張月 黃順根 蔣震 盛茂 郭萬亮

肝細(xì)胞癌（hepatocellular carcinoma，HCC）是常見惡性腫瘤之一，其發(fā)病率居全球第6 位，病死率居全球第3 位［1］。研究表明HCC 的組織學(xué)分化程度是術(shù)后復(fù)發(fā)的主要因素［2,3］，HCC 低分化患者較中高分化患者術(shù)后復(fù)發(fā)率更高［4］，不同分化程度的HCC 治療方案不同。因此術(shù)前預(yù)測HCC 的病理分級對治療方案的制定有重要意義。紋理分析可以定量分析醫(yī)學(xué)圖像中像素的局部特征、變化規(guī)律及分布情況，已被用于評估多種腫瘤（乳腺癌、腎癌、間質(zhì)瘤等）的異質(zhì)性、病理分級及腫瘤復(fù)發(fā)［5-7］。本研究對基于常規(guī)增強(qiáng)CT 的MaZda 紋理分析技術(shù)預(yù)測HCC 分化程度的可行性，以及最佳時期和紋理特征篩選方法進(jìn)行了探討。

資料與方法

1.研究對象

回顧性分析2017 年6 月～2021 年6 月間在蘇州大學(xué)附屬第二醫(yī)院行增強(qiáng)CT 檢查，并經(jīng)外科根治性切除手術(shù)病理證實為HCC 的128 例患者的影像學(xué)資料。手術(shù)切除標(biāo)本均經(jīng)充分固定、石蠟包埋，切成5 μm 切片后行HE 染色。由兩位擁有5年以上肝臟疾病診斷工作經(jīng)驗的病理醫(yī)師，參照Edmondson-Steiner 分級準(zhǔn)則［8］，將HCC 病理結(jié)果分為Ⅰ～Ⅳ級，并達(dá)成一致。共納入：Ⅰ級10 例、Ⅱ級58 例、Ⅲ級54 例、Ⅳ級6 例，分為低級別組（Ⅰ級和Ⅱ級）和高級別組（Ⅲ級和Ⅳ級）。納入標(biāo)準(zhǔn)：（1）經(jīng)手術(shù)病理確診且病理分級明確；（2）CT 檢查前未接受過任何相關(guān)臨床治療（如介入、穿刺活檢和放化療）；（3）病灶為單發(fā)且直徑大于1 cm；（4）手術(shù)與CT 增強(qiáng)檢查間隔不超過1 個月。排除標(biāo)準(zhǔn)：（1）病灶為復(fù)發(fā)或肝內(nèi)轉(zhuǎn)移；（2）門靜脈及下腔靜脈癌栓形成；（3）CT 圖像不完整，質(zhì)量不佳。

2.儀器與方法

所有患者均采用GE 64 排螺旋CT（Discovery CT 750 HD）行腹部增強(qiáng)掃描。掃描參數(shù)：準(zhǔn)直器寬64×0.625 mm，管電壓120 kV，自動毫安技術(shù)，層厚5.0 mm，層間距5.0 mm。先行平掃，增強(qiáng)掃描使用雙筒高壓注射器（Urich）自肘靜脈注射對比劑碘佛醇（320 mg I/ml），劑量為1.5 ml/kg，注射流率3 ml/s，對比劑注射完畢后使用相同流率注射20 ml生理鹽水進(jìn)行沖管。使用自動觸發(fā)技術(shù)（閾值為120 HU，監(jiān)測點置于腹腔干開口層面）獲得動脈期，隨后65 s 和180 s 獲得門脈期和延遲期圖像。

3.紋理分析

將所有患者0.625 mm 薄層圖像從PACS 系統(tǒng)以DICOM 格式導(dǎo)出，導(dǎo)出前統(tǒng)一窗寬350 HU，窗位50 HU。由一名低年資腹部放射科醫(yī)師將3 期增強(qiáng)圖像導(dǎo)入MaZda 軟件（Version 4.8）進(jìn)行紋理分析。選擇病灶顯示最清晰的時期，在腫瘤最大層面手動勾畫ROI，沿病灶邊緣內(nèi)移1～2 mm 以避免部分容積效應(yīng)，然后復(fù)制ROI 至其他時期，不吻合的部分進(jìn)行調(diào)整（圖1），為真實反映腫瘤異質(zhì)性，繪制ROI 時，包含腫瘤內(nèi)部的壞死囊變、破裂出血、血管及鈣化部分。由一名高年資腹部放射科醫(yī)師進(jìn)行復(fù)審。每個ROI 可提取出6 組共279 個紋理特征（表1）。

表1 MaZda 軟件提取的紋理特征

使用MaZda 軟件對HCC 的紋理特征進(jìn)行篩選：分別使用Fisher 相關(guān)系數(shù)（fisher coefficient，F(xiàn)isher）、分類錯誤率聯(lián)合平均相關(guān)系數(shù)（classification error probability and average correlation coefficients，POE+ACC）、互信系數(shù)（mutual information coefficient，MI）及上述3 種方法聯(lián)合（Fisher+POE+ACC+MI，F(xiàn)PM）4 種統(tǒng)計學(xué)篩選方法。前3 種方法分別篩選出10 個，F(xiàn)PM 篩選出30 個紋理特征。

分類準(zhǔn)確性判定：使用MaZda 軟件自帶的B11 統(tǒng)計軟件（Version 4.8）對篩選出的紋理特征進(jìn)行病變分類：分類方法包括原始數(shù)據(jù)分析（raw data analysis，RDA）、主成分分析（principal component analysis，PCA）、線性鑒別分析（linear discriminant analysis，LDA）和非線性鑒別分析（nonlinear discriminant analysis，NDA）。分類結(jié)果以誤判率R 表示，分為5 個等級：≤10%為優(yōu)秀，10%＜R≤20%為良好，20%＜R≤30%為中等，30%＜R≤40%為一般，＞40%為較差。

4.統(tǒng)計學(xué)方法

HCC 紋理特征的篩選及分類使用MaZda 軟件及自帶B11 軟件完成；使用SPSS 軟件（Version 25.0）比較兩組間獲得最小誤判率紋理特征的統(tǒng)計學(xué)差異，符合正態(tài)性及方差齊性的紋理特征使用獨立樣本t 檢驗，反之使用曼尼U 檢驗。使用二元Logistic 回歸模型進(jìn)一步降維篩選出最佳紋理特征；采用受試者工作特征（receiver operator characteristic，ROC）曲線評估最佳紋理特征及回歸模型預(yù)測HCC 病理分級的效能。P＜0.05 為差異有統(tǒng)計學(xué)意義。

結(jié)果

增強(qiáng)掃描不同時期、不同紋理特征篩選方法及不同分類方法相結(jié)合鑒別HCC 高、低級別組的誤判率總結(jié)見表2。增強(qiáng)掃描3 個時期，使用FPM篩選法聯(lián)合NDA 分類法獲得的誤判率均較其他聯(lián)合方法低，動脈期最小誤判率為10.94%（14/128），門脈期最小誤判率為3.13%（4/128），延遲期最小誤判率為7.81%（10/128），均處于良好等級以上。

表2 不同增強(qiáng)時期及不同篩選、分類方法相組合產(chǎn)生的誤判率結(jié)果

比較門脈期經(jīng)FPM 篩選出的30 個紋理特征，其中23 個紋理特征有統(tǒng)計學(xué)差異，納入二元Logistic回歸模型進(jìn)一步降維篩選出3 個最佳的紋理特征，分別為Perc.99、S（3，-3）Contrast 及WavEnLL_s-3。Perc.99、S（3，-3）Contrast 及WavEnLL_s-3 在HCC高級別組均低于低級別組（高級別組比低級別組分別為185.83±14.38 比204.63±16.74，10.73±4.80比24.62±18.08，23778.71±4236.25 比28605.72±4212.81）。表3 總結(jié)了最佳紋理特征及Logistic 模型鑒別HCC 高、低級別組的診斷效能，其中以Logistic 模型診斷效能最高。圖2 顯示出3 個最佳紋理特征及Logistic 模型的ROC 曲線的比較。

圖2 最佳紋理特征及Logistic 模型的ROC 曲線下面積比較

表3 最佳紋理特征及Logistic 模型鑒別HCC 高、低級別組的診斷效能

討論

手術(shù)切除是目前治療HCC 最有效的措施之一，近年來外科技術(shù)飛速發(fā)展，但術(shù)后復(fù)發(fā)率仍然較高，術(shù)后5 年復(fù)發(fā)率高達(dá)70%［9］。由于HCC 的組織學(xué)分化程度影響治療方案的制定，因此術(shù)前預(yù)測HCC 分級有重要價值。穿刺活檢是術(shù)前診斷HCC 病理分級的金標(biāo)準(zhǔn)，然而穿刺活檢具有一定的創(chuàng)傷性，操作不慎時易出現(xiàn)一些并發(fā)癥；另外穿刺活檢只是對所提取的小部分標(biāo)本進(jìn)行分析，無法避免取樣誤差，易忽略腫瘤組織間異質(zhì)性，存在一定的局限性［10］。腹部增強(qiáng)CT 可提供腫瘤大小、數(shù)目、形態(tài)、部位、邊界、血供情況、有無癌栓及轉(zhuǎn)移等手術(shù)所需信息，已經(jīng)成為HCC患者術(shù)前常規(guī)檢查。紋理分析通過分析已有的腹部增強(qiáng)CT 圖像，不需要對患者進(jìn)行額外的處理，亦不會額外增加患者的經(jīng)濟(jì)及身體負(fù)擔(dān)，已被應(yīng)用于肝臟纖維化［11,12］、肝臟腫瘤的診斷及鑒別診斷［13］、HCC 術(shù)后療效評估［14］等方面。本研究結(jié)果顯示基于常規(guī)增強(qiáng)CT 的MaZda 紋理分析技術(shù)可預(yù)測HCC 的組織分化程度。

1.不同增強(qiáng)時相與紋理特征篩選方法組合的比較

應(yīng)用MaZda 軟件進(jìn)行紋理特征提取、篩選和降維，不同增強(qiáng)時期使用相同的篩選、分類方法產(chǎn)生的誤判率結(jié)果不同。本研究中門脈期誤判率最低，其次為延遲期，再次為動脈期。原因可能為：HCC 的形成過程伴隨著血流動力學(xué)改變，研究發(fā)現(xiàn)Edmondson-Steiner 病理分級Ⅰ、Ⅱ級主要由肝動脈及門靜脈供血，而Ⅲ、Ⅳ級則僅由肝動脈供血［15］。因此HCC 低級別組門脈期及延遲期腫瘤的相對強(qiáng)化程度要高于高級別組；此外，由于HCC高級別組囊變、壞死更常見，門脈期及延遲期HCC實性成分與囊變壞死成分對比更強(qiáng)，因此紋理特征參數(shù)值之間的差異相應(yīng)增大，使其診斷效能相對較高。

相同的增強(qiáng)時期與不同篩選、分類方法相組合產(chǎn)生的誤判率結(jié)果亦不同，使用FPM 篩選出的30 個紋理特征經(jīng)NDA 進(jìn)行分類，可以獲得最低的誤判率，與以往乳腺良惡性病變的鑒別、腦膠質(zhì)母細(xì)胞瘤和單發(fā)轉(zhuǎn)移瘤的鑒別研究中所得結(jié)論一致［16,17］。Fisher、POE 聯(lián)合ACC、MI 篩選方法分別獲得10 個最佳紋理特征，而FPM 是這三者的聯(lián)合，能夠提供更多紋理特征，可以反映更多的腫瘤信息。與RDA、PCA、LDA 三種分類方法比較，NDA分類法通過選擇使用合適的支持向量機(jī)，把非線性、不可分離數(shù)據(jù)轉(zhuǎn)化成三維空間分布的、可分離的線性數(shù)據(jù)。使用不同的內(nèi)積核函數(shù)可以產(chǎn)生不同的支持向量機(jī)。常見的4 類核函數(shù)包括：線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)和Sigmoid 核函數(shù)。MaZda 軟件中的Sigmoid 核函數(shù)，可以更好地將非線性的、不可分離的數(shù)據(jù)轉(zhuǎn)換成線性的、可分離的數(shù)據(jù)，而其他特征分類法是線性變換，在將非線性數(shù)據(jù)轉(zhuǎn)換為線性數(shù)據(jù)方面具有局限性［18］。因此，F(xiàn)PM 結(jié)合NDA 可以獲得最低誤判率。

2.二元Logistic 回歸模型分析

門脈期篩選出的30 個紋理特征中23 個有統(tǒng)計學(xué)差異，納入二元Logistic 回歸模型進(jìn)一步降維篩選出3 個最佳紋理特征，分別為Perc.99、S（3，-3）Contrast 及WavEnLL_s-3。Perc.99 指的是從直方圖左邊開始，在小于第99%體素區(qū)間內(nèi)的平均灰度值，與病變的異質(zhì)性相關(guān)，可以反映病變的細(xì)微變化。研究表明病變異質(zhì)性越大，高百分位數(shù)差異越大［19］；Contrast 是指圖像中亮像素與暗像素之間差異的大小，差異越大，腫瘤異質(zhì)性越高。門脈期腫瘤實性成分強(qiáng)化最明顯，與不強(qiáng)化的囊變壞死成分對比度差異較大；WavEnLL_S_3 是指LL 子采樣因素中小波系數(shù)的能量，也可反映腫瘤的異質(zhì)性。本研究顯示Perc.99、S（3，-3）Contrast 及WavEnLL_s-3 在HCC 高級別組均較低級別組小，原因可能是HCC 的組織學(xué)分化與血供程度相關(guān)，門脈期HCC 高級別組實性成分強(qiáng)化低于低級別組，且高級別組壞死、囊變更多見，腫瘤內(nèi)部異質(zhì)性更大［20］。表2 顯示與單個最佳紋理特征的診斷效能相比，Logistic 回歸模型的診斷效能更高，這表明應(yīng)該整合多維影像組學(xué)特征來選擇有價值的特征進(jìn)行建模。

3.局限性

首先，本研究僅使用產(chǎn)生最小誤判率的門脈期圖像紋理特征進(jìn)行了研究，將平掃及增強(qiáng)掃描三期圖像紋理特征進(jìn)行篩選建?？赡軙@得更高的診斷效能。此外，研究表明一些形態(tài)學(xué)特征可在一定程度上預(yù)測組織學(xué)分化程度。例如，Chang等［21］研究表明HCC 的分化程度隨腫瘤大小的增加而降低；劉志強(qiáng)等［22］研究表明腫瘤范圍越大、邊緣清楚、有腫瘤內(nèi)出血壞死、有侵襲轉(zhuǎn)移者，腫瘤分級越高。其次，本研究為單中心，入組樣本量較少，未對構(gòu)建模型進(jìn)行驗證，也未比較不同機(jī)器及掃描方案可能產(chǎn)生的影響。最后，本研究基于腫瘤最大層面提取紋理特征，相較于腫瘤全體積分析，不能完全反映整個病灶的全部信息。

綜上所述，基于增強(qiáng)CT 的MaZda 紋理分析技術(shù)能夠預(yù)測肝細(xì)胞癌的分化程度；不同的增強(qiáng)時期及不同的篩選分類方法相組合會產(chǎn)生不同的預(yù)測效能，其中以門脈期聯(lián)合FPM 及NDA 為佳。門脈期聯(lián)合FPM 獲得的紋理特征經(jīng)過Logistic 回歸建模，模型診斷效能較高。