唐興，白國艷，王虹，印弘，張艱，徐肖攀，康曉偉

肺腺癌(lung adenocarcinoma)是肺癌中的常見病理類型，半數(shù)以上的患者在確診前已發(fā)生轉(zhuǎn)移[1]，5年生存率僅為2%[2]。既往研究發(fā)現(xiàn)腫瘤在發(fā)生、增殖、分化和擴散的過程中獲得了一系列具有特征性的分子生物標(biāo)志物[3]。肺腺癌最常見的基因突變是表皮生長因子受體(epithelial growth factor receptor，EGFR)突變[4]。EGFR在細(xì)胞生長、增殖、分化、血管生成和轉(zhuǎn)移等多種病理生理過程的調(diào)節(jié)中發(fā)揮著重要作用[5]，已成為靶向治療的重要預(yù)測指標(biāo)。對EGFR的基因檢測需要基于有創(chuàng)的手術(shù)或穿刺活檢，耗費巨大，而且存在一定程度的誤診率[6]。近年來，影像組學(xué)在定量表征和預(yù)測腫瘤組織病理學(xué)類型與腫瘤分子標(biāo)記物方面得到廣泛應(yīng)用[7-11]，其中，基于CT的影像組學(xué)已應(yīng)用于肺癌基因表型的預(yù)測和療效評估[12-13]。與CT相比， MRI在反映腫瘤異質(zhì)性和組織學(xué)差異方面具有明顯優(yōu)勢，同時具有無創(chuàng)、無輻射等優(yōu)點。因此，本研究擬基于多序列MRI影像組學(xué)構(gòu)建肺腺癌EGFR突變的預(yù)測模型，探討影像組學(xué)在預(yù)測肺腺癌EGFR基因表型中的應(yīng)用價值。

材料與方法

1.研究資料

將2015年1月-2018年12月在本院行肺部MRI檢查且病理證實為肺腺癌的患者納入初始樣本庫。納入標(biāo)準(zhǔn)：(1)MRI檢查2個月之內(nèi)有手術(shù)病理結(jié)果或穿刺活檢病理結(jié)果；(2)無其它惡性腫瘤病史；(3)直徑大于8 mm的實性腫塊，不包括磨玻璃病灶；(4)有EGFR檢測結(jié)果。排除標(biāo)準(zhǔn)：(1)已對肺癌進行過治療(如化療、放療)；(2)圖像偽影重，不能進行數(shù)據(jù)測量及分析；(3)有磁共振檢查禁忌證(如人工耳蝸、心臟起搏器)。最終共納入符合標(biāo)準(zhǔn)的患者74例，其中EGFR突變型32例，野生型42例。

2.MRI掃描方法

使用Siemens Magnetom Aera 1.5T磁共振成像系統(tǒng)和體部線圈?；颊呷⊙雠P位，行胸部MRI平掃及DWI檢查，掃描序列和參數(shù)如下。(1)橫軸面T2WI：采用加脂肪抑制刀鋒(BLADE)序列，TR 2200 ms，TE 86 ms，層厚5.00 mm；層間距1.00 mm，視野350 mm×350 mm，矩陣320×284，激勵次數(shù)1；(2)DWI：b=50、800 s/mm2，TR 6800 ms，TE 63 ms，層厚5.00 mm，層間距0.25 mm，視野400 mm×400 mm，矩陣156×156，激勵次數(shù)4。掃描定位時應(yīng)保證橫軸面T2WI和DWI序列所有層面一致。

3.圖像分割方法

使用MATLAB共享軟件包進行影像組學(xué)分析。首先，對腫瘤進行手動分割。在T2WI及DWI圖像中選取腫瘤最大截面積所在層面，當(dāng)病灶多發(fā)時選取最大病灶；然后，使用多邊形工具沿腫瘤邊緣手動勾選ROI，注意避開胸壁、血管和縱隔等解剖結(jié)構(gòu)；最后，將DWI圖上勾畫的ROI映射到ADC圖上(圖1)。

圖1 腫瘤ROI勾畫方法。a)選取腫瘤最大截面的橫軸面T2WI圖像，使用多邊形工具手動勾畫ROI； b) 選取腫瘤最大截面的橫軸面DWI圖像，使用多邊形手動勾畫ROI； c) 將DWI圖上的ROI映射到ADC圖。

4.影像組學(xué)特征提取

在每個序列圖像上自每個腫瘤的ROI分別可提取8個直方圖特征、39個灰度共生矩陣(gray level co-occurrence matrices，GLCM)特征、33個灰度游程矩陣(gray level run length matrix，GLRLM)特征、5個鄰域灰度差分矩陣(neighborhood gray-tone diffe-rence matrix，NGTDM)特征和15個灰度區(qū)域大小矩陣(gray level size zone matrix，GLSZM)特征。將勾畫了ROI的T2WI、DWI和ADC圖進行灰度離散化，歸一化為8、16、32、64和128共5個灰度級，則每個序應(yīng)統(tǒng)計量為t、Z和χ2值。最長徑為橫軸面圖像中病灶最大截面所在層面上腫瘤最大直徑；垂直徑為與腫瘤最長徑垂直的徑線。

列圖像上可提取8個直方圖特征、195個(39×5)GLCM特征、165個(33×5)GLRLM特征、25個(5×5)NGTDM特征和75個(15×5)GLSZM特征，共468個影像組學(xué)特征。最終，自3個序列(T2WI、DWI和ADC)的圖像上共提取1404個個特征，然后，進行線性歸一化處理，將特征值的取值范圍調(diào)整為-1～1。

5.組學(xué)特征的優(yōu)選和預(yù)測性能的評估

采用Student′st檢驗比較EGFR突變組與野生組之間各個影像組學(xué)特征的差異。隨后，采用基于非線性支持向量機的遞歸特征消除(support vector machine-based recursive feature elimination，SVM- RFE)方法篩選最優(yōu)特征子集。然后，利用10折交叉驗證法，每折時將原始樣本劃分為10個子樣本，將其中9個子樣本的數(shù)據(jù)對模型進行訓(xùn)練，1個子樣本的數(shù)據(jù)用于模型的驗證；對每個子樣本進行交叉驗證，取10個交叉驗證的平均值。應(yīng)用受試者工作特征(receiver operator characteristic curve,ROC)曲線評估影像組學(xué)模型 的預(yù)測能力，計算曲線下面積(area under curve，AUC)和預(yù)測符合率 ，評估分類器的性能。

6.統(tǒng)計分析

使用SPSS 19.0軟件進行統(tǒng)計學(xué)分析。采用Kolmogorov Smirnov檢驗對定量資料進行正態(tài)性檢驗，符合正態(tài)分布的數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差來表示，組間比較采用獨立樣本t檢驗，不符合正態(tài)分布的數(shù)據(jù)以中位數(shù)(上、下四分位數(shù))表示，采用Wilcoxon秩和檢驗。組學(xué)特征的優(yōu)選和預(yù)測性能的評估采用R3.4.4版統(tǒng)計軟件進行分析。采用受試者工作特征(receiver operator characteristic curve,ROC)曲線，并計算曲線下面積(area under curve，AUC)評價預(yù)測模型的效能。以P<0.05為差異有統(tǒng)計學(xué)意義。

結(jié) 果

1.臨床特點

EGFR突變組和野生組的基線臨床資料見表1。統(tǒng)計分析結(jié)果顯示，除性別(P=0.001)和腫瘤分型(P=0.034)之外，其余指標(biāo)在兩組之間的差異無統(tǒng)計學(xué)意義(P>0.05)。

表1 兩組患者基線臨床資料的比較

2.特征優(yōu)選及預(yù)測性能

Studentt檢驗結(jié)果顯示，提取的1404個影像組學(xué)特征中，318個組學(xué)特征在兩組間的差異有統(tǒng)計學(xué)意義。利用SVM-RFE方法進一步對這些顯著特征進行優(yōu)選，最終選取16個最優(yōu)特征(圖2a)，其類別分布見表2、圖2b。利用SVM分類器，將EGFR突變型賦值為-1，EGFR野生型賦值為1，利用16個最優(yōu)特征構(gòu)建的影像組學(xué)模型 對EGFR突變進行預(yù)測，預(yù)測敏感度為53.1%，特異度為92.9%，符合率為75.7%，AUC為0.826(圖2c)。進一步擬合性別因素構(gòu)建聯(lián)合診斷模型，其預(yù)測符合率達(dá)78.9%。

圖2 特征優(yōu)選及性能預(yù)測分析圖。a)基于SVM-RFE的特征選擇策略曲線圖(橫坐標(biāo)表示特征的個數(shù)；縱坐標(biāo)表示曲面下面積)。將318個顯著性特征的重要程度按降序排序，選擇曲面下面積最大的前16個特征作為最優(yōu)特征。紅線代表各特征的曲線下面積，藍(lán)線代表準(zhǔn)確性；b)16個最優(yōu)紋理特征在不同MRI序列和不同特征類別中分布情況的柱狀圖(橫坐標(biāo)表示不同MRI序列的名稱和不同紋理特征類別的名稱；縱坐標(biāo)表示特征個數(shù))；c)16個最優(yōu)影像組學(xué)特征構(gòu)建的影像組學(xué)模型預(yù)測EGFR突變的ROC曲線圖，曲線下面積為0.826。

表2 16個最優(yōu)組學(xué)特征的來源MRI序列和類別

討 論

近年來，肺癌的突變基因和基于突變基因的靶向治療成為新的研究熱點。腫瘤的基因分類可以指導(dǎo)治療策略和預(yù)后評估。其中，肺腺癌占到肺癌的一半以上[14]，而且大部分(約58.6%)在確診時已處于臨床晚期階段[15]。病理檢查能準(zhǔn)確來區(qū)分和鑒別肺癌的組織學(xué)分類。但是，明確肺癌的EGFR等基因的突變類型則需要進一步行分子檢測。研究表明，以EGFR為靶點的酪氨酸激酶抑制劑(tyrosine kinase inhibitors,TKIs)可以抑制腫瘤細(xì)胞的生長和增殖[16]，與標(biāo)準(zhǔn)一線化療藥物相比，可延長EGFR突變患者的無進展生存期(progression-free survival，PFS)[17]，已被美國國家綜合癌癥網(wǎng)絡(luò)(national comprehensive cancer network，NCCN)推薦為肺腺癌的一線治療藥物。此外，EGFR突變型患者對EGFR-TKIs的應(yīng)答率(60%～80%)顯著高于EGFR非突變型或未知突變型患者(10%～20%)[18]。因此，早期、無創(chuàng)和精準(zhǔn)評估EGFR突變情況對于肺腺癌患者的個體化治療具有重要意義。

DWI相關(guān)參數(shù)可提示腫瘤性病變中的細(xì)胞密集程度[19]，一般情況下，惡性腫瘤的ADC值明顯低于良性腫瘤[20-22]。在肺腺癌中，ADC與細(xì)胞密集程度和增殖能力呈負(fù)相關(guān)[23-25]。近年來，肺癌的高發(fā)病率和CT薄層三維重組的普及，產(chǎn)生了大量高品質(zhì)的肺癌相關(guān)CT數(shù)據(jù)，使得肺癌的影像組學(xué)研究數(shù)量相對較多。然而，由于肺部MRI檢查的普及率較低，且對設(shè)備和技術(shù)的要求高，目前對肺癌的MRI相關(guān)研究還很少。磁共振成像特有的高軟組織對比度和多序列優(yōu)勢有利于反映更多的腫瘤內(nèi)部微觀信息，已有學(xué)者利用基于DWI的影像組學(xué)指標(biāo)來預(yù)測肺癌腦轉(zhuǎn)移瘤的組織學(xué)分型和EGFR基因突變類型[26]。

本研究以磁共振T2WI、DWI和ADC圖為基礎(chǔ)，探討影像組學(xué)特征和組學(xué)模型對預(yù)測分子標(biāo)記物EGFR表型的可行性。本研究的前期階段，經(jīng)過反復(fù)調(diào)試，確定單層動態(tài)勻場技術(shù)(integrated specific slice dynamic shim，ISHIM)為采集肺部DWI圖像的最優(yōu)序列，該序列不僅可以動態(tài)調(diào)整局部敏感區(qū)的場強、提高磁場均勻度，同時還可縮短掃描時間、減小運動偽影，從而提高DWI圖像質(zhì)量。本研究中，DWI圖像提取的最優(yōu)組學(xué)特征的數(shù)量最多，提示DWI圖像所包含的紋理信息能更好地反映肺腺癌EGFR表型的差異。雖然ADC值能更真實地反映腫瘤擴散受限的程度，可為腫瘤的診斷、鑒別和療效評估提供定性和定量數(shù)據(jù)[27]。然而，本研究結(jié)果顯示，DWI較ADC在肺腺癌的EGFR基因表達(dá)預(yù)測的應(yīng)用中更有價值，筆者認(rèn)為這與肺腺癌的病理分級(高、中、低分化)有關(guān)，肺腺癌的病理分級會影響ADC的預(yù)測結(jié)果，但對DWI的影響較小[27]。

筆者選取的16個最優(yōu)影像組學(xué)特征中，以GLRLM的特征最多，達(dá)9個。GLRLM特征捕捉的是圖像紋理的變化，可以量化圖像上體素的空間關(guān)系，對腫瘤組織區(qū)域異質(zhì)性變化較敏感[12]。腫瘤分子細(xì)胞和遺傳的異質(zhì)性導(dǎo)致了空間異質(zhì)性的改變，如腫瘤密度、血管生成和壞死，而傳統(tǒng)的紋理分析方法很難捕捉到這種異質(zhì)性。

近期，Tu等[28]基于CT圖像的影像組學(xué)方法提取9個特征組成特征集用于區(qū)分肺癌級別，訓(xùn)練組和驗證組的AUC分別為0.763和0.782，符合率為68.7%和71.2%。本研究基于MR圖像的影像組學(xué)模型預(yù)測肺腺癌EGFR基因表型的符合率為75.5%，進一步擬合性別因素構(gòu)建聯(lián)合診斷模型，預(yù)測符合率略有提升，達(dá)到78.9%，提示基于MRI的組學(xué)特征在預(yù)測肺腺癌EGFR基因型方面是可行的。

本研究作為單中心的回顧性研究，具有一定的局限性，尚需進行前瞻性的多機構(gòu)研究來提高模型的泛化能力和優(yōu)化模型。其次，采用人工分割感興趣區(qū)的方法，主觀性強、耗時較長，半自動或自動分割法尚需進一步改進。另外，本研究僅選取了T2WI、DWI和ADC三種圖像進行研究，首先是基于前期相關(guān)文獻(xiàn)的研究結(jié)果，即T2WI、DWI和T1WI診斷惡性結(jié)節(jié)的符合率分別是85.9%、87.5%和66.3%[29]；同時，我們在臨床工作中發(fā)現(xiàn)T1WI序列受呼吸運動偽影的影響比較明顯；因此，本研究中未將T1WI序列納入優(yōu)化后的掃描序列中。有文獻(xiàn)提示超短回波時間(ultrashort time of echo，UTE)、3D-T1WI具有較高的預(yù)測價值，可作為進一步研究的備選序列[30-31]。

綜上所述，本研究構(gòu)建的基于多序列MR影像組學(xué)模型可一定程度預(yù)測LUAD患者EGFR的基因表型，可為術(shù)前肺腺癌患者EGFR突變的個體化風(fēng)險分層提供參考。