楊彥松，丁勇生，張益飛，張明珠，鄭桂華，沈月紅，葛亞瓊

1.南通市腫瘤醫(yī)院影像科，江蘇 南通 226361；

2.南通市腫瘤醫(yī)院病理科，江蘇 南通 226361；

3.通用電氣醫(yī)療，江蘇 南京210000

直腸癌是常見的消化道惡性腫瘤，發(fā)病率和死亡率較高［1］。神經周圍侵犯（perineural invasion，PNI）是腫瘤細胞侵犯神經周圍結構并沿神經結構擴散轉移的過程［2］。PNI是一種被嚴重低估的腫瘤轉移途徑，大量證據［3-6］表明，PNI與直腸癌術后復發(fā)以及不良預后相關。多項研究［7-8］結果顯示，PNI陽性的Ⅱ期直腸癌患者預后與Ⅲ期相似或更差，PNI陽性的直腸癌患者可從術前新輔助放化療中獲益。因此術前準確判斷有無PNI對治療和預后均有重要意義。

PNI狀態(tài)多通過術后病理學檢查獲知，術前常規(guī)影像學檢查很難判斷有無PNI。磁共振成像（magnetic resonance imaging，MRI），尤其是高分辨率MRI，是臨床上診斷直腸癌的首選檢查，MRI不僅能準確地評估病灶位置、大小、T分期、N分期，而且能提供環(huán)周切緣（circumferential resection margin，CRM）、壁外血管侵犯（extramural vascular invasion，EMVI）等對治療和預后有重要意義的信息［9］。影像組學是目前新興的研究熱點，通過提取醫(yī)學圖像中高通量的定量影像組學特征，分析并進一步解碼腫瘤異質性［10-11］。因此通過提取高通量的定量的影像組學特征，分析其與PNI的相關性，構建預測直腸癌PNI的影像組學模型具有可行性。本研究旨在探討結合臨床特征、MRI影像學表現和影像組學標簽的列線圖預測直腸癌PNI的價值。

1 資料和方法

1.1 一般資料

回顧并收集2016年12月—2020年12月于南通市腫瘤醫(yī)院行MRI檢查提示為直腸癌的患者。納入標準：① 術前1周內行MRI；② MRI提示可疑直腸癌；③ 術前1周內檢測癌胚抗原（carcinoembryonic antigen，CEA）、糖類抗原（carbohydrate antigen，CA）19-9等腫瘤標志物。排除標準：① 術后病理學診斷為腺瘤或其他良性病變；② 術前行放化療等相關治療；③ MRI偽影較大，無法勾畫病灶。最終164例患者入組本研究。本研究為回顧性研究，已通過南通市腫瘤醫(yī)院倫理委員會審批（審批號2019-075）。

1.2 MRI檢查及方法

患者檢查前禁食大于4 h，檢查前使用開塞露清潔腸道，采用德國Siemens公司的MAGNETOM Verio 3.0 T超導MRI掃描儀及8通道體部表面相控陣線圈?；颊呷⊙雠P位，足先進。線圈中心置于恥骨聯合的水平上，并根據腫瘤位置進行必要的調整。高分辨率MRI序列采用無脂肪抑制的二維快速自旋回波序列，其參數如下：層厚3 mm，層間隔0.3 mm，重復時間（repetition time，TR）/回波時間（echo time，TE）為2 500～3 500 ms/ 100 ms；視野為18 cm×18 cm；像素矩陣為320×320；回波鏈長度（echo train length，ETL）為29。掃描順序為高分辨率T2WI序列（包括矢狀位定位相、垂直于病灶長軸的斜軸位、平行于病灶長軸的冠狀位）、軸向T1加權快速梯度回波序列、彌散加權成像（diffusion-weighted imaging，DWI）序列［12］。

1.3 MRI圖像評估

由2名經驗豐富的放射科醫(yī)師（閱片者1和閱片者2，分別具有16年和8年的腹部MRI經驗）在對病理學檢查結果不知情的情況下，回顧并評估MRI表現，包括原發(fā)灶部位，腫瘤長度，T分期，N分期，CRM和EMVI狀態(tài)。

由于組織分化程度可由術前腸鏡活檢獲知，因此將組織分化程度視為一種臨床危險因素［13］。

1.4 術后病理學評估

PNI診斷的金標準：腫瘤細胞包繞神經周徑＞33%，或腫瘤細胞侵犯神經結構的其中一層（神經內膜、神經鞘膜或神經外膜）［2］。為了盡可能地避免假陰性，1名具有16年病理學診斷經驗的病理科醫(yī)師參照這一診斷標準對術后H-E染色、免疫組織化學切片進行回顧并評估，判斷有無PNI。

1.5 圖像勾畫和影像組學特征提取

使用ITK-SNAP 3.8軟件在高分辨率T2加權成像（T2-weighted imaging，T2WI）斜軸位病灶上逐層勾畫病灶，獲得腫瘤感興趣體積（volume of interest，VOI，圖1），使用AK軟件提取841個影像組學特征。由閱片者1勾畫完所有患者圖像后間隔1個月，隨機選取30例患者，由閱片者1和閱片者2再次進行勾畫提取影像組學特征，計算觀察者內和觀察者之間的組內相關系數（intraclass correlation coefficient，ICC），所有勾畫工作在2周內完成。ICC＞0.75表示一致性較好，否則剔除該影像組學特征［14］。

圖1 病灶的勾畫

1.6 影像組學模型的構建和評估

首先，通過最大相關和最小冗余初步篩選影像組學特征，然后經最小絕對收縮和選擇算子（the least absolute shrinkage and selection operator，LASSO）回歸進一步降維，構建影像組學標簽。第二，單因素logistic回歸分析臨床特征、MRI影像學表現對PNI的預測作用，然后結合影像組學標簽進行多因素logistic回歸分析并構建預測PNI的列線圖。最后，用受試者工作特征（receiver operating characteristic，ROC）曲線評估列線圖預測PNI的效能并由驗證組進行驗證。決策曲線分析（decision curve analysis，DCA）用于評估列線圖的臨床應用價值［15］。

1.7 統計學處理

本研究采用R語言3.5.1版本進行統計學分析。用合成少數類過采樣技術（synthetic minority oversampling technique，SMOTE）［16-17］對小樣本數據集進行擴增以平衡PNI陽性組和PNI陰性組的數據分布。用“mRMRe”程序包進行最大相關最小冗余分析，用“glmnet”程序包進行LASSO回歸分析，用“pROC”程序包進行ROC曲線分析，用“rmda”程序包繪制決策曲線。采用kappa檢驗、ICC評價2名閱片者對MRI影像學表現判讀、圖像勾畫的一致性。訓練集和驗證集、PNI陽性組和PNI陰性組兩組間符合正態(tài)分布的計量數據的比較采用獨立樣本t檢驗，不符合正態(tài)分布的計量數據的比較采用秩和檢驗，計數數據的比較采用χ2檢驗。用單因素和多因素logistic回歸分析構建模型。P＜0.05為差異有統計學意義。

2 結 果

2.1 一般臨床資料

本研究中男性105例，女性59例，平均年齡（65.1±10.2）歲。按7∶3的比例分為訓練集（116例）和驗證集（48例），訓練集和驗證集兩組間臨床特征、MRI影像學表現差異無統計學意義（P＞0.05）。術后病理學檢查提示有PNI的患者49例（典型病例見圖2），無PNI的患者115例。閱片者1和閱片者2判讀原發(fā)灶位置、MRI腫瘤T分期、N分期、CRM、EMVI狀態(tài)的kappa值或加權kappa值分別為0.97、0.92、0.86、0.92、0.88，2名閱片者測量腫瘤長度的ICC較高（0.91），故在本研究中所有MRI判讀測量結果采用經驗較豐富的閱片者1的判讀測量的結果。

715個影像組學特征觀察者內和觀察者間ICC均＞0.75，用于構建列線圖模型，其余126個影像組學特征ICC≤0.75，予以剔除。與PNI陰性組相比，PNI陽性組腫瘤長度長，組織分化程度低，T分期高，N分期高，CRM陽性率高，EMVI陽性率高。其余指標（如年齡、性別、CEA、CA19-9、原發(fā)灶位置等）差異無統計學意義（表1）。

表1 訓練集和驗證集、PNI陽性組和PNI陰性組兩組間臨床特征和MRI影像學表現的比較 n（%）

續(xù)表

2.2 構建影像組學預測模型

首先采用最大相關最小冗余對組學特征進行初步篩選，保留20個有最大預測效能的特征，然后將剩余的影像學特征作LASSO回歸分析，通過10折交叉驗證篩選LASSO回歸模型的最優(yōu)超參數λ值（圖3）。

圖3 LASSO 10折交叉驗證圖

2.3 計算影像組學標簽

影像組學標簽是由影像組學特征乘以對應的系數之和所得到的，其公式為“影像組學標簽=截距+βi·Xi”，按這個公式分別計算每一例患者的原發(fā)灶影像組學標簽值，并由樣本的影像組學標簽根據閾值對樣本進行分組，Wilcoxon檢驗兩組P值均小于0.05，兩組分類差異有統計學意義（圖4）。

圖4 Wilcoxon檢驗結果

2.4 影像組學列線圖的構建和評估

首先，選擇表1中P＜0.1的臨床特征和MRI表現進行單變量logistic回歸分析，多因素logistic分析找出預測PNI的最終特征，如表2所示。第二，基于多因素logistic分析的結果，構建結合影像組學標簽、MRI表現和臨床危險因素預測PNI的列線圖（圖5）。第三，通過ROC曲線分析計算列線圖在訓練集中預測PNI的效能（AUC=0.88，95% CI 0.82～0.95），其效能優(yōu)于臨床-影像模型（AUC=0.79，95% CI 0.70～0.87）或僅有影像組學標簽模型（AUC=0.82，95% CI 0.73～0.90）（圖6）。列線圖在驗證集中預測PNI效能也較好（AUC=0.88，95% CI 0.74～1.00）。根據Youden指數，列線圖在訓練集和驗證集中預測直腸癌PNI的靈敏度、特異度和準確度分別為0.60，0.97、0.79和0.75、0.94、0.88。

圖5 預測直腸癌PNI的列線圖

圖6 列線圖模型、臨床-影像學表現模型、僅有影像組學標簽模型預測直腸癌PNI的ROC曲線

表2 預測PNI的單因素和多因素logistic回歸分析

2.5 列線圖模型的臨床應用價值

DCA顯示在閾值從0.1至1.0較大的閾值范圍內，列線圖模型的凈收益較大（圖7）。

圖7 該列線圖模型的DCA

3 討 論

盡管既往大量研究［3-6］顯示，PNI與直腸癌術后局部復發(fā)、無病生存率、癌癥特異性生存率、總生存率有關，但是由于PNI僅可通過術后標本的病理學檢查獲知，在臨床工作中，PNI被嚴重低估、忽視。

本研究發(fā)現在直腸癌中PNI約為29.9%（49/164），與Liebig等［7］報道的30%基本吻合。PNI陽性組較PNI陰性組腫瘤長度長，組織分化程度低，T分期高，N分期高，CRM陽性率高，EMVI陽性率高，這與Poeschl等［18］和Alotaibi等［19］研究結果相似。與腫瘤長度相關的原因可能與腫瘤細胞與周圍神經接觸的概率增大，神經周圍浸潤的機會隨之增加有關；而其他相關因素可由以下原因解釋：較低的組織分化程度、高T分期、高N分期、CRM陽性、EMVI陽性的腫瘤惡性程度較高，侵襲性較大，增加了腫瘤細胞侵犯原發(fā)灶附近的神經結構的機會。上述研究均提示PNI與直腸癌侵襲性的生物學特性有關。另外，Alotaibi等［19］的研究顯示，PNI陽性組CEA高于PNI陰性組，而本研究結果顯示兩組間CEA差異無統計學意義，這可能與入組患者有關，Alotaibi等［19］的研究中包括了術前進行新輔助放化療的患者，而我們的研究排除了此類患者，且CEA分布是非正態(tài)分布數據，通過非參數檢驗比較兩組患者之間CEA的差異，而非Alotaibi等［19］采用的獨立樣本t檢驗。

列線圖模型結合了組織分化程度、EMVI狀態(tài)、影像組學標簽。列線圖預測PNI效能（訓練集AUC=0.88，驗證集AUC=0.88）優(yōu)于臨床-MRI影像學表現模型（訓練集AUC=0.79，驗證集AUC=0.72）和僅有影像組學標簽模型（訓練集AUC=0.82，驗證集AUC=0.81）。其原因可能如下：根據多因素logistic回歸分析的結果顯示，組織分化程度、EMVI狀態(tài)、影像組學標簽是直腸癌發(fā)生PNI的獨立風險因素，在治療前應綜合上述各種PNI的風險因素以增加列線圖模型的預測效能。Yang等［20］結合臨床風險因素（甲胎蛋白水平）、影像學表現特征（不光滑的腫瘤邊緣、動脈期瘤周強化）和影像組學標簽的列線圖模型能較準確地預測原發(fā)性肝癌的微血管侵犯，其預測效能優(yōu)于臨床-影像學表現模型和僅有影像組學標簽的模型。

列線圖模型在訓練集和驗證集中預測直腸癌PNI的靈敏度、特異度和準確度分別為0.60，0.97、0.79和0.75、0.94、0.88，特異度和準確度較高，但靈敏度相對較低，這可能與術后樣本偏差有關，術后病理學檢查證實僅有49例直腸癌患者存在PNI，115例患者PNI陰性，因此我們在建模時采用SMOTE擴增PNI陰性的樣本量，但在計算實際預測效能時采用原始真實數據進行計算。

我們的前期研究［21］選取病灶最大截面勾畫病灶感興趣區(qū)（region of interest，ROI），提取影像組學特征，構建了預測直腸癌PNI的影像組學特征模型，訓練集AUC為0.79，驗證集AUC為0.76。本研究在前期工作的基礎上，繼續(xù)入組患者，擴大樣本量，在T2WI高分辨率斜軸位上逐層勾畫病灶，獲得VOI，提取影像組學特征參數，且本研究加入了臨床危險因素（如年齡、腫瘤標志物、組織分化程度等）和高分辨率MRI影像學表現（如CRM、EMVI等）信息，最終列線圖模型預測直腸癌PNI的效能高于前期研究結果，訓練集AUC=0.88，驗證集AUC=0.88，其原因可能如下：① 本研究逐層勾畫腫瘤，獲得腫瘤VOI，VOI較ROI能更全面地反映腫瘤的異質性；② 臨床危險因素和高分辨率MRI影像學表現可從不同的角度反映腫瘤的異質性，為預測模型提供了更多的信息。

本研究不足之處：① 僅入組高分辨率MRI提示為直腸癌，且手術后病理學檢查證實為直腸癌的患者，可能存在一定的選擇偏倚；② 逐層勾畫病灶獲得VOI，耗時較長，不利于臨床轉化應用，后期我們將探討自動勾畫直腸腫瘤病灶的可行性［22］；③ 僅提取T2WI影像組學特征，未納入DWI、增強序列進行分析；④ 本研究為單中心研究，內部患者驗證，尚待多中心及外部數據驗證。

總之，基于高分辨率T2WI的影像組學列線圖模型可在術前無創(chuàng)地預測直腸癌PNI，為患者制訂合理科學的治療方案和初步評估預后提供證據支持。