唐薇，段俊艷，余子意，翟昭華

膠質(zhì)瘤是原發(fā)顱內(nèi)腫瘤最常見的類型，可發(fā)生在中樞神經(jīng)系統(tǒng)的任何部位，具有侵襲性強(qiáng)、預(yù)后差、復(fù)發(fā)率高的特點(diǎn)[1]。世界衛(wèi)生組織(Word Health Organization，WHO)中樞神經(jīng)系統(tǒng)腫瘤分類將膠質(zhì)瘤分為1～4 級[2]，以往臨床常依靠病理組織學(xué)來預(yù)測其預(yù)后。但該方法有創(chuàng)，且越來越多的研究表明，膠質(zhì)瘤的預(yù)后與病理分級無關(guān)，其侵襲性主要受分子遺傳組成的影響，若存在相同的基因改變，不同組織病理級別的腦膠質(zhì)瘤患者可存在相似的生物學(xué)行為和預(yù)后[3]。2016 年版《WHO 中樞神經(jīng)系統(tǒng)腫瘤分類》首次將基因型納入腦膠質(zhì)瘤的診斷及預(yù)后判斷中，其中將異檸檬酸脫氫酶(isocitrate dehydrogenase，IDH)基因作為膠質(zhì)瘤分子分型的核心依據(jù)之一[4]。基因可能是與治療和預(yù)后相關(guān)的更為關(guān)鍵的預(yù)測因子[5]，基于表型和基因型的聯(lián)合分類方法能夠讓診斷更加明確，且更好地指導(dǎo)治療、預(yù)測預(yù)后。大量研究表明IDH-1 突變型膠質(zhì)瘤的預(yù)后明顯好于野生型膠質(zhì)瘤[6-7]。

臨床工作中，常規(guī)影像學(xué)檢查不能在術(shù)前預(yù)測基因型，故而不能準(zhǔn)確地在術(shù)前確定治療方法。而影像組學(xué)作為一種通過提取數(shù)千種基于覆蓋整個(gè)腫瘤體積的強(qiáng)度直方圖、幾何和紋理分析的圖像特征新興研究方法，可以潛在表征肉眼看不見的腫瘤表型[8-9]，進(jìn)行客觀、定量的分析，挖掘腫瘤的內(nèi)在信息，分析腫瘤的異質(zhì)性。目前，關(guān)于膠質(zhì)瘤IDH 基因型預(yù)測方面的研究大多集中在對紋理特征的分析或者僅集中在某一種病理分級，限制了模型的應(yīng)用。近年來，越來越多的學(xué)者采用更先進(jìn)的MRI技術(shù)研究腦膠質(zhì)瘤IDH基因型與患者預(yù)后、治療的關(guān)系，但是這些技術(shù)對圖像質(zhì)量要求更高、后處理更復(fù)雜，從而難以獲得。本研究利用術(shù)前2～4級膠質(zhì)瘤增強(qiáng)MRI圖像構(gòu)建影像組學(xué)模型，操作更為簡便，并與臨床特征相結(jié)合，探討影像組學(xué)對術(shù)前膠質(zhì)瘤IDH-1 突變狀態(tài)的預(yù)測價(jià)值，獲得的影像組學(xué)特征更多樣，是對現(xiàn)有研究的補(bǔ)充與擴(kuò)展。

1 資料與方法

1.1 一般資料

回顧性分析2017年1月至2021年9月于川北醫(yī)學(xué)院附屬醫(yī)院行術(shù)前MRI 掃描的110 例膠質(zhì)瘤患者的臨床及影像學(xué)資料。納入標(biāo)準(zhǔn)如下：(1)經(jīng)手術(shù)或穿刺活檢證實(shí)為腦膠質(zhì)瘤，并進(jìn)行免疫組織化學(xué)分析，包括確定IDH-1基因型；(2)術(shù)前行頭顱增強(qiáng)MRI檢查；(3)臨床資料完整；(4)無其他腦腫瘤病史或外傷史。排除標(biāo)準(zhǔn)：(1)術(shù)前接受過放化療；(2)影像或臨床資料不完善或圖像質(zhì)量不佳，偽影重。本研究最終納入102 例膠質(zhì)瘤患者。其中男57 例，女45 例，年齡21～78 歲(56±11.31)歲。102 例患者中，IDH-1 基因野生型73 例(WHO 2 級12 例，3 級15 例，4 級46 例)，年齡(60.11±11.97)歲，IDH-1 基因突變型29 例(WHO 2 級15 例，3 級10 例，4 級4 例)，年齡(47.12±9.75)歲。經(jīng)過12 次簡單隨機(jī)分組，最終將102 例患者按照7∶3 隨機(jī)分為訓(xùn)練組71 例和驗(yàn)證組31 例。收集患者臨床信息，包括年齡、性別、膠質(zhì)瘤病理級別、瘤周是否水腫、腫瘤內(nèi)是否壞死、腫瘤是否強(qiáng)化、病灶側(cè)別。本文為回顧性研究，經(jīng)川北醫(yī)學(xué)院附屬醫(yī)院倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號：2021ER198-1。

1.2 MRI檢查

采用美國GE 公司Signa excite 1.5 T 和Discovery MR 750 3.0 T MRI掃描儀檢查，分別使用頭部8通道和32通道相控陣列線圈。所有患者術(shù)前均行頭顱橫斷面MRI平掃與增強(qiáng)掃描，掃描基線平行于前后聯(lián)合連線，掃描范圍覆蓋枕骨大孔至顱頂。掃描序列包括：軸位T1加權(quán)成像(T1-weighted imaging，T1WI)、軸位T2加權(quán)成像(T2-weighted imaging，T2WI)、軸位T2液體衰減反轉(zhuǎn)恢復(fù)序列(T2 fluid attenuated inversion recovery，T2 FLAIR)、彌散加權(quán)成像(diffusion weighted imaging，DWI)及增強(qiáng)T1WI。DWI：b=0、1000 s/mm2。兩種掃描機(jī)型及掃描序列具體參數(shù)見表1、2。增強(qiáng)檢查對比劑為釓貝葡胺注射液(上海博萊科信誼藥業(yè)有限責(zé)任公司)，劑量為0.1 mmol/kg，速率2 mL/s。

表1 1.5 T MRI掃描參數(shù)

表2 3.0 T MRI掃描參數(shù)

1.3 影像組學(xué)過程

1.3.1 圖像預(yù)處理及組學(xué)特征提取

將增強(qiáng)T1WI 二維圖像以DICOM 格式加載到3D-Slicer 4.11 軟件(https://www.slicer.org)進(jìn)行影像組學(xué)分析，為了盡量消除不同MRI 機(jī)型和參數(shù)對于特征提取的影響，將體素大小統(tǒng)一設(shè)為1 mm×1 mm×1 mm。由兩名具有3 年頭顱MRI 診斷經(jīng)驗(yàn)的放射科醫(yī)師采用雙盲法分別獨(dú)立對圖像進(jìn)行分析，并手動(dòng)逐層勾畫每個(gè)腫瘤，即感興趣區(qū)，包括腫瘤增強(qiáng)及壞死、囊變區(qū)，但不包括瘤周水腫。最終從增強(qiáng)T1WI 圖像中共提取了851 個(gè)特征，包括107 個(gè)原始圖像特征和744 個(gè)小波特征，其中162 個(gè)一階特征(first-order)、675 個(gè)紋理特征[灰度共生矩陣(Gray Level Co-occurence Matrix，LCM)、灰度游程矩陣(Gray Level Run-Length Matrix，GLRLM)、灰度大小區(qū)域矩陣(Gray Level Size Zone Matrix，GLSZM)、鄰域灰度差矩陣(Neighbourhood Gray-Tone Difference Matrix，NGTDM)、灰度依賴矩陣(Gray Level Dependence Matrix，GLDM)]及14個(gè)基于形狀因子特征。

1.3.2 組間及組內(nèi)特征一致性檢驗(yàn)

從所有病例中隨機(jī)抽取52例增強(qiáng)T1WI圖像，由兩名具有3年頭顱MRI診斷經(jīng)驗(yàn)的醫(yī)師同時(shí)勾畫感興趣區(qū)并提取特征，進(jìn)行組間影像組學(xué)特征的一致性檢驗(yàn)(interclass correlation coefficients，ICC)。放射醫(yī)師1于2周后再次勾畫并提取特征，與第一次特征進(jìn)行比較評價(jià)組內(nèi)影像組學(xué)特征的一致性。ICC＞0.75的特征被認(rèn)為具有較好的一致性。

1.3.3 組學(xué)特征選擇

為了避免在建模時(shí)的維數(shù)災(zāi)難，減少影像組學(xué)特征帶來的偏差，首先通過獨(dú)立樣本t檢驗(yàn)或MannWhitneyU檢驗(yàn)對所有特征進(jìn)行降維，然后使用最小絕對收縮和選擇算子(least absolute shrinkage and selection operator，LASSO)對數(shù)據(jù)進(jìn)行降維和特征選擇，采用10 倍交叉驗(yàn)證法對模型進(jìn)行檢驗(yàn)，即將數(shù)據(jù)集分成10 份(folds 值設(shè)為10)，輪流將其中9 份做訓(xùn)練集，1 份做驗(yàn)證集，通過變量選擇和正則化來提高統(tǒng)計(jì)模型的預(yù)測精度和可解釋性。

1.3.4 模型建立及驗(yàn)證

利用Logistic回歸模型建立IDH-1的預(yù)測模型。為了進(jìn)行比較，我們創(chuàng)建了3 組影像組學(xué)模型，即臨床特征模型、T1WI 增強(qiáng)模型、臨床聯(lián)合影像組學(xué)模型。采用受試者工作特征(receiver operating characteristic，ROC)曲線下面積(area under the curve，AUC)評價(jià)模型診斷效能(0.5＜AUC＜0.7 為低診斷效率，0.7＜AUC＜0.9 為中等診斷效率，0.9＜AUC為高診斷效率)，并計(jì)算其敏感度、特異度及準(zhǔn)確率。采用Delong檢驗(yàn)比較3組模型的預(yù)測性能，P＜0.05被認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。繪制校準(zhǔn)曲線分析模型校準(zhǔn)效能。

1.4 統(tǒng)計(jì)學(xué)分析

使用IBM SPSS 25.0 (https://www.ibm.com)和R 4.0.2(https://www.r-project.org)軟件，符合正態(tài)分布且方差齊的計(jì)量資料比較采用獨(dú)立樣本t檢驗(yàn)，否則采用Mann-WhineyU檢驗(yàn)。計(jì)數(shù)資料采用卡方檢驗(yàn)進(jìn)行分析，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。構(gòu)建3組Logistic回歸模型，繪制ROC曲線，采用Delong檢驗(yàn)比較3組影像組學(xué)模型的評價(jià)性能。

2 結(jié)果

2.1 臨床基本資料

訓(xùn)練組和驗(yàn)證組患者臨床資料見表3。在所有7個(gè)臨床特征中，年齡為計(jì)數(shù)資料，經(jīng)檢驗(yàn)不符合正態(tài)分布，故采用Mann-WhineyU檢驗(yàn)。其余特征為計(jì)量資料，采用卡方檢驗(yàn)。結(jié)果顯示：訓(xùn)練組和驗(yàn)證組的病理分級和年齡差異具有統(tǒng)計(jì)學(xué)意義(P＜0.05)；突變型平均年齡低于野生型；兩組性別、瘤周水腫、病變部位、腫瘤壞死及腫瘤強(qiáng)化差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。

表3 訓(xùn)練組和驗(yàn)證組的臨床資料

2.2 特征選擇和模型構(gòu)建

本研究進(jìn)行組內(nèi)ICC 后發(fā)現(xiàn)所有特征均具有較好的一致性。行組間ICC 后，從增強(qiáng)T1WI 組學(xué)特征中提取出508 個(gè)一致性較好的特征(ICC＞0.75)。使用t檢驗(yàn)、Mann-WhineyU檢驗(yàn)以及LASSO Logistic 回歸模型對這些影像學(xué)特征進(jìn)行篩選及歸一化處理，最終得到4個(gè)非零影像組學(xué)系數(shù)特征(圖1)。其中包括原始圖像中的紋理特征1 個(gè)(GLCM)、小波特征3 個(gè)(first-order、GLSZM、GLCM)。

圖1 LASSO回歸降維收斂圖和篩選特征變量二項(xiàng)式偏差圖。

2.3 診斷效能

3 組模型訓(xùn)練組和驗(yàn)證組AUC 值、敏感度、特異度及準(zhǔn)確率見表4，結(jié)果顯示加入年齡的聯(lián)合模型預(yù)測效能最好，訓(xùn)練組和驗(yàn)證組的AUC 值分別為0.886 (95%CI：0.81～0.96)、0.889 (95%CI：0.77～1.00)，敏感度分別為0.90、0.86，特異度均為0.55，準(zhǔn)確率分別為80%、77%，與臨床特征模型對比差異具有統(tǒng)計(jì)學(xué)意義(P＜0.05)。校準(zhǔn)曲線顯示在訓(xùn)練組和驗(yàn)證組中聯(lián)合預(yù)測模型IDH-1 突變的概率和實(shí)際概率的一致性較好(圖2)。

圖2 聯(lián)合模型預(yù)測IDH-1突變狀態(tài)在訓(xùn)練組和驗(yàn)證組中的校準(zhǔn)曲線。黑色實(shí)線與對角虛線越接近表示模型一致性越好。

表4 三組影像組學(xué)模型訓(xùn)練組和驗(yàn)證組AUC值、敏感度、特異度、準(zhǔn)確率

3 討論

本研究驗(yàn)證了基于增強(qiáng)T1WI 的定量影像組學(xué)模型預(yù)測膠質(zhì)瘤IDH-1 基因型的價(jià)值，結(jié)果顯示結(jié)合年齡的聯(lián)合影像組學(xué)模型在訓(xùn)練組和驗(yàn)證組均表現(xiàn)出較好的預(yù)測效能，AUC值分別為0.886、0.889，且使用Delong 法與臨床特征模型對比，差異具有統(tǒng)計(jì)學(xué)意義，這證明了放射組學(xué)特征在預(yù)測膠質(zhì)瘤IDH基因型方面的增量價(jià)值。本研究為術(shù)前預(yù)測性研究，創(chuàng)新型地將2～4 級膠質(zhì)瘤病例均納入研究，使其應(yīng)用不受病理分級的限制。并將年齡與影像特征聯(lián)合，年齡在術(shù)前容易獲得，這使得納入這一變量成為發(fā)展聯(lián)合模型的常見策略，為術(shù)前預(yù)測膠質(zhì)瘤IDH-1 基因型提供了一種個(gè)體化和非侵入性的預(yù)測工具。

IDH 基因是膠質(zhì)瘤一個(gè)重要的遺傳標(biāo)志，在膠質(zhì)瘤代謝、發(fā)病機(jī)制和進(jìn)展中發(fā)揮著重要作用[2,4]，IDH-1 是其最常見的一種突變型形式。根據(jù)IDH基因突變情況，膠質(zhì)瘤可分為IDH突變型和野生型[10]。IDH 突變導(dǎo)致腫瘤代謝物D-2-羥基戊二酸產(chǎn)生[11]，該物質(zhì)潛在地促進(jìn)IDH 突變腫瘤的免疫逃逸[12]。IDH-1 突變型膠質(zhì)瘤比野生型生長緩慢，更易接受大體全切除，對放化療更敏感，總體生存期和無進(jìn)展生存期更長，預(yù)后和存活生存率更高[13]。

3.1 增強(qiáng)T1WI影像組學(xué)在預(yù)測腦膠質(zhì)瘤IDH-1突變狀態(tài)的臨床價(jià)值

本研究對比分析IDH-1 突變型和野生型患者的臨床及MRI 相關(guān)資料，結(jié)果表明年齡、病理分級是預(yù)測IDH-1 突變狀態(tài)的獨(dú)立危險(xiǎn)因素。研究結(jié)果證實(shí)突變型患者的平均年齡較野生型患者年齡更小，差異有統(tǒng)計(jì)學(xué)意義，且結(jié)合年齡的影像組學(xué)模型在三組中的預(yù)測性能最好，與Tan等[14]的研究結(jié)果一致。雖然越來越多的學(xué)者使用MRI 先進(jìn)技術(shù)分析IDH 突變狀態(tài)與膠質(zhì)瘤之間的關(guān)系[15-16]，但是一項(xiàng)Meta分析顯示常規(guī)MRI序列的機(jī)器學(xué)習(xí)在預(yù)測IDH突變方面顯示出更好的特異性[17]。本研究在增強(qiáng)T1WI 序列上提取大量高通量影像組學(xué)特征，操作簡單，易于獲得。有學(xué)者[1,18]發(fā)現(xiàn)基于術(shù)前增強(qiáng)MR的放射組學(xué)模型可以有效地預(yù)測高級別膠質(zhì)瘤的IDH-1基因。Park等[19]發(fā)現(xiàn)在常規(guī)序列影像組學(xué)中加入彌散張量成像(diffusion tensor imaging，DTI)影像組學(xué)能顯著提高低級別膠質(zhì)瘤IDH狀態(tài)的預(yù)測準(zhǔn)確性。Li 等[20]分別從多參數(shù)MRI 的增強(qiáng)區(qū)、非增強(qiáng)區(qū)、壞死、水腫、腫瘤核心以及整個(gè)腫瘤六個(gè)區(qū)中提取特征，結(jié)果表明多區(qū)域影像組學(xué)模型能夠在術(shù)前預(yù)測膠質(zhì)母細(xì)胞瘤的突變狀態(tài)，且將年齡與全區(qū)域相結(jié)合可獲得最佳預(yù)測性能。但是上述研究僅集中在低級別或高級別膠質(zhì)瘤，需要腫瘤病理分級作為前提，分級信息需要侵入性檢查獲得，極大地限制了影像組學(xué)的臨床應(yīng)用。而本研究未將病理分級納入臨床特征，使得研究不受病理分級的限制，擴(kuò)展了影像組學(xué)模型的臨床應(yīng)用，為術(shù)前預(yù)測腦膠質(zhì)瘤IDH-1基因狀態(tài)提供了可能。

3.2 影像組學(xué)特征與膠質(zhì)瘤IDH突變狀態(tài)的關(guān)系

影像組學(xué)作為非侵入性的影像醫(yī)學(xué)檢查方法，使用自動(dòng)數(shù)據(jù)特征化算法將MRI 圖像中肉眼不可見的信息轉(zhuǎn)換為定量的高通量特征，獲取與臨床疾病潛在關(guān)聯(lián)。本研究從102 例膠質(zhì)瘤患者的增強(qiáng)T1WI圖像中提取了851個(gè)特征，應(yīng)用LASSO法進(jìn)行特征提取，結(jié)果顯示原始圖像中的紋理特征(GLCM)、小波圖像特征(first-order、GLSZM、GLCM)與IDH-1 突變狀態(tài)相關(guān)度最高。小波圖像特征在本模型中具有重要意義的原因可能是其較原始特征占有更高的權(quán)重，相比原始特征的信息量更大。一階特征和紋理特征反映腫瘤的異質(zhì)性[21]。Hsieh等[22]從腫瘤組織中提取了定量的一階特征、形態(tài)和紋理特征來確定膠質(zhì)母細(xì)胞瘤的IDH 狀態(tài)，使用Logistic 回歸分類器對特征集進(jìn)行評估，以建立預(yù)測模型，結(jié)果表明紋理特征預(yù)測準(zhǔn)確率為85%，顯著高于形態(tài)特征和一階特征。Han 等[23]利用常規(guī)磁共振成像直方圖和GLCM特征得出的聯(lián)合變量可以精確檢測IDH-1突變的膠質(zhì)瘤。Sohn等[24]研究發(fā)現(xiàn)在預(yù)測IDH突變狀態(tài)中，與之相關(guān)度最高的為紋理特征和形狀特征。以上研究均表明IDH 突變型和野生型之間存在某些紋理上的差別，與本研究結(jié)果一致。

3.3 局限性

首先，本研究樣本量小，特別是IDH-1 突變型，使得訓(xùn)練組和驗(yàn)證組的分類模型會(huì)出現(xiàn)采樣不均衡的問題。其次，本研究只使用了MRI 增強(qiáng)單一序列，還應(yīng)納入其他常規(guī)序列或先進(jìn)的MRI 技術(shù)，以構(gòu)建更全面、更先進(jìn)的影像組學(xué)模型。最后，本研究只關(guān)注了膠質(zhì)瘤的IDH 基因型，MRI 影像組學(xué)與膠質(zhì)瘤其他基因表達(dá)的關(guān)系還有待進(jìn)一步研究。

綜上所述，基于增強(qiáng)MRI 影像組學(xué)模型可以在術(shù)前有效的預(yù)測膠質(zhì)瘤IDH-1 基因型，特別是對于那些不能手術(shù)切除患者治療前的常規(guī)評估方法，從而指導(dǎo)臨床治療、預(yù)測預(yù)后。

作者利用沖突：全部作者均聲明無利益沖突。