聯(lián)合含瘤周腫瘤全體積CT影像組學(xué)特征及臨床相關(guān)獨(dú)立預(yù)測(cè)因子列線(xiàn)圖預(yù)測(cè)肺腺癌淋巴血管侵犯

陳巧玲，馮 峰*，李曼曼，薛 婷，彭 慧，石 健，朱興華，段紹峰

(1.南通大學(xué)附屬腫瘤醫(yī)院放射科，2.病理科，江蘇 南通 226000；3.GE醫(yī)療，上海 210000)

肺腺癌是肺癌最常見(jiàn)組織學(xué)亞型，手術(shù)切除是治療早期肺腺癌的有效方法，而淋巴血管侵犯(lymphovascular invasion, LVI)，即腫瘤細(xì)胞侵犯腫瘤周?chē)§o脈、小動(dòng)脈或小淋巴管而形成微轉(zhuǎn)移，是影響肺腺癌切除術(shù)后轉(zhuǎn)歸的重要危險(xiǎn)因素[1]，可反映腫瘤侵襲性生物學(xué)行為[2]。對(duì)于LVI陽(yáng)性肺腺癌患者，術(shù)前行新輔助化學(xué)治療可降低術(shù)后復(fù)發(fā)率[3]；相比亞肺葉切除術(shù)，行肺葉切除術(shù)、擴(kuò)大淋巴結(jié)清掃范圍有利于改善預(yù)后[4]。術(shù)前準(zhǔn)確判斷肺腺癌有無(wú)LVI有助于臨床制定治療方案，但目前主要依靠術(shù)后病理檢查診斷LVI?；诜蜗侔┰l(fā)灶CT影像組學(xué)特征可預(yù)測(cè)LVI[5-6]；而原發(fā)腫瘤周?chē)谓M織亦會(huì)參與腫瘤浸潤(rùn)與轉(zhuǎn)移[7]。本研究觀察基于腫瘤全體積(gross peritumoral tumor volume, GPTV)CT影像組學(xué)特征和臨床相關(guān)獨(dú)立預(yù)測(cè)因子構(gòu)建的聯(lián)合模型列線(xiàn)圖預(yù)測(cè)肺腺癌LVI的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性分析2013年1月—2018年5月142例于南通大學(xué)附屬腫瘤醫(yī)院經(jīng)手術(shù)病理證實(shí)的單發(fā)肺腺癌患者，男84例，女58例，年齡41～86歲，平均(63.0±8.4)歲；均經(jīng)術(shù)后病理證實(shí)有無(wú)LVI，于術(shù)前2周內(nèi)接受胸部CT掃描且圖像符合診斷要求。排除標(biāo)準(zhǔn)：①肺腺癌長(zhǎng)徑<1 cm；②合并其他惡性腫瘤；③術(shù)前接受抗腫瘤治療。按7∶3比例將患者隨機(jī)分為訓(xùn)練集(n=100)和驗(yàn)證集(n=42)，分別含40例LVI陽(yáng)性、60例LVI陰性及17例LVI陽(yáng)性、25例LVI陰性患者。

1.2 儀器與方法 采用Siemens SOMATOM Sensation 64排CT機(jī)行胸部平掃，管電壓120 kV，管電流自動(dòng)調(diào)制，層厚及層間距均為5 mm，螺距1.0，矩陣512×512，準(zhǔn)直1.0 mm；以流率2.5～3.0 ml/s經(jīng)靜脈注射對(duì)比劑碘海醇(300 mgI/ml)1.5 ml/kg體質(zhì)量后行增強(qiáng)掃描，延遲25 s及50 s采集動(dòng)脈期及靜脈期圖像，參數(shù)同上。

1.3 圖像分析 重建肺窗 (窗寬1 500 HU，窗位-600 HU)和縱隔窗圖像(窗寬350 HU，窗位40 HU)。由分別具有5年及10年以上胸部影像學(xué)診斷經(jīng)驗(yàn)的主治及副主任醫(yī)師各1名共同閱片，記錄病灶最大徑、成分、淋巴結(jié)轉(zhuǎn)移、分葉征、毛刺征、強(qiáng)化程度及臨床分期。選取病灶中心層面實(shí)性部分測(cè)量CT值，以動(dòng)脈期與平掃CT值的差值≥20 HU為明顯強(qiáng)化[8]，<20 HU為無(wú)明顯強(qiáng)化。

1.4 提取和選擇影像組學(xué)特征 由上述2名醫(yī)師分別參照文獻(xiàn)[9]方法，結(jié)合平掃縱隔窗所示強(qiáng)化情況觀察腫瘤輪廓、內(nèi)部壞死空洞區(qū)域，于增強(qiáng)動(dòng)脈期肺窗圖像上確定腫瘤邊界，盡可能將氣體、骨質(zhì)和胸壁等組織均排除在靶區(qū)外，并以ITK-SNAP 3.8.0軟件(www.itksnap.org)沿腫瘤邊界勾畫(huà)腫瘤全體積(gross tumor volume, GTV)作為ROI。應(yīng)用開(kāi)源軟件MITK(v2021.02, https://www.mitk.org)以區(qū)域增長(zhǎng)方法將GTV自動(dòng)向周?chē)謩e擴(kuò)增3 mm、6 mm和9 mm，獲得相應(yīng)GPTV的ROI，即GPTV3、GPTV6及GPTV9，見(jiàn)圖1。意見(jiàn)存在分歧時(shí)，經(jīng)討論達(dá)成一致。

利用開(kāi)源工具Pyradiomics軟件分別提取、計(jì)算靶區(qū)GTV、GPTV3、GPTV6和GPTV9的影像組學(xué)特征。以組內(nèi)相關(guān)系數(shù)(intra-class correlation coefficient, ICC)評(píng)估2名醫(yī)師提取影像組學(xué)特征的一致性，保留一致性較好(ICC>0.75)者。以最大相關(guān)最小冗余方法及最小絕對(duì)收縮和選擇算法(least absolute shrinkage and selection operator, LASSO)邏輯回歸法對(duì)特征降維，分別根據(jù)最優(yōu)超參數(shù)λ值篩選最佳影像組學(xué)特征，構(gòu)建預(yù)測(cè)肺腺癌LVI的GPTV3、GPTV6及GPTV9影像組學(xué)模型，并計(jì)算其影像組學(xué)評(píng)分(radiomics score, Radscore)。采用10折交叉驗(yàn)證，基于每個(gè)獨(dú)立交叉測(cè)試結(jié)果評(píng)估模型診斷效能，以篩選最佳模型。

1.5 統(tǒng)計(jì)學(xué)分析 采用SPSS 26.0統(tǒng)計(jì)分析軟件和R 語(yǔ)言(version 4.2.0)。以中位數(shù)(上下四分位數(shù))表示不符合正態(tài)分布的計(jì)量資料，行Mann-WhitneyU檢驗(yàn)；以χ2檢驗(yàn)比較計(jì)數(shù)資料。將單因素分析顯示差異有統(tǒng)計(jì)學(xué)意義的臨床因素納入多因素logistic回歸，篩選肺腺癌LVI臨床相關(guān)獨(dú)立預(yù)測(cè)因子，并建立臨床模型。基于最佳影像組學(xué)模型的Radscore和臨床相關(guān)獨(dú)立預(yù)測(cè)因子構(gòu)建聯(lián)合模型，繪制其列線(xiàn)圖。繪制受試者工作特征(receiver operating characteristic, ROC)曲線(xiàn)，計(jì)算曲線(xiàn)下面積(area under the curve, AUC)，評(píng)估模型診斷效能；以DeLong檢驗(yàn)評(píng)估其AUC差異。采用Hosmer-Lemeshow檢驗(yàn)評(píng)估聯(lián)合模型列線(xiàn)圖的擬合優(yōu)度，以決策曲線(xiàn)分析(decision curve analysis, DCA)評(píng)估聯(lián)合模型列線(xiàn)圖的臨床實(shí)用性。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 構(gòu)建臨床模型 LVI陽(yáng)性與陰性肺腺癌患者性別、吸煙和毛刺征差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05)，其余參數(shù)差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)。見(jiàn)表1。多因素logistic回歸分析顯示，性別[OR=3.09,95%CI(1.12，8.54)]、吸煙[OR=2.28,95%CI(0.90，5.80)]和毛刺征[OR=0.27,95%CI(0.09，0.74)]均為肺腺癌LVI的獨(dú)立預(yù)測(cè)因子(P均<0.05)，故以之建立臨床模型。

表1 LVI陽(yáng)性與陰性肺腺癌患者一般資料及病灶CT表現(xiàn)比較

2.2 構(gòu)建影像組學(xué)模型 分別基于GTV、GPTV3、GPTV6及GPTV9提取1 218個(gè)影像組學(xué)特征，以ICC>0.75為標(biāo)準(zhǔn)，分別保留952、1 060、988及973個(gè)，經(jīng)LASSO回歸分別選出7、16、10及8個(gè)最佳影像組學(xué)特征(圖2)，以之構(gòu)建GTV、GPTV3、GPTV6及GPTV9模型。

2.3 評(píng)估模型效能 GTV、GPTV3、GPTV6和GPTV9模型預(yù)測(cè)訓(xùn)練集肺腺癌LVI陽(yáng)性的AUC分別為0.79、0.82、0.80及0.77，在驗(yàn)證集分別為0.72、0.77、0.72及0.72。GPTV3模型在訓(xùn)練及驗(yàn)證集的AUC均高于GTV(Z=3.74、2.62，P均<0.01)、GPTV6(Z=2.40、2.06，P均<0.05)及GPTV9模型(Z=3.03、2.59，P均<0.01)。以GPTV3模型為最佳影像組學(xué)模型，基于其Radscore及臨床相關(guān)獨(dú)立預(yù)測(cè)因子構(gòu)建的聯(lián)合模型的列線(xiàn)圖見(jiàn)圖3。

訓(xùn)練集中，聯(lián)合模型列線(xiàn)圖及GPTV3模型預(yù)測(cè)肺腺癌LVI的AUC(0.86、0.82)均高于臨床模型(0.73，Z=2.66、2.23，P<0.01、P=0.03)，而聯(lián)合模型列線(xiàn)圖與GPTV3模型的AUC差異無(wú)統(tǒng)計(jì)學(xué)意義(Z=1.57，P=0.12)；驗(yàn)證集中，聯(lián)合模型列線(xiàn)圖及GPTV3模型的AUC(0.73、0.77)均高于臨床模型(0.61，Z=2.31、2.54，P=0.02、P<0.01)，而聯(lián)合模型列線(xiàn)圖與GPTV3模型的AUC差異無(wú)統(tǒng)計(jì)學(xué)意義(Z=0.88，P=0.38)，見(jiàn)表2及圖4。訓(xùn)練集及驗(yàn)證集中，聯(lián)合模型列線(xiàn)圖的擬合度均良好(χ2=9.23、5.86，P=0.32、0.66)。訓(xùn)練集中，閾值取0.40～0.90時(shí)，聯(lián)合模型列線(xiàn)圖的凈收益大于臨床模型及GPTV3模型；驗(yàn)證集中，閾值取0.20～0.50時(shí)，聯(lián)合模型列線(xiàn)圖與GPTV3模型的凈收益相當(dāng)，且均大于臨床模型。見(jiàn)圖5。

表2 臨床模型、GPTV3模型及聯(lián)合模型列線(xiàn)圖預(yù)測(cè)肺腺癌LVI的效能

3 討論

腫瘤周?chē)鷧^(qū)域(病灶邊界與正常肺組織之間的過(guò)渡區(qū))包含大量反映腫瘤侵襲性的生物學(xué)信息，CT圖像中的腫瘤周?chē)?～9 mm區(qū)域可提供與肺腺癌異質(zhì)性相關(guān)的影像組學(xué)信息[10-11]。本研究基于增強(qiáng)動(dòng)脈期肺窗CT圖像勾畫(huà)GTV的ROI，并分別向外擴(kuò)增3 mm、6 mm和9 mm獲得相應(yīng)GPTV的ROI，各于其中篩選出7、16、10及8個(gè)最佳影像組學(xué)特征，以構(gòu)建影像組學(xué)模型；其中各含6、10、7、6個(gè)小波變換類(lèi)(wavelet)影像組學(xué)特征，與既往文獻(xiàn)[5]相似。相比GTV、GPTV6及GPTV9模型，本組GPTV3模型預(yù)測(cè)肺腺癌LVI效能最佳，為最佳影像組學(xué)模型，提示含瘤周3 mm的GPTV可提供更多反映肺腺癌LVI的相關(guān)信息[12]。

本研究發(fā)現(xiàn)性別、吸煙和毛刺征是肺腺癌LVI的臨床相關(guān)獨(dú)立預(yù)測(cè)因子，并據(jù)此建立臨床模型。毛刺征由肺腫瘤及肺間質(zhì)構(gòu)成，代表腫瘤細(xì)胞浸潤(rùn)周?chē)Y(jié)締組織和淋巴管[13]；CT顯示肺腺癌存在毛刺征常提示腫瘤惡性程度較高，腫瘤細(xì)胞增殖較活躍，易侵犯血管或淋巴管。本研究肺腺癌LVI與臨床分期之間無(wú)明顯相關(guān)，與既往報(bào)道[14]結(jié)果不同，推測(cè)與樣本量較小有關(guān)。本研究結(jié)合臨床相關(guān)獨(dú)立預(yù)測(cè)因子及GPTV3模型的Radscore構(gòu)建聯(lián)合模型，并繪制列線(xiàn)圖將之可視化，以綜合評(píng)估肺腺癌LVI；其預(yù)測(cè)訓(xùn)練集和驗(yàn)證集肺腺癌LVI的AUC與GPTV3模型差異均無(wú)統(tǒng)計(jì)學(xué)意義，提示臨床相關(guān)獨(dú)立預(yù)測(cè)因子對(duì)聯(lián)合模型列線(xiàn)圖的貢獻(xiàn)小于GPTV3模型的Radscore，與既往研究[5]結(jié)果類(lèi)似。臨床模型在訓(xùn)練集和驗(yàn)證集的AUC均小于GPTV3模型及聯(lián)合模型列線(xiàn)圖；閾值取0.2～0.4時(shí)，臨床模型的臨床凈獲益小于GPTV3模型及聯(lián)合模型列線(xiàn)圖，而后二者相當(dāng)。

綜上，基于GPTV3影像組學(xué)特征及臨床相關(guān)獨(dú)立預(yù)測(cè)因子的聯(lián)合模型列線(xiàn)圖可有效預(yù)測(cè)肺腺癌LVI。本研究的主要局限性：①為回顧性研究，樣本量較小，且排除了長(zhǎng)徑<1 cm病灶，可能存在選擇偏倚；②以半自動(dòng)方式勾畫(huà)病灶ROI，有待開(kāi)發(fā)全自動(dòng)軟件用于分割腫瘤。