黨俊明，朱超華，黃慧嫻，陸合明

1. 廣西中醫(yī)藥大學 瑞康臨床醫(yī)學院，廣西 南寧 530000；2. 廣西壯族自治區(qū)人民醫(yī)院 放療科，廣西 南寧 530000

引言

目前，宮頸癌的死亡率約占女性惡性腫瘤死亡總數(shù)的8%[1]，而鱗狀細胞癌約占宮頸癌所有病理類型的80%[2]，鱗癌按照病理學可分級為高分化鱗癌、中分化鱗癌及低分化鱗癌。臨床上不同組織學分化患者的預后和腫瘤異質性相關，尤其低分化鱗癌易發(fā)生局部浸潤和遠處轉移，嚴重影響患者預后[3]，因此，及早明確鱗癌的組織病理學分化，對制定治療方案和預后評估具有重要意義?，F(xiàn)階段，組織學分化的標準診斷方法是對腫瘤樣本進行組織病理學分析，宮頸癌病理取材方式多樣，但多數(shù)具有侵入性和創(chuàng)傷性，患者不易接受，且取材標本局限不能反映腫瘤組織所有情況。MRI圖像具有較高的軟組織分辨率及多方位成像等特點，可反映腫瘤整體信息。近年來，基于影像組學特征反映腫瘤異質性的實驗探討被廣泛報道：楊易等[4]基于T2WI圖像篩選11個最優(yōu)影像組學特征，構建的預測模型在訓練集和驗證集中的擬合優(yōu)度均較優(yōu)，曲線下面積（Area Under Curve，AUC）均為0.80，決策曲線分析顯示閾值取0.10～1.00時，組學模型的凈收益較大，對預測宮頸鱗癌的早、晚臨床分期具有較高價值；Liu等[5]基于T2抑脂序列和對比增強 T1加權序列圖像提取的組學特征，構建回歸和決策樹模型顯示：兩者的AUC值分別為 0.777 和 0.750，可有效用于預測區(qū)分宮頸腺癌和鱗癌。但目前關于MRI影像組學對宮頸鱗癌高、中、低病理學分化的研究報道較少，本研究旨在探討基于宮頸鱗癌患者治療前MRI -T2W1序列圖像，定量分析鱗癌的影像組學特征參數(shù)差異，篩選預測宮頸鱗癌病理學中、低分化的相關特征。

1 資料與方法

1.1 一般資料

本研究回顧性分析2018年6月——2021年2月廣西壯族自治區(qū)人民醫(yī)院臨床腫瘤中心接受治療的宮頸鱗癌患者72例，根據(jù)病理學分級：中分化患者40例，低分化患者32例。中分化患者年齡38～73歲，中位年齡55.80歲，KPS（Karnofsky）評分均值為82.45分，國際婦產科學聯(lián)合會（The International Federation of Gynecology and Obstetrics，F(xiàn)IGO）分期Ⅱ期28例，F(xiàn)IGO分期Ⅲ期12例；低分化患者年齡36～79歲，中位年齡54.50歲，KPS評分均值為83.10分，F(xiàn)IGO分期Ⅱ期14例，F(xiàn)IGO分期Ⅲ期18例，兩組一般資料比較，差異無統(tǒng)計學意義（P＞0.05）。入組患者治療前均在我院進行MRI掃描。納入標準：① 經組織病理學診斷為宮頸鱗癌患者；② FIGO分期為ⅡA～ⅢC期患者；③ 初治為宮頸鱗癌未手術的患者；④ 年齡18～80歲；⑤ KPS評分在70分以上；⑥ 確診前后及臨床治療中具有完整的影像學資料的患者。排除標準：① 已接受治療后的患者；② 影像學圖像質量不佳或缺失的患者；③ 合并其他惡性腫瘤者或患有危重疾病患者；④ 已發(fā)生遠處轉移的患者。本研究已經過廣西壯族自治區(qū)人民醫(yī)院倫理委員會的批準（編號：KY-LW-2021-8）。

1.2 MRI圖像獲取及大體腫瘤靶區(qū)勾畫

入組患者的MRI圖像均由西門子3.0 T磁共振獲取。掃描時患者膀胱保持適度充盈，在平靜呼吸狀態(tài)下行盆腔MRI斷面掃描，采用T1序列、T2序列及彌散加權成像（Diffusion Weighted Image，DWI）序列，經三維重建后行多層、多幅、快速成像。獲取以上序列的清晰圖像，并導入MIM系統(tǒng)，由2位高年資影像診斷醫(yī)師共同決定在T2WI圖像分割勾畫大體腫瘤靶區(qū)（Gross Tumor Volume，GTV），并將其設置為感興趣區(qū)域（Region of Interest，ROI），見圖1。

圖1 腫瘤靶區(qū)勾畫前后對比圖

1.3 影像組學特征提取

實驗中，使用IBEX工具箱[6]提取腫瘤GTV的影像組學特征，所提取的特征包括：紋理特征如灰度共生矩陣（Gray Level Cooccurrence Matrix，GLCM）、灰度游程矩陣（Gray Level Run Length Matrix，GLRLM）、鄰域灰度差異（Neighbor Intensity Difference，NID）、一階灰度統(tǒng)計特征如灰度強度（Intensity Direct，ID）、灰度直方圖（Intensity Histogram）和形狀特征（Shape）6組682個特征，見圖2。

圖2 影像組學特征提取示意圖

1.4 統(tǒng)計學分析

采用Python3.7的工具包“SciPy”對提取的組學特征進行獨立性檢驗，Levene檢驗用于檢測方差齊性，方差齊性選用兩獨立樣本t檢驗，方差不齊則選用Welch’s t檢驗檢驗，LASSO算法用于特征降維。Pearson相關用于分析篩選組學特征與組織病理學分級之間的相關性，特征參數(shù)繪制接受者操作特性（Receiver Operating Characteristic，ROC）曲線，計算ROC AUC。統(tǒng)計學認為0.5≤AUC＜0.7具有較低的置信度，0.7≤AUC＜0.9具有一定的置信度，AUC≥0.9具有較高的置信度。對預測指標進行ROC分析并計算YOUDEN指數(shù)，找出預測指標的最佳閾值、敏感性和特異性。采用SPSS 25.0軟件進行統(tǒng)計學分析，P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 影像特征差異性比較

實驗中共提取有效的組學特征682個，經過t檢驗篩選，136個特征在組間具有差異性，使用LASSO降維，最終保留23個有統(tǒng)計學意義的組學特征。分別為GLCM中的逆方差（Inverse Variance）4個、相關（Correlation）4個、相關信息測度（Information Measure Corr2）1個、最大概率（Max Probability）6個；GLRLM中的低灰度游程因子（Low Gray Level Run Empha）1個，短游程低灰度因子（Short Run Low Gray Level Empha）1個；灰度（Intensity Direct）中的局部最小熵（Local Entropy Min）1個、能量（Energy）1個，集群陰影（Cluster Shade）4個。具體特征分布見表1。

表1 23個有統(tǒng)計學意義的特征

2.2 相關性分析

Pearson相關分析結果表明， 23個差異性有統(tǒng)計學意義的特征中，有8個特征與宮頸鱗癌病理學分級表現(xiàn)出較強的相關性；其中有5個特征（135_4相關、333_4相關、0_1最大概率、90短游程灰度因子、333低灰度游程因子）與鱗癌的中分化相關，相關系數(shù)r值分別為0.439、0.457、0.474、0.527、0.443，對應P值分別為0.004、0.002、0.002、0.000、0.003；有3個特征（90_1逆方差、2_1相關、333_7相關信息測度）與鱗癌的低分化相關，相關系數(shù)r值分別為0.507、0.450、0.441，對應P值分別為0.001、0.003、0.004。這些特征和鱗癌中、低分化病理學分級呈正相關，即特征值越大，預測對應病理分級的準確度越高，相關系數(shù)r值和P值詳見表2，宮頸中、低分化鱗癌T2WI圖像及對應的病理學圖片見圖3～4。

圖3 宮頸中分化鱗癌T2WI圖像及對應的病理學圖片

圖4 宮頸低分化鱗癌T2WI圖像及對應的病理學圖片

表2 影像組學特征與鱗癌病理分級的中、低分化相關性

2.3 ROC曲線分析

經ROC曲線分析，與鱗癌病理學分級具有相關性的8個特征均具有一定的預測價值，其ROC AUC值均大于0.7。與中分化病理類型相關的5個特征（135_4相關、333_4相關、0_1最大概率、90短游程低灰度因子、333低灰度游程因子）ROC AUC分別為0.769、0.808、0.775、0.772、0.739；與低分化病理類型相關的3個特征（90_1逆方差、2_1相關、333_7相關信息測度）ROC AUC分別為0.819、0.828、0.778。其中333_4 相關（333_4Correlation）特征參數(shù)和2_1相關（2_1Correlation）特征參數(shù)分別在中分化和低分化類型中表現(xiàn)出最佳預測性能，ROC曲線見圖5～6。

圖5 5個影像組學特征參數(shù)鑒別鱗癌中分化的ROC曲線

圖6 3個影像組學特征參數(shù)鑒別鱗癌低分化的ROC曲線

2.4 特征參數(shù)的最佳閾值

特征參數(shù)的AUC值統(tǒng)計結果如表3顯示，通過ROC曲線分析計算各個坐標的YOUDEN指數(shù)，根據(jù)最大YOUDEN數(shù)值分析特征的最佳閾值及敏感性和特異性，與鱗癌中分化病理學分級相關特征的敏感性、特異性最大值分別為0.667、0.933；與鱗癌低分化病理學分級相關特征的敏感性、特異性最大值分別為0.900、0.917。

表3 ROC曲線分析的AUC值、敏感性、特異性、最佳閾值、P值和95%置信區(qū)間

3 討論與結論

從CT、MRI 或PET-CT等醫(yī)學影像中高通量地提取組學特征并將其轉化為數(shù)據(jù)，利用計算機語言等工具對數(shù)據(jù)進行量化，可全面地描繪病變的細微特征，客觀地反映腫瘤的異質性，從而為腫瘤的分型分級提供更多可能[7-8]。近年來，基于MRI圖像應用于腫瘤分型分級的組學研究較多，李薇等[9]基于脂肪抑制 T2WI、動態(tài)增強T1WI二者聯(lián)合序列的影像組學特征構建組學預測模型，有效預測了 Luminal A型、Luminal B 型、HER-2 過表達型和TN 型乳腺癌分子分型，ROC AUC分別為 0.820、0.808、0.900、0.837。楊椿雪等[10]基于軸位和矢狀位T1WI增強圖像，應用SMOTE技術建立的影像組學綜合模型的預測性能最優(yōu)，其ROC AUC、敏感性、特異性、準確度分別為0.982、0.900、1.000和 0.963，可用于術前腦膜瘤病理分級預測。

MRI因其優(yōu)越的軟組織對比度在臨床運用越來越廣泛，在宮頸癌診療中MRI的應用也較常見，尤其T2WI序列的MRI圖像在宮頸組織中具有較好的軟組織對比度和分辨率，結合橫斷位、矢狀位圖像能清晰顯示宮頸異常信號，肌質環(huán)呈低信號及病灶略呈高信號，并可提供詳細的腫瘤解剖特征，客觀反映病灶的真實情況，是影像組學研究宮頸腫瘤的最佳序列[11]。而DWI功能成像可以提供良好的腫瘤清晰度，有助于識別宮頸腫瘤和正常組織，可用于檢測宮頸早期病變和評估腫瘤分型分級[12]。T2WI和DWI是診斷序列功能成像的主要手段，二者結合更有助于明確病灶范圍和形態(tài)，以及準確勾畫GTV并進行重復分析[13]。

Wu等[14]基于T2WI及DWI多參數(shù)影像組學特征評估宮頸鱗癌的腫瘤分化程度和淋巴結轉移情況，結果發(fā)現(xiàn)，功能圖顯示出比解剖圖像更好的分辨率，結合多序列MR圖像的影像組學模型可以區(qū)分中分化和低分化的宮頸鱗癌，AUC值為0.802，靈敏度和特異度分別為76.5%和73.3%。李笑然等[15]基于MR多序列的影像組學模型預測宮頸鱗癌組織分型角化型與非角化型的研究中，T1、T2、T2抑脂及聯(lián)合多序列模型的ROC曲線AUC值分別為0.718、0.705、0.756和0.863，其中以聯(lián)合模型預測效果最佳；預測非角化型鱗癌的 AUC值為0.860，準確率為0.720。對比以上基于MRI影像組學評估宮頸癌分型分級的研究，本研究通過分析基于T2WI影像組學參數(shù)特征與宮頸鱗癌的中、低分化相關性，探討預測病理學分級的潛在臨床價值。

本研究以T2WI圖像作為影像組學特征的提取來源，圖像選材均是位于宮頸部位的浸潤性病變，要求病灶均＞0.5 cm，宮頸以外的病灶如轉移淋巴結等未納入圖像特征篩選，運用IBEX工具箱共獲取每個宮頸癌病例的682個影像組學數(shù)據(jù)參數(shù)，經過t檢驗、LASSO特征降維、Pearson相關分析，最終得出8個與鱗癌病理學分級相關的組學數(shù)據(jù)特征，其中GLCM、GLRLM中的5個特征與鱗癌中分化病理學分級相關，相關系數(shù)r值分別為0.439、0.457、0.474、0.527、0.443，ROC AUC 值 分 別 為 0.769、0.808、0.775、0.772、0.739。GLCM中的3個特征與鱗癌低分化病理學分級相關，相關系數(shù)r值分別為0.507、0.450、0.441，ROC AUC值分別為0.819、0.828、0.778。在這組數(shù)據(jù)中，對應MRI圖像呈高信號，宮頸鱗癌的中、低分化病理學分級與病灶的信號具有相關性，本研究中的組學特征與宮頸鱗癌中、低分化的相關系數(shù)為0.439～0.527，二者存在相關性。

惡性腫瘤的生物學異質性與影像的紋理特征有一定的相關性，基于此，CT或MRI 影像組學的紋理特征可用于評估腫瘤的異質性[16-17]，Tixier等[18]認為基于影像組學提取的特征主要是2類，即一階特征和紋理特征，其中，一階特征與ROI內的灰度級頻率有關，反映強度直方圖整體信息；紋理特征描述同質性區(qū)域特征，反映腫瘤的異質性。而腫瘤異質性往往在圖像灰度變化上體現(xiàn)，GLRLM是用以計算特定方向圖像紋理的粗糙程度特征，GLCM則是描述灰度空間相關紋理特征的常用方法。在T2WI模型諸多紋理特征中，GLCM被提及的重復性較高[19]，說明其在區(qū)分良惡性腫瘤等異質性方面具有較高的鑒別能力。與常規(guī)參數(shù)相比，這些影像組學特征可以消除采樣偏差，準確反映腫瘤異質性和亞區(qū)域環(huán)境，并可鑒別宮頸癌的腫瘤分級，且具有穩(wěn)定性和可重復性。對應本研究最終篩選出的8個有效組學特征，均屬于紋理特征中的GLCM和GLRLM，與以往的研究結論基本一致。

Fiset等[20]對 MRI 影像組學特征的觀察者間變異性進行評估，結果顯示MRI比 CT 具有更好的穩(wěn)定性和重復性?？梢娀贛RI影像組學的方法來評估和預測宮頸癌病理組織分型分級對臨床決策有積極意義。在臨床診療中宮頸癌病理組織學上主要為鱗癌，腺癌為15%～20%。一般認為宮頸腺癌較鱗癌預后差[2-3]，然而腫瘤低分化病理學分級，在宮頸鱗癌及腺癌中均是影響預后的不良因素，低分化能否作為輔助治療的指征仍存在一定爭議。但Zhang 等[21]認為可以考慮作為早期術后輔助化療的指征。

作為一種新型生物標志物，影像組學分析已成為一種常用的通過圖像評估腫瘤異質性的定量方法，并在乳腺癌、肺癌、膠質母細胞瘤和腎癌等癌種中得到驗證[22-23]。本研究具體探討了基于MRI-T2WI影像組學特征與宮頸鱗癌中、低分化的相關性，并對患者的病理分級進行相關預測。然而實驗過程也存在一定的局限：① 所有數(shù)據(jù)是在同一特定類型的MR掃描儀獲得的，有可能導致數(shù)據(jù)選擇存在偏倚；② GTV皆為人工手動勾畫，很難避免主觀認知因素對ROI產生的影響，這可能會降低提取特征的準確性；③ 本實驗的樣本量較少，雖然結果表明宮頸鱗癌的病理分級與影像組學特征存在一定的相關性，但仍需進一步擴大樣本量，以保證提取特征數(shù)據(jù)的穩(wěn)定性。

綜上所述，利用MRI-T2WI圖像的影像組學特征，有助于區(qū)分宮頸鱗癌的中、低分化病理學分級，可作為臨床治療前判斷腫瘤異質性的一種無創(chuàng)、有價值的輔助方法。