張瑞平，劉伯楊，羅延安，王志震，李 鵬*

（1.天津醫(yī)科大學(xué)腫瘤醫(yī)院，國家腫瘤臨床醫(yī)學(xué)研究中心，天津市腫瘤防治重點(diǎn)實(shí)驗(yàn)室，天津市惡性腫瘤臨床醫(yī)學(xué)研究中心，天津300060；2.南開大學(xué)物理科學(xué)學(xué)院，天津300071）

0 引言

肺癌是常見的惡性腫瘤之一，并且預(yù)后較差，5 a的生存期僅為16%[1]，其中小細(xì)胞肺癌（small cell lung cancer，SCLC）的比例占肺癌的15%～20%[2]。小細(xì)胞肺癌多與吸煙有關(guān)，具有惡性程度高、病情進(jìn)展快、較早發(fā)生轉(zhuǎn)移、易復(fù)發(fā)和耐藥且長(zhǎng)期存活率低的特點(diǎn)，臨床上常采用美國退伍軍人醫(yī)院兩期法分為局限期小細(xì)胞肺癌（limited stage-small cell lung cancer，LS-SCLC）和廣泛期小細(xì)胞肺癌（extensive stage-small cell lung cancer，ES-SCLC）以及采用國際抗癌聯(lián)盟（Union for International Cancer Control，UICC）肺癌TNM 方法進(jìn)行分期，多數(shù)患者確診時(shí)已處于廣泛期或無法切除的局限期。小細(xì)胞肺癌治療手段主要以化療和放療為主，尤其Ⅱ、Ⅲ期小細(xì)胞肺癌患者的預(yù)后更差，在臨床中多采取放化療聯(lián)合治療，即依托泊苷聯(lián)合鉑類藥物化療加同步放射治療的標(biāo)準(zhǔn)治療方案（總放療劑量為60～70 Gy[3]，采用常規(guī)分割方式），如果患者身體狀況良好，可盡早開始同步放化療，有利于提高患者的預(yù)后效果。由于小細(xì)胞肺癌的特殊生理學(xué)特點(diǎn)，即使一線治療對(duì)小細(xì)胞肺癌患者產(chǎn)生良好的反應(yīng)，但小細(xì)胞肺癌的預(yù)后仍然令人沮喪，大多數(shù)患者在完成初始治療后6 個(gè)月內(nèi)復(fù)發(fā)，導(dǎo)致局限期和廣泛期患者的中位生存期分別為15～20 個(gè)月和8～13 個(gè)月[3]。如果能夠提早預(yù)測(cè)患者的預(yù)后，根據(jù)患者的預(yù)后差異，提早干預(yù)，制訂個(gè)性化的治療方案，將會(huì)有利于提高患者的治療效果。近年來，放療技術(shù)及影像技術(shù)的不斷提高以及分子影像PET-CT等檢查的普及使得肺癌的診斷和治療更加精準(zhǔn)，但在早期階段預(yù)測(cè)預(yù)后療效方面依舊采用較為籠統(tǒng)的預(yù)測(cè)方式，而不能實(shí)現(xiàn)精準(zhǔn)的個(gè)性化治療，因此，亟須探索一種精準(zhǔn)的個(gè)體化的預(yù)測(cè)模式。在臨床的實(shí)際應(yīng)用中，CT 通常作為腫瘤的常規(guī)檢查和隨訪檢查方式，還可用于放療的三維治療計(jì)劃設(shè)計(jì)。目前基于CT 影像的放射組學(xué)[4]被廣泛應(yīng)用于預(yù)測(cè)預(yù)后和早期診斷，其是一種非侵入式、大通量、定量分析圖像的方法，并且能在不增加患者經(jīng)濟(jì)負(fù)擔(dān)的前提下從影像上挖掘腫瘤內(nèi)部結(jié)構(gòu)信息進(jìn)行定量分析。目前多維參數(shù)諾模圖[5-6]具有將多個(gè)預(yù)測(cè)參數(shù)進(jìn)行有機(jī)結(jié)合以及將復(fù)雜問題簡(jiǎn)單化的優(yōu)勢(shì)，能夠直觀分析患者的預(yù)后，在醫(yī)學(xué)領(lǐng)域中得到了廣泛應(yīng)用，為腫瘤的多角度和多方位研究提供了強(qiáng)有力的手段。本研究基于放射組學(xué)特征和臨床參數(shù)構(gòu)建多參數(shù)諾模圖模型預(yù)測(cè)局限期小細(xì)胞肺癌的預(yù)后，為個(gè)性化治療實(shí)施奠定研究的基礎(chǔ)。

1 資料與方法

1.1 病例資料

回顧性分析2011—2018 年就診于天津醫(yī)科大學(xué)腫瘤醫(yī)院放療科的局限期小細(xì)胞肺癌患者的病例資料。納入標(biāo)準(zhǔn)：經(jīng)病理學(xué)或細(xì)胞學(xué)證實(shí)為小細(xì)胞肺癌或混合型小細(xì)胞肺癌（combined small cell lung cancer，CSCLC）的患者，并且按照2009 年版UICC肺癌TNM 分期重新進(jìn)行臨床分期。排除標(biāo)準(zhǔn)：放療前接受過任何肺部手術(shù)的患者；因其他肺部疾病曾經(jīng)接受過放療的患者；CT 圖像缺失和沒有明確組織學(xué)病理的患者。最終納入122 例病例，記錄患者的基本臨床信息，包括年齡、性別、吸煙狀態(tài)、臨床分期和病理；收集用于治療計(jì)劃設(shè)計(jì)的CT 圖像并將其進(jìn)行標(biāo)準(zhǔn)化處理。

1.2 隨訪

放療結(jié)束后的前2 a，每3 個(gè)月行強(qiáng)化CT 掃描，之后每6 個(gè)月行強(qiáng)化CT 掃描。生存期（overall survival，OS）定義為從診斷日期至死亡日期或最后一次隨訪日期。

1.3 放射組學(xué)的提取

由2 名具有5 a 以上工作經(jīng)驗(yàn)的診斷醫(yī)生和臨床醫(yī)生再一次確認(rèn)腫瘤靶區(qū)（gross tumor volume，GTV），將用于治療計(jì)劃制訂的CT 圖像（層厚為3 mm，像素為1.25 mm×1.25 mm）和GTV 以DICOM 格式傳輸?shù)椒派浣M學(xué)云平臺(tái)（Radcloud，version 2.1.2），同時(shí)將所有CT 圖像重新采樣為1 mm×1 mm×1 mm，然后利用平臺(tái)中的3 個(gè)組學(xué)模塊分別提取GTV 的組學(xué)特征：（1）First-order 特征；（2）形狀特征；（3）紋理特征。

1.4 選擇有預(yù)測(cè)價(jià)值的臨床參數(shù)和組學(xué)特征并構(gòu)建預(yù)測(cè)模型

將122 例病例按照8∶2 的比例分成訓(xùn)練集和驗(yàn)證集，先對(duì)訓(xùn)練集進(jìn)行特征標(biāo)準(zhǔn)化和特征選擇，然后根據(jù)選擇的組學(xué)特征進(jìn)行預(yù)測(cè)模型的構(gòu)建，同時(shí)利用訓(xùn)練集中獲得的相關(guān)統(tǒng)計(jì)參數(shù)對(duì)驗(yàn)證集的特征進(jìn)行標(biāo)準(zhǔn)化和特征選取，最后基于驗(yàn)證集對(duì)模型進(jìn)行評(píng)估。以上過程均基于Python3.6 語言，在Anaconda3平臺(tái)上完成。

為了避免在數(shù)據(jù)處理過程中出現(xiàn)過擬合現(xiàn)象，研究者對(duì)所有臨床參數(shù)和組學(xué)特征進(jìn)行標(biāo)準(zhǔn)化處理。在臨床參數(shù)方面，先對(duì)訓(xùn)練集進(jìn)行十折交叉驗(yàn)證，然后基于Akaike 信息標(biāo)準(zhǔn)（Akaike’s information creterion，AIC）[7]，通過完全搜索所有可能的參數(shù)組合子集找到最佳的參數(shù)子集，再利用Cox 比例風(fēng)險(xiǎn)回歸構(gòu)建諾模圖預(yù)測(cè)模型。在放射組學(xué)方面，利用最小絕對(duì)收縮和選擇算子（least absolute shrinkage and selection operator，LASSO）-Cox 比例風(fēng)險(xiǎn)模型[8-10]并結(jié)合交叉驗(yàn)證方法對(duì)組學(xué)特征進(jìn)行降維處理[11-12]：先基于最小均方誤差對(duì)訓(xùn)練集進(jìn)行十折交叉驗(yàn)證并選擇出模型正則化參數(shù)值?，再根據(jù)最優(yōu)的?值構(gòu)建LASSOCox 模型。其中權(quán)重非零的組學(xué)特征被選擇出來，并按其各自權(quán)重進(jìn)行線性組合計(jì)算得到Rad_score 函數(shù)值，然后將Rad_score 函數(shù)值與選擇出的臨床參數(shù)相結(jié)合構(gòu)建聯(lián)合預(yù)測(cè)模型。

1.5 統(tǒng)計(jì)學(xué)分析

在本研究中利用Cox 比例風(fēng)險(xiǎn)回歸創(chuàng)建了2個(gè)小細(xì)胞肺癌的生存期諾模圖模型，其中一個(gè)基于組學(xué)特征和臨床參數(shù)，另一個(gè)僅基于臨床參數(shù)。通過Harrell 一致性指數(shù)（concordance index，CI）[13]和Brier分?jǐn)?shù)對(duì)預(yù)測(cè)模型進(jìn)行評(píng)估。利用Rad_score 中位數(shù)值作為截?cái)嘀祵⒄麄€(gè)樣本分為高危組和低危組，并利用Kaplan-Meier（KM）方法預(yù)測(cè)2 組生存曲線，同時(shí)采用Log-rank 檢驗(yàn)[14]對(duì)高危組和低危組的中位生存期進(jìn)行比較分析，P＜0.05 認(rèn)為具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 納入研究的患者情況

本研究共納入了122 例患者，其中男性84 例、女性38 例，≤60 歲78 例，61～69 歲35 例，≥70 歲9例。在臨床分期中，ⅡA 期4 例（占3.3%），ⅢA 期61例（占50.0%），ⅡB 期7 例（占5.7%），ⅢB 期為50例（占41.0%）。病理分析報(bào)告結(jié)果顯示，小細(xì)胞肺癌112例（占91.8%），混合型小細(xì)胞肺癌10 例（占8.2%）。82 例（占67.2%）患者處于吸煙狀態(tài)，40 例（占32.8%）患者為不吸煙。本研究隨訪至2018 年3 月，中位隨訪時(shí)間為19 個(gè)月（范圍為5.0～40.2 個(gè)月），中位總生存期為14 個(gè)月。

2.2 預(yù)測(cè)參數(shù)和Rad_score 函數(shù)

在臨床參數(shù)方面，選擇了3 個(gè)有預(yù)測(cè)價(jià)值的參數(shù)，分別為臨床分期、病理和吸煙狀態(tài)；在放射組學(xué)特征方面，選擇了4 個(gè)有預(yù)測(cè)價(jià)值的特征，其中3個(gè)是紋理特征（Square_GLRLM_RunEntropy、Wavelet.HLL_GLCM_IDMN 和Wavelet.HLL_GLCM_IDN），1 個(gè)是First-order 特征（Wavelet.HLL_FirstOrder_InterquartileRange）。同時(shí)基于篩選組學(xué)特征創(chuàng)建的Rad_score函數(shù)如下所示：

Rad_score=Wavelet.HLL_GLCM_IDMN×0.09926913+Square_GLRLM_RunEntropy×0.04815856+Wavelet.HLL_GLCM_IDN×0.00382770+Wavelet.HLL_FirstOrder_InterquartileRange×0.08657353

2.3 諾模圖預(yù)測(cè)模型

圖1（a）、（b）分別為基于組學(xué)特征和臨床參數(shù)的聯(lián)合諾模圖，以及僅基于臨床參數(shù)的諾模圖，模型預(yù)測(cè)了Ⅱ、Ⅲ期小細(xì)胞肺癌1 a、15 個(gè)月和2 a 的生存期狀況；圖1（c）、（d）分別為圖1（a）、（b）的校準(zhǔn)圖。從諾模圖中可以看出，當(dāng)Rad_score 組學(xué)因素加入到模型計(jì)算中時(shí)，臨床參數(shù)的影響變得相對(duì)薄弱。在圖1（b）中，有預(yù)測(cè)價(jià)值的吸煙狀態(tài)和臨床分期參數(shù)對(duì)預(yù)測(cè)模型存在統(tǒng)計(jì)學(xué)意義，其P＜0.05。聯(lián)合組學(xué)特征和臨床參數(shù)的模型（CI：0.641；95%CI：0.610～0.672）預(yù)測(cè)能力優(yōu)于單純臨床參數(shù)模型（CI：0.596；95%CI：0.593～0.599）的預(yù)測(cè)能力（P=0.04），組學(xué)特征在預(yù)測(cè)局限期小細(xì)胞肺癌方面具有統(tǒng)計(jì)學(xué)意義。整個(gè)樣本的KM 生存曲線如圖2（a）所示，以Rad_score 的中位數(shù)作為截?cái)嘀祵颖痉譃楦呶＝M和低危組，其KM曲線如圖2（b）所示。利用Log-rank 方法比較2 組的生存期，高危組和低危組的中位生存期分別為12 個(gè)月和17 個(gè)月，2 組之間存在顯著差異，P＜0.000 1。

圖2 基于整個(gè)樣本和基于分層樣本的生存曲線圖

3 討論

本研究聯(lián)合組學(xué)特征和臨床參數(shù)，利用可視化諾模圖建立模型預(yù)測(cè)放療后局限期小細(xì)胞肺癌的總生存期。為了與傳統(tǒng)預(yù)測(cè)方法比較，本研究不僅構(gòu)建了單純基于臨床參數(shù)的預(yù)測(cè)模型，還構(gòu)建了基于組學(xué)特征和臨床參數(shù)的聯(lián)合預(yù)測(cè)模型，結(jié)果表明聯(lián)合預(yù)測(cè)模型優(yōu)于僅基于臨床參數(shù)的預(yù)測(cè)模型（P=0.04），但對(duì)2 個(gè)模型進(jìn)行驗(yàn)證時(shí)，發(fā)現(xiàn)2 個(gè)模型的驗(yàn)證曲線不存在顯著統(tǒng)計(jì)學(xué)差異[如圖1（c）、（d）所示，P＞0.05]。為此，本研究進(jìn)一步探討了2 類參數(shù)在預(yù)測(cè)預(yù)后方面的效能，并對(duì)篩選出來的臨床參數(shù)和組學(xué)特征進(jìn)行了預(yù)后價(jià)值的比較。在單純基于臨床參數(shù)的預(yù)測(cè)模型中，吸煙狀態(tài)（P＜0.01）、ⅡB 期（P＜0.01）、ⅢA期（P＜0.01）及ⅢB 期（P＜0.001）均存在統(tǒng)計(jì)學(xué)預(yù)測(cè)價(jià)值，其評(píng)價(jià)指標(biāo)P 值均＜0.05。考慮臨床參數(shù)在預(yù)測(cè)小細(xì)胞肺癌的預(yù)后價(jià)值時(shí)，有文獻(xiàn)[15]報(bào)道，腫瘤的臨床分期是其獨(dú)立的預(yù)后因素，如果在其模型中加入放射組學(xué)特征后，這些有預(yù)測(cè)價(jià)值的臨床參數(shù)的預(yù)測(cè)能力變得相對(duì)薄弱，其P 值均＞0.05。出現(xiàn)此現(xiàn)象的最大原因可能是組學(xué)特征的預(yù)測(cè)效能遠(yuǎn)遠(yuǎn)優(yōu)于臨床參數(shù)的預(yù)測(cè)效能，在回歸模型的線性參數(shù)中，臨床參數(shù)的權(quán)重變得很小，以至于不能對(duì)線性函數(shù)產(chǎn)生實(shí)質(zhì)性影響；再者組學(xué)特征能更好地描述腫瘤內(nèi)部結(jié)構(gòu)的異質(zhì)性，有文獻(xiàn)報(bào)道腫瘤的異質(zhì)性與對(duì)治療產(chǎn)生抗拒性的基因異質(zhì)性表達(dá)有關(guān)聯(lián)性[4，16]，很大可能是在治療過程中腫瘤內(nèi)部結(jié)構(gòu)發(fā)生了較大變化，使其臨床參數(shù)在某種程度上弱化了其預(yù)測(cè)能力。

圖1 聯(lián)合臨床參數(shù)和組學(xué)特征以及僅基于臨床參數(shù)的諾模圖模型和諾模圖預(yù)測(cè)模型的校準(zhǔn)圖

此外，為進(jìn)一步探索組學(xué)特征的預(yù)測(cè)能力，本研究根據(jù)Rad_score 的中位值將樣本分為高危組和低危組，結(jié)果發(fā)現(xiàn)2 組存在5 個(gè)月的生存期差異，如果在一開始制訂治療方案時(shí)未能進(jìn)行合理分組，高危組的患者很容易被納入到低危組，錯(cuò)過了必要的額外醫(yī)療服務(wù)，反之，低危組的患者也可能被納入到高危組，使其接受了過度治療。因此，放射組學(xué)在預(yù)測(cè)小細(xì)胞肺癌的預(yù)后方面起到了至關(guān)重要的作用，能在治療前對(duì)患者進(jìn)行精準(zhǔn)分組（P＜0.000 1），實(shí)現(xiàn)精準(zhǔn)個(gè)性化治療并優(yōu)化治療方案。

本研究存在一定的局限性，具體包括2 個(gè)方面：一是混合型的小細(xì)胞肺癌病例相對(duì)較少，導(dǎo)致樣本數(shù)據(jù)的不均衡，可能影響本研究結(jié)論的普適性；二是在掃描CT 圖像時(shí)，患者處于自由呼吸狀態(tài)，未考慮患者的呼吸運(yùn)動(dòng)對(duì)圖像的影響，可能會(huì)影響提取的放射組學(xué)特征的不穩(wěn)定性和重復(fù)性。有研究報(bào)道[17-18]呼吸運(yùn)動(dòng)會(huì)影響放射組學(xué)的提取，應(yīng)最大限度在掃描CT 圖像時(shí)訓(xùn)練患者達(dá)到均勻呼吸。

基于以上局限，我們?cè)趯淼难芯恐袝?huì)進(jìn)一步細(xì)化混合型小細(xì)胞肺癌的病理分類，比如腺癌成分或鱗狀細(xì)胞癌成分或大細(xì)胞癌成分等，使研究結(jié)果能更好地為臨床工作服務(wù)，為精準(zhǔn)個(gè)性化治療奠定前期基礎(chǔ)。