陸 亮，徐 圓

（1.南通大學(xué)附屬建湖人民醫(yī)院影像科，江蘇鹽城 224700；2.南京大學(xué)醫(yī)學(xué)院附屬鹽城第一醫(yī)院影像科，鹽城市第一人民醫(yī)院影像科，江蘇鹽城 224006）

0 引言

周?chē)头伟┌Y狀不明顯，病灶體積較小，臨床不易發(fā)現(xiàn)，其診斷較為困難。肺腺癌及鱗癌是周?chē)头伟┲休^常見(jiàn)的病理亞型，兩者惡性程度、治療方案及生存預(yù)后不盡相同。近年來(lái)，隨著新型靶向藥物在非小細(xì)胞肺癌治療中的開(kāi)展和應(yīng)用[1]，腺癌與鱗癌的鑒別在肺癌的診治中尤為重要。胸部CT 是肺癌患者首選的影像檢查，蔡春仙等[2]和鄭迎梅等[3]總結(jié)了周?chē)头伟┑腃T 特征表現(xiàn)，但缺乏定量參數(shù)的支持，仍無(wú)法對(duì)其病理亞型做出準(zhǔn)確鑒別。目前，影像組學(xué)已成為醫(yī)學(xué)研究的熱點(diǎn)，該技術(shù)可定量提取紋理特征，為非侵入性識(shí)別腫瘤內(nèi)部異質(zhì)性提供一種潛在方法[4]，具有良好的量化病灶異質(zhì)性的能力。影像組學(xué)在非小細(xì)胞肺癌的鑒別[5]、病理反應(yīng)[6]及預(yù)后評(píng)估[7]中表現(xiàn)出較好的診斷效能。在精準(zhǔn)醫(yī)療的背景下，基于基因?qū)用娴幕蛴跋窠M學(xué)的研究亦進(jìn)展迅速[8]。此前，王大鵬等[9]應(yīng)用影像組學(xué)模型鑒別肺腺癌及鱗癌，但未依據(jù)發(fā)病部位（中央型/周?chē)停┘?xì)分研究。因此，本研究通過(guò)CT 影像組學(xué)技術(shù)，聯(lián)合腫瘤形態(tài)學(xué)特征，建立Logistic 回歸模型，旨在為周?chē)头蜗侔┘镑[癌的術(shù)前診斷提供新的思路及方法。

1 資料與方法

1.1 研究對(duì)象

回顧性分析2016 年9 月至2019 年10 月入院行穿刺活檢或手術(shù)切除，經(jīng)病理證實(shí)為周?chē)头伟┑?01 例患者的臨床資料。納入標(biāo)準(zhǔn)：（1）術(shù)前1 周內(nèi)行胸部增強(qiáng)CT 檢查；（2）瘤體短徑大于5 mm；（3）術(shù)后病理檢查證實(shí)為鱗癌、腺癌。排除標(biāo)準(zhǔn)：（1）圖像偽影干擾較大；（2）與鄰近組織分界欠清，如肺不張組織等。201 例患者中有28 例患者影像資料不完善，12例圖像質(zhì)量欠佳，10 例病灶過(guò)小或與臨近組織分界不清，勾畫(huà)困難。最終，151 例患者納入研究（分為鱗癌組76 例、腺癌組75 例），包括男性104 例、女性47例；年齡分布在39～85 歲，平均年齡為（64±6.1）歲。

1.2 CT 檢查方法

所有患者均行常規(guī)肺部CT 增強(qiáng)掃描，掃描儀采用美國(guó)GE 公司64 排螺旋CT（LightSpeedVCT CT99）。掃描前經(jīng)肘靜脈注射碘海醇對(duì)比劑，以3.2 mL/s 進(jìn)行注射?；颊卟扇⊙雠P位，雙手抱頭，掃描前行吸氣訓(xùn)練。掃描儀自肺尖至肺底行全肺掃描。掃描層厚及間距5 mm，矩陣512×512，螺距1.1 mm，薄層重建層厚及層間距采用1.25 mm。

1.3 圖像導(dǎo)出

增強(qiáng)CT 薄層圖像中病灶紋理特征及圖像細(xì)節(jié)顯示清晰，體現(xiàn)腫瘤異質(zhì)性效果較好。因此，將增強(qiáng)CT 薄層圖像從影像歸檔和通信系統(tǒng)（picture archiving and communication systems，PACS）以BMP 圖片格式導(dǎo)入移動(dòng)硬盤(pán)，導(dǎo)出時(shí)分別調(diào)整窗寬、窗位至1 500、-500，病灶于肺窗顯示清楚。

1.4 感興趣區(qū)勾畫(huà)及紋理參數(shù)提取

采用μ±3σ 法進(jìn)行圖像灰階校正，減小掃描間灰度均值及方差差異的影響。由1 位主治醫(yī)師及1位研究生采用雙盲法，應(yīng)用Mazda 軟件沿腫瘤最大層面瘤體邊緣內(nèi)側(cè)1 mm 處勾畫(huà)感興趣區(qū)，共生成304 個(gè)紋理參數(shù)，通過(guò)交互信息、Fisher 系數(shù)及分類(lèi)錯(cuò)誤率聯(lián)合平均相關(guān)系數(shù)法共提取30 個(gè)特征參數(shù)。采用組內(nèi)相關(guān)系數(shù)（intra-class correlation coefficient，ICC）評(píng)估主治醫(yī)師及研究生提取紋理參數(shù)的一致性，提取ICC>0.75、一致性較好的紋理參數(shù)，并取均值納入研究。

1.5 CT 形態(tài)學(xué)特征評(píng)估

周?chē)头伟┑腃T 圖像特征由一位具有12 a 呼吸系統(tǒng)腫瘤影像診斷經(jīng)驗(yàn)的高年資醫(yī)師判讀分析。CT 特征包括：病灶直徑、形狀（圓形、類(lèi)圓形/不規(guī)則形）、空腔/空洞、界面特征（毛刺征、棘突征、分葉征）、空氣支氣管征、支氣管血管集束征、瘤體密度（實(shí)性/亞實(shí)性、純磨玻璃）、胸膜牽拉征及鄰近胸膜廣基底相連。

1.6 Logistic 回歸模型構(gòu)建

以患者性別、年齡及有統(tǒng)計(jì)學(xué)差異的CT 特征變量構(gòu)建CT 臨床特征模型。此外，該模型聯(lián)合重復(fù)性較好的紋理特征參數(shù)進(jìn)一步構(gòu)建影像組學(xué)聯(lián)合CT特征模型（模型自變量篩選向前：有條件）。

1.7 統(tǒng)計(jì)學(xué)方法

應(yīng)用SPSS 22.0、Graphad Prism 7.0 及R 語(yǔ)言包等軟件進(jìn)行統(tǒng)計(jì)。計(jì)量資料以±s 表示，計(jì)數(shù)資料以例數(shù)表示。對(duì)連續(xù)變量行Mann-Whitney 秩和U 檢驗(yàn)或t 檢驗(yàn)，對(duì)分類(lèi)變量行χ2檢驗(yàn)，P<0.05 為差異具有統(tǒng)計(jì)學(xué)意義。對(duì)有統(tǒng)計(jì)差異的變量行Logistic 二元回歸分析。采用R 語(yǔ)言包軟件中將數(shù)據(jù)按照7∶3 的比例隨機(jī)分為訓(xùn)練集及測(cè)試集，繪制ROC 曲線(xiàn)，計(jì)算AUC 值，評(píng)估Logistic 回歸模型對(duì)周?chē)头蜗侔┘镑[癌的診斷效能。內(nèi)部驗(yàn)證通過(guò)R 語(yǔ)言包1 000次重采樣的Bootstrapping 抽樣方法繪制校準(zhǔn)曲線(xiàn)，評(píng)價(jià)影像組學(xué)聯(lián)合CT 特征模型的預(yù)測(cè)精度。應(yīng)用Graphad Prism 7.0 軟件提取影像組學(xué)聯(lián)合CT特征模型中的有效變量繪制森林圖。

2 結(jié)果

2.1 紋理參數(shù)差異性檢驗(yàn)結(jié)果

Mazda 軟件感興趣區(qū)勾畫(huà)及紋理參數(shù)提取示意圖如圖1 所示。應(yīng)用Mazda 軟件從304 個(gè)紋理特征中篩選30 個(gè)特征參數(shù)，對(duì)30 個(gè)特征參數(shù)進(jìn)行單因素分析，進(jìn)一步提取出5 個(gè)重復(fù)性較好、具有顯著統(tǒng)計(jì)學(xué)差異的參數(shù)（P 均<0.001）（詳見(jiàn)表1），包括Variance、Perc.01%、S（0，2）Entropy、Horzl_RLNonUni 及Horzl_GLevNonU，其余25 個(gè)紋理參數(shù)P 均>0.05。

圖1 感興趣區(qū)勾畫(huà)及紋理參數(shù)提取示意圖

表1 周?chē)头蜗侔┘镑[癌5 個(gè)紋理參數(shù)對(duì)比

2.2 CT 臨床特征

周?chē)头蜗侔┘镑[癌患者的CT 臨床特征見(jiàn)表2?；颊咝詣e、年齡、病灶直徑、分葉征、瘤體密度及胸膜牽拉征具有統(tǒng)計(jì)學(xué)差異（P 均<0.05）。而形狀、空腔/空洞、毛刺征、棘突征、空氣支氣管征、支氣管血管集束征及鄰近胸膜廣基底相連均無(wú)統(tǒng)計(jì)學(xué)差異（P均>0.05）。

表2 周?chē)头蜗侔┘镑[癌患者的CT 臨床特征

2.3 診斷效能

以患者性別、年齡、病灶直徑、分葉征、瘤體密度及胸膜牽拉征6 個(gè)變量構(gòu)建CT 臨床特征模型，在此基礎(chǔ)上聯(lián)合Variance、Perc.01%、S（0，2）Entropy、Horzl_RLNonUni、Horzl_GLevNon 共5 個(gè)紋理參數(shù)構(gòu)建影像組學(xué)聯(lián)合CT 特征模型。繪制ROC 曲線(xiàn)圖（如圖2 所示），訓(xùn)練集及測(cè)試集的CT 臨床特征模型的AUC值分別為0.850、0.838，其對(duì)應(yīng)的敏感度、特異度分別為92.0%、76.0%和89.0%、80.0%。訓(xùn)練集及測(cè)試集的影像組學(xué)聯(lián)合CT 特征模型的AUC 值分別為0.879、0.869，其對(duì)應(yīng)的敏感度、特異度分別為94.0%、90.0%和92.0%、89.0%。影像組學(xué)聯(lián)合CT 特征模型診斷效能稍高于CT 臨床特征模型。從影像組學(xué)聯(lián)合CT 特征模型森林圖可看出，鱗癌組除了胸膜牽拉征這一變量為負(fù)相關(guān)危險(xiǎn)因素，Perc.01%、分葉征、性別及病灶直徑均為正相關(guān)危險(xiǎn)因素（如圖3 所示）。校準(zhǔn)曲線(xiàn)內(nèi)部驗(yàn)證可看出，預(yù)測(cè)曲線(xiàn)較貼近理想標(biāo)準(zhǔn)曲線(xiàn)，未出現(xiàn)明顯偏離現(xiàn)象，說(shuō)明影像組學(xué)聯(lián)合CT 特征模型的預(yù)測(cè)精度較好（如圖4 所示）。

圖2 訓(xùn)練集、測(cè)試集CT 臨床特征模型與影像組學(xué)聯(lián)合CT 特征模型ROC 曲線(xiàn)對(duì)比圖

圖3 影像組學(xué)聯(lián)合CT 特征模型森林圖

圖4 內(nèi)部驗(yàn)證采用1 000 次重采樣的校準(zhǔn)曲線(xiàn)圖

3 討論

周?chē)头伟┲邢侔樽疃嘁?jiàn)，鱗癌次之，兩者均為非小細(xì)胞肺癌。隨著分子生物學(xué)的進(jìn)展，肺腺癌及鱗癌的準(zhǔn)確鑒別對(duì)治療方案的選擇愈加重要。有研究報(bào)道[10]表皮生長(zhǎng)因子受體-酪氨酸激酶抑制劑適用于晚期腺癌的治療，而抗血管生成藥物貝伐單抗有導(dǎo)致肺出血的風(fēng)險(xiǎn)，是鱗癌的禁忌藥。彭淑賢等[11]的研究指出Ipilimumab 治療能夠延長(zhǎng)鱗癌患者的生存時(shí)間，而表皮生長(zhǎng)因子受體激酶突變藥物更適合于肺腺癌的治療。肺部腫瘤臨床術(shù)前確診依靠病理活檢，但該方法有創(chuàng)且需要足夠的樣本量，存在一定的局限性。胸部CT 是肺部腫瘤的首選影像學(xué)檢查，然而并不能準(zhǔn)確鑒別病理亞型。李琦等[12]嘗試使用能譜CT 定量鑒別非小細(xì)胞肺癌病理亞型，但因?yàn)槌杀拘б鏌o(wú)法在臨床中普及。Lambin 等[13]首次提出的影像組學(xué)技術(shù)已成為醫(yī)學(xué)研究熱點(diǎn)，可用于學(xué)習(xí)模型的建立。此前，王大鵬等[9]應(yīng)用影像組學(xué)模型鑒別肺腺癌及鱗癌，但未根據(jù)發(fā)病部位細(xì)分研究，且沒(méi)有考慮腫瘤的CT 特征表現(xiàn)。CT 特征是腫瘤異質(zhì)性的影像學(xué)表征，在疾病的診斷中占據(jù)著重要地位[14-16]。因此，本研究通過(guò)提取影像組學(xué)參數(shù)聯(lián)合CT 圖像特征構(gòu)建Logistic 回歸模型，進(jìn)一步鑒別周?chē)头蜗侔┘镑[癌，結(jié)果表現(xiàn)出較好的診斷效能。

本研究腺癌組及鱗癌組性別具有顯著差異，鱗癌組男性明顯多于女性，腺癌組男女比例接近，與張仁鋒等[17]和楊軍等[18]的大樣本統(tǒng)計(jì)結(jié)果相似。CT形態(tài)學(xué)特征中，周?chē)枉[癌組分葉征較多見(jiàn)，且病灶直徑整體大于腺癌組，可能與腫瘤的生長(zhǎng)方式相關(guān)。鱗癌生長(zhǎng)速度較快，傾向于膨脹生長(zhǎng)，而腺癌多為伏壁式生長(zhǎng)，因此分葉征多見(jiàn)于鱗癌[2]。胸膜牽拉征多見(jiàn)于腺癌組，與吳華偉等[19]的研究結(jié)果相似，其病理基礎(chǔ)可能與腺癌中纖維組織成分較多，牽拉鄰近胸膜有關(guān)。實(shí)性結(jié)節(jié)多見(jiàn)于鱗癌組，亞實(shí)性、純磨玻璃結(jié)節(jié)多見(jiàn)于腺癌組。該表現(xiàn)與鱗癌生長(zhǎng)迅速、倍增時(shí)間短、瘤體質(zhì)地較為致密相關(guān)。鄰近胸膜廣基底相連亦多見(jiàn)于鱗癌組，與蔡春仙等[2]的研究結(jié)論一致，但是沒(méi)有統(tǒng)計(jì)學(xué)差異，可能與樣本量較小有關(guān)。鄭迎梅等[3]的研究中毛刺征、棘突征在周?chē)头伟〤T 征象分析中具有差異性，與本研究結(jié)果不一致，可能與本研究將毛刺征、棘突征分別進(jìn)行統(tǒng)計(jì)分析有關(guān)。

本組病例中部分腺癌為純磨玻璃結(jié)節(jié)，體積過(guò)小，因此進(jìn)行二維感興趣區(qū)的勾畫(huà)。CT 圖像μ±3σ 灰階校正法能減少掃描間灰度階差異的影響，更加真實(shí)地反映病灶異質(zhì)性[20]。Mazda 軟件篩選出5 個(gè)重復(fù)性較好的紋理參數(shù)，Variance 和Perc.01%是灰度直方圖參數(shù)，S（0，2）Entropy 是灰度共生矩陣參數(shù)，Horzl_RLNonUni 和Horzl_GLevNonU 是游程矩陣參數(shù)，為目前研究應(yīng)用較為常見(jiàn)的一、二階紋理參數(shù)。構(gòu)建Logistic 回歸模型發(fā)現(xiàn)，影像組學(xué)聯(lián)合CT 特征模型較CT 臨床特征模型診斷效能更加優(yōu)越，其測(cè)試集及訓(xùn)練集AUC 值分別為0.869、0.879。雖然CT 臨床特征模型診斷效能良好，但是其讀片依賴(lài)于診斷醫(yī)師的個(gè)人經(jīng)驗(yàn)，具有一定的主觀性。隨著影像組學(xué)標(biāo)簽的加入，AUC 值增大，敏感度、特異度均得到了改善。從影像組學(xué)聯(lián)合CT 特征模型森林圖可看出，鱗癌組除了胸膜牽拉征這一變量為負(fù)相關(guān)危險(xiǎn)因素，Perc.01%、分葉征、病灶直徑及性別均為正相關(guān)危險(xiǎn)因素。影像組學(xué)技術(shù)可提取人眼無(wú)法識(shí)別的微觀紋理信息，實(shí)現(xiàn)對(duì)病灶異質(zhì)性的定量檢測(cè)。內(nèi)部驗(yàn)證的校準(zhǔn)曲線(xiàn)亦顯示影像組學(xué)聯(lián)合CT 特征模型具有較好的預(yù)測(cè)精度，有一定的臨床實(shí)用價(jià)值。

根據(jù)Lambin 等[13]提出的影像組學(xué)質(zhì)量評(píng)分，計(jì)算出本研究得分為12 分（總分36 分）。而有關(guān)影像組學(xué)質(zhì)量評(píng)分的綜述表明[21]，絕大多數(shù)質(zhì)量評(píng)分比較低，但現(xiàn)階段大量該方面的研究為影像組學(xué)的應(yīng)用發(fā)展奠定了基礎(chǔ)。目前，影像組學(xué)技術(shù)在軟硬件設(shè)施的差異、感興趣區(qū)的勾畫(huà)、多中心醫(yī)學(xué)數(shù)據(jù)的共享等方面仍存在不足[22]，在臨床實(shí)踐中的應(yīng)用還需要進(jìn)一步驗(yàn)證。但影像組學(xué)仍然是一項(xiàng)非常有前途的技術(shù)，作為人工智能在醫(yī)學(xué)領(lǐng)域中的重要分支，正如已投入臨床使用的肺結(jié)節(jié)軟件，在不久的將來(lái)，該技術(shù)可在計(jì)算機(jī)中結(jié)合影像醫(yī)師診斷報(bào)告系統(tǒng)，依賴(lài)于多中心數(shù)據(jù)共享及深度學(xué)習(xí)算法，作為一種非侵入性方法輔助疾病的診斷及治療。

本研究存在一定的局限性：（1）本研究為回顧性分析，納入樣本量相對(duì)較少，且未納入無(wú)法手術(shù)的晚期肺癌患者，有一定的選擇偏倚；（2）二維感興趣區(qū)勾畫(huà)不及三維感興趣區(qū)勾畫(huà)更能體現(xiàn)腫瘤異質(zhì)性；（3）CT 增強(qiáng)檢查中患者的藥物代謝循環(huán)略有不同，對(duì)比劑的擴(kuò)散存在個(gè)體差異，一定程度上可能影響病灶紋理的真實(shí)性。后續(xù)研究可結(jié)合不同機(jī)器算法及外部數(shù)據(jù)驗(yàn)證，選出效能較好、適用性較廣的診斷模型。

綜上研究，由性別、病灶直徑、胸膜牽拉征、分葉征及Perc.01%等參數(shù)構(gòu)建的影像組學(xué)聯(lián)合CT 特征模型可較好地進(jìn)行術(shù)前鑒別周?chē)头西[癌及腺癌，具有無(wú)創(chuàng)、低成本、可重復(fù)等優(yōu)點(diǎn)，使患者從常規(guī)CT胸部檢查中受益，尤其是為不可手術(shù)的晚期肺腺癌及鱗癌患者的臨床診斷及個(gè)體化治療提供幫助。