié)果)對病灶進行半自動勾畫，并直觀比較勾畫結(jié)果，如果有差異則由這2名醫(yī)師討論后得出最終感興趣區(qū)域勾畫結(jié)果。采用組內(nèi)相關(guān)系數(shù)(intra-group correlation coefficient，ICC)評價2名醫(yī)師分別勾畫的感興趣區(qū)域組學(xué)特征的一致性，將比較討論后得出的最終勾畫數(shù)據(jù)進行特征提取及組學(xué)分析。感興趣區(qū)域勾畫的示例見圖1。

a：原始FLAIR圖像；b:原始CE-T1WI圖像;c:在FLAIR上勾畫病灶；d:在CE-T1W上勾畫病灶；e～h:將勾畫的圖像進行三維重建，證明最終勾畫的是感興趣區(qū)域的三維立體圖像

1.4 放射特征選擇和模型構(gòu)建

為了避免模型過擬合和多重共線性的問題，采用以下三種方法對提取的MRI特征進行降維：首先，采用方差閾值法進行特征降維，留下閾值大于0.8的特征；其次，利用單變量特征選擇法，篩選不顯著的特征(P>0.05則刪除)；最后，通過最小絕對收縮和選擇算子(least absolute shrinkage and selection operator，LASSO)選出與IDH突變狀態(tài)最相關(guān)的指標(biāo)，并得到這些指標(biāo)的權(quán)重。上述降維方法集中執(zhí)行5次，采用五折交叉驗證法進行統(tǒng)計分析。使用以下公式計算每例患者的放射評分，放射評分作為影像組學(xué)特征的綜合體現(xiàn)，納入后續(xù)模型構(gòu)建。放射評分的計算公式為:放射評分=截距+特征1×相關(guān)系數(shù)1+…+特征n×相關(guān)系數(shù)n。

諾莫圖可以反映各影響因素在腦膠質(zhì)瘤IDH突變預(yù)測中的價值，根據(jù)諾莫圖結(jié)果可以證明放射組學(xué)特征在預(yù)測腦膠質(zhì)瘤IDH突變上起最主要作用。在模型驗證過程中，構(gòu)建模型的諾莫圖，并通過接收機工作特性分析評估每個模型的預(yù)測能力。此外，繪制校準曲線以評估模型預(yù)測的IDH突變狀態(tài)和實際的IDH突變狀態(tài)之間的一致性。

1.5 統(tǒng)計學(xué)分析

用R軟件3.6.5對放射組學(xué)特征進行統(tǒng)計分析。年齡經(jīng)正態(tài)分布檢驗為非正態(tài)分布數(shù)據(jù)，采用K-W檢驗，其余分類變量采用χ2檢驗或Fisher精確檢驗。采用受試者工作特征(receiveroperatingcharacteristic，ROC)曲線分析計算曲線下面積(areaunderthecurve，AUC)、精確度、靈敏度、特異度、F1評分等指標(biāo)，評價模型的預(yù)測效果。P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 臨床特征

IDH突變型患者和IDH野生型患者癲癇、WHO分級、影像所見強化及水腫比較差異有統(tǒng)計學(xué)意義(P<0.05)，而其他臨床變量差異無統(tǒng)計學(xué)意義(P>0.05)，見表1。將具有統(tǒng)計學(xué)意義的4個臨床因素納入臨床高危因素，進入后續(xù)模型構(gòu)建。感興趣區(qū)域組學(xué)特征的一致性結(jié)果顯示，CE-T1WI的ICC為0.78～1.00，F(xiàn)LAIR的ICC為0.63～1.00，一致性較高，勾畫結(jié)果可以用于后續(xù)特征選擇分析。

表1 IDH野生型與IDH突變型患者的臨床特征

2.2 特征提取結(jié)果

在特征提取中，從每例患者的FLAIR和CE-T1WI序列上各提取1 409個定量放射組學(xué)特征，包括270個一階特征、14個形狀特征、360個灰度共生矩陣特征、210個灰度相關(guān)矩陣(GLDM)特征、240個灰度游程矩陣(GLRLM)特征、75個鄰域灰度差矩陣(NGTDM)特征和240個灰度大小區(qū)域矩陣(GLSZM)特征。采用方差閾值法、單變量特征選擇法和LASSO對圖像特征進行降維，最終共選出20個最顯著特征。最終選出的20個特征見表2，特征選擇采用的LASSO方法見圖2。

表2 最終選出的最顯著特征

2.3 模型的建立及評估

基于篩選得到的2個序列的組學(xué)特征以及4個臨床高危因素建立多因素Logistic回歸模型，基于2個序列篩選得到的組學(xué)特征建立單因素Logistic回歸模型，分別是單因素(FLAIR)組學(xué)特征Logistic回歸模型、單因素(CE-T1WI)組學(xué)特征Logistic回歸模型。結(jié)果顯示影像組學(xué)特征聯(lián)合臨床高危因素的多因素Logistic回歸模型擁有更好的診斷效能。多因素Logistic回歸模型的諾莫圖見圖3，模型的具體參數(shù)見表3。多因素Logistic回歸模型在訓(xùn)練集中的AUC為0.833(95%CI：0.778～0.889)，在測試集中的AUC為0.753(95%CI：0.628～0.895)，見圖4、表4。結(jié)果表明，放射評分、WHO分級、影像所見強化及水腫皆與IDH突變相關(guān)，從訓(xùn)練集與測試集的諾莫圖可以看出，放射評分與IDH突變密切相關(guān)；基于FLAIR與T1增強的多因素Logistic回歸結(jié)果優(yōu)于單因素Logistic回歸模型，同時也表明基于常規(guī)MRI序列的影像組學(xué)模型對IDH突變狀態(tài)的預(yù)測效果較好。

表4 模型結(jié)果

a：LASSO回歸模型中采用10倍交叉驗證選擇最佳調(diào)優(yōu)參數(shù)(λ)；b：利用λ獲得20個非零系數(shù)影像組學(xué)特征(每條彩線代表其系數(shù)的變化情況)

a:訓(xùn)練集;b:測試集

表3 多因素Logistic回歸模型的具體參數(shù)

2.4 模型的驗證

本研究中，校準曲線顯示模型在訓(xùn)練集和測試集中的預(yù)測情況與實際情況的吻合度高，說明模型預(yù)測的腦膠質(zhì)瘤IDH突變與臨床實際符合度高，本模型的準確性及可靠性較高。校準曲線見圖5。

3 討論

本研究成功構(gòu)建了基于常規(guī)MRI影像組學(xué)特征的高性能模型，以預(yù)測膠質(zhì)瘤IDH突變狀態(tài)，達到術(shù)前準確、無創(chuàng)預(yù)測的目的。在感興趣區(qū)域勾畫時，本研究為證明不同醫(yī)師勾畫結(jié)果的一致性，采用ICC檢驗評估了不同醫(yī)師的勾畫結(jié)果，結(jié)果顯示一致性良好。在模型構(gòu)建時，本研究設(shè)計了3個模型進行對比分析。以上結(jié)果表明，影像組學(xué)模型在預(yù)測腦膠質(zhì)瘤IDH突變狀態(tài)方面具有較好的診斷效能，通過構(gòu)建諾莫圖發(fā)現(xiàn)，影像組學(xué)特征在腦膠質(zhì)瘤IDH突變預(yù)測中具有重要價值。同時，本研究采用校準曲線來驗證模型預(yù)測結(jié)果與實際結(jié)果的吻合程度，結(jié)果顯示該模型在腦膠質(zhì)瘤IDH預(yù)測中的準確性、可靠性較高。

a:訓(xùn)練集;b:測試集

a:訓(xùn)練集;b:測試集

影像組學(xué)通過高通量提取圖像特征，并使用生物信息學(xué)工具將數(shù)字圖像轉(zhuǎn)換為可挖掘的數(shù)據(jù)進行分析[14]。有研究顯示，放射組學(xué)在識別預(yù)后、預(yù)測生物標(biāo)志物以及預(yù)測分子亞群和通路活動方面具有較大潛力[15-16]。已有許多影像組學(xué)方面的研究集中于預(yù)測膠質(zhì)瘤中的IDH突變狀態(tài)。一項薈萃分析顯示，在訓(xùn)練集中預(yù)測IDH突變的敏感性和特異性分別為0.88和0.86，在驗證集中則分別為0.83和0.85[17]，結(jié)果表明影像組學(xué)在術(shù)前預(yù)測膠質(zhì)瘤IDH突變方面具有較高的診斷準確性，證明構(gòu)建膠質(zhì)瘤術(shù)前預(yù)測模型具有可行性。同時，有研究采用2HG磁共振波譜進行建模，因為其具有更高的綜合靈敏度[18-19]。因IDH突變與2HG直接相關(guān)，突變的IDH蛋白會產(chǎn)生假定的腫瘤代謝物D-2HG[20]。磁共振波譜作為一種預(yù)測IDH突變的無創(chuàng)方法，因其診斷準確性高而引起了放射科醫(yī)生的關(guān)注。以往的影像組學(xué)模型在腫瘤分級、分類和侵襲性測定中顯示出較高的診斷性能。然而，這些研究采用的序列復(fù)雜，MRI采集時間長，對技師的要求高，導(dǎo)致此類研究在臨床大范圍推廣受限?？紤]到以前研究的局限性，本研究使用FLAIR和CE-T1WI等常規(guī)序列開發(fā)了一個多參數(shù)磁共振影像組學(xué)模型。結(jié)果表明，該影像組學(xué)模型的精確度、靈敏度和特異度均較高，利于臨床推廣及應(yīng)用。

近年來，多參數(shù)影像組學(xué)模型引起了放射醫(yī)學(xué)研究界的關(guān)注。近期的一項研究表明，在127例低級別膠質(zhì)瘤患者中，多參數(shù)磁共振影像組學(xué)模型在腫瘤分級和IDH突變狀態(tài)的診斷性能方面有所提高[21]。另一項研究顯示，多參數(shù)磁共振成像的影像組學(xué)特征預(yù)測膠質(zhì)瘤IDH基因型的準確性為0.823，AUC為0.770[22]。與單因素模型相比，多因素模型往往更準確，具有更好的診斷性能。本研究使用常規(guī)的磁共振FLAIR和CE-T1WI兩個序列，與其他先進的成像技術(shù)相比，這兩種序列很常見，對操作技術(shù)要求不高，掃描時間短，可重復(fù)性高，因此更利于臨床推廣。

本研究也存在局限：首先，本研究為單中心臨床數(shù)據(jù)，缺乏外部驗證，考慮到這一點，在下一步腦膠質(zhì)瘤研究中我們將納入多中心數(shù)據(jù)；其次，作為一項影像組學(xué)研究，本研究樣本量較小。但本研究在這一百多例患者的基礎(chǔ)上就可以達到準確的ROC，校準曲線也驗證了模型的準確性及可靠性，所以還是有一定的參考價值。在未來的研究中，我們會增加多中心數(shù)據(jù)，延長選擇研究對象的時間，擴大樣本量。