楊春梅， 舒健， 陸笑非， 蘇松， 周鐵軍

膽管癌是起源于膽管上皮的惡性腫瘤，包括肝內(nèi)及肝外膽管癌[1]。肝外膽管癌(extrahepatic cholangiocarcinoma，ECC)起源于肝實(shí)質(zhì)外的膽管，約占所有膽管癌的80%，其發(fā)病率及死亡率逐年上升，并且預(yù)后很差[2,3]。唯一有效的治愈方式為完整地外科手術(shù)切除[4]，但大多數(shù)患者切除后仍然可能局部復(fù)發(fā)或發(fā)生遠(yuǎn)處轉(zhuǎn)移[5]，相關(guān)研究報(bào)道淋巴結(jié)轉(zhuǎn)移與其預(yù)后密切相關(guān)[6,7]。因此尋找一種無(wú)創(chuàng)、客觀的方法評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移十分重要，有助于指導(dǎo)臨床選擇最佳治療策略并改善預(yù)后。目前ECC的診斷“金標(biāo)準(zhǔn)”是病理活檢，但其為有創(chuàng)性檢查，受采樣誤差、患者接受度及觀察者的主觀因素影響。

評(píng)估ECC傳統(tǒng)的影像學(xué)方法包括超聲、CT、正電子發(fā)射斷層顯像(positron emission tomography/computed tomography，PET/CT)、MRI及膽管造影等[8-12]，但這些傳統(tǒng)的方法均以主觀評(píng)估為基礎(chǔ)，并不能定量地評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移，而且無(wú)法獲取其細(xì)胞、生理甚至基因?qū)用娴男畔13,14]。紋理分析可以定量、客觀地評(píng)估腫瘤的異質(zhì)性，有助于臨床決策、風(fēng)險(xiǎn)預(yù)估及預(yù)后評(píng)估。近年來(lái)，膽管癌尤其是肝內(nèi)膽管癌的紋理分析及影像組學(xué)分析已有初步研究[15-19]，但單獨(dú)對(duì)于ECC的紋理分析國(guó)內(nèi)外尚未見(jiàn)類似的報(bào)道。本研究旨在探討MRI紋理分析評(píng)估ECC淋巴結(jié)轉(zhuǎn)移的價(jià)值。

材料與方法

1.研究對(duì)象

回顧性搜集2011年1月至2020年3月我院ECC患者的臨床病理資料。病例納入標(biāo)準(zhǔn)：①術(shù)前行腹部3.0T MRI檢查；②行外科手術(shù)切除并行病理學(xué)檢查。病例排除標(biāo)準(zhǔn)：①M(fèi)RI圖像缺失及病灶無(wú)法識(shí)別。②無(wú)完整病理學(xué)資料，如缺失淋巴結(jié)是否轉(zhuǎn)移。③檢查前做過(guò)其他治療，如放療、化療等。④有多種腫瘤病史。最終本研究共納入110例ECC患者。搜集患者的臨床及病理資料并記錄，包括年齡、性別、腫瘤位置(肝門、遠(yuǎn)端)、腫瘤大小(為軸面上腫瘤最大層面的長(zhǎng)徑)、病理分化程度以及淋巴結(jié)是否轉(zhuǎn)移(手術(shù)清掃的淋巴結(jié)組織中觀察到癌細(xì)胞即可證實(shí)為轉(zhuǎn)移)。所有患者的病理學(xué)資料由一位有10年診斷經(jīng)驗(yàn)的病理科醫(yī)師進(jìn)行評(píng)估。

2.MRI掃描方法

所有患者術(shù)前均行腹部MRI掃描，掃描設(shè)備為Philips Achieva 3.0T(Amsterdam,Netherlands)雙梯度超導(dǎo)高場(chǎng)磁共振掃描儀，16通道相控陣腹部線圈。掃描前患者禁食4～8 h，并進(jìn)行呼吸訓(xùn)練，于吸氣末屏氣時(shí)進(jìn)行腹部掃描，不能屏氣者采用呼吸觸發(fā)掃描?；颊呷⊙雠P位，掃描范圍從膈頂至肝臟下緣。掃描序列包括軸面T1高分辨各向同性容積激發(fā)序列(T1-weighted imaging，T1WI)、軸面快速自旋回波脂肪抑制序列(T2-weighted imaging，T2WI)、冠狀面快速自旋回波T2WI序列、軸面擴(kuò)散加權(quán)成像(diffusion weighted imaging，DWI)、軸面雙回波化學(xué)位移成像序列及T1動(dòng)態(tài)增強(qiáng)MRI。T1WI序列掃描參數(shù)：TE 1.44 ms，TR 3.1 ms，視野280 mm×305 mm，矩陣244×186，層厚3 mm，層間距-1.5 mm，翻轉(zhuǎn)角10°，激勵(lì)次數(shù)1次，層數(shù)120層。T2WI序列掃描參數(shù)：TE 70 ms，TR 1610 ms，視野280 mm×305 mm，矩陣176×201，層厚7 mm，層間距1.0 mm，翻轉(zhuǎn)角90°，激勵(lì)次數(shù)2次，層數(shù)24層。DWI序列掃描參數(shù)：TE 52 ms，TR 934 ms，視野280 mm×305 mm，矩陣100×124，層厚7 mm，層間距1 mm，翻轉(zhuǎn)角90°，激勵(lì)次數(shù)4次，層數(shù)48層，b值取800 s/mm2。

3.圖像處理

將所有符合納入、排除標(biāo)準(zhǔn)患者的MRI圖像傳輸至后處理工作站Philips Extended MR Workspace 2.6.3.4，獲取軸面T1WI、T2WI及DWI圖像，并選取病灶最大截面的MRI圖像以BMP格式保存，用作下一步的紋理特征提取及分析。

4.圖像分割及紋理特征提取

將所有患者病灶最大截面的MRI圖像依次導(dǎo)入MaZda軟件(version 4.6, http://www.eletel.p.lodz.pl/programy/mazda/)，使用MaZda軟件進(jìn)行圖像的標(biāo)準(zhǔn)化處理，即將圖像的標(biāo)準(zhǔn)化范圍控制在(μ-3SD, μ+3SD)(μ為平均灰度/信號(hào)強(qiáng)度值，SD為標(biāo)準(zhǔn)差)，以縮小不同序列MRI圖像對(duì)比度及明亮度差異的影響。由一位經(jīng)驗(yàn)豐富的放射科醫(yī)師在病灶最大層面手動(dòng)勾畫(huà)ECC的感興趣區(qū)(region of interest，ROI)，避開(kāi)鄰近的血管及膽管(圖1)。為了縮小部分容積效應(yīng)，沿腫瘤邊緣1～2 mm進(jìn)行病灶勾畫(huà)。每例患者選取軸面T1WI、T2WI及DWI圖像進(jìn)行勾畫(huà)，得到3個(gè)ROIs。最終本研究中100例患者得到了300個(gè)ROIs。

圖1 ECC患者M(jìn)RI圖像上ROI的勾畫(huà)。采用MaZda軟件手動(dòng)勾畫(huà)ROI，避開(kāi)鄰近的血管及膽管。為了縮小部分容積效應(yīng)，沿腫瘤邊緣1～2mm進(jìn)行病灶勾畫(huà)。a) 軸面T1WI圖像； b) 軸面T2WI圖像； c) 軸面DWI圖像。

MaZda軟件可以提取六大類紋理特征，包括灰度直方圖(histogram)、絕度梯度(absolute gradient，GRA)、灰度共生矩陣(gray-level co-occurrence matrix，GLCM)、運(yùn)行長(zhǎng)度矩陣(run-length matrix，RUN)、自回歸模型(autoregressive model，ARM)及小波轉(zhuǎn)換(wavelet transform，WAV)。本研究中每個(gè)ROI可以提取300種紋理特征。

5.組內(nèi)及組間一致性評(píng)估

本研究隨機(jī)選取20例研究對(duì)象的T1WI、T2WI及DWI圖像，由兩位經(jīng)驗(yàn)豐富的放射科醫(yī)師進(jìn)行組內(nèi)及組間的一致性研究。對(duì)于組內(nèi)一致性評(píng)估，由第一位放射科醫(yī)師按照一定方法及步驟勾畫(huà)20例患者T1WI、T2WI及DWI圖像上的ROI并提取病灶的紋理特征，于2周內(nèi)用同樣方法及步驟再次勾畫(huà)這20例患者T1WI、T2WI及DWI圖像上的ROI并提取紋理特征，然后將兩次提取的20例患者的紋理特征進(jìn)行組內(nèi)相關(guān)分析。與此同時(shí)第二位放射科醫(yī)師按照相同方法及步驟勾畫(huà)這20例患者T1WI、T2WI及DWI圖像上的ROI并提取相應(yīng)的紋理特征，將第二位放射科醫(yī)師提取的病灶紋理特征與第一位放射科醫(yī)師第一次勾畫(huà)病灶提取的紋理特征進(jìn)行組間相關(guān)分析。用組內(nèi)/組間相關(guān)系數(shù)(inter- and intra-class correlation coefficient，ICC)值評(píng)估組內(nèi)及組間分析的一致性。ICC>0.75表明組內(nèi)或組間分析的一致性較好。

6.紋理特征的降維與選擇

使用MaZda軟件提供的費(fèi)希爾參數(shù)法(fisher coefficient，F(xiàn)isher)、最小分類誤差與最小平均相關(guān)系數(shù)法(minimisation of both of both classification error probability combined with average correlation coefficients，POE+ACC)及相關(guān)信息測(cè)度法(mutual information，MI)三種特征選擇方法分別對(duì)T1WI、T2WI及DWI圖像的300種紋理特征進(jìn)行降維，每種序列得到30種最佳紋理特征。

7.統(tǒng)計(jì)學(xué)分析

圖2 本研究紋理分析的流程圖。選取ECC患者的軸面T1WI、T2WI及DWI圖像(病灶最大層面)，使用MaZda軟件手動(dòng)勾畫(huà)感興趣區(qū)，并提取腫瘤的紋理特征(包括6大類，約300種紋理特征)。三種MRI序列使用Fisher法、最小分類誤差與最小平均相關(guān)系數(shù)法及相關(guān)信息測(cè)度法等三種降維方法分別選擇了30種最佳紋理特征。采用多層感知器分析90種最佳紋理特征，建立相應(yīng)的模型預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移，并采用受試者工作特征曲線評(píng)估模型性能。

結(jié) 果

1.臨床資料

本研究共納入110例ECC患者，其中男60例，女50例，年齡28～83歲，平均(57.6±9.9)歲。所有腫瘤病灶均經(jīng)病理學(xué)證實(shí)為腺癌，其中31例被病理學(xué)證實(shí)有淋巴結(jié)轉(zhuǎn)移(淋巴結(jié)轉(zhuǎn)移組，圖3)，79例無(wú)淋巴結(jié)轉(zhuǎn)移(淋巴結(jié)無(wú)轉(zhuǎn)移組)。淋巴結(jié)轉(zhuǎn)移組與無(wú)轉(zhuǎn)移組病灶的病理分化程度(P=0.036)及大小差異有統(tǒng)計(jì)學(xué)意義(P=0.002)，而兩組患者的年齡、性別及腫瘤位置差異無(wú)統(tǒng)計(jì)學(xué)意義(表1)。

圖3 遠(yuǎn)端膽管癌伴淋巴結(jié)轉(zhuǎn)移患者，女，56歲。藍(lán)箭頭所指為肝外膽管癌病灶，黃箭頭所指為淋巴結(jié)。a) T1WI圖像； b) T2WI圖像; c) DWI圖像。

表1 ECC患者的臨床病理學(xué)特征

2.組內(nèi)及組間一致性評(píng)估

本研究隨機(jī)選取了20例患者進(jìn)行組內(nèi)及組間一致性評(píng)估，從病灶中提取的300種紋理特征均有較好的一致性。組內(nèi)相關(guān)性分析的平均ICC值為0.97 (0.774～1.000,P<0.001)，組間相關(guān)性分析的平均ICC值為0.93 (0.751～1.000,P<0.001)。

3.特征選擇及模型構(gòu)建

T1WI、T2WI及DWI三種MRI序列提取的特征經(jīng)降維后總共得到90種最佳的紋理特征，包括Histogram紋理特征5種，GRA紋理特征5種，GLCM紋理特征43種，RUN紋理特征19種，ARM紋理特征4種，WAV紋理特征14種。ROC曲線分析結(jié)果顯示，使用多層感知器建立的預(yù)測(cè)模型其平均AUC為0.895(0.748～0.996，圖4)，在訓(xùn)練集及測(cè)試集中的預(yù)測(cè)準(zhǔn)確率分別為83.4%(67.8%～100%)、85.0%(64.0%～100%)，表明該模型能較好地預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移。

圖4 多層感知器模型預(yù)測(cè)ECC淋巴結(jié)轉(zhuǎn)移的ROC曲線。1代表淋巴結(jié)無(wú)轉(zhuǎn)移，2代表淋巴結(jié)有轉(zhuǎn)移；a) 最小AUC為0.748； b) 最大AUC為0.996。

討 論

至今為止，ECC仍是預(yù)后很差的惡性腫瘤，且淋巴結(jié)轉(zhuǎn)移是其重要的預(yù)后因素。因此，淋巴結(jié)轉(zhuǎn)移的判定對(duì)ECC治療策略的選擇及預(yù)后評(píng)估均有重要意義。但目前仍然缺乏準(zhǔn)確、無(wú)創(chuàng)及定量的評(píng)估ECC淋巴結(jié)轉(zhuǎn)移的方法。相關(guān)文獻(xiàn)報(bào)道，CT、MRI及PET/CT已經(jīng)用于膽管癌淋巴結(jié)轉(zhuǎn)移的診斷與評(píng)估[10,20,21]，由于MRI無(wú)輻射，軟組織分辨率高，被認(rèn)為是目前評(píng)估ECC最精確無(wú)創(chuàng)的檢查方法[11]。相關(guān)研究表明，與CT相比，MRI及PET/CT診斷膽管癌淋巴結(jié)轉(zhuǎn)移的準(zhǔn)確率較高，分別約66.0%[21]、72.7%[10]。但這些影像學(xué)征象的評(píng)估都是基于放射科醫(yī)師主觀的認(rèn)知和判定，并不能精確定量地評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移，無(wú)法完全滿足臨床的需求。因此，需要尋找一種無(wú)創(chuàng)、定量的方法準(zhǔn)確評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移，有助于指導(dǎo)最佳治療方案的選擇及評(píng)估患者預(yù)后。紋理分析通過(guò)提取影像圖像上(如CT、MRI、PET/CT)病灶內(nèi)的紋理特征，定量分析病灶內(nèi)的異質(zhì)性，有助于疾病的診斷、鑒別診斷、臨床決策及預(yù)后評(píng)估[22]。紋理特征反映的是腫瘤內(nèi)部的異質(zhì)性，包括基因、蛋白質(zhì)、細(xì)胞、微環(huán)境、組織和器官等各個(gè)層次。本研究通過(guò)紋理分析，從提取的特征中發(fā)掘出人眼不能識(shí)別的ECC病理生理方面的信息，尋找出一種無(wú)創(chuàng)、客觀、準(zhǔn)確的方法來(lái)評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移。相關(guān)研究表明，紋理分析有助于評(píng)估腫瘤的淋巴結(jié)轉(zhuǎn)移[23-25]。對(duì)于膽管癌，許多學(xué)者已經(jīng)提取出腫瘤的紋理特征，并對(duì)膽管癌進(jìn)行紋理分析，或者基于紋理特征建立相應(yīng)的影像組學(xué)模型，用于膽管癌的診斷、鑒別診斷及預(yù)后評(píng)估[15-19]。在一項(xiàng)回顧性研究中，研究者發(fā)現(xiàn)某些紋理參數(shù)與膽管癌表皮生長(zhǎng)因子受體及血管內(nèi)皮生長(zhǎng)因子受體密切相關(guān)，表明基于CT的紋理分析可以預(yù)測(cè)膽管癌的蛋白質(zhì)表達(dá)，指導(dǎo)臨床治療及評(píng)估預(yù)后[15]。除此之外，基于紋理特征的影像組學(xué)分析也可用于預(yù)測(cè)部分肝臟切除術(shù)后肝內(nèi)膽管癌的早期復(fù)發(fā)，有助于臨床選擇合適的治療方案[16]。Peng等[26]建立了基于腫瘤紋理特征的超聲影像組學(xué)模型，可用于評(píng)估肝內(nèi)膽管癌的多種生物學(xué)行為，有助于患者預(yù)后的評(píng)估及個(gè)體化治療。目前基于增強(qiáng)CT及MRI的影像組學(xué)模型已經(jīng)被建立用于預(yù)測(cè)膽管癌的淋巴結(jié)轉(zhuǎn)移，并顯示了較好的預(yù)測(cè)效能，其最高AUC值為0.89[17]。但目前大多數(shù)基于紋理特征的影像組學(xué)分析是關(guān)于肝內(nèi)膽管癌的研究，很少有文獻(xiàn)單獨(dú)對(duì)ECC進(jìn)行紋理分析或建立影像組學(xué)模型來(lái)預(yù)測(cè)其淋巴結(jié)轉(zhuǎn)移的情況。由于肝內(nèi)膽管癌與ECC在起源、生長(zhǎng)模式、發(fā)生率、致死率、影像學(xué)表現(xiàn)及預(yù)后方面均存在很大差異[27]，而且基于我們前期對(duì)于ECC的MRI影像組學(xué)研究[28]，因此使用紋理分析來(lái)判斷ECC的淋巴結(jié)轉(zhuǎn)移情況并評(píng)估其預(yù)測(cè)效能。

多層感知器是一種前向的神經(jīng)網(wǎng)絡(luò)，它的輸入是一組向量，輸出為另一組向量。多層感知器由輸入層、隱藏層和輸出層構(gòu)成，其中隱藏層又可以包含多層。每層由多個(gè)節(jié)點(diǎn)構(gòu)成，每層又可以傳遞給下一層，直到輸出層，同時(shí)在迭代過(guò)程中不斷調(diào)整權(quán)重以訓(xùn)練學(xué)習(xí)算法，使得預(yù)測(cè)誤差最小化。因此本研究首先選取了ECC患者的T1WI、T2WI及DWI序列的軸面圖像，從每個(gè)ROI中提取出300種紋理特征，并進(jìn)行降維選取90種最佳紋理特征，再采用多層感知器建立相應(yīng)的模型來(lái)預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移。對(duì)于ECC的淋巴結(jié)轉(zhuǎn)移，本研究的多層感知器模型在訓(xùn)練集及測(cè)試集中的預(yù)測(cè)準(zhǔn)確率分別83.4%(67.8%～100%)、85.0%(64.0%～100%)，其平均AUC達(dá)到了0.895，最大為0.996，優(yōu)于傳統(tǒng)影像學(xué)方法的評(píng)估，如MRI、PET/CT[10,21]及CT[29,30]等，表明基于多層感知器的MRI紋理分析能夠較好地預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移。筆者查閱文獻(xiàn)發(fā)現(xiàn)，本研究是第一個(gè)基于紋理分析并采用多層感知器來(lái)評(píng)估ECC淋巴結(jié)轉(zhuǎn)移的研究，并達(dá)到了較好的預(yù)測(cè)效能;這是本研究的創(chuàng)新之處，表明紋理分析在ECC的術(shù)前評(píng)估是很有潛力的，可以作為一種新的定量工具用于預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移，有助于ECC患者最佳治療方案的選擇并改善其預(yù)后。

本研究存在以下局限性：①本研究是回顧性研究且樣本量較少，需要前瞻性及大樣本的研究進(jìn)一步建立相應(yīng)的預(yù)測(cè)模型評(píng)估ECC的淋巴結(jié)轉(zhuǎn)移；②本研究屬于單中心研究，并不能代表不同地區(qū)ECC淋巴結(jié)轉(zhuǎn)移的分析結(jié)果，因此在未來(lái)的工作中，我們會(huì)采取多中心研究進(jìn)一步驗(yàn)證預(yù)測(cè)模型的診斷效能和可重復(fù)性；③本研究對(duì)ECC病灶進(jìn)行二維紋理分析，而不是三維分析，可能導(dǎo)致腫瘤內(nèi)部分信息的缺失，因此，我們需要在以后的工作中對(duì)病灶整體進(jìn)行分析；④本研究的紋理分析只納入了腫瘤的紋理特征，其他臨床、病理、影像學(xué)特征甚至基因相關(guān)的特征應(yīng)該被整合進(jìn)來(lái)以建立更好的預(yù)測(cè)模型；⑤本研究缺乏外部驗(yàn)證集來(lái)驗(yàn)證模型的診斷效能，因此在進(jìn)一步研究中，我們將納入外部驗(yàn)證集來(lái)評(píng)估模型的效能。

綜上所述，基于MRI的紋理分析能很好地預(yù)測(cè)ECC的淋巴結(jié)轉(zhuǎn)移，在ECC的無(wú)創(chuàng)性診斷及預(yù)測(cè)中具有重要應(yīng)用價(jià)值，有助于臨床治療方案的選擇及預(yù)后評(píng)估。