病理圖像紋理分析在胃癌MSI預(yù)測(cè)中的應(yīng)用研究

安衛(wèi)超，閻 婷，張 楠，張 杉，相 潔，曹 銳，王 彬

1.太原理工大學(xué) 信息與計(jì)算機(jī)學(xué)院，山西 晉中030600

2.山西醫(yī)科大學(xué) 轉(zhuǎn)化醫(yī)學(xué)研究中心，山西 晉中030600

胃癌是全球最常見的惡性腫瘤之一，2018年全球胃癌新發(fā)病例1 033 701例，占全球癌癥新發(fā)病例的5.7%，死亡782 685例，占全球癌癥死亡病例的8.2%，在全球癌癥發(fā)病率中位居第五，死亡率位居第三，且死亡率和發(fā)病率均無下降趨勢(shì)[1]。由于癌癥的異質(zhì)性，胃癌的表型復(fù)雜多樣，使得癌癥的診斷和治療更為困難。

微衛(wèi)星不穩(wěn)定性是由DNA錯(cuò)配修復(fù)受損而導(dǎo)致的一種特殊癌癥表型，是基因組中短重復(fù)序列超變異性的一種形式，其特征是由于DNA聚合酶滑移和單核苷酸變異（SNVs）頻率的升高而導(dǎo)致微衛(wèi)星重復(fù)的廣泛長(zhǎng)度多態(tài)性[2]，研究表明，MSI型胃癌約占胃癌患者的15%，這些患者更容易從免疫療法中獲益[3]。MSI型胃癌患者有其獨(dú)特的臨床特征，例如：彌散型癌組織基因組更不穩(wěn)定、發(fā)病部位常見于腫瘤組織遠(yuǎn)端、腫瘤類型多為Borrmann3型等；MSI型胃癌患者通常具有良好的總體長(zhǎng)期預(yù)后，與同期的MSS型胃癌患者相比，MSI型胃癌患者生存率較高；且從癌前到發(fā)病，MSI逐漸累積增加[4-7]。因此，MSI檢測(cè)對(duì)胃癌的早期診斷和篩查，延長(zhǎng)胃癌患者的預(yù)后，輔助胃癌治療的臨床決策有重要意義。主流的MSI檢測(cè)方法主要有兩種：免疫組織化學(xué)（Immunohistochemistry，IHC）和聚合酶鏈?zhǔn)椒磻?yīng)（PCR）[8]；IHC是通過檢測(cè)錯(cuò)配修復(fù)基因的表達(dá)情況來反應(yīng)MSI狀態(tài)，PCR則是通過特定的單核苷酸位點(diǎn)的基因標(biāo)記進(jìn)行遺傳分析；但無論是IHC還是PCR檢測(cè)手段均需要在大容量的三級(jí)醫(yī)療中心進(jìn)行，且需要較高的經(jīng)濟(jì)和時(shí)間成本，在臨床實(shí)踐中難以推廣至每一個(gè)患者[9]。因此，無法為大量潛在的免疫療法敏感者提供及時(shí)的免疫檢查點(diǎn)抑制劑治療，從而喪失了控制疾病的機(jī)會(huì)。

病理組織學(xué)是癌癥診斷和預(yù)測(cè)的重要工具，它的表型信息反應(yīng)了分子改變對(duì)癌細(xì)胞行為的綜合影響，并為評(píng)估疾病的進(jìn)展情況提供了直接的可視化的工具。組織病理學(xué)家可以通過評(píng)估細(xì)胞密度、組織結(jié)構(gòu)、有絲分裂狀態(tài)等組織學(xué)特征來對(duì)病變進(jìn)行分類和分級(jí)。隨著顯微鏡成像技術(shù)和計(jì)算機(jī)技術(shù)的進(jìn)步，基于病理圖片的輔助診斷模型發(fā)展迅速。其中，圖像紋理分析用于病理圖像的紋理特征提取，用于癌癥的分級(jí)[10-11]、分類[12-15]和預(yù)測(cè)。例如，Belsare等人[16]通過提取乳腺癌患者組織病理圖像的灰度共生矩陣（GLCM）、圖游程長(zhǎng)度矩陣（GRLM）和歐拉數(shù)等紋理特征，使用線性判別分類器（LDA）對(duì)圖像組織學(xué)圖像進(jìn)行分類，對(duì)惡性和非惡性如下組織病理圖像的分類準(zhǔn)確率分別為80%和100%；Hamidreza等人[17]通過提取軟組織肉瘤的三組紋理特征：灰度共生矩陣（GLCM）、灰度游程長(zhǎng)度矩陣（GLRLM）和局部二值模式（LBP）進(jìn)行紋理分析，實(shí)現(xiàn)了軟組織肉瘤的轉(zhuǎn)移和壞死預(yù)測(cè)。Nicolas等人[18]訓(xùn)練了一個(gè)深層卷積神經(jīng)網(wǎng)絡(luò)，可以通過組織病理圖像準(zhǔn)確地區(qū)分肺癌的兩種亞型：腺癌（LUAD）和鱗狀細(xì)胞癌（LUSC），還能確定細(xì)胞中與肺癌相關(guān)的六種基因的突變情況。Andrew等人[19]建立了融合多個(gè)殘差網(wǎng)絡(luò)的統(tǒng)計(jì)模型，可以從標(biāo)準(zhǔn)蘇木精和曙紅染色后的組織病理圖像中精準(zhǔn)預(yù)測(cè)前列腺癌患者Speckle-type POZ基因的突變狀態(tài)。

本文提出一種基于組織病理圖像紋理特征的胃癌MSI預(yù)測(cè)方法，針對(duì)腫瘤的異質(zhì)性，從胃癌組織病理圖像中提取定量的圖像特征，使用Lasso回歸構(gòu)建預(yù)測(cè)標(biāo)簽，將預(yù)測(cè)標(biāo)簽作為獨(dú)立的預(yù)測(cè)因子，結(jié)合患者的臨床特征，通過logistics回歸進(jìn)行多變量分析構(gòu)建預(yù)測(cè)模型，繪制個(gè)性的列線圖，為胃癌患者M(jìn)SI預(yù)測(cè)提供了有力工具。方法流程如圖1所示。

圖1 胃癌MSI預(yù)測(cè)模型構(gòu)建過程Fig.1 Construction process of MSI prediction model for gastric cancer

1 數(shù)據(jù)和方法

1.1 病人數(shù)據(jù)

本文所用胃癌組織病理圖像均來自TCGA數(shù)據(jù)庫(kù)。為有效利用所得數(shù)據(jù)對(duì)胃癌患者的MSI狀態(tài)進(jìn)行預(yù)測(cè)，本研究對(duì)收集到的數(shù)據(jù)制定了三個(gè)納入標(biāo)準(zhǔn)：（1）病理圖像染色均勻、成像清晰、無組織粘連；（2）具有統(tǒng)一完整的個(gè)人基本信息及臨床特征；（3）具有明確的MSI狀態(tài)信息。經(jīng)篩選，共有277個(gè)病例樣本符合入組標(biāo)準(zhǔn)。

1.2 數(shù)據(jù)預(yù)處理

為保證實(shí)驗(yàn)的有效性，得到有價(jià)值的結(jié)果，需要解決樣本不均衡問題。采用上采樣的方式擴(kuò)充少數(shù)類樣本：對(duì)于MSI型的病例，針對(duì)每例患者的組織病理圖像選取多個(gè)ROI，每個(gè)ROI作為獨(dú)立的樣本，上采樣后的數(shù)據(jù)集共有442例樣本。

將所得樣本按照3∶1的比例隨機(jī)劃分為訓(xùn)練集和驗(yàn)證集：訓(xùn)練集共有樣本313例，其中MSI型156例，MSS型157例；驗(yàn)證集共有129例樣本，其中MSI型64例，MSS型65例。

1.3 圖像分割

為了確保所得圖像特征的準(zhǔn)確性并降低計(jì)算復(fù)雜度，在進(jìn)行圖像特征提取之前需要對(duì)組織病理圖像進(jìn)行分割。為得到最具代表性的病灶區(qū)域，在一名具有豐富組織病理圖像檢測(cè)經(jīng)驗(yàn)的主任醫(yī)師指導(dǎo)下對(duì)腫瘤區(qū)域進(jìn)行標(biāo)注，并通過另一名專家對(duì)標(biāo)記的病灶區(qū)域進(jìn)行驗(yàn)證，最終分割得到全部組織病理圖像的ROI。

1.4 特征提取

本研究從分割所得ROI的原始圖像和經(jīng)過wavelet濾波后的圖像中共提取到445個(gè)圖像特征，可以分為兩類，每類6組：一階統(tǒng)計(jì)量（First order statistics）、灰度共生矩陣（GLCM）、灰度大小區(qū)域矩陣（GLSZM）、灰度游程長(zhǎng)度矩陣（GLRLM）、相鄰灰度色調(diào)差異矩陣（NGTDM）、灰度依賴矩陣（GLDM）。

First order statistics通過常用統(tǒng)計(jì)指標(biāo)來描述感興趣區(qū)域內(nèi)的像素強(qiáng)度分布。GLCM是描述圖像灰度的空間相關(guān)特性的二階聯(lián)合概率函數(shù)，通過計(jì)算GLCM得到矩陣的部分特征值，用以表示圖像的紋理特征，能夠反應(yīng)圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息。GLSZM用于量化圖像中的灰度級(jí)區(qū)域，灰度級(jí)區(qū)域定義為共享相同灰度級(jí)強(qiáng)度的已連接像素的數(shù)量。GLRLM用于量化灰度游程，灰度游程被定義為具有相同灰度值的連續(xù)像素的長(zhǎng)度。NGTDM通過灰度等級(jí)的絕對(duì)差之和反應(yīng)相鄰像素的平均灰度值之間的差異。GLDM可以量化圖像中的灰度依賴性，灰度依賴性定義為距離δ內(nèi)依賴于中心像素的連通體像素的數(shù)量。

本研究從First order statistics中提取了18種特征，主要包括熵、總能量、平均絕對(duì)偏差、偏度等；從GLCM中提取了22種特征，主要包括自相關(guān)、聯(lián)合海損、群集陰影、群集傾向等；從GLSZM中提取了16種特征，主要包括灰度不均勻歸一化、區(qū)域大小不均勻、區(qū)域百分比、尺寸區(qū)域非均勻性標(biāo)準(zhǔn)化等；從GLRLM中提取了16種特征，主要包括游程熵、游程差異、灰度方差、游程非均勻標(biāo)準(zhǔn)化等；從NGTDM中提取了5種特征，主要包括粗糙度、對(duì)比度、復(fù)雜度、強(qiáng)度；從GLDM中提取了14種特征，主要包括依賴熵、依賴非均勻性、依賴非均勻性標(biāo)準(zhǔn)化、依賴方差等。

1.5 特征選擇

為降低模型復(fù)雜度，防止過擬合，在建模之前本文使用Lasso方法對(duì)特征進(jìn)行選擇。Lasso為改進(jìn)傳統(tǒng)的線性回歸方法提供了新的視角，在普通線性回歸算法的基礎(chǔ)上加入L1懲罰項(xiàng)，使線性回歸參數(shù)具有稀疏性，從而使得到的模型具有良好的預(yù)估性，所選擇的特征與預(yù)測(cè)標(biāo)簽更相關(guān)。

對(duì)于給定樣本的特征向量xi(i=1,2,…,N),xi∈Rn，Lasso回歸的目標(biāo)函數(shù)為：

其中，y是樣本的標(biāo)簽，α={aj}是回歸參數(shù)。為獲得最佳回歸參數(shù)，將目標(biāo)函數(shù)最小化問題轉(zhuǎn)化為以下子問題：

其中：

使用近端梯度下降（Proximal Gradient Descent）[20]算法對(duì)式（3）進(jìn)行迭代求解；使用軟域函數(shù)對(duì)式（2）求解，最終求解方法如下：

通過上述算法，最終獲得稀疏后的特征矩陣，用于構(gòu)建分類模型。

1.6 預(yù)測(cè)標(biāo)簽構(gòu)建

本研究應(yīng)用稀疏后的特征值及其回歸系數(shù)構(gòu)建樣本的預(yù)測(cè)標(biāo)簽，公式如下：

其中，F(xiàn)eaturei為樣本特征向量的第i個(gè)特征值，αi為該特征值對(duì)應(yīng)的回歸系數(shù)。

將Risk-score作為獨(dú)立的預(yù)測(cè)指標(biāo)，與樣本的臨床特征相結(jié)合，構(gòu)建logistics回歸模型，繪制個(gè)性化列線圖。并通過C指數(shù)、AUC值、校準(zhǔn)曲線和決策曲線評(píng)價(jià)模型的預(yù)測(cè)性能。

2 實(shí)驗(yàn)結(jié)果分析

2.1 臨床特征

本研究所用組織病理圖像來自277例胃癌患者，包括55例MSI型胃癌患者和222例MSS型胃癌患者，其中，男性患者188例，女性患者89例，中位年齡67.64歲（33～90歲），MSI型患病率為19.85%（55/277）。根據(jù)MSI狀態(tài)將胃癌患者分為兩組，經(jīng)過T檢驗(yàn)，MSI型患者與MSS型患者在性別、年齡、TNM分期方面的差異有顯著統(tǒng)計(jì)學(xué)意義，患者的臨床特征如表1所示。

表1 患者的臨床特征Table 1 Clinical features of patient

2.2 圖像特征篩選和預(yù)測(cè)標(biāo)簽構(gòu)建

基于MSI狀態(tài)，應(yīng)用Lasso回歸在訓(xùn)練集上對(duì)圖像特征進(jìn)行篩選，圖2（a）顯示了二項(xiàng)式誤差分類點(diǎn)與logλ的關(guān)系，其中最小二項(xiàng)式誤差分類點(diǎn)表示保留的最佳特征數(shù)量適合模型?；谧钚?zhǔn)則和1個(gè)標(biāo)準(zhǔn)誤差標(biāo)準(zhǔn)，通過10倍交叉驗(yàn)證，以最佳λ值繪制虛線垂直線。圖2（b）顯示了圖像特征的Lasso系數(shù)曲線。

圖2 Lasso回歸過程Fig.2 Lasso regression process

Lasso回歸的結(jié)果如表2所示，最終篩選得到9個(gè)系數(shù)不為零的特征，包括基于原始圖像4個(gè)圖像特征，和基于小波濾波后的5個(gè)圖像特征。通過式（6）計(jì)算出樣本的Risk-score。將9個(gè)圖像特征與MSI狀態(tài)進(jìn)行單因素方差分析，P值均小于0.001，表明篩選所得特征與胃癌患者的MSI狀態(tài)顯著相關(guān)。

表2 Lasso回歸結(jié)果Table 2 Result of Lasso regression

2.3 預(yù)測(cè)準(zhǔn)確性驗(yàn)證

基于所選圖像紋理特征和Logistics回歸，使用訓(xùn)練集構(gòu)建了MSI預(yù)測(cè)性分類模型。如圖3所示，在ROC曲線分析中，AUC值為0.75。然后將該模型應(yīng)用于驗(yàn)證集，可以有效預(yù)測(cè)MSI狀態(tài)，在ROC曲線分析中，AUC值為0.74。因此，構(gòu)成模型的9個(gè)特征被證明是與胃癌患者M(jìn)SI狀態(tài)相關(guān)的組織病理圖像特征。表3給出了分類模型各項(xiàng)評(píng)價(jià)指標(biāo)的結(jié)果。

表3 模型評(píng)價(jià)結(jié)果Table 3 Evaluation results of model

圖3 訓(xùn)練集和測(cè)試集的ROC曲線Fig.3 ROC curves for training sets and test sets

2.4 列線圖的構(gòu)建和評(píng)價(jià)

為體現(xiàn)預(yù)測(cè)模型的臨床價(jià)值，本研究在全部數(shù)據(jù)集上分別構(gòu)建了基于臨床特征的列線圖和加入Risk-score后的列線圖用于預(yù)測(cè)胃癌患者的MSI狀態(tài)。如圖4所示。

圖4 列線圖對(duì)比Fig.4 Nomogram comparison

該列線圖包括性別、年齡、TNM分期和Risk-score，允許用戶獲得對(duì)應(yīng)于患者協(xié)變量組合的MSI狀態(tài)預(yù)測(cè)概率。例如，定位患者的TNM分期軸，在該軸上畫一條垂線，以確定與該TNM分期對(duì)應(yīng)的預(yù)測(cè)分?jǐn)?shù)。對(duì)每個(gè)變量重復(fù)此過程，并將每個(gè)協(xié)變量的得分相加，將總分對(duì)應(yīng)得到預(yù)測(cè)概率，以此來實(shí)現(xiàn)胃癌患者的MSI狀態(tài)預(yù)測(cè)。

分別應(yīng)用一致性指數(shù)（index of concordance，C-index），AUC和校準(zhǔn)曲線來評(píng)估列線圖的預(yù)測(cè)性能。AUC值在加入Risk-score前后分別為0.696和0.802；一致性指數(shù)如表4所示，在加入Risk-score后，C-index的值由0.69提升至0.80；校準(zhǔn)曲線如圖5所示，虛線表示理想的預(yù)測(cè)狀態(tài)，結(jié)果表明加入本研究構(gòu)建的預(yù)測(cè)標(biāo)簽后校準(zhǔn)曲線擬合更優(yōu)。

表4 預(yù)測(cè)模型C-index評(píng)價(jià)Table 4 C-index evaluation of prediction model

圖5 校準(zhǔn)曲線對(duì)比Fig.5 Calibration curve comparison

為進(jìn)一步驗(yàn)證預(yù)測(cè)模型的臨床實(shí)用性，通過決策曲線分析，量化凈收益來評(píng)估基于病理圖像紋理特征的列線圖的臨床應(yīng)用價(jià)值。如圖6所示，在整個(gè)風(fēng)險(xiǎn)閾值區(qū)間內(nèi)，加入Risk-score后的預(yù)測(cè)模型獲得了更大的凈收益。該結(jié)果表明加入Risk-score的列線圖具有更大的臨床應(yīng)用潛力。

圖6 決策曲線對(duì)比Fig.6 Decision curve comparison

2.5 與其他MSI預(yù)測(cè)研究的對(duì)比

為了進(jìn)一步驗(yàn)證模型的性能，對(duì)比了其他關(guān)于MSI預(yù)測(cè)的研究，對(duì)比結(jié)果如表5所示。Fan[21]通過提取CT圖像的形態(tài)、紋理、Gabor小波等放射組學(xué)特征，結(jié)合臨床特征，使用Lasso和樸素貝葉斯分類器開發(fā)了三個(gè)預(yù)測(cè)模型用于MSI的預(yù)測(cè)，單獨(dú)使用臨床特征的模型AUC值為0.598，單獨(dú)使用放射組學(xué)特征的模型AUC值為0.688，聯(lián)合放射組學(xué)和臨床特征的模型AUC值為0.752，與提出的MSI預(yù)測(cè)模型的分類性能有較大差距。Wang[22]通過組織病理圖像的切片訓(xùn)練了一個(gè)ResNet-18網(wǎng)絡(luò)，得到患者M(jìn)SI狀態(tài)的似然分布，生成斑塊似然直方圖特征，使用XGboost分類器對(duì)患者的MSI狀態(tài)進(jìn)行預(yù)測(cè)，得到的模型在訓(xùn)練集上AUC值為0.93，測(cè)試集為0.73，存在較明顯的過擬合現(xiàn)象。

3 討論

本文提出了一種基于胃癌組織病理圖像紋理特征的MSI預(yù)測(cè)方法，提取原始圖像的GLCM、GLSZM、GLRLM等紋理特征，以及經(jīng)過wavelet變換后的紋理特征。使用Lasso回歸進(jìn)行特征選擇，得到9個(gè)與胃癌患者M(jìn)SI狀態(tài)最相關(guān)的紋理特征，基于這些紋理特征構(gòu)建了胃癌的MSI預(yù)測(cè)標(biāo)簽，并在訓(xùn)練集和驗(yàn)證集上對(duì)預(yù)測(cè)標(biāo)簽分類性能進(jìn)行驗(yàn)證，AUC值分別為0.75和0.74，該結(jié)果表明提出的預(yù)測(cè)標(biāo)簽對(duì)胃癌患者的MSI狀態(tài)有較好的區(qū)分度。

結(jié)合臨床特征與本文提出的預(yù)測(cè)標(biāo)簽構(gòu)建了胃癌MSI預(yù)測(cè)模型，與基于臨床特征的預(yù)測(cè)模型相比，在加入本文提出的預(yù)測(cè)標(biāo)簽后，模型的AUC值從0.696提升至0.802。為了進(jìn)一步驗(yàn)證本文提出的預(yù)測(cè)標(biāo)簽的有效性和預(yù)測(cè)模型的臨床價(jià)值，分別對(duì)加入預(yù)測(cè)標(biāo)簽前后的預(yù)測(cè)模型進(jìn)行校準(zhǔn)曲線，C-index值和決策曲線評(píng)價(jià)，結(jié)果顯示在加入本文提出的預(yù)測(cè)標(biāo)簽后，C-index值和校準(zhǔn)曲線表現(xiàn)有明顯提升，決策曲線分析也顯示出更大的凈收益。

與傳統(tǒng)的MSI檢測(cè)方法相比，利用機(jī)器學(xué)習(xí)技術(shù)基于容易獲得的組織病理圖像直接預(yù)測(cè)胃癌患者的MSI狀態(tài)，無需額外的實(shí)驗(yàn)室進(jìn)行基因檢測(cè)和免疫組織化學(xué)分析，可以以較低的成本實(shí)現(xiàn)MSI狀態(tài)的預(yù)測(cè)。

與基于CT圖像的計(jì)算機(jī)輔助MSI預(yù)測(cè)方法相比，考慮到不同掃描儀和成像方案在放射學(xué)特征可重復(fù)性方面的潛在差異[23]，而H&E染色的組織病理圖像的成像更為穩(wěn)定[24]，這可能是本文提出的MSI預(yù)測(cè)模型性能優(yōu)于Fan[21]的原因。與Wang[22]提出的方法相比，本文方法在基于組織病理圖像紋理特征的預(yù)測(cè)模型上展現(xiàn)出了相近的性能，但Wang[22]在模型構(gòu)建過程存在較為明顯的過擬合，且沒有充分利用患者的臨床數(shù)據(jù)，而將患者的組織病理圖像特征與臨床特征相結(jié)合構(gòu)建的列線圖預(yù)測(cè)模型可以實(shí)現(xiàn)個(gè)性化的MSI狀態(tài)預(yù)測(cè)。

4 結(jié)束語(yǔ)

本研究提出并驗(yàn)證了基于組織病理圖像的胃癌MSI預(yù)測(cè)方法，能夠有效預(yù)測(cè)胃癌患者的MSI狀態(tài)，為MSI的普遍篩查提供了可能，有潛力使更多的胃腫瘤患者在免疫治療中獲益。