CT影像組學(xué)聯(lián)合CT特征預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性

吳雯麗,宋慶平,董連軍,楊 帥,于秋鳳,朱 正,趙燕風(fēng)*

(1.聊城市腫瘤醫(yī)院影像中心,2.胸外科,山東 聊城 252000;3.國家癌癥中心/國家腫瘤臨床醫(yī)學(xué)研究中心/中國醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院腫瘤醫(yī)院影像診斷科,北京 100021)

目前以部分實(shí)性和純磨玻璃為主要影像學(xué)表現(xiàn)的肺亞實(shí)性結(jié)節(jié)多可被及時(shí)檢出[1],其病理類型包括非典型腺瘤樣增生(atypical adenomatous hyperplasia, AAH)、原位腺癌(adenocarcinoma in situ, AIS)、微浸潤性腺癌(minimally invasive adenocarcinoma, MIA)及浸潤性腺癌(invasive adenocarcinoma cancer, IAC),后者惡性程度更高、侵襲性更強(qiáng),術(shù)前準(zhǔn)確鑒別IAC與其他3種病理類型對(duì)指導(dǎo)治療決策具有重要意義,而單純基于CT鑒別存在困難[2-3]。本研究觀察CT影像組學(xué)聯(lián)合CT特征術(shù)前預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性收集2019年1月—2022年10月170例于聊城市腫瘤醫(yī)院就診并經(jīng)手術(shù)病理證實(shí)的肺亞實(shí)性結(jié)節(jié)患者,男60例、女110例,年齡28～79歲、中位年齡59.0歲;包括單發(fā)結(jié)節(jié)141例、多發(fā)結(jié)節(jié)29例(20例2個(gè)結(jié)節(jié)、9例3個(gè)結(jié)節(jié),對(duì)多發(fā)結(jié)節(jié)以較大者進(jìn)行分析);其中6例AAH、12例AIS、58例MIA、94例IAC,將前3者納入非侵襲組、IAC歸為侵襲組。納入標(biāo)準(zhǔn):①術(shù)前2周胸部薄層CT發(fā)現(xiàn)亞實(shí)性結(jié)節(jié)長徑≤3 cm;②接受CT引導(dǎo)下肺結(jié)節(jié)定位及胸腔鏡下肺結(jié)節(jié)切除術(shù);③術(shù)后病理診斷為AAH、AIS、MIA或IAC。排除術(shù)前未接受胸部薄層CT或CT檢查時(shí)間與手術(shù)間隔>2周者。按7∶3比例將患者分為訓(xùn)練集(n=119,含5例AAH、9例AIS、36例MIA、69例IAC)和驗(yàn)證集(n=51,含1例AAH、3例AIS、22例MIA及25例IAC)。檢查前所有患者均簽署知情同意書。

1.2 儀器與方法 采用東軟NeuViz 128精睿CT機(jī),管電壓120 kV、管電流270 mA行胸部平掃CT,螺距0.9,轉(zhuǎn)速0.6 s/rot,FOV 30～35 cm,矩陣512×512;以肺算法進(jìn)行重建,層厚及層間距均為1 mm。

1.3 分析圖像 由具有8年及17年胸部影像學(xué)診斷經(jīng)驗(yàn)的主治醫(yī)師及副主任醫(yī)師各1名采用盲法共同閱片,觀察肺結(jié)節(jié)大小(長徑、短徑)、CT值(平均值、最大值、最小值、標(biāo)準(zhǔn)差)、是否部分實(shí)性及有無分葉、毛刺、空洞、支氣管充氣征、血管穿行及胸膜凹陷。見圖1。

1.4 提取影像組學(xué)特征 由上述2名醫(yī)師應(yīng)用ITK-SNAP軟件于薄層CT圖中逐層勾畫肺結(jié)節(jié)ROI,以戴斯相似系數(shù)(Dice similarity coefficient, DSC)≥0.75為一致性好[4]。采用Python軟件pyradiomics (v3.0.1)[5]以B-Spline內(nèi)插法對(duì)體素間距進(jìn)行標(biāo)準(zhǔn)化,將圖像重采樣為體素1 mm×1 mm×1 mm,灰度離散化設(shè)置為固定bin寬度(25 HU),之后提取1 218個(gè)影像組學(xué)特征,包括18個(gè)一階特征(First Order)、14個(gè)形狀特征(Shape)、22個(gè)灰度共生矩陣(gray level co-occurrence matrix, GLCM)、16個(gè)灰度區(qū)域大小矩陣(gray-level size zone matrix, GLSZM)、16個(gè)灰度游程矩陣(gray level run length matrix, GLRLM)、14個(gè)灰度相關(guān)矩陣(gray level dependence matrix, GLDM)、688個(gè)小波(wavelet)及430個(gè)高斯拉普拉斯(LoG)濾波器特征。

1.5 篩選影像組學(xué)特征 基于訓(xùn)練集數(shù)據(jù)去除變異較小、Person相關(guān)系數(shù)(r)>0.8及存在共線性的特征,以最小絕對(duì)收縮和選擇算子(least absolute shrinkage and selection operator, LASSO)及l(fā)ogistic回歸篩選最優(yōu)影像組學(xué)特征。

1.6 構(gòu)建模型及統(tǒng)計(jì)學(xué)分析 采用R軟件(v4.2.0),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,行秩和檢驗(yàn)比較;以χ2檢驗(yàn)或Fisher精確概率法比較計(jì)數(shù)資料。應(yīng)用二分類logistic回歸構(gòu)建CT模型、影像組學(xué)模型及二者聯(lián)合模型以預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性,并繪制聯(lián)合模型列線圖以直觀顯示其預(yù)測結(jié)果。采用受試者工作特征(receiver operating characteristic, ROC)曲線評(píng)價(jià)各模型的診斷效能,計(jì)算曲線下面積(area under the curve, AUC),并以DeLong檢驗(yàn)比較其差異。繪制校正曲線評(píng)估模型的校準(zhǔn)程度。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 構(gòu)建CT模型 訓(xùn)練集所含侵襲組與非侵襲組患者年齡,以及CT所示結(jié)節(jié)長徑、短徑、平均CT值、最大CT值、是否部分實(shí)性、支氣管充氣征、胸膜凹陷差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05,表1);結(jié)節(jié)長徑和最大CT值為肺亞實(shí)性結(jié)節(jié)侵襲性的獨(dú)立危險(xiǎn)因素(P均<0.001,表2),以之構(gòu)建CT模型。

2.2 構(gòu)建影像組學(xué)模型 2名醫(yī)師勾畫肺結(jié)節(jié)ROI的一致性好[DSC=0.970±0.004(95%CI0.958,0.991)],故取其中1名的結(jié)果進(jìn)行分析?；谟?xùn)練集ROI提取1 218個(gè)特征,去除變異較小及r>0.8的特征后保留170個(gè)特征,再去除93個(gè)存在共線性的特征后,以LASSO算法篩選出9個(gè)特征(圖2),最后經(jīng)單、多因素logistic回歸獲得6個(gè)最佳影像組學(xué)特征(表3)并以之構(gòu)建影像組學(xué)模型。

表3 篩選出的6個(gè)最佳影像組學(xué)特征

圖2 基于訓(xùn)練集篩選影像組學(xué)特征 A.采用LASSO行特征系數(shù)壓縮示意圖; B.篩選出的9個(gè)特征

2.3 構(gòu)建聯(lián)合模型 單因素logistic回歸結(jié)果顯示,結(jié)節(jié)長徑、最大CT值及6個(gè)最佳影像組學(xué)特征均為肺亞實(shí)性結(jié)節(jié)侵襲性的危險(xiǎn)因素(P均<0.05);經(jīng)多因素logistic回歸分析,其中的結(jié)節(jié)長徑及glszm_SZNN、glcm_Imc1、90th percentile為獨(dú)立危險(xiǎn)因素(表4),故以之構(gòu)建聯(lián)合模型并繪制列線圖(圖3)。

表4 logistic回歸分析所獲預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性的CT特征聯(lián)合影像組學(xué)相關(guān)獨(dú)立因素

圖3 聯(lián)合模型列線圖

2.4 評(píng)估模型效能 CT模型、影像組學(xué)模型及聯(lián)合模型在訓(xùn)練集中的AUC分別為0.882、0.908及0.935。驗(yàn)證集中,影像組學(xué)模型的AUC(0.785)與CT模型(AUC=0.772)差異無統(tǒng)計(jì)學(xué)意義(Z=0.250,P=0.803),聯(lián)合模型的AUC(0.869)高于CT模型(Z=2.336,P=0.019)而與影像組學(xué)模型差異無統(tǒng)計(jì)學(xué)意義(Z=1.925,P=0.054)。見圖4及表5。

表5 各模型預(yù)測驗(yàn)證集肺亞實(shí)性結(jié)節(jié)侵襲性的效能

校正曲線(圖5)顯示,聯(lián)合模型對(duì)于訓(xùn)練集和驗(yàn)證集的預(yù)測結(jié)果均與實(shí)際結(jié)果具有較好一致性。

圖5 聯(lián)合模型的校正曲線 A.訓(xùn)練集; B.驗(yàn)證集

3 討論

肺癌發(fā)病率和死亡率高[6-7]。2021年WHO腫瘤分類將AAH和AIS歸為腺體前驅(qū)病變,可長期隨訪;MIA預(yù)后好,術(shù)后5年生存率可達(dá)100%;IAC預(yù)后最差[8]。

既往研究[9]發(fā)現(xiàn),CT所示結(jié)節(jié)長徑、CT值、部分實(shí)性是預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性的獨(dú)立因素。本研究中,CT所見結(jié)節(jié)長徑及最大CT值為預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性的CT相關(guān)獨(dú)立因素,二者均為易于獲得的客觀測量值,以其構(gòu)建的CT模型在驗(yàn)證集的AUC為0.772。

影像組學(xué)研究已在多個(gè)方面取得良好進(jìn)展[10-11]。WENG等[12]認(rèn)為影像組學(xué)鑒別IAC與MIA的效能優(yōu)于CT形態(tài)學(xué),而QIU等[13]發(fā)現(xiàn)CT形態(tài)學(xué)、影像組學(xué)及其聯(lián)合的診斷效能相當(dāng)。本研究基于6個(gè)最佳CT影像組學(xué)特征構(gòu)建模型,加入CT相關(guān)獨(dú)立因素構(gòu)建聯(lián)合模型。glszm_SZNN代表區(qū)域體積可變性,其值越高代表區(qū)域體積之間的異質(zhì)性越強(qiáng);glcm_Imc1代表相關(guān)性信息度量,其值越高則圖像灰度分布越均勻;90th percentile代表結(jié)節(jié)第90%分位CT值;結(jié)節(jié)內(nèi)部異質(zhì)性越高、90th percentile越低,則IAC概率越大[12-13]。本研究所獲聯(lián)合模型在驗(yàn)證集中的AUC(0.869)高于CT模型(0.772)而與影像組學(xué)模型(0.785)差異無統(tǒng)計(jì)學(xué)意義(P=0.054),其診斷準(zhǔn)確率較高,具有較好臨床應(yīng)用價(jià)值。

綜上,CT影像組學(xué)聯(lián)合CT特征能有效預(yù)測肺亞實(shí)性結(jié)節(jié)侵襲性。但本研究為單中心回顧性觀察,難以避免選擇性偏倚且未經(jīng)外部驗(yàn)證,有待后續(xù)進(jìn)一步觀察。