李明 鄭金晶 董海波 王超超 衛(wèi)雨果

腦膠質(zhì)瘤是顱內(nèi)最常見的原發(fā)惡性腦腫瘤，按WHO分類將Ⅲ級(jí)膠質(zhì)瘤和膠質(zhì)母細(xì)胞瘤稱為高級(jí)別膠質(zhì)瘤。2021年版《WHO中樞神經(jīng)系統(tǒng)腫瘤分類》進(jìn)一步明確中樞神經(jīng)系統(tǒng)腫瘤以分子分型作為核心依據(jù)，基因型結(jié)合表觀型的分型方法進(jìn)行分類［1］。TP53基因是一種重要基因分子生物學(xué)標(biāo)志物，分為野生型和突變型兩種表達(dá)狀態(tài)；其是一種抑癌基因，其突變或缺失是導(dǎo)致膠質(zhì)瘤發(fā)生的原因之一，與患者預(yù)后和化療敏感性有密切聯(lián)系［2-3］。近年來，影像組學(xué)成為研究的熱點(diǎn)，目前國(guó)內(nèi)對(duì)TP53基因組學(xué)方面的研究較少，對(duì)增強(qiáng)MR序列的研究尚未見報(bào)道。本文擬通過構(gòu)建高級(jí)別腦膠質(zhì)瘤T1WI增強(qiáng)基因組學(xué)模型，預(yù)測(cè)TP53基因的表達(dá)狀態(tài)，對(duì)指導(dǎo)臨床精準(zhǔn)醫(yī)療和腫瘤治療療效的評(píng)估提供依據(jù)［4］。

1 資料與方法

1.1 臨床資料 回顧性分析2015年3月至2021年10月經(jīng)寧波市醫(yī)療中心李惠利醫(yī)院外科手術(shù)證實(shí)的高級(jí)別腦膠質(zhì)瘤患者。納入標(biāo)準(zhǔn)：①在本院神經(jīng)外科病理證實(shí)為高級(jí)別腦膠質(zhì)瘤患者；②術(shù)前均在GE 3.0 T MR行T1WI增強(qiáng)檢查；③能夠?qū)υ鰪?qiáng)序列腦腫瘤實(shí)質(zhì)強(qiáng)化部分進(jìn)行有效的分析，圖像質(zhì)量符合標(biāo)準(zhǔn)磁共振掃描數(shù)據(jù)。排除標(biāo)準(zhǔn)：①有顱腦手術(shù)史；②P53免疫組化結(jié)果缺失；③接受過放化療及類固醇治療。共納入68例符合標(biāo)準(zhǔn)的高級(jí)別腦膠質(zhì)瘤患者，其中WHO Ⅲ級(jí)12例（7例間變型星形細(xì)胞瘤、5例間變型少突膠質(zhì)細(xì)胞瘤），WHO Ⅳ級(jí)56例膠質(zhì)母細(xì)胞瘤；其中TP53突變型46例（男22例，女24例，年齡21～87歲，WHO Ⅲ級(jí)6例，WHO Ⅳ級(jí)40例），TP53野生型22例（男15例，女7例，年齡26～80歲，WHO Ⅲ級(jí)6例，WHO Ⅳ級(jí)16例）。按照7∶3分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集48例（TP53基因突變型33例，野生型15例）；測(cè)試集20例（TP53基因突變型13例，野生型7例）。

1.2 儀器與方法 采用美國(guó)GE Discovery7503.0T MR超導(dǎo)型磁共振儀、8通道頭顱相控陣線圈檢查，仰臥位固定患者頭部。（1）常規(guī)MR平掃序列：T1WI序列：TE24 ms，TR1,850 ms，TI780 ms；T2WI序列：TE 105 ms，TR 6,656 ms；矩陣288×224，F(xiàn)OV240 mm×240 mm，層間距1 mm，層厚4 mm，掃描層24層。（2）T1WI增強(qiáng)MR序列：注入對(duì)比劑釓噴酸葡胺（GE藥業(yè)）注射液0.2 mL/kg后，橫斷面T1WI序列掃描，參數(shù)同平掃T1WI序列。（3）DWI序列：TR 4,500 ms，TE為最小值，b值設(shè)定1,000 s/mm2，矩陣160×160，F(xiàn)OV 240 mm×240 mm，層間距1.5 mm，層厚5 mm，掃描層數(shù)24層。

1.3 圖像處理與特征提取 將收集到的所有患者顱腦T1WI增強(qiáng)圖像，通過醫(yī)院PACS系統(tǒng)以DICOM格式導(dǎo)出，然后導(dǎo)入GE A.K V3.3.0分析軟件（Analysis Kit），對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，包括圖像的重采樣和灰度級(jí)規(guī)范化，必要的圖像濾波和配準(zhǔn)處理等；然后將預(yù)處理后的圖像導(dǎo)入ITK-SNAP軟件，由2名具有5年以上工作經(jīng)驗(yàn)的神經(jīng)影像醫(yī)師在雙盲的情況下，分別沿腫瘤實(shí)質(zhì)最大強(qiáng)化輪廓緣手動(dòng)勾畫感興趣區(qū)ROI，包括腫瘤實(shí)質(zhì)、囊變及壞死區(qū)，不包括病灶周圍水腫區(qū)。勾畫完成后由另一名高年資醫(yī)師比對(duì)二者勾畫ROI是否準(zhǔn)確，選擇其中最佳ROI入選，如對(duì)二者結(jié)果均有異議，三人討論后適當(dāng)調(diào)整ROI（見圖1），最后將各層ROI合成3D-VOI。將合成的VOI導(dǎo)入A.K軟件并提取特征，共得到396個(gè)符合IBSI標(biāo)準(zhǔn)的影像組學(xué)特征［5］，包括灰度共生矩陣特征（GLCM）、灰度游程長(zhǎng)度矩陣特征（RLM）、形態(tài)學(xué)特征（Formfactor）及直方圖特征（Histogram）等特征。采用R語(yǔ)言Spearman相關(guān)性分析去除相關(guān)系數(shù)r絕對(duì)值＞0.9的其它強(qiáng)相關(guān)特征，再使用最小絕對(duì)收縮和選擇算法（leastabsoluteshrinkage and selection operator，LASSO）篩選出用于模型構(gòu)建的影像組學(xué)特征參數(shù)（見圖2）。LASSO回歸是通過生成懲罰函數(shù)對(duì)回歸模型中的變量系數(shù)進(jìn)行壓縮，起到防止過度擬合，解決嚴(yán)重共線性的作用，常被用于變量數(shù)據(jù)的篩選壓縮［6］；有研究表明LASSO回歸分析適用于樣本量較少而提取的組學(xué)特征較多的情況［7］。

圖1 采用ITK-SNAP軟件手動(dòng)勾畫病灶最大強(qiáng)化層面感興趣區(qū)（ROI）

圖2 應(yīng)用Lasso回歸十折交叉驗(yàn)證方法篩選最優(yōu)特征集過程

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 22.0統(tǒng)計(jì)軟件。符合正態(tài)分布的計(jì)量資料以（±s）表示；用t檢驗(yàn)，偏態(tài)分布計(jì)量資料以M（Q1，Q3）表示，用U檢驗(yàn)。計(jì)數(shù)資料資料用χ2檢驗(yàn)。采用Spearman相關(guān)性分析去冗余，Lasso回歸篩選獲取最終特征參數(shù)，采用Logistic回歸組建預(yù)測(cè)模型，并構(gòu)建Hosmer-Lemeshow校準(zhǔn)曲線對(duì)模型校準(zhǔn)。采用ROC曲線下面積AUC值對(duì)模型的效能進(jìn)行評(píng)估，0.5＜AUC≤0.7提示診斷效能較低，0.7＜AUC≤0.9診斷效能中等，AUC＞0.9診斷效能較高。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 兩組一般資料比較 見表1。

表1 TP53基因突變組與TP53野生組腦膠質(zhì)瘤患者一般資料比較

2.2 特征參數(shù) 從T1WI增強(qiáng)圖像上提取的396個(gè)特征經(jīng)過去冗余篩選，最終獲得9個(gè)影像組學(xué)特征，分別是1個(gè)形態(tài)學(xué)特征Form Factor Parameters（Compactness2）；3個(gè)灰度共生矩陣GLCMParameters（GLCMEntropy_angle0_offset7，HaralickCorrelation_angle0_offset7，Correlation_angle45_offset7）；3個(gè)灰度游程長(zhǎng)度矩陣RLMParameters（ShortRunEmphasis_angle45_offset7，LongRunHighGreyLevelEmphasis_AllDirection_offset1_SD，LongRunEmphasis_AllDirection_offset4_SD）；1個(gè)紋理參數(shù)Texture Parameters（ClusterProminence_angle0_offset4）和1個(gè)直方圖特征Histogram（Quantile0.75）。

2.3 建立模型與效能評(píng)價(jià) 利用獲得的9個(gè)特征，采用邏輯回歸分析建立影像基因組學(xué)模型；用ROC曲線下面積AUC值評(píng)估影像組學(xué)模型對(duì)TP53基因突變型和野生型高級(jí)別腦膠質(zhì)瘤的鑒別效能。在訓(xùn)練集中，在最佳截?cái)嘀担?.787）下模型的AUC值為0.883、靈敏度為0.697、特異度為0.933；測(cè)試集模型的AUC值為0.802、靈敏度為0.769、特異度為0.857。見圖3～4。

圖3 訓(xùn)練集ROC曲線圖

圖4 測(cè)試集ROC曲線圖

2.4 模型校準(zhǔn)度評(píng)估 通過建立預(yù)測(cè)模型可計(jì)算得到訓(xùn)練集預(yù)測(cè)TP53基因突變的概率。為比較預(yù)測(cè)概率與實(shí)際概率吻合程度，進(jìn)一步行預(yù)測(cè)模型的校準(zhǔn)曲線分析［8］。該模型的Hosmer-Lemeshow校準(zhǔn)曲線見圖5，所示的校準(zhǔn)線與理想模型的對(duì)角直線稍有偏差，但較為接近且趨勢(shì)吻合（P=0.928），提示預(yù)測(cè)模型構(gòu)建良好。

圖5 為訓(xùn)練集模型Hosmer-Lemeshow校準(zhǔn)曲線

3 討論

腦膠質(zhì)瘤具有很強(qiáng)的基因異質(zhì)性，病理的獲取需要有創(chuàng)的外科操作，由于腫瘤的基因型、蛋白表達(dá)模式等存在時(shí)間、空間分布異質(zhì)性，其結(jié)果常無(wú)法全面反映腫瘤的性質(zhì)，也是臨床開展精準(zhǔn)醫(yī)療的重要障礙，尤其是中晚期腫瘤和術(shù)后復(fù)發(fā)或治療后進(jìn)展的腫瘤，通過有創(chuàng)性手段獲得組織標(biāo)本更加困難。因此，術(shù)前發(fā)現(xiàn)與腦膠質(zhì)瘤基因相關(guān)的預(yù)測(cè)因子，建立有效的預(yù)測(cè)模型，具有重要的臨床意義。TP53基因是一種抑癌基因，其編碼產(chǎn)物為P53蛋白，該蛋白可通過轉(zhuǎn)錄調(diào)節(jié)下游靶基因而發(fā)揮調(diào)節(jié)細(xì)胞周期、誘導(dǎo)細(xì)胞凋亡、抑制血管生成、調(diào)節(jié)能量代謝的作用，進(jìn)而阻止DNA損傷和有絲分裂后異常染色體細(xì)胞的存活，抑制腫瘤形成、生長(zhǎng)［9］。P53蛋白可通過免疫組織化學(xué)方法進(jìn)行標(biāo)記，利用免疫組化檢測(cè)對(duì)TP53基因表達(dá)類型的獲取，具有突變簡(jiǎn)單易行，特異度較高的優(yōu)勢(shì)［10］。

TP53基因的突變，使膠質(zhì)瘤的生長(zhǎng)抑制調(diào)節(jié)作用減弱，導(dǎo)致其生長(zhǎng)過程出現(xiàn)變化。HASSE等［11］通過分析增強(qiáng)T1WI圖像上膠質(zhì)母細(xì)胞瘤的表面形態(tài)、腫瘤體積和壞死體積與Ki67和TP53基因的相關(guān)性，認(rèn)為腫瘤形態(tài)學(xué)特征可以預(yù)測(cè)膠質(zhì)母細(xì)胞瘤Ki67和TP53基因的表達(dá)狀態(tài)。BERNABéU等［12］通過利用MR光譜分析評(píng)估高級(jí)別膠質(zhì)瘤的浸潤(rùn)生長(zhǎng)狀態(tài)，認(rèn)為TP53基因的突變狀態(tài)與腦膠質(zhì)瘤的浸潤(rùn)襲性有關(guān)，TP53基因突變型腦膠質(zhì)瘤的生長(zhǎng)具有更高的侵襲性。LI等［13］發(fā)現(xiàn)TP53突變型與野生型膠質(zhì)瘤內(nèi)微血管密度具有差異性，可以導(dǎo)致T2WI加權(quán)圖像上的信號(hào)差異，亦可表現(xiàn)在增強(qiáng)序列強(qiáng)化程度的不同。

本研究中，用于構(gòu)建模型的9個(gè)影像組學(xué)特征中，有1個(gè)直方圖特征、7個(gè)紋理特征（3個(gè)GLCM、3個(gè)RLM特征和1個(gè)Texture Parameters），1個(gè)形態(tài)特征。其中，直方圖特征可以描述圖像中單個(gè)像素灰度頻率分布情況；紋理特征可以對(duì)像素灰度值空間分布情況進(jìn)行描述，反映相鄰像素的交互作用，如本研究提取到的GLCM紋理特征—熵，其是圖像強(qiáng)度隨機(jī)性的度量，表示圖像壓縮所需的圖像信息量，度量了在傳輸信號(hào)中信息或信息的損失，也度量了圖像信息，熵的值越大，表示圖像的紋理信息越復(fù)雜。因此，可以通過直方圖特征和紋理特征來描述膠質(zhì)瘤的增強(qiáng)程度及信號(hào)間的差異，進(jìn)而解釋腫瘤間的異質(zhì)性，從而可以有效預(yù)測(cè)膠質(zhì)瘤TP53基因表達(dá)狀態(tài)［14］。本研究對(duì)入組患者臨床資料進(jìn)行統(tǒng)計(jì)分析，結(jié)果顯示TP53基因野生型與突變型兩組患者性別、年齡與病理分級(jí)等差異均無(wú)統(tǒng)計(jì)學(xué)應(yīng)用。故本研究?jī)H采用TIWI增強(qiáng)圖像篩選到的特征參數(shù)，進(jìn)行影像組學(xué)基因預(yù)測(cè)模型的構(gòu)建。

本研究采用在T1WI增強(qiáng)圖像上勾畫感興趣區(qū)，能夠較準(zhǔn)確勾畫靶區(qū)，可以直觀觀察病灶形態(tài)和浸潤(rùn)情況，對(duì)病灶T1WI增強(qiáng)圖像提取到的特征，建立影像基因組學(xué)二分類模型，結(jié)果顯示，訓(xùn)練集AUC值為0.883，校準(zhǔn)曲線重合度較好；測(cè)試集AUC值為0.802，表明該模型對(duì)術(shù)前鑒別預(yù)測(cè)膠質(zhì)瘤TP53基因突變與否具有較好的預(yù)測(cè)效能。

但本研究仍存在一定的局限性。第一，該研究為單中心回顧性分析研究，病例收集時(shí)間跨度大，部分樣本因資料不全而排除，在樣本選擇上可能存在一定的偏倚：第二，納入研究的樣本量較少，模型性能可能存在不穩(wěn)定性，模型的泛化能力有待驗(yàn)證：第三，因低級(jí)別膠質(zhì)瘤多數(shù)強(qiáng)化不明顯，故本研究?jī)H對(duì)高級(jí)別膠質(zhì)瘤進(jìn)行了單一分析，對(duì)低級(jí)別膠質(zhì)瘤的TP53基因表達(dá)未做探索。

綜上，基于術(shù)前T1WI增強(qiáng)MRI建立的影像組學(xué)模型可以對(duì)高級(jí)別膠質(zhì)瘤的TP53基因表達(dá)狀態(tài)進(jìn)行預(yù)測(cè)，從而對(duì)腫瘤治療和預(yù)后效果提供參考。