吳潔菡 宋家偉 徐暢 王偉 楊成文 劉桂芝 劉寧波

局限期小細(xì)胞肺癌（limit-stage small cell lung cancer，LS-SCLC）細(xì)胞增殖快、易轉(zhuǎn)移，治療后易復(fù)發(fā)[1]，患者預(yù)后差，5 年生存率低于25%[2]。同步放、化療是LS-SCLC 的標(biāo)準(zhǔn)治療手段，但小細(xì)胞肺癌（small cell lung cancer，SCLC）腫瘤細(xì)胞異質(zhì)性強(qiáng)，部分患者表現(xiàn)為難治性SCLC，具有先天性或獲得性治療抵抗，目前尚缺乏可靠的療效預(yù)測手段。影像組學(xué)是從高通量醫(yī)學(xué)影像中提取某些特征并將其量化，利用機(jī)器學(xué)習(xí)等對(duì)特征進(jìn)行篩選分析的技術(shù)[3]?；谟跋窠M學(xué)對(duì)SCLC 患者的預(yù)后預(yù)測的研究尚鮮有研究報(bào)道。

本研究利用影像組學(xué)方法分析放療定位CT 影像，根據(jù)獲得的臨床隨訪結(jié)果，構(gòu)建LS-SCLC 總生存期（overall survival，OS）、無進(jìn)展生存期（progressionfree survival，PFS）的預(yù)后模型，為臨床中更準(zhǔn)確地判斷預(yù)后、優(yōu)化治療方案提供更多依據(jù)。

1 材料與方法

1.1 臨床資料

回顧性分析天津醫(yī)科大學(xué)腫瘤醫(yī)院2013 年9 月至2019 年12 月193 例接受胸部放療LS-SCLC 患者影像資料。納入標(biāo)準(zhǔn)：1）病理證實(shí)為SCLC；2）增強(qiáng)CT 行放療前定位；3）CT 定位前未接受過放療；4）經(jīng)多種影像包括骨掃描、PET-CT、MRI、增強(qiáng)CT 等確認(rèn)為局限期。排除標(biāo)準(zhǔn)：1）患者相關(guān)臨床資料不全；2）患者未接受30 次胸部放療。

1.2 方法

1.2.1 圖像采集 采用GE Discovery CT590 RT 型大孔徑CT 對(duì)患者進(jìn)行增強(qiáng)掃描，患者經(jīng)體位固定后，采用碘對(duì)比劑80～100 mL，速率2.0～3.0 mL/s，由高壓注射器經(jīng)肘靜脈注入，掃描延遲時(shí)間50 s[4]，掃描過程中要求患者屏氣。掃描上界為乳突上1 cm，下界至膈下1 cm。

1.2.2 圖像分析 193 例患者影像資料均采用Pinnacle（版本3.2.0.27）進(jìn)行分析，包括病灶位置、形態(tài)、邊界、密度等。感興趣區(qū)（region of interest，ROI）分別在縱隔窗（窗寬350 HU，窗位40 HU）、肺窗（窗寬1 000 HU，窗位-650 HU）勾畫，以腫瘤靶區(qū)（gross tumor volume，GTV）為ROI。借助3D Slicer（版本4.11.20210226）提取影像特征（圖1）。具體流程設(shè)計(jì)及參數(shù)見圖2。

圖1 影像特征提取示意圖

圖2 特征提取及模型構(gòu)建流程圖

1.2.3 隨訪 通過電話隨訪與病歷查詢相結(jié)合的方式，了解患者生存情況。隨訪時(shí)間3.97～75.63 個(gè)月，中位隨訪時(shí)間42.73 個(gè)月。隨訪截至2020 年9 月。

1.3 統(tǒng)計(jì)學(xué)分析

采用Python（版本3.8.8）進(jìn)行隨機(jī)分組、特征篩選及模型構(gòu)建，采用MedCalc（版本19.4.1）軟件計(jì)算受試者工作特征曲線（receiver operating characteristic curve，ROC）。按照7∶3 對(duì)符合條件患者進(jìn)行隨機(jī)分組，得到訓(xùn)練組和測試組并構(gòu)建預(yù)測模型。在每一標(biāo)準(zhǔn)中，臨床因素符合正態(tài)分布采用t檢驗(yàn)，非正態(tài)分布采用非參數(shù)檢驗(yàn)，篩選影像特征應(yīng)用t檢驗(yàn)及LASSO 回歸，并采用交叉驗(yàn)證法選定最優(yōu)的λ 值，選擇對(duì)應(yīng)的LASSO 回歸模型。輸出準(zhǔn)確率、曲線下面積（area under the receiver operating characteristic curve，AUC）、靈敏度和特異度評(píng)估模型效能。以P＜0.05 為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 臨床資料

共193 例患者納入研究，中位OS 為29.77 個(gè)月，中位PFS 為14.03 個(gè)月。男性150 例，年齡23～79歲，中位年齡59 歲；女性43 例，年齡40～81 歲，中位年齡60 歲。吸煙史：有141 例，無52 例；預(yù)防性腦照射：有77 例，無116 例；放療后腦轉(zhuǎn)移：有52 例，無141 例；誘導(dǎo)化療超2 周期：有119 例，無74 例；同步化療：有114 例，無79 例；鞏固化療：有111 例，無82 例；治療技術(shù)：固定野調(diào)強(qiáng)放療139 例，容積調(diào)強(qiáng)放療54 例。見表1。

表1 患者基本特征

以是否死亡、是否進(jìn)展、OS≤1 年或OS≥5 年、OS≤1 年或OS≥3 年、PFS≤6 個(gè)月或PFS≥24 個(gè)月、PFS≤12 個(gè)月或PFS≥18 個(gè)月對(duì)患者進(jìn)行篩選，訓(xùn)練組和測試組在患者性別、年齡、OS、PFS、吸煙史、KPS 評(píng)分、分期、劑量、調(diào)強(qiáng)技術(shù)、是否進(jìn)行預(yù)防性腦照射、是否腦轉(zhuǎn)移、是否接受超過2 個(gè)周期誘導(dǎo)化療、是否接受同步化療、是否接受鞏固化療等方面差異均無統(tǒng)計(jì)學(xué)意義（均P＞0.05）。

2.2 特征提取及篩選

每組影像在原始影像和派生圖像的基礎(chǔ)上共提取到包括一階特征、形狀特征、紋理特征、灰度共生矩陣（gray level cooccurence matrix，GLCM）、灰度依賴性矩陣（gray level dependence matrix，GLDM）、灰度級(jí)運(yùn)行長度矩陣（gray level run length matrix，GLRLM）、灰度及帶矩陣（gray level size zone matrix，GLSZM）、相鄰灰度差分矩陣（neighbouring gray tone difference matrix，NGTDM））在內(nèi)的1 037 個(gè)特征。

在不同分類標(biāo)準(zhǔn)下，篩選所得特征有較大差異。以是否死亡為標(biāo)準(zhǔn)共篩選到9 個(gè)特征，分布在一階特征、GLSZM、GLCM、GLRLM 和NGTDM，在模型構(gòu)建中參數(shù)wavelet-LLH_glszm_SmallAreaEmphasis 重復(fù)出現(xiàn)，與是否死亡密切相關(guān)。按照OS≤1 年或OS≥5 年為標(biāo)準(zhǔn)篩選到7 個(gè)特征，分布在一階特征、GLCM、GLSZM 和NGTDM，參數(shù)original_ngtdm_Strength在3 次提取特征重要性前列中重復(fù)出現(xiàn)，且與模型構(gòu)建關(guān)系最為緊密。按照OS≤1 年或OS≥3 年為標(biāo)準(zhǔn)篩選到6 個(gè)特征，分布在一階特征、GLCM、GLSZM和NGTDM，其中參數(shù)wavelet-HHL_ngtdm_Busyness 在3 次重要性輸出中均被提出構(gòu)建新的模型。

PFS 方面以是否進(jìn)展為標(biāo)準(zhǔn)，提取到10 個(gè)特征，分布在一階特征、形狀特征、GLCM、GLSZM 和NGTDM，此標(biāo)準(zhǔn)下不存在特定特征被納入構(gòu)建新的模型。以PFS≤6 個(gè)月或PFS≥24 個(gè)月為標(biāo)準(zhǔn)篩選出6 個(gè)特征，分布在一階特征、GLCM 和GLSZM，其中參數(shù)wavelet-LLH_glcm_ClusterShade 和wavelet-LLH_glcm_Correlation 被用于構(gòu)建新模型。以PFS≤12 個(gè)月或PFS≥18 個(gè)月作標(biāo)準(zhǔn)篩選到11 個(gè)特征，分布在一階特征、形狀特征、GLCM、GLRLM 和GLDM，其中參數(shù)wavelet-HHL_gldm_SmallDependenceHighGrayLevelEmphasis 作為重要特征3 次被納入新模型構(gòu)建。

2.3 模型構(gòu)建與評(píng)估

以是否死亡為標(biāo)準(zhǔn)（68 例生存、119 例死亡）對(duì)病例分類并在訓(xùn)練組納入全部篩選特征構(gòu)建模型，在測試組中輸出準(zhǔn)確率均值為62.9%且相對(duì)穩(wěn)定，3 次輸出特征重要性分別構(gòu)建新模型，以測試組為基礎(chǔ)輸出準(zhǔn)確率、AUC、靈敏度和特異度。新構(gòu)建模型以AUC≥0.7 為標(biāo)準(zhǔn)評(píng)估，不存在可靠結(jié)果。

以O(shè)S≤1 年（n=20）或OS≥5 年（n=19）為標(biāo)準(zhǔn)對(duì)病例分類并在訓(xùn)練組中納入全部篩選特征，所得模型準(zhǔn)確率均值為0.677 且相對(duì)穩(wěn)定。以original_ngtdm_Strength、wavelet-HLH_glszm_GrayLevelVariance、wavelet-HHL_glcm_MCC 構(gòu)建模型AUC 均值為0.7（95%CI：0.549～1.031）。以original_ngtdm_Strength、wavelet-HHL_glcm_MCC、wavelet-LLL_glcm_ClusterProminence 構(gòu)建模型AUC均值為0.84（95%CI：0.624～0.957）。

以O(shè)S≤1 年（n=20）或OS≥3 年（n=58）為標(biāo)準(zhǔn)對(duì)病例分類并在訓(xùn)練組中納入全部篩選特征，所得模型準(zhǔn)確率均值為79.5% 且相對(duì)穩(wěn)定。以wavelet-LLH_glcm_ClusterShade、wavelet-LLH_glszm_SizeZoneNonUniformity、wavelet-HHL_ngtdm_Busyness 構(gòu)建模型的AUC 均值為0.73（95%CI：0.549～0.911）。以original_ngtdm_Strength、wavelet-HHL_glcm_Correlation、wavelet-HHL_ngtdm_Busyness 構(gòu)建模型的AUC 均值為0.74（95%CI：0.561～0.914）。以wavelet-LLH_glcm_ClusterShade、wavelet-HHL_ngtdm_Busyness、wavelet-HHL_glcm_Correlation 構(gòu)建模型的AUC 均值為0.78（95%CI：0.611～0.949）。見表2。

表2 患者總生存期模型結(jié)果

以是否進(jìn)展為標(biāo)準(zhǔn)（48 例無進(jìn)展、138 例進(jìn)展）對(duì)病例分類并在訓(xùn)練組納入全部篩選特征構(gòu)建模型，在測試組中輸出準(zhǔn)確率均值為74.6%且相對(duì)穩(wěn)定，3 次輸出特征重要性分別構(gòu)建新模型，以測試組為基礎(chǔ)輸出準(zhǔn)確率、AUC、靈敏度和特異度。重復(fù)輸出最重要的3 個(gè)特征構(gòu)建模型，以AUC≥0.7 為標(biāo)準(zhǔn)評(píng)估，新模型不存在可靠結(jié)果。

以PFS≤6 個(gè)月（n=19）或PFS≥24 個(gè)月（n=57）為標(biāo)準(zhǔn)對(duì)病例分類并在訓(xùn)練組中納入全部篩選特征，所得模型準(zhǔn)確率均值為73.6%。以wavelet-LLH_glcm_ClusterShade、wavelet-LLH_glcm_Correlation、wavelet-HHH_glcm_MCC 構(gòu)建模型AUC 平均為0.70（95%CI：0.513～0.887）。

以PFS≤12 個(gè)月（n=69）或PFS≥18 個(gè)月（n=75）為標(biāo)準(zhǔn)對(duì)病例分類并在訓(xùn)練組中納入全部篩選特征，所得模型準(zhǔn)確率均值為82.3%。新構(gòu)建模型AUC 均無法達(dá)到要求（表3）。

表3 患者無進(jìn)展生存期模型結(jié)果

隨機(jī)選取各標(biāo)準(zhǔn)下某一陽性結(jié)果繪圖（圖3）。

圖3 預(yù)測模型受試者工作特征曲線

3 討論

近年來，LS-SCLC 的治療進(jìn)展較慢，雖然部分早期患者可以行手術(shù)切除，但多數(shù)仍需術(shù)后化療或放化療等輔助治療，同步放、化療仍是多數(shù)LS-SCLC 的標(biāo)準(zhǔn)治療。但SCLC 細(xì)胞惡性度高，異質(zhì)性強(qiáng)，不同患者間療效差異較大、預(yù)后差異也較大。本研究進(jìn)一步證實(shí)，多數(shù)患者在治療后很快復(fù)發(fā)，中位PFS 僅為14.03 個(gè)月。但仍有少部分LS-SCLC 患者可以達(dá)到長期生存，中位OS 為29.77 個(gè)月，5 年生存率達(dá)到9.8%。提示對(duì)于LS-SCLC 患者，可能需要對(duì)預(yù)后進(jìn)行分層分析。不同預(yù)后的SCLC，可能具有不同基因背景。因此，能否采用影像手段對(duì)SCLC 進(jìn)行分類，研究影響預(yù)后的影像組學(xué)特點(diǎn)對(duì)于指導(dǎo)臨床診療具有重要意義。

目前，影像組學(xué)在SCLC 方面的研究較為局限，主要集中在對(duì)疾病分型[5-10]，研究預(yù)后的模型較少。部分已發(fā)表的組學(xué)研究均未區(qū)分局限期或廣泛期，且總病例數(shù)過少。Gkika 等[11]納入LS-SCLC 患者47 例、廣泛期患者51 例，基于CT 提取影像特征72 個(gè)，分別與OS、PFS 行相關(guān)性分析，取相關(guān)性最高的特征納入Cox 風(fēng)險(xiǎn)比例模型。影像特征僅有original_glcm_Imc1、original_glcm_Imc2 和original_shape_Maximum2DDiameterColumn 可認(rèn)為中度相關(guān)，但影像特征建立的模型無法預(yù)測生存情況。本研究的193例均為LS-SCLC 患者，病例更多、研究結(jié)果更為可靠。

本研究的影像特征提取來自放療定位CT，較診斷CT 是LS-SCLC 患者最接近治療前的影像結(jié)果，每例患者均提取1 037 個(gè)特征用于篩選，其中包括了基于原始圖像的一階特征、形狀特征、紋理特征和小波特征。Jiao 等[12]以早期NSCLC 患者為研究對(duì)象進(jìn)行預(yù)后預(yù)測，同樣以GTV 為ROI 所提取的特征數(shù)為每組680 個(gè)特征，其中包含一階特征、形狀特征及部分紋理特征，模型一致性指數(shù)0.734，而Gkika 等[11]僅提取了72 個(gè)影像特征，研究結(jié)果可信度一般。本研究在機(jī)器學(xué)習(xí)基礎(chǔ)上，提取特征數(shù)目更多、種類更全，對(duì)于預(yù)后的預(yù)測更為準(zhǔn)確。

有研究報(bào)道，特征篩選應(yīng)用LASSO 篩選，并進(jìn)行Cox 分析[13]。部分研究也未對(duì)特征進(jìn)行前期篩選，而是選擇納入全部特征進(jìn)行分析，然后再選取最相關(guān)的特征納入Cox 分析判斷是否能夠預(yù)測預(yù)后[11]。本研究結(jié)合了t檢驗(yàn)、LASSO 篩選特征和隨機(jī)森林分類器構(gòu)建預(yù)測模型，并選擇最重要的3 個(gè)特征重新構(gòu)建模型。CT 影像具有較好的空間分辨率，且以灰度來代表不同的組織結(jié)構(gòu)，影像的紋理與腫瘤異質(zhì)性有關(guān)，也可能預(yù)測腫瘤的生物學(xué)行為[14]，本研究篩選獲得的特征大多為腫瘤區(qū)紋理特征，與上述研究結(jié)果相符。OS 部分以O(shè)S≤1 年或OS≥5 年和以O(shè)S≤1 年或OS≥3 年為標(biāo)準(zhǔn)構(gòu)建最終模型時(shí)，original_ngtdm_Strength和wavelet-HHL_ngtdm_Busyness 3 次被認(rèn)定為重要特征，兩者均屬于NGTDM 特征，刻畫了一個(gè)像素與周圍像素值的關(guān)系，可用于衡量組織的異質(zhì)性；PFS 部分以PFS ≤6 個(gè)月或PFS ≥24 個(gè)月為標(biāo)準(zhǔn)，wavelet-LLH_glcm_ClusterShade、wavelet-LLH_glcm_Correlation 被3 次用于構(gòu)建新模型，兩者屬于GLCM 特征，用于描述具有某種空間關(guān)系的兩個(gè)像素的聯(lián)合分布，wavelet-LLH_glcm_ClusterShade 反映影像的均勻度、wavelet-LLH_glcm_Correlation 反映圖像紋理的一致性，也可表示組織的同質(zhì)性。本研究篩選獲得的特征參數(shù)與臨床現(xiàn)狀保持一致，具有更高的可信度。

影響LS-SCLC 療效的因素眾多，長期以來，預(yù)測LS-SCLC 的OS 十分困難，目前已獲得的模型多AUC＜0.7。本研究中以O(shè)S≤1 年或OS≥5 年和以O(shè)S≤1 年或OS≥3 年為標(biāo)準(zhǔn)獲得的模型進(jìn)一步在測試組中進(jìn)行結(jié)果驗(yàn)證所得AUC≥0.7，預(yù)測效果良好，具有進(jìn)一步擴(kuò)大樣本研究的價(jià)值。本研究在生存標(biāo)準(zhǔn)下得到具有預(yù)測效能的模型，但以是否生存為標(biāo)準(zhǔn)無法獲得期待模型，與Gkika 等[11]在OS 部分無法構(gòu)建具有預(yù)測效果的模型結(jié)果相似。這可能與OS 與患者整體情況、治療方案有關(guān)，SCLC 通常接受化療、放療聯(lián)合治療，影響因素眾多，單純以影像特征進(jìn)行預(yù)測較為困難。Jain 等[15]借助影像組學(xué)構(gòu)建了預(yù)測接受鉑類藥物化療SCLC 患者預(yù)后模型，測試組模型一致性指數(shù)為0.69，也證實(shí)了上述推斷。

本研究對(duì)PFS 的結(jié)果同樣進(jìn)行了多種分組研究，其中僅有以PFS≤6 個(gè)月或≥24 個(gè)月納入患者構(gòu)建模型所得AUC=0.70。以是否進(jìn)展和PFS≤12 個(gè)月或PFS≥18 個(gè)月標(biāo)準(zhǔn)納入患者所構(gòu)建模型AUC 達(dá)不到標(biāo)準(zhǔn)，認(rèn)為模型預(yù)測效果不佳。目前多數(shù)借助影像組學(xué)對(duì)SCLC 進(jìn)行預(yù)后預(yù)測的研究[11]中PFS 部分單因素分析所得均差異無統(tǒng)計(jì)學(xué)意義，無法進(jìn)行多因素分析并構(gòu)建方程，與本研究結(jié)果類似。提示SCLC 生物學(xué)特性復(fù)雜，難以用單一影像方法預(yù)測局部控制療效，這也與SCLC 易復(fù)發(fā)，易轉(zhuǎn)移的臨床特點(diǎn)吻合。

綜上所述，本研究結(jié)果表明影像組學(xué)在SCLC 的預(yù)后預(yù)測方面可構(gòu)建具有較好預(yù)測效果的模型，但SCLC 生物學(xué)特性復(fù)雜，單一的影像特征難以描述，納入臨床因素、腫瘤標(biāo)志物或分子指標(biāo)等構(gòu)建融合模型，是下一步研究的方向。