熊亮霞，方淇民，李淑豪，彭云，龔良庚

肝細胞肝癌(hepatocellular carcinoma，HCC)是全球第六大常見惡性腫瘤，其死亡率位于全球癌癥的第三位[1]。手術(shù)切除是肝功能良好HCC患者的主要治療方法[2]。然而，肝癌患者切除術(shù)后的復發(fā)率仍高達50%～70%，并導致不良預后[3-4]。準確預測肝癌術(shù)后早期復發(fā)風險對臨床復發(fā)的監(jiān)測、預防和治療策略的制訂具有關(guān)鍵性作用。影像組學作為一種新的影像學生物標志物，通過非侵入性特征分析技術(shù)獲得與疾病相關(guān)的各種隱藏信息，有助于HCC的診斷、術(shù)前微血管侵犯(microvascular invasion，MVI)的預測及療效評估等[5-6]。本研究旨在探討術(shù)前臨床資料及增強CT圖像影像組學方法預測HCC切除術(shù)后早期復發(fā)的價值。

材料與方法

1.臨床資料

回顧性分析2017年1月-2019年7月本院行肝部分切除術(shù)并經(jīng)組織病理學確診為HCC患者的病例資料。納入標準：①經(jīng)手術(shù)病理證實為HCC；②在術(shù)前2周內(nèi)行上腹部CT增強掃描；③CT圖像質(zhì)量滿意。排除標準:①術(shù)前有HCC治療史；②臨床資料不完整；③術(shù)后2年內(nèi)失訪。共有130例HCC患者納入研究，男100例，女30例；年齡23～83歲，平均(55.6±12.6)歲；腫瘤最大直徑0.9～18.0 cm，平均(5.9±3.9) cm。從臨床病歷系統(tǒng)中搜集患者的年齡、性別、乙肝表面抗原(HBsAg)、血清甲胎蛋白(AFP) 、血清球蛋白(GLB) 、血清總膽紅素(TBIL) 、谷草轉(zhuǎn)氨酶(AST)、谷丙轉(zhuǎn)氨酶(ALT)、γ-谷氨酰轉(zhuǎn)肽酶(γ-GT)、血小板計數(shù)(PLT)、中性粒細胞與淋巴細胞比值(NLR)、凝血酶原時間(PT)、凝血酶原時間國際標準化比率(INR)、病理分化程度、微血管侵犯(MVI)及腫瘤最大徑(maximum tumor diameter,MTD)等基本臨床資料。

2.CT掃描方案

使用Siemens Somatom Definition Flash雙源CT機行上腹部CT掃描，掃描參數(shù)：120 kV，210 mAs，層厚5.0 mm，層間距5.0 mm，矩陣512×512，重建層厚1.25 mm。首先進行常規(guī)平掃，然后以2.4 mL/s的流率經(jīng)肘靜脈注入對比劑碘普羅胺(370 mg I/mL)，劑量1.1 mL/kg，隨后以同樣流率注入20 mL生理鹽水沖管，延遲25 s行動脈期掃描，于動脈期開始后30 s進行靜脈期掃描。

3.隨訪及復發(fā)評估

通過門診、電話和病例查詢系統(tǒng)對所有患者進行規(guī)律隨訪，術(shù)后每3個月定期監(jiān)測HCC患者的血清AFP等腫瘤標志物及腹部超聲、CT、MRI或肝動脈造影等檢查。早期復發(fā)定義為HCC患者手術(shù)切除后2年內(nèi)通過超聲、CT、MRI或肝動脈造影等影像學檢查發(fā)現(xiàn)新的肝內(nèi)病灶或肝外轉(zhuǎn)移，標準如下：①新的肝內(nèi)病灶，具有典型的HCC影像學表現(xiàn)，且經(jīng)組織病理學證實或術(shù)后TACE術(shù)中DSA顯示腫瘤染色；②典型的影像學特征或組織病理學證實為肝外轉(zhuǎn)移[7]。本研究中患者隨訪時間為1～46個月，中位數(shù)為24個月。

4.圖像勾畫及特征提取

病灶分割：首先標準化圖像灰階，由一位高年資放射科醫(yī)師(具有5年以上腹部影像診斷經(jīng)驗)使用ITK-SNAP軟件，分別在動脈期和靜脈期圖像上逐層沿靶病灶邊緣勾畫ROI，最后經(jīng)軟件處理融合成三維容積ROI(volume ROI，VOI)，然后由另一位高年資放射科醫(yī)師(具有10年以上腹部影像診斷經(jīng)驗)對結(jié)果進行核查和驗證(圖1a～b)。

特征提?。簯肎E 公司AK(Artificial Intelligence Kit, Version: 3.2.0.R)軟件對已勾畫ROI的CT圖像進行特征提取，每個期相提取8大類共569個特征參數(shù)，分別為一階特征、灰度直方圖(圖1c)特征、灰度共生矩陣(gray-level co-occurrence matrix，GLCM)特征、灰度游程矩陣(run-length matrix，RLM)特征和灰度步長矩陣(gray-level run-length matrix，GLRLM)特征。以均值替換異常值對特征數(shù)據(jù)進行預處理，同時采用Z-score標準化特征參數(shù)。

圖1 特征參數(shù)提取。a)使用ITK-SNAP軟件，在動脈期圖像上沿病灶邊緣手動勾畫ROI(紅圈)；b)將每個層面勾畫的病灶ROI融合，獲得三維VOI；c)經(jīng)AK軟件提取獲得的灰度直方圖示意圖。橫坐標為灰度級，縱坐標表示對應各灰度值的像素在圖像中出現(xiàn)的頻數(shù)。

5.統(tǒng)計學方法

臨床數(shù)據(jù)：使用SPSS 25.0軟件進行統(tǒng)計分析。分類變量采用卡方檢驗進行分析；連續(xù)變量采用Kolmogorov Smirnov檢驗判斷是否符合正態(tài)分布，符合正態(tài)分布者組間比較采用獨立樣本t檢驗，不符合者采用Mann WhitneyU檢驗。以P<0.05為差異有統(tǒng)計學意義。對單因素分析中P<0.05的臨床因素進行多因素logistic回歸分析并建立回歸模型。

組學特征數(shù)據(jù)：均采用IPMs 2.4.0軟件進行統(tǒng)計學處理。先對所有特征參數(shù)進行Pearson相關(guān)性分析以去除冗余，隨后采用t檢驗及Wilcoxon秩和檢驗降低特征維度；按照2∶1的原則將130例患者隨機分為訓練集(84例)和測試集(46例)，以本研究中早期復發(fā)作為二分類問題，采用支持向量機方法(support vector machine，SVM)對已篩選的特征進行建模，采用ROC曲線分析評估模型的診斷效能，計算敏感度、特異度、符合率和ROC曲線下面積(area under curve，AUC)等效能指標。模型間AUC的比較采用Delong檢驗。

結(jié) 果

1.一般資料

130例中，早期復發(fā)61例(46.9%)，無早期復發(fā)69例。兩組患者臨床資料的單因素分析結(jié)果見表1。

表1 HCC患者早期復發(fā)的單因素分析

早期復發(fā)組與無復發(fā)組之間腫瘤最大徑、AFP 、AST、γ-GT、PLT、病理分化程度和MVI的差異有統(tǒng)計學意義(P<0.05)；其它指標間的差異無統(tǒng)計學意義(P>0.05)。

多因素logistic回歸分析結(jié)果顯示腫瘤最大徑和MVI是HCC患者術(shù)后早期復發(fā)的獨立危險因素(P<0.05)，詳見表2。

2.組學特征分析和預測模型的建立

特征降維篩選后，獲得動脈期4個、靜脈期2個最佳組學特征，特征名稱及統(tǒng)計分析結(jié)果見表3。

表3 降維后篩選出的動脈期和靜脈期最佳組學特征

基于動脈期和靜脈期最佳特征集及臨床風險因子，采用SVM算法基于訓練集中樣本數(shù)據(jù)分別建立相應的預測模型，采用ROC曲線分析評估其診斷效能，并在驗證集中進行驗證，結(jié)果見表4、圖2。以動脈期預測模型的AUC值大于靜脈期及臨床模型，其在訓練集中AUC為0.847；在驗證集中為0.858(圖3)，Delong檢驗結(jié)果表明動脈期預測模型效能優(yōu)于靜脈期模型及臨床模型(P=0.018；P=0.026)。聯(lián)合動脈期的有效特征參數(shù)與臨床有意義因子建立組合模型，其預測性能較單純動脈期模型顯著提高(Delong檢驗示P=0.022)，在訓練集中AUC為0.882，在驗證集中AUC為0.938。

圖2 不同納入因子建立的預測模型的ROC曲線，以組合模型的AUC最大。SVM_1代表動脈期模型，SVM_2代表靜脈期模型，SVM_3代表臨床模型，SVM_4代表組合模型。 圖3 基于動脈期CT圖像組學特征建立的預測模型的ROC曲線。a)模型在訓練集中的ROC曲線，AUC為0.847；b)模型在驗證集中的ROC曲線，AUC為0.858。

表4 各模型在訓練集合驗證集這的預測效能

討 論

HCC腫瘤組織異質(zhì)性明顯，肝部分切除術(shù)后復發(fā)率仍較高，患者的預后較差[8]。近年來，有研究者探討了臨床指標及常規(guī)影像表現(xiàn)預測HCC切除術(shù)后早期復發(fā)的可能性，但發(fā)現(xiàn)部分臨床實驗室指標短期波動較大、可重復性不高，且影像學征象的評估較為依賴醫(yī)師的主觀經(jīng)驗[9-11]。影像組學可將圖像信息與病理、臨床療效和預后相關(guān)聯(lián)，已廣泛應用于腫瘤的診斷、療效及預后預測中[12]。Zhang等[13]構(gòu)建了基于CT影像組學特征的晚期胃癌患者根治性切除術(shù)后早期復發(fā)的預測模型并繪制了諾模圖，其結(jié)果顯示該模型的預測效能良好(AUC=0.831)。這些研究證實了影像組學方法可以預測腫瘤術(shù)后早期復發(fā)并指導臨床治療。本研究使用SVM方法建立了CT影像組學模型，結(jié)果顯示模型對HCC患者肝切除術(shù)后早期復發(fā)具有較高的預測價值，其中基于動脈期組學特征集的預測模型優(yōu)于靜脈期和臨床模型，將動脈期最優(yōu)特征集與臨床風險因子結(jié)合后，模型的預測效能較前明顯提升。

影像組學提取了大量涉及圖像各個層次和方面的圖像特征，主要包括一階直方圖特征、二階紋理特征、高階濾波特征等。然而海量的特征數(shù)據(jù)集具有復雜度高、針對性差和分類性能差的特點，為了提高特征的普適性和可重復性，本研究對特征進行了降維[14]。在經(jīng)過降維篩選后，最終選取了4個動脈期、2個靜脈期最優(yōu)特征子集，其中，形狀特征中的球狀性(Sphericity)是動、靜脈期特征集的共有特征，它既可描述圖像的二維、也可描述三維信息；灰度區(qū)域大小矩陣特征中的區(qū)域方差(ZoneVariance)和灰度相關(guān)矩陣特征中的大相關(guān)灰度強調(diào)(Large Dependence Emphasis)的優(yōu)勢比(odds ratio)較高，表明兩者與早期復發(fā)顯著相關(guān)。不同特征類型反映的具體意義不同，灰度區(qū)域大小矩陣是紋理特征的高級統(tǒng)計矩陣，它反映了圖像紋理的均勻性，矩陣越寬大、平坦，表示圖像紋理越均勻；灰度相關(guān)性矩陣是基于灰度共生矩陣計算出來的統(tǒng)計量，反映了圖像局部灰度的相關(guān)性，主要用來度量行或列上的圖像灰度級的相似程度，矩陣各項參數(shù)值越大，與早期復發(fā)的相關(guān)性也越大[15-16]。

本研究中，動脈期降維篩選后與早期復發(fā)相關(guān)的特征參數(shù)多于靜脈期，且動脈期預測模型的診斷效能優(yōu)于靜脈期，筆者分析可能的原因如下。①根據(jù)HCC病理生理學原理，腫瘤細胞的小血管大多由肝動脈供血，增強掃描動脈期可見病灶有明顯強化[17]。②腫瘤周圍微小癌栓形成，導致門靜脈微小分支阻塞，進而引起靜脈血供減少或缺乏，造成“代償性動脈灌注”，即短暫性肝密度差異[18]。以上HCC的特征性影像學表現(xiàn)主要出現(xiàn)于動脈期，表明動脈期圖像可以更好地反映肝癌病灶的異質(zhì)性[19]，且在特征提取軟件中可以更好的被捕捉到。

多因素分析結(jié)果顯示腫瘤最大徑和MVI是HCC患者肝切除術(shù)后早期復發(fā)的獨立危險因素。有研究發(fā)現(xiàn)肝癌肝切除術(shù)后復發(fā)風險隨著腫瘤直徑的增加而增加，腫瘤直徑的增大通常伴隨著HCC惡性生物學行為的進展，如侵犯微血管、形成癌栓、出現(xiàn)子灶或衛(wèi)星結(jié)節(jié)等[20-21]。微循環(huán)浸潤是HCC惡性度增加及侵襲性增強的標志，且多發(fā)生于晚期肝癌中。MVI是目前較為公認的預測早期復發(fā)的指標，因此術(shù)前評估MVI對指導HCC患者的臨床治療決策及預防術(shù)后早期復發(fā)具有重要的臨床意義[5]。我們的研究結(jié)果與之一致。本研究將臨床風險因子與動脈期最優(yōu)組學特征子集組合并采用SVM方法構(gòu)建預測模型，此組合模型對HCC切除術(shù)后早期復發(fā)的預測效果較單序列模型明顯提升。

本研究的局限性：①為單中心研究，樣本量偏小，有待多中心外部驗證。②沒有研究影像組學與腫瘤基因之間的關(guān)聯(lián)，應探討基于影像組學分析腫瘤早期復發(fā)與腫瘤基因之間的相關(guān)性，以更好的為精準醫(yī)學服務。③大多數(shù)患者有肝硬化背景，可能存在選擇偏倚，且很難區(qū)分HCC的早期復發(fā)和新生HCC。

綜上所述，基于CT的影像組學模型可以有效預測HCC切除術(shù)后早期復發(fā)，從而為患者的臨床個性化治療策略提供指導。