施蒙，馬躍虎，任軍，王同興，殷信道，彭明洋*

作者單位：1.南京市中西醫(yī)結(jié)合醫(yī)院醫(yī)學(xué)影像科，南京 210000；2.南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院）醫(yī)學(xué)影像科，南京 210006

腦膠質(zhì)瘤仍然是最常見(jiàn)的原發(fā)性腦腫瘤[1]。根據(jù)WHO 2016 年分類可將其分為高級(jí)別膠質(zhì)瘤（WHOⅢ～Ⅳ級(jí)）和低級(jí)別膠質(zhì)瘤（WHO Ⅰ～Ⅱ級(jí)）[2]。低級(jí)別膠質(zhì)瘤（low-grade gliomas, LGG）雖然只占20%且生長(zhǎng)緩慢，但具有轉(zhuǎn)化為高級(jí)別膠質(zhì)瘤的風(fēng)險(xiǎn)[3-4]。即便采取最佳的治療措施，患者仍然存在較高的復(fù)發(fā)及致死致殘率。擴(kuò)散峰度成像（diffusion kurtosis imaging, DKI）是描述組織內(nèi)水分子擴(kuò)散非高斯分布的擴(kuò)散成像新技術(shù)，能更好地反映組織的微觀結(jié)構(gòu)復(fù)雜性[5]?；谙袼胤植嫉闹狈綀D分析可提供更多反映腫瘤異質(zhì)性的定量參數(shù)，能更全面地評(píng)估腫瘤的生物學(xué)特征[6]。以往的研究顯示發(fā)病年齡、腫瘤發(fā)生位置、病理組織學(xué)類型、腦血流量、治療方法及DKI參數(shù)等與膠質(zhì)瘤患者的生存預(yù)后相關(guān)[7-10]。但目前為止，尚無(wú)系統(tǒng)的評(píng)價(jià)體系綜合納入這些因素。列線圖模型可通過(guò)聯(lián)合多指標(biāo)診斷或預(yù)測(cè)某一臨床事件的發(fā)生，已廣泛應(yīng)用于腫瘤患者的生存期預(yù)測(cè)中[11-12]。本研究旨在基于DKI直方圖影像組學(xué)特征構(gòu)建預(yù)測(cè)LGG患者生存率的列線圖，建立一個(gè)相對(duì)準(zhǔn)確直觀的評(píng)價(jià)模型來(lái)預(yù)測(cè)LGG患者的總生存率。

1 資料與方法

1.1 研究對(duì)象

本研究經(jīng)過(guò)南京醫(yī)科大學(xué)倫理委員會(huì)批準(zhǔn)（批準(zhǔn)文號(hào)：2018-448），免除受試者知情同意。回顧性分析2018 年1 月至2020 年6 月在南京市第一醫(yī)院神經(jīng)外科就診的LGG 患者病例資料。納入標(biāo)準(zhǔn)：（1）所有患者均為初發(fā)首治；（2）術(shù)前均行頭顱DKI 檢查；（3）生存資料及病理生理資料完整（如年齡、性別、WHO 分級(jí)、病理類型、腦葉位置、腫瘤部位、術(shù)后是否放療等）；（4）術(shù)前未接受化療或放療。排除標(biāo)準(zhǔn)：（1）接受過(guò)皮質(zhì)類固醇或抗生素治療或曾接受過(guò)腦部手術(shù)的患者；（2）DKI 圖像因運(yùn)動(dòng)偽影太重?zé)o法評(píng)估；（3）30 d內(nèi)死亡的患者。根據(jù)頭顱MRI、PET/CT、病理評(píng)估預(yù)后，分為復(fù)發(fā)和未復(fù)發(fā)，并每半年通過(guò)電話隨訪患者生存情況。隨訪時(shí)間為2年。

1.2 MRI掃描參數(shù)

所有患者在治療前行MRI掃描，采用西門子醫(yī)療系統(tǒng)的3.0 T MR 掃描（Magnetom Verio, Siemens Medical Solutions，Erlangen, Germany），掃描序列包括T1WI、T2WI、液體衰減反轉(zhuǎn)恢復(fù)序列（fluid attenuated inversion recovery, FLAIR）、擴(kuò)散加權(quán)成像（diffusion-weighted imaging, DWI）、DKI和T1 增強(qiáng)掃描。DKI 掃描參數(shù)如下：TR 3000 ms；TE 109 ms；矩 陣128×128；FOV 256 mm×256 mm；FA 90°；層數(shù)15；層厚4 mm；b 值0、500、1000、1500、2000和2500 s/mm2，方向30。

1.3 圖像處理及VOI勾畫

使用FMRIB擴(kuò)散工具包（版本v6.0, Oxford, UK,http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSL）對(duì) 圖像進(jìn)行頭部運(yùn)動(dòng)和渦流畸變校正，應(yīng)用DKE軟件（版本DKE 2.6,http://www.nitrc.org/projects/dke）對(duì)DKI圖像進(jìn)行剛體配準(zhǔn)和空間平滑（高斯平滑），以獲得參數(shù)圖各向異性分?jǐn)?shù)（fractional anisotropy, FA）、平均擴(kuò)散率（mean diffusivity, MD）、平均峰度（mean kurtosis, MK）、峰度各向異性分?jǐn)?shù)（kurtosis fractional anisotropy, KFA）和平均峰度張量（mean kurtosis tensor, MKT）。使用ITK-SNAP軟件（版本3.4.0, http://www.itksnap.org）在DKI 圖像上逐層勾畫獲取整個(gè)腫瘤實(shí)質(zhì)區(qū)作為感興趣容積（volume of interest,VOI）進(jìn)行直方圖分析（圖1）。勾畫過(guò)程中以橫斷位T1WI增強(qiáng)圖像作為參考，避免包含較大的囊變、壞死、出血及血管所在的區(qū)域。最后獲得各個(gè)參數(shù)圖的直方圖參數(shù)，包括：平均值、最小值、最大值、方差、第20百分位數(shù)（20th）、第50 百分位數(shù)（50th）、第75 百分位數(shù)（75th）、偏度和峰度，共獲得45 個(gè)DKI 特征。所有VOI勾畫均由1名具有5年中樞影像診斷經(jīng)驗(yàn)的高年資主治醫(yī)師在未告知臨床資料的前提下進(jìn)行勾畫，并由另外1 名具有10 年中樞影像診斷經(jīng)驗(yàn)的副主任醫(yī)師校對(duì)。意見(jiàn)不統(tǒng)一時(shí)經(jīng)協(xié)商達(dá)成一致。

圖1 右側(cè)額葉星形細(xì)胞瘤Ⅱ級(jí)T1 增強(qiáng)及擴(kuò)散峰度成像（DKI）圖感興趣區(qū)勾畫示例，1A～1F分別為T1增強(qiáng)、各向異性分?jǐn)?shù)（FA）、平均擴(kuò)散率（MD）、平均峰度（MK）、峰度各向異性分?jǐn)?shù)（KFA）和平均峰度張量（MKT）圖。Fig. 1 An example of volume of interest delineation on T1 enhancement and diffusion kurtosis imaging (DKI) images in right frontal astrocytoma (grade Ⅱ),1A-1F: T1 enhancement, fractional anisotropy (FA), mean diffusivity (MD),mean kurtosis (MK), kurtosis fractional anisotropy (KFA) and mean kurtosis tensor(MKT),respectively.

1.4 特征選擇及DKI評(píng)分

采用最低絕對(duì)收縮和選擇算子（least absolute shrinkage and selection operator, LASSO）篩選預(yù)測(cè)預(yù)后的最佳影像特征，并根據(jù)最佳影像特征的系數(shù)加權(quán)線性組合計(jì)算出DKI評(píng)分。

1.5 統(tǒng)計(jì)學(xué)分析

所有數(shù)據(jù)均采用R 3.5.1 統(tǒng)計(jì)軟件進(jìn)行處理。符合正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差表示，并應(yīng)用獨(dú)立t檢驗(yàn)分析，不符合正態(tài)分布的計(jì)量資料以中位數(shù)（四分位數(shù)）表示，并應(yīng)用Mann-WhitneyU檢驗(yàn)分析，計(jì)數(shù)資料采用例數(shù)（百分比）表示，并采用χ2檢驗(yàn)分析。使用Kappa分析評(píng)估觀察者間DKI感興趣區(qū)勾畫的一致性。使用R 軟件行Kaplan-Meier 法繪制生存曲線，Log-rank比較組間差異。單因素Cox回歸分析分析相關(guān)獨(dú)立的危險(xiǎn)因素，進(jìn)而納入多變量Cox回歸分析，最后產(chǎn)生獨(dú)立的風(fēng)險(xiǎn)因素。基于上述預(yù)后因素構(gòu)建LGG 列線圖，采用1000 次重采樣的方法用于構(gòu)建列線圖和校準(zhǔn)曲線以減少過(guò)度擬合偏差，使用一致性指數(shù)(C-index)評(píng)估觀察值的和預(yù)測(cè)值之間的區(qū)別，利用C-index 比較列線圖與WHO 分級(jí)的預(yù)后效能。采用決策曲線分析（decision curve analysis, DCA）評(píng)價(jià)模型獲益情況，通過(guò)計(jì)算不同閾值概率下的凈效益，以確定本預(yù)測(cè)模型的臨床效益用途。應(yīng)用受試者工作特征（receiver operating characteristic,ROC）曲線評(píng)估模型的預(yù)測(cè)效能。臨床變量模型和列線圖模型的效能比較采用Delong 檢驗(yàn)。P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 LGG患者臨床數(shù)據(jù)及人口學(xué)特征

共95例LGG患者納入研究，其中5例曾接受過(guò)腦部手術(shù)，2 例DKI 圖像偽影較大，最終共88 例納入分析。其中男51 例，女37 例，年齡（54.15±12.83）歲，23 例患者復(fù)發(fā)，65 例患者術(shù)后未復(fù)發(fā)。少突星形細(xì)胞瘤8 例，少突膠質(zhì)細(xì)胞瘤37 例，星形細(xì)胞瘤43 例。年齡、WHO分級(jí)、病理類型、腫瘤部位、是否放化療在生存組和死亡組間差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05）（表1）。圖2為低級(jí)別膠質(zhì)瘤復(fù)發(fā)與未復(fù)發(fā)的影像示例。

表1 低級(jí)別膠質(zhì)瘤基線資料和組織病理學(xué)分布Tab.1 The clinical data and distribution of histopathological in low-grade glioma

圖2 典型低級(jí)別膠質(zhì)瘤未復(fù)發(fā)與復(fù)發(fā)影像示例。2A～2E：右側(cè)額葉星形細(xì)胞瘤（WHO Ⅰ級(jí)），術(shù)后2年隨訪MRI（2E）未見(jiàn)明顯復(fù)發(fā)征象。2F～2J：右側(cè)枕葉星形細(xì)胞瘤（WHO Ⅱ級(jí)），術(shù)后1年隨訪MRI（2J）可見(jiàn)復(fù)發(fā)征象。Fig. 2 Typical example of low-grade gliomas with no recurrence and recurrence. 2A-2E: Right frontal lobe astrocytoma (WHO grade Ⅰ). No obvious recurrence signs were found on MRI (1E) after 2 years of follow-up.2F-2J: Right occipital astrocytoma (WHO grade Ⅱ). MRI (2J) showed signs of recurrence one year after operation.

2.2 DKI特征篩選及評(píng)分

DKI感興趣區(qū)勾畫在2位醫(yī)師間具有很高的一致性（Kappa值：0.92）。經(jīng)LASSO降維后共篩選出9個(gè)與預(yù)后最相關(guān)的特征，分別為MD 方差、MD 峰度、FA 最小值、FA 方差、FA 偏度、KFA 25th、KFA 偏度、MK 偏度、MKT 25th。LASSO系數(shù)分布圖見(jiàn)圖3。DKI評(píng)分公式為：

圖3 低級(jí)別膠質(zhì)瘤擴(kuò)散峰度成像（DKI）直方圖特征LASSO系數(shù)分布。Fig. 3 The distribution of LASSO coefficients of diffusion kurtosis imaging(DKI)histogram radiomics in low-grade glioma.

分?jǐn)?shù)=（2.16×MD方差）+（-0.09×MD峰度）+

（-10.24×FA最小值）+（10.27×FA方差）+

（-1.22×FA偏度）+（-7.27×KFA 25th）+（0.26×

KFA偏度）+（-0.30×MK偏度）+（3.72×MKT 25th）。 （1）

2.3 Cox回歸分析各因素與LGG患者預(yù)后關(guān)系

單因素Cox回歸分析發(fā)現(xiàn)年齡、WHO分級(jí)、病理類型、腦葉位置、腫瘤部位、術(shù)后放療與否、DKI 評(píng)分是影響LGG 患者預(yù)后的關(guān)鍵因素。進(jìn)一步多因素Cox回歸分析發(fā)現(xiàn)年齡、WHO 分級(jí)、腦葉位置、腫瘤部位、術(shù)后放療與否、DKI 評(píng)分仍然是影響LGG 患者預(yù)后的關(guān)鍵因素（表2）?；谝陨详P(guān)鍵的獨(dú)立危險(xiǎn)因素，本研究構(gòu)建了基于DKI 評(píng)分預(yù)測(cè)LGG 患者生存率的列線圖（圖4）。采用Bootstrap法對(duì)列線圖進(jìn)行內(nèi)部驗(yàn)證，抽樣次數(shù)B＝1000，驗(yàn)證結(jié)果顯示一致性指數(shù)為0.838（95%CI：0.816～0.860），具有良好的預(yù)測(cè)價(jià)值。基于以上變量和DKI 評(píng)分建立列線圖模型預(yù)測(cè)LGG 預(yù)后的曲線下面積為0.953，明顯大于基于臨床變量的模型的0.745（Z=-3.42，P=0.005）（圖5A）。DCA 顯示臨床變量模型的一致性指數(shù)為0.667（95%CI：0.614～0.719），列線圖模型的一致性指數(shù)為0.858（95%CI：0.833～0.882），表明列線圖模型的凈收益優(yōu)于臨床變量模型（圖5B）。校準(zhǔn)曲線提示在觀察值與預(yù)測(cè)值之間有良好的一致性（圖5C）。

表2 低級(jí)別膠質(zhì)瘤患者復(fù)發(fā)與未復(fù)發(fā)的Cox回歸模型單因素和多因素分析Tab.2 Univariate and multivariate analysis of Cox regression model in low-grade glioma patients between no recurrence and recurrence

圖4 低級(jí)別膠質(zhì)瘤患者五年生存率預(yù)后預(yù)測(cè)的列線圖。DKI：擴(kuò)散峰度成像。 圖5 低級(jí)別膠質(zhì)瘤預(yù)后模型效能評(píng)估結(jié)果。5A：臨床變量模型和列線圖模型預(yù)測(cè)低級(jí)別膠質(zhì)瘤預(yù)后的受試者工作特征曲線；5B：臨床變量模型和列線圖模型的決策曲線圖；5C：低級(jí)別膠質(zhì)瘤患者列線圖模型五年生存率校準(zhǔn)曲線。Fig. 4 Prognosis prediction nomogram of 5-year survival rate in low-grade glioma patients. DKI: diffusion kurtosis imaging. Fig. 5 The evaluation results of low-grade glioma prognosis model. 5A: The receiver operating characteristic curve of clinical variable model and nomogram model for predicting the prognosis of low-grade gliomas; 5B: Decision curve analysis of clinical variable model and nomogram model; 5C: Calibration curve of 5-year survival rate of nomogram model in low-grade glioma patients.

3 討論

本研究基于88 例低級(jí)別膠質(zhì)瘤的DKI 直方圖的影像特征分析，構(gòu)建預(yù)后評(píng)估模型。Cox 回歸分析結(jié)果顯示年齡、WHO 分級(jí)、腦葉位置、腫瘤部位、術(shù)后放療與否、DKI 評(píng)分是LGG 預(yù)后的關(guān)鍵危險(xiǎn)因素?；谝陨衔ｋU(xiǎn)因素構(gòu)建列線圖模型，其預(yù)測(cè)效能明顯優(yōu)于臨床變量模型，并具有較好的臨床效益?；贒KI直方圖的列線圖模型可直觀全面地預(yù)測(cè)LGG 患者預(yù)后，為臨床個(gè)性化評(píng)估患者生存預(yù)后提供有力工具。

3.1 低級(jí)別膠質(zhì)瘤預(yù)后評(píng)估的國(guó)內(nèi)外現(xiàn)狀

膠質(zhì)瘤病理分級(jí)存在差異時(shí)，其治療方案的選擇及預(yù)后也會(huì)不同[13-14]。LGG 膠質(zhì)瘤的治療主要以手術(shù)切除為主，輔以放射治療或化學(xué)治療[15]。準(zhǔn)確評(píng)估LGG患者的生存率對(duì)神經(jīng)外科醫(yī)生選擇合適的治療方案及后續(xù)治療、隨訪均具有重要意義[3,16]。本研究基于Cox回歸分析發(fā)現(xiàn)的年齡、WHO分級(jí)、病理類型、腦葉位置、腫瘤部位、術(shù)后放療與否、DKI 評(píng)分等關(guān)鍵因素構(gòu)建了LGG 患者的個(gè)體生存列線圖，通過(guò)臨床參數(shù)和DKI評(píng)分預(yù)測(cè)患者生存率，并具有較高的準(zhǔn)確率。

以往已有較多研究顯示年齡、組織學(xué)類型、腫瘤分級(jí)等與LGG 預(yù)后相關(guān)[17-20]。本研究經(jīng)Cox 回歸分析發(fā)現(xiàn)的年齡、WHO 分級(jí)、病理類型、腦葉位置、腫瘤部位等是LGG預(yù)后的關(guān)鍵因素，這與以往的研究結(jié)果一致。Alattar 等[21]研究發(fā)現(xiàn)對(duì)于年齡＜50 歲的非額葉腫瘤患者，盡管IDH 突變率相當(dāng)，但手術(shù)后患者的生存率仍存在差異，額葉LGG 患者的預(yù)后較好。此外，本研究顯示接受放療的患者通常預(yù)后較好。目前LGG患者放療的選擇仍存在爭(zhēng)議。林明健等[9]研究顯示雖然放療在Cox多因素中未見(jiàn)明顯差異，但列線圖中發(fā)現(xiàn)接受術(shù)后放療的患者預(yù)后更好。李文菲等[22]結(jié)果與本研究相同，顯示經(jīng)過(guò)Cox 多因素后放療仍然是LGG 患者預(yù)后的關(guān)鍵因素，且在列線圖中，對(duì)于接受放療的患者其評(píng)分越低，五年生存率越高。此外，李文菲等[22]研究顯示多參數(shù)MRI 評(píng)分（常規(guī)MRI、擴(kuò)散張量成像、動(dòng)態(tài)磁敏感對(duì)比增強(qiáng)）可有效地預(yù)測(cè)LGG 患者預(yù)后，MRI 評(píng)分低危組與高危組的生存曲線存在明顯差異。然而，該MRI 評(píng)分需多序列掃描，并非所有患者都可掃描所有序列。

3.2 DKI 直方圖參數(shù)特征預(yù)測(cè)低級(jí)別膠質(zhì)瘤預(yù)后的價(jià)值

本研究基于DKI直方圖參數(shù)進(jìn)行特征篩選，獲得DKI 評(píng)分，用于LGG 患者預(yù)后評(píng)估，結(jié)果顯示DKI 評(píng)分是LGG 患者預(yù)后的關(guān)鍵因素，基于臨床變量和DKI 評(píng)分的列線圖預(yù)測(cè)五年生存率具有較高的準(zhǔn)確性。DKI 是DTI 的擴(kuò)展，通過(guò)量化擴(kuò)散誘導(dǎo)信號(hào)衰減的高斯擴(kuò)散行為的偏離度，可以提供組織特征的更精確的信息，并可從DKI中得到FA、MD、MK、KFA和MKT等參數(shù)[23-25]。直方圖分析可更全面地估計(jì)腫瘤的生物學(xué)特征[26]。以往已有較多研究顯示DKI 直方圖分析可較為準(zhǔn)確地預(yù)測(cè)膠質(zhì)瘤級(jí)別[27-30]。然而，目前尚無(wú)DKI直方圖分析與臨床變量相結(jié)合預(yù)測(cè)LGG患者的生存率，這也是本研究的創(chuàng)新點(diǎn)之一。該列線圖對(duì)LGG患者預(yù)后預(yù)測(cè)的AUC達(dá)0.95，明顯優(yōu)于臨床變量預(yù)后預(yù)測(cè)效能（0.76）。且優(yōu)于李文菲等[22]多參數(shù)MRI 評(píng)分列線圖的0.8。本研究中基于DKI直方圖參數(shù)特征和臨床變量的單因素、多因素分析及開(kāi)發(fā)的列線圖模型的凈收益優(yōu)于臨床變量模型。校準(zhǔn)曲線提示在觀察值與預(yù)測(cè)值之間有良好的一致性。由此可見(jiàn)，該列線圖模型可為患者提供簡(jiǎn)單、直觀的預(yù)后判斷，為臨床醫(yī)生對(duì)LGG 患者的生存率把握提供有利的工具，使患者得到最大獲益。

3.3 局限性分析

本研究仍然存在一定的局限性：首先，本研究樣本的病理類型較為單一；其次，其他影響因素如IDH基因突變、治療方案等未納入分析；最后，本研究為單中心研究，未來(lái)需進(jìn)一步應(yīng)用多中心數(shù)據(jù)進(jìn)行驗(yàn)證。

綜上所述，年齡、WHO 分級(jí)、病理類型、腦葉位置、腫瘤部位、術(shù)后放療與否、DKI評(píng)分等是影響LGG預(yù)后的獨(dú)立危險(xiǎn)因素?；谂R床變量及DKI 直方圖參數(shù)的列線圖模型可更為準(zhǔn)確、直觀地預(yù)測(cè)低級(jí)別膠質(zhì)瘤的總生存率，為臨床提供個(gè)性化治療。

作者利益沖突聲明：所有作者均聲明不存在利益沖突。