MRI多序列模型融合影像組學(xué)預(yù)測(cè)局部晚期鼻咽癌患者同步放化療療效的價(jià)值

王欣，梁劉可，蘇曉紅，李欣儀，劉露，金觀橋*

鼻咽癌是一種頭頸部的惡性腫瘤，起源于鼻咽黏膜上皮細(xì)胞，在我國(guó)南部和東南亞國(guó)家多發(fā)[1]。2020年癌癥統(tǒng)計(jì)顯示，全球鼻咽癌新增病例133 354人，死亡人數(shù)為80 008 人[2]。由于解剖位置的隱蔽及癥狀不明顯，約70%～80%的患者就診時(shí)已是局部晚期[3]。目前，早期鼻咽癌的治療主要通過放療或同步放化療(concurrent chemoradiotherapy，CCRT)，局部晚期鼻咽癌主要治療方案是CCRT或誘導(dǎo)化療聯(lián)合CCRT4]。隨著調(diào)強(qiáng)放療技術(shù)改進(jìn)及化療方案的不斷優(yōu)化，鼻咽癌的預(yù)后較前不斷改善，但在CCRT后仍有約10%～20%的鼻咽癌患者出現(xiàn)局部復(fù)發(fā)[5]、約30%～40%的患者出現(xiàn)遠(yuǎn)處轉(zhuǎn)移[6]，這是導(dǎo)致鼻咽癌治療失敗的主要原因。因此預(yù)測(cè)患者對(duì)CCRT 的反應(yīng)，在治療前對(duì)治療方案進(jìn)行調(diào)整，可以避免不必要的治療和毒副作用。

影像組學(xué)被廣泛應(yīng)用于預(yù)測(cè)鼻咽癌[7-8]、直腸癌[9]、肺癌[10]的CCRT反應(yīng)等研究。Liu等[7]、Bulens等[9]的研究均表明MRI影像組學(xué)在預(yù)測(cè)鼻咽癌、直腸癌對(duì)CCRT的反應(yīng)具有較高的準(zhǔn)確率，因此MRI影像組學(xué)有望成為一種預(yù)測(cè)指標(biāo)。鼻咽癌的成像方法具有多樣化，主要有CT、PET/CT、MRI，目前鼻咽癌的MRI 影像組學(xué)研究最熱，主要原因是鼻咽癌是一種位于鼻咽部的軟組織腫物，而MRI相比前兩者具有更好的軟組織分辨率，能更好地反映解剖與腫瘤的異質(zhì)性。前人研究表明MRI 在預(yù)測(cè)鼻咽癌療效[11-12]、預(yù)后[13]、放化療后不良反應(yīng)[14]、診斷[15]等各方面均有重要價(jià)值。但是，當(dāng)前鼻咽癌的影像組學(xué)研究主要是采用傳統(tǒng)的單模態(tài)的方法，因此很難取得理想的預(yù)測(cè)性能。融合模型是將多個(gè)影像序列或醫(yī)學(xué)信息進(jìn)行融合處理而建立的，能更全面反應(yīng)腫瘤信息，進(jìn)一步提高了預(yù)測(cè)準(zhǔn)確性。大量研究表明，融合模型在預(yù)測(cè)療效[16]、轉(zhuǎn)移與復(fù)發(fā)[17]、疾病診斷[18]、預(yù)測(cè)組織學(xué)分型[19]、區(qū)分良惡性結(jié)節(jié)[20]等方面發(fā)揮重要作用。

目前利用融合模型來預(yù)測(cè)鼻咽癌療效的模型不多，且在新輔助化療[11-12,21]中比較多見，而融合模型預(yù)測(cè)鼻咽癌CCRT 療效的文章在國(guó)內(nèi)外尚未見報(bào)道。因此，本研究旨在探究MRI的多序列模型融合(multiple sequence model fusion，MSMF)影像組學(xué)模型預(yù)測(cè)局部晚期鼻咽癌患者對(duì)CCRT的治療反應(yīng)的價(jià)值。

1 材料和方法

1.1 患者臨床信息

本研究為回顧性研究，該研究方案已獲得廣西醫(yī)科大學(xué)附屬腫瘤醫(yī)院倫理委員會(huì)的批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：LW2022002?；仡櫺苑治鰪V西醫(yī)科大學(xué)附屬腫瘤醫(yī)院2015 年1 月至2019 年12 月的局部晚期鼻咽癌患者臨床資料。納入標(biāo)準(zhǔn)為：(1)經(jīng)病理活檢確診非角化型鼻咽癌；(2)初診局部晚期(Ⅲ、Ⅳ期；分期采用第八版國(guó)際抗癌聯(lián)盟/美國(guó)癌癥聯(lián)合委員會(huì)分期手冊(cè))鼻咽癌患者；(3)有完整的CCRT 前、后MRI 圖像[包括3 個(gè)序列，分別為T1WI、T2WI、對(duì)比增強(qiáng)T1 加權(quán)成像(contrast enhanced T1 weighted imaging，CE-T1WI)]，MRI掃描分別在治療前1 周內(nèi)、治療后2 周內(nèi)完成檢查，且圖像質(zhì)量好；(4)有完善的臨床信息(包括白細(xì)胞、血紅蛋白、血小板等)；(5)所有患者均接受CCRT 的治療方案；(6) CCRT 治療前腫瘤體積可測(cè)量。排除標(biāo)準(zhǔn)：(1)合并其他癌癥(如乳腺癌、肝癌)；(2)本次治療前有過放化療史、手術(shù)切除史的患者。

所有患者的治療方案均符合中國(guó)臨床腫瘤協(xié)會(huì)鼻咽癌診療指南。同步化療采用鉑類(順鉑100 mg/m2或洛鉑30 mg/m2)單藥同步化療,每3 周1 次，行1～3 個(gè)周期。調(diào)強(qiáng)放療采用6MV線性加速器，總劑量70.4～72.6 Gy,每次2.0～2.2 Gy，共照射30～33 次，每天1次，每周5次，連續(xù)6～7周。在CCRT前給予誘導(dǎo)化療，方案為TPF (多西他賽60 mg/m2，順鉑60 mg/m2，5-FU 600 mg/m2)、TP (多西他賽75 mg/m2，順鉑60 mg/m2)或GP(吉西他濱1000 mg/m2，順鉑80 mg/m2)方案。本研究使用的藥劑包括：順鉑注射液(江蘇豪森藥業(yè)股份有限公司，中國(guó))；洛鉑注射液(海南長(zhǎng)沙國(guó)際制藥有限公司，中國(guó))；多西他賽注射液[賽諾菲安萬特(杭州)有限公司]；吉西他濱(江蘇豪森藥業(yè)股份有限公司，中國(guó))；5-FU (上海旭東海普藥業(yè)有限公司，中國(guó))。

1.2 腫瘤反應(yīng)的評(píng)估

兩位具有10年診斷經(jīng)驗(yàn)的放射科醫(yī)生(主治醫(yī)師、主任醫(yī)師)根據(jù)實(shí)體腫瘤標(biāo)準(zhǔn)(response evaluation criteria in solid tumors，RECIST 1.1[22])對(duì)CCRT后的MRI圖像進(jìn)行治療反應(yīng)評(píng)估，分為完全緩解(complete response，CR)、部分緩解(partial response，PR)、疾病進(jìn)展(progressive disease，PD)、疾病穩(wěn)定(stable disease，SD)。我們定義CR為完全反應(yīng)組，PR、SD、PD為非完全反應(yīng)組。意見不一致時(shí)，協(xié)商達(dá)成一致結(jié)果。圖1為鼻咽癌治療前后MRI圖像。

圖1 鼻咽癌治療前、后MRI圖像。1A、1B：男，36 歲，治療前(1A)與治療后(1B)的MRI圖像對(duì)比，治療后腫瘤消退，療效評(píng)估為完全緩解；1C、1D：男，46 歲，治療前(1C)與治療后(1D)的MRI圖像對(duì)比，治療后腫瘤不完全消退，療效評(píng)估為部分緩解。Fig. 1 MRI images of nasopharyngeal carcinoma before and after treatment. 1A, 1B:The MRI images of patient a, male, 36 years old, before treatment (1A) and after treatment(1B)were compared.After treatment,the tumor subsided and the efficacy was evaluated as complete response;1C,1D:The MRI images of patient b,male, 46 years old, before treatment (1C) and after treatment (1D) were compared. The tumor was not completely regressed after treatment, and the efficacy was evaluated as partial remission.

1.3 MRI圖像采集協(xié)議及圖像采集

使用磁共振成像設(shè)備(MAGNETOM AVANTO 1.5 T，西門子，德國(guó)或者DISCOVERY MR750 3.0 T,GE，美國(guó))及自帶頭頸組合線圈進(jìn)行圖像掃描，掃描范圍從鎖骨至鞍上池上緣。掃描結(jié)束后從影像歸檔和通訊系統(tǒng)采集CCRT 前T1WI、T2WI、CE-T1WI 三個(gè)序列MRI 圖像，并以DICOM格式導(dǎo)出。1.5 T MRI掃描參數(shù)如下：T1WI：TR/TE 957 ms/19 ms，矩陣256×256；CE-T1WI：TR/TE 885 ms/19 ms，矩陣 256×256；T2WI_FS：TR/TE 6760 ms/91 ms,矩陣768×696；三種序列其余參數(shù)一致：層厚5 mm，層間距1 mm，F(xiàn)OV 374 mm×240 mm。3.0 T MRI掃描參數(shù)如下：T1WI：TR/TE 610 ms/12 ms；CE-T1WI：TR/TE 4748 ms/65 ms；T2WI_FS：TR/TE 682 ms/10 ms；三種序列其余參數(shù)一致：矩陣512×512，層厚5 mm，層間距1 mm，F(xiàn)OV=374 mm×240 mm。增強(qiáng)掃描前患者靜脈注射對(duì)比劑釓特酸葡胺[釓特酸葡胺注射液，國(guó)藥準(zhǔn)字H20153167,15 mL (5.654 g,以釓特酸葡胺計(jì)),江蘇恒瑞醫(yī)藥股份有限公司，中國(guó)，劑量：0.2 mL/kg]。

1.4 圖像分割

由兩位具有10 年診斷經(jīng)驗(yàn)的放射科醫(yī)師使用ITK-SNAP軟件(版本號(hào)：3.8.0 http://www.itksnap.org)逐層勾畫治療前T1WI、T2WI、CE-T1WI三個(gè)序列的鼻咽癌腫瘤原發(fā)灶并審查，從而獲得三維容積感興趣區(qū)域(region of interest，ROI)，并且兩名放射科醫(yī)生對(duì)患者臨床信息不知情，對(duì)于有歧義的區(qū)域通過討論解決。研究流程如圖2所示。

圖2 工作流程圖。T1WI：T1加權(quán)成像；T2WI：T2加權(quán)成像；CE-T1WI：對(duì)比增強(qiáng)T1 加權(quán)成像；ROI：感興趣區(qū)域；MCMR：最大相關(guān)最小冗余；SVM：支持向量機(jī)；MSMF:多序列模型融合。Fig. 2 Workflow chart. T1WI: T1-weighted imaging; T2WI: T2-weighted imaging; CE-T1WI: Contrast-enhanced T1-weighted imaging; ROI: Region of interest; MCMR: maximum correlation and minimum redundancy. SVM:support vector machine;MSMF:multi-sequence model fusion.

1.5 特征提取

使用Matlab 2018a軟件進(jìn)行特征提取，分別提取T1WI、T2WI、CE-T1WI三個(gè)序列的圖像特征。為了增強(qiáng)提取的放射組學(xué)特征的魯棒性和可復(fù)制性，本研究采用小波帶通濾波、各向同性重采樣、灰度離散等方法獲取各種放射組學(xué)特征。首先，在小波域下設(shè)置了5個(gè)不同的帶通子帶系數(shù)，小波相關(guān)帶通子帶系數(shù)分別定義為0.5、0.67、1.0、1.5、2.0，從而可以在不同的小波尺度下提供更多的成像特征。然后，對(duì)不同序列的MRI影像進(jìn)行圖像采樣標(biāo)準(zhǔn)化[23]處理，在各向同性重采樣中，通過三次插值對(duì)ROI進(jìn)行重新采樣，以獲得不同尺寸下的適當(dāng)分辨率，尺寸分別設(shè)置為0.9、1、1.2、1.5 和2。最后，采用灰度離散化法獲得噪聲抑制特性，灰度級(jí)分別設(shè)置為8、16、32和64。

1.6 影像組學(xué)特征選擇

將數(shù)據(jù)按3∶1的比例隨機(jī)分為訓(xùn)練集和驗(yàn)證集。隨后對(duì)特征進(jìn)行選擇，首先采用獨(dú)立樣本t檢驗(yàn)方法進(jìn)行特征的初步篩選，選擇具有統(tǒng)計(jì)學(xué)意義的特征(P＜0.05)。最后，使用R 軟件通過最大相關(guān)最小冗余算法進(jìn)行特征二次選擇，得到療效相關(guān)的最小冗余的影像組學(xué)特征。

1.7 預(yù)測(cè)模型建立

首先，將篩選出的特征通過支持向量機(jī)(support vector machine，SVM)建立了臨床模型及分別基于T1WI、T2WI、CE-T1WI序列的影像組學(xué)模型等4個(gè)預(yù)測(cè)模型。相比其他類器，SVM 對(duì)于線性不可分的情況能更好地進(jìn)行分類，通過線性非映射算法降低空間數(shù)據(jù)維度，將其轉(zhuǎn)化為高維度空間特征。

然后，本研究還將T1WI、T2WI、CE-T1WI輸出的模型加權(quán)融合建立MSMF模型。該模型基于各個(gè)序列建模的AUC值進(jìn)行權(quán)重分配,見公式(1)。

wi表示第i個(gè)模型分配的權(quán)重，AUCi表示第i個(gè)模型的AUC，∑KL AUCk表示三個(gè)模型AUC的總和。加權(quán)融合是對(duì)單個(gè)序列模型進(jìn)行線性加權(quán)并將分類結(jié)果整合[24]。最后，本研究嘗試將影像組學(xué)與臨床信息結(jié)合建模，以此得到多模態(tài)特征預(yù)測(cè)模型，將基于上述分類性能最優(yōu)的MSMF模型生成輸出值作為影像組學(xué)評(píng)分(Rad-score)，采用Logistic 回歸將Rad-score 和臨床信息融合進(jìn)行建模建立了臨床-MSMF模型[13]。

1.8 統(tǒng)計(jì)學(xué)分析

使用MedCalc 軟件(20.106 版本，德國(guó))繪制ROC曲線。使用SPSS 23.0 軟件(IBM SPSS Statistics 23.0,美國(guó))進(jìn)行統(tǒng)計(jì)學(xué)分析，分類資料用卡方檢驗(yàn)進(jìn)行分析，計(jì)量資料符合正態(tài)分布、非正態(tài)分布分別用t檢驗(yàn)、曼-恵特尼U檢驗(yàn)進(jìn)行分析，雙側(cè)P值＜0.05 認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。使用Matlab 2018a(9.4.0 版本)進(jìn)行特征提取，使用R 軟件(4.1.2 版本，http://www.r-project.org)進(jìn)行特征選擇、建模及Delong檢驗(yàn)分析。

2 結(jié)果

2.1 患者臨床信息及腫瘤反應(yīng)評(píng)估

共收集154 名符合標(biāo)準(zhǔn)的鼻咽癌患者資料。按腫瘤反應(yīng)評(píng)估分為完全反應(yīng)組(n=83)、非完全反應(yīng)組(n=71)。兩組的臨床信息在WHO 病理分型的差異有統(tǒng)計(jì)學(xué)意義(P＜0.05)，在性別、年齡、臨床分期、白細(xì)胞、血紅蛋白、淋巴細(xì)胞、單核細(xì)胞、乳酸脫氫酶、血小板、白蛋白、乙肝表面抗原定性、同期化療方案的差異均無統(tǒng)計(jì)學(xué)意義(表1)。

表1 完全反應(yīng)組與非完全反應(yīng)組的臨床特征差異Tab.1 Difference of clinical characteristics between complete response group and incomplete response group

2.2 影像組學(xué)特征提取、選擇

從三個(gè)序列各提取9766 個(gè)特征，包括一階特征(n=12)、形狀特征(n=4)、灰度共生矩陣(gray level co-occurrence matrix，GLCM)特征(n=9)、灰度大小區(qū)域矩陣(gray level size zone matrix，GLSZM)特征(n=13)、灰度游程矩陣(gray level run length matrix，GLRLM)特征(n=13)、鄰域灰度差矩陣(neighbouring gray tone difference matrix，NGTDM)特征(n=5)、小波特征。隨后，將特征通過t檢驗(yàn)篩選，獲得T1WI、T2WI、CE-T1WI的特征分別為4505、3810、5481個(gè)。最后，使用R軟件二次選擇得到40個(gè)的高度相關(guān)的非冗余特征，最后將篩選出的非冗余特征用于后續(xù)的建模。

2.3 預(yù)測(cè)模型的建立

本研究在訓(xùn)練集和驗(yàn)證集通過SVM 及Logistic回歸分別建立了六個(gè)預(yù)測(cè)模型，各模型的ROC 曲線、AUC 值、敏感度、特異度、95%置信區(qū)間、P值如圖3、表2所示。

表2 訓(xùn)練集和驗(yàn)證集模型的ROC曲線Tab.2 ROC curves of training set and validation set models

圖3 訓(xùn)練集(3A)和驗(yàn)證集(3B)ROC 曲線。Cli、T1、T2、T1C、mix、cli_rad模型分別代表臨床、T1WI、T2WI、CE-T1WI、MSMF、臨床-MSMF 預(yù)測(cè)模型；AUC代表曲線下面積。Fig. 3 The ROC curves of the training set (3A) and the validation set(3B) respectively. Cli, T1, T2, T1C, mix and cli_rad models represent clinical, T1WI, T2WI, CE-T1WI, MSMF and clinical-MSMF predictive models,respectively；AUC represents the area under the curve.

在訓(xùn)練集中，各模型的AUC 值均大于0.8，P值均小于0.05，各模型均顯示出優(yōu)越的預(yù)測(cè)能力，其中MSMF 模型的預(yù)測(cè)CCRT 療效的能力最好(AUC=0.985)。在 驗(yàn) 證 集 中，結(jié) 果 為 在CE-T1WI、T2WI、MSMF、臨床-MSMF、T1WI、臨床預(yù)測(cè)模型中，除T1WI、臨床預(yù)測(cè)模型的P值大于0.05，其余模型的P值均小于0.05，AUC 分別為0.842、0.711、0.896、0.867、0.633、0.542,結(jié)果表明基于T1WI、臨床信息建立的模型不能有效預(yù)測(cè)療效，其余模型均具有優(yōu)良的預(yù)測(cè)能力，其中MSMF 放射組學(xué)模型的預(yù)測(cè)療效能力最好,臨床-MSMF模型次之。

最后，采用Delong 檢驗(yàn)分析對(duì)驗(yàn)證集中的模型進(jìn)行兩兩比較(圖4)，該圖是根據(jù)Delong 檢驗(yàn)得出的檢驗(yàn)統(tǒng)計(jì)量(Z值或D值)繪制的熱圖，可以看出臨床、T1WI模型分別與CE-T1WI、MSMF、臨床-MSMF預(yù)測(cè)模型及T2WI 與MSMF 模型兩兩比較的P值均＜0.05，組間AUC值存在顯著差異，說明CE-T1WI、MSMF、臨床-MSMF預(yù)測(cè)模型在區(qū)分完全反應(yīng)組與非完全反應(yīng)組的能力明顯優(yōu)于臨床、T1WI、T2WI 模型；其余組間差異對(duì)比的P值大于0.05，差異不具有統(tǒng)計(jì)學(xué)意義，說明其余兩兩對(duì)比的模型在預(yù)測(cè)療效方面的能力相當(dāng)(如CE-T1WI vs. MSMF, MSMF vs.臨床-MSMF)。

圖4 Delong 檢驗(yàn)的熱圖。圖中數(shù)值代表Delong 檢驗(yàn)統(tǒng)計(jì)量(Z 值與D值)，*代表兩組AUC 差異具有統(tǒng)計(jì)學(xué)意義。Cli、T1、T2、T1C、mix、cli＆rad分別代表臨床、T1WI、T2WI、CE-T1WI、MSMF、臨床-MSMF預(yù)測(cè)模型。Fig 4 Heatmap of Delong's test. The values in the figure represent the Delong test statistic (Z value and D value), and the * represents that the difference in AUC between the two groups is statistically significant. Cli,T1, T2, T1C, mix and cli＆rad_models represent clinical, T1WI, T2WI,CE-T1WI,MSMF and clinical-MSMF predictive models,respectively.

3 討論

本研究建立了多個(gè)影像組學(xué)模型來預(yù)測(cè)局部晚期鼻咽癌對(duì)CCRT的反應(yīng)，包括臨床模型、影像組學(xué)模型、臨床-影像組學(xué)模型，其中多序列融合模型(MSMF模型)具有優(yōu)越的預(yù)測(cè)性能，該模型由T1WI、T2WI、CE-T1WI的模型融合建立，在訓(xùn)練集和驗(yàn)證集AUC值分別高達(dá)為0.985、0.896。目前基于影像組學(xué)預(yù)測(cè)局部晚期鼻咽癌療效的研究多采用單一影像序列進(jìn)行建模，而不同的影像序列能從不同角度提供更多的有利信息。本研究首次使用多序列MRI后融合模型對(duì)局部晚期鼻咽癌的療效反應(yīng)進(jìn)行預(yù)測(cè)，且與傳統(tǒng)的單一序列影像組學(xué)模型相比預(yù)測(cè)效果更佳。本研究為進(jìn)一步優(yōu)化影像組學(xué)模型的預(yù)測(cè)性能提供了一種新方法，既能在治療前通過結(jié)合各種醫(yī)療信息更準(zhǔn)確地預(yù)測(cè)CCRT療效，為臨床決策提供更好的參考依據(jù)，又能避免過度醫(yī)療和減少醫(yī)療費(fèi)用；此外，本研究預(yù)測(cè)模型還能減少臨床上評(píng)估療效的主觀性，在預(yù)測(cè)療效方面具有客觀性、便捷性、準(zhǔn)確性的特點(diǎn)。

3.1 影像組學(xué)在預(yù)測(cè)療效的價(jià)值

影像組學(xué)是一種非侵入性、定量提取圖像特征的方法，可以全面地反映腫瘤的形狀、空間、異質(zhì)性。國(guó)內(nèi)外研究[12,23,25]表明影像組學(xué)具有預(yù)測(cè)鼻咽癌療效的重要價(jià)值。目前用影像組學(xué)預(yù)測(cè)鼻咽癌新輔助化療療效的研究眾多[11,26]，而影像組學(xué)預(yù)測(cè)鼻咽癌CCRT療效的研究報(bào)道少見，因此本研究探究了MRI影像組學(xué)預(yù)測(cè)CCRT療效的價(jià)值。

本研究結(jié)果發(fā)現(xiàn)，在驗(yàn)證集中臨床模型和影像組學(xué)模型的AUC值分別為0.542、0.633～0.896，表明了不同的模型預(yù)測(cè)準(zhǔn)確性有差別，并且影像組學(xué)模型的預(yù)測(cè)效果均高于臨床模型。Liu等[7]研究也表明在預(yù)測(cè)鼻咽癌CCRT 的能力上CE-T1WI 模型優(yōu)于T2WI模型，AUC 分別為0.952、0.904，說明CE-T1WI 序列在鼻咽癌影像組學(xué)的研究中具備較好的應(yīng)用價(jià)值，但該研究AUC 值高于本研究，可能原因是研究方法不同，該研究采用了機(jī)器學(xué)習(xí)，使用了K-最近鄰、十折交叉驗(yàn)證等算法，因此本研究算法還有待進(jìn)一步改進(jìn)。Zhao 等[11]研究結(jié)果也與本研究一致，結(jié)果表明影像組學(xué)模型、臨床結(jié)合影像組學(xué)模型準(zhǔn)確性優(yōu)于臨床模型?？赡茉蚴怯跋窠M學(xué)能反映腫瘤內(nèi)部的異質(zhì)性[27]，而臨床特征不具有特異性。由此可見，影像組學(xué)可作為一種早期預(yù)測(cè)鼻咽癌療效的有效指標(biāo)，有助于早期干預(yù)以改善患者預(yù)后。

3.2 融合模型在預(yù)測(cè)療效的價(jià)值

目前許多預(yù)測(cè)模型正朝著多模態(tài)融合[28]形式發(fā)展，融合能將多個(gè)醫(yī)學(xué)圖像或信息結(jié)合，使數(shù)據(jù)得到信息上的最大的利用及互補(bǔ)。研究表明了融合模型在惡性腫瘤[9,29-30]中預(yù)測(cè)CCRT 療效有重要價(jià)值，但是目前融合模型預(yù)測(cè)鼻咽癌CCRT的研究尚未見報(bào)道。

本研究將不同序列模型按AUC進(jìn)行權(quán)重分配，然后通過線性加權(quán)融合得到MSMF模型，在驗(yàn)證集的AUC為0.896；而單一序列T1WI、T2WI、CE-T1WI 模型在驗(yàn)證集的AUC 分別為0.633、0.711、0.842，比較發(fā)現(xiàn)MSMF 模型的AUC 值與單一序列模型相比得到較大提升，不僅說明本研究的融合方式具有可行性，還證明了MSMF模型具有比傳統(tǒng)單一影像學(xué)模型更好的預(yù)測(cè)能力。既往研究也表明融合模型的優(yōu)越性，Wang等[26]研究MRI紋理特征預(yù)測(cè)NPC誘導(dǎo)化療反應(yīng)，分別建立了單獨(dú)CE-T1W模型和CE-T1WI、T2WI-FS、T2WI融合模型，AUC分別為0.715、0.822，敏感度分別為0.940、0.980，特異度分別為0.500、0.529，結(jié)果也表明融合模型預(yù)測(cè)能力比單一模型更好，說明采用融合模型能將不同序列影像的信息進(jìn)行互補(bǔ)，進(jìn)而提高模型的預(yù)測(cè)性能。同時(shí)，本研究也根據(jù)MSMF模型生成影像組學(xué)評(píng)分，并與臨床信息進(jìn)行多模態(tài)融合建模，結(jié)果表明相比于單一臨床模型，臨床-影像組學(xué)融合模型(臨床-MSMF 模型)預(yù)測(cè)效果顯著提高。先前研究[12]基于MRI 放射組學(xué)諾模圖預(yù)測(cè)誘導(dǎo)化療的療效，結(jié)果表明結(jié)合臨床與放射組學(xué)模型比單獨(dú)的臨床模型預(yù)測(cè)能力好，AUC 分別為0.79、0.62，但本研究的臨床-MSMF模型的AUC較MSMF 模型的稍低，可能原因是本研究樣本數(shù)量少，且臨床分期只有Ⅲ、Ⅳ期，且患者的有效臨床信息較少，所以導(dǎo)致臨床-影像組學(xué)模型預(yù)測(cè)能力降低。

由此可見傳統(tǒng)影像組學(xué)模型僅通過單一序列特征或者信息來預(yù)測(cè)療效，不能全面反應(yīng)腫瘤的信息，而本研究中MSMF 模型發(fā)揮各個(gè)模型的優(yōu)勢(shì)，不僅整合了T1WI、CE-T1WI、T2WI反映的腫瘤的形態(tài)、解剖特征信息，還整合了CE-T1WI、T2WI反映的腫瘤的血供、含水量的情況，而腫瘤的血供、含水量往往與腫瘤的復(fù)發(fā)轉(zhuǎn)移等生物學(xué)行為密切相關(guān)[31]。綜上所述，融合模型在療效預(yù)測(cè)方面潛力巨大，在未來隨著分子標(biāo)志物的發(fā)展，有望將影像、臨床、基因、蛋白等多種信息相融合進(jìn)一步提高預(yù)測(cè)能力。

3.3 局限性

本研究存在一些不足，第一，本研究未進(jìn)行多中心研究，模型不具有普遍適用性，可能隨著設(shè)備、醫(yī)院的不同預(yù)測(cè)能力不穩(wěn)定；第二，本研究只選取了CCRT 前有可以測(cè)量腫瘤體積和Ⅲ、Ⅳ期的局部晚期的鼻咽癌患者，存在選擇偏倚；第三，樣本數(shù)量偏少，這可能導(dǎo)致我們的研究沒能發(fā)現(xiàn)統(tǒng)計(jì)分析中存在的顯著性差異，后續(xù)研究可增大樣本量；第四，由于鼻咽癌侵犯的范圍廣，顱底結(jié)構(gòu)復(fù)雜，無法自動(dòng)分割，所有ROI 通過手動(dòng)分割，因此導(dǎo)致分割圖像具有主觀性；最后，訓(xùn)練集中臨床-MSMF 存在過擬合的現(xiàn)象。

綜上所述，本研究驗(yàn)證了MSMF 影像組學(xué)模型在預(yù)測(cè)CCRT療效方面的重要價(jià)值，但仍存在不足，后續(xù)將加大樣本量，進(jìn)行多中心研究，并且探究新算法提高預(yù)測(cè)準(zhǔn)確率及穩(wěn)定性。

作者利益沖突聲明：全體作者聲明均無利益沖突。