溫艷魯,莫展豪,程斯文,隋 赫,李 濤,吳 帥,范曉飛,呂忠文*

(吉林大學(xué)中日聯(lián)誼醫(yī)院 1.放射線科;2.超聲科;3.麻醉科,吉林 長(zhǎng)春130033)

腦膜瘤是最常見的顱內(nèi)腫瘤之一,發(fā)病率占原發(fā)性中樞神經(jīng)系統(tǒng)腫瘤的37.6%[1]。即便是良性腦膜瘤,術(shù)后仍有7%～20%的復(fù)發(fā)率[2],因此在術(shù)前預(yù)測(cè)腦膜瘤的復(fù)發(fā)和侵襲性是十分必要的。Ki67是一種免疫組化標(biāo)記物,其應(yīng)用廣泛且操作技術(shù)簡(jiǎn)單[3-4]。已有大量研究證明Ki67是腦膜瘤預(yù)后的獨(dú)立預(yù)測(cè)因子[5-7],較高的Ki67指數(shù)與腦膜瘤患者術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)增加相關(guān)[8-10]。磁共振成像(Magnetic Resonance Imaging,MRI)因其無創(chuàng)性且無輻射成為腦膜瘤檢查的主要方式,且影像組學(xué)有識(shí)別傳統(tǒng)影像學(xué)無法發(fā)現(xiàn)的腫瘤特征的潛力[11]。本實(shí)驗(yàn)旨在研究基于腦膜瘤及向腦膜瘤周圍擴(kuò)大3 mm、5 mm范圍的影像組學(xué)模型是否可以預(yù)測(cè)腦膜瘤的Ki67表達(dá)狀態(tài),報(bào)道如下。

1 對(duì)象與方法

1.1 患者資料

回顧性收集吉林大學(xué)中日聯(lián)誼醫(yī)院自2013年3月至2021年11月經(jīng)術(shù)后病理證實(shí)為腦膜瘤的患者共561例,納入標(biāo)準(zhǔn)如下:(1)經(jīng)術(shù)后病理證實(shí)為腦膜瘤;(2)病理免疫組化明確腫瘤Ki67陽性;(3)患者術(shù)前有完整的MRI平掃及增強(qiáng)圖像(圖像質(zhì)量佳,可滿足后續(xù)處理、分析);(4)行MRI檢查前未行任何治療。排除標(biāo)準(zhǔn):(1)患者M(jìn)RI圖像偽影重、質(zhì)量差;(2)腫瘤直徑<5 mm;(3)腫瘤成分均為囊性,無強(qiáng)化實(shí)質(zhì)成分;(4)行MRI檢查前已接受治療的患者,最終符合納入排除標(biāo)準(zhǔn)的有305名患者,其中男性80例,女性225例,年齡22～79(54.97±10.98)歲。

恰當(dāng)?shù)腒i67臨界值對(duì)于預(yù)測(cè)腦膜瘤患者的臨床結(jié)果很重要,Ki67指數(shù)大于4%的患者有較高的復(fù)發(fā)風(fēng)險(xiǎn),被強(qiáng)烈建議進(jìn)行密切隨訪[8],因此本研究選擇以4%為閾值分為高表達(dá)組(≥4%)和低表達(dá)組(<4%),Ki67高表達(dá)組有229名,Ki67低表達(dá)組有76名。

1.2 MRI圖像采集

納入研究的患者均在術(shù)前完成相關(guān)MRI檢查。MRI所采用的掃描參數(shù)如下,軸位T1WI(TR1800ms,TE9ms)、T2WI(TR5200ms,TE117ms)、T2 FLAIR(TR8000ms,TE84ms)、T1增強(qiáng)(T1C)(TR250ms,TE2.46ms),層厚5.0 mm,層間距1.0 mm,層數(shù)20,FOV230×230。所有增強(qiáng)掃描圖像都是在注射Gd-DTPA對(duì)比劑后獲得的。

1.3 圖像預(yù)處理與病灶標(biāo)注

每個(gè)患者圖像均由一名放射科初級(jí)醫(yī)生(3年影像診斷經(jīng)驗(yàn))使用ITK-SNAP軟件(version3.4.0)完成病灶區(qū)域的勾畫,并由一名高級(jí)放射科醫(yī)師(15年影像診斷經(jīng)驗(yàn))進(jìn)行復(fù)核。因?yàn)樵谒械腗RI中,增強(qiáng)圖像能夠清晰地描述腫瘤邊界,因此本研究手動(dòng)在各個(gè)MRI序列上對(duì)腫瘤病灶強(qiáng)化區(qū)進(jìn)行逐層勾畫,最終獲得感興趣區(qū)即EnHROI,再在uAI Research Portal影像組學(xué)平臺(tái)上進(jìn)行EnHROI向周圍膨脹3 mm得到EnH3mmROI,向周圍膨脹5 mm得到EnH5mmROI,如圖1所示。

圖1 腦膜瘤感興趣區(qū)勾畫示意圖

T1C(A～D)及T2 Flair(E～H)序列圖,圖中A、E為原始圖像;圖中B、F粉色及藍(lán)色區(qū)域是腦膜瘤強(qiáng)化區(qū)ROI即EnHROI;圖中C、G紅色區(qū)域是在腦膜瘤強(qiáng)化區(qū)基礎(chǔ)上向周圍膨脹3 mm所得到的EnH3mmROI;圖中D、H綠色區(qū)域是在腦膜瘤強(qiáng)化區(qū)基礎(chǔ)上向周圍膨脹5 mm所得到的EnH5mmROI

1.4 特征提取

由兩名初級(jí)放射科醫(yī)生(3年影像診斷經(jīng)驗(yàn))在本院PACS系統(tǒng)中進(jìn)行影像學(xué)特征評(píng)估,并最后由一名高級(jí)放射科醫(yī)生(15年影像診斷經(jīng)驗(yàn))進(jìn)行復(fù)核,包括腫瘤最大直徑、形狀、強(qiáng)化特點(diǎn)、邊界、瘤周水腫、有無腦膜尾征。利用uAI Reserch Portal平臺(tái)進(jìn)行影像組學(xué)特征提取。為了使影像組學(xué)特征提取標(biāo)準(zhǔn)化,對(duì)圖像進(jìn)行了灰度歸一化預(yù)處理,之后再進(jìn)行影像組學(xué)特征提取。影像組學(xué)特征包括形狀特征(反映區(qū)域形狀和大小的三維特征)、紋理特征(反映像素及其周圍空間鄰域的灰度分布的特征)及灰度統(tǒng)計(jì)量特征(定量地描述圖像中體素強(qiáng)度的分布),在原始圖像中提取上述3類特征,同時(shí)對(duì)圖像進(jìn)行多種濾波處理,提取紋理特征及灰度統(tǒng)計(jì)量特征。共提取2083個(gè)特征。

1.5 特征選擇與模型構(gòu)建

本研究采用五折交叉驗(yàn)證的方法分析。特征選擇前使用z分?jǐn)?shù)歸一化將特征統(tǒng)一為相同的量綱,隨后首先使用單變量方法中的相關(guān)系數(shù)法選擇出P<0.05的特征,隨后進(jìn)一步使用多變量中的最小絕對(duì)收縮和選擇算子(LASSO)(見圖2)選擇最優(yōu)特征子集,分別使用每折的訓(xùn)練集進(jìn)行特征選擇,最終使用投票選擇出現(xiàn)頻次≥4次的特征用于構(gòu)建模型,如圖3所示。最終應(yīng)用五折交叉驗(yàn)證分別基于EnHROI、EnH3mmROI、EnH5mmROI 構(gòu)建二次判別分析(Quadratic Discriminant Analysis,QDA)和邏輯回歸方法(Logistic Regression,LR)預(yù)測(cè)模型,將篩選后表達(dá)比較穩(wěn)定的特征用來構(gòu)建在每個(gè)預(yù)測(cè)任務(wù)中的預(yù)測(cè)模型。

圖2 LASSO算法在各組學(xué)特征系數(shù)分布圖(第5折)

圖3 經(jīng)投票篩選最優(yōu)影像組學(xué)特征分布圖

1.6 影像學(xué)特征評(píng)估及統(tǒng)計(jì)學(xué)方法

對(duì)所采集的影像學(xué)特征,使用SPSS 27.0軟件對(duì)計(jì)量資料采用兩獨(dú)立樣本t檢驗(yàn),組間定性資料應(yīng)用χ2檢驗(yàn)進(jìn)行統(tǒng)計(jì)學(xué)分析,P<0.05為差異有統(tǒng)計(jì)學(xué)意義。以受試者工作特征(receiver operating characteristic curve,ROC)曲線評(píng)價(jià)各模型預(yù)測(cè)腦膜瘤Ki67表達(dá)的效能,計(jì)算相應(yīng)的曲線下面積(area under the curve,AUC),使用敏感性、特異性、準(zhǔn)確率進(jìn)行模型評(píng)價(jià)。

2 結(jié)果

2.1 數(shù)據(jù)分布

Ki67高表達(dá)組與低表達(dá)組患者的性別、年齡、腫瘤形狀、邊界及腦膜尾征差異無統(tǒng)計(jì)學(xué)意義(P>0.05),但高表達(dá)組的腫瘤最大直徑、強(qiáng)化方式及瘤周水腫均高于低表達(dá)組(P<0.05),見表1。

表1 Ki67高、低表達(dá)腦膜瘤患者的一般資料比較

2.2 影像組學(xué)特征

基于T1WI、T2WI、T2-FLAIR及T1C圖像分別提取2083個(gè)特征,經(jīng)過相關(guān)系數(shù)法及LASSO方法五折交叉驗(yàn)證并投票篩選后,得到對(duì)于EnH、EnH3mm、EnH5mm模型預(yù)測(cè)Ki67表達(dá)狀態(tài)的最優(yōu)影像組學(xué)特征分別有8、7、9個(gè),所篩選出的影像組學(xué)特征的占比如表2所示,可見灰度區(qū)域矩陣(gray-level size zone matrix,GLSZM)特征表達(dá)最為穩(wěn)定。

表2 經(jīng)過相關(guān)系數(shù)法及LASSO方法五折交叉驗(yàn)證并投票選取后影像組學(xué)特征占比

2.3 影像組學(xué)模型預(yù)測(cè)效能評(píng)估

本研究采用二次判別分析與邏輯回歸方法建立影像組學(xué)模型,其中二次判別分析機(jī)器學(xué)習(xí)方法的預(yù)測(cè)效能更好,其EnH、EnH3mm、EnH5mm模型在訓(xùn)練集和測(cè)試集的AUC分別為0.806、0.841、0.773及0.776、0.818、0.757,見表3。從圖4可以看出兩種機(jī)器學(xué)習(xí)方法的AUC值在各個(gè)模型中均>0.75,在測(cè)試集中二次判別分析機(jī)器學(xué)習(xí)方法表現(xiàn)更佳。

表3 Ki67模型預(yù)測(cè)效能

圖4 兩種機(jī)器學(xué)習(xí)方法測(cè)試集預(yù)測(cè)效能的ROC曲線對(duì)比圖

3 討論

腦膜瘤作為最為常見的顱內(nèi)原發(fā)腫瘤之一,發(fā)病率在逐年上升,雖然大部分腫瘤可以通過手術(shù)切除,但術(shù)后依舊存在腫瘤復(fù)發(fā)的風(fēng)險(xiǎn)。Ki67是應(yīng)用最為廣泛的檢測(cè)細(xì)胞增殖的免疫標(biāo)志物,易于獲取,同時(shí)MRI影像組學(xué)作為一種新興的潛在成像標(biāo)志物,可以及時(shí)和非侵入性的評(píng)估腫瘤的生物學(xué)行為,所以本研究旨在通過建立MRI影像組學(xué)模型來預(yù)測(cè)腦膜瘤的Ki67表達(dá)水平,從而指導(dǎo)臨床選擇更佳的治療方案。

本研究利用腦膜瘤患者術(shù)前的T1WI、T2WI、T2-FLAIR及T1C圖像進(jìn)行影像組學(xué)特征的提取及篩選,并分別構(gòu)建了EnH、EnH3mm、EnH5mm模型來預(yù)測(cè)Ki67表達(dá)水平。研究中發(fā)現(xiàn)與Ki67低表達(dá)的腦膜瘤相比,Ki67高表達(dá)的腦膜瘤腫瘤直徑更大、強(qiáng)化更不均勻,更容易出現(xiàn)瘤周水腫,因?yàn)镵i67越高腦膜瘤增殖活性越高,腫瘤細(xì)胞對(duì)大腦皮層滲透和侵犯能力更強(qiáng),瘤周水腫表現(xiàn)更明顯,同樣也有學(xué)者證明腦膜瘤周圍水腫與腫瘤大小呈正相關(guān)[12],本研究結(jié)果與其一致。在所建立的模型中,基于EnH3mmROI模型的預(yù)測(cè)效能最佳,AUC值為0.818,是由于基于腫瘤強(qiáng)化區(qū)向周圍擴(kuò)大范圍后的模型包括了腫瘤周圍的水腫帶,從而包含了更多有效的組學(xué)信息,同樣也發(fā)現(xiàn)EnH5mm模型預(yù)測(cè)效能低于EnH3mm模型,這是由于向腫瘤周圍擴(kuò)大5mm的范圍會(huì)誤將鄰近顱骨、中線對(duì)側(cè)正常腦實(shí)質(zhì),甚至頭皮軟組織涵蓋在內(nèi),從而導(dǎo)致模型的預(yù)測(cè)效能降低。既往研究所選取的感興趣區(qū)大多局限于腫瘤本身或者僅研究瘤周水腫與Ki67表達(dá)水平的相關(guān)性,本研究不僅包括腫瘤自身,還建立了向腦膜瘤周圍分別擴(kuò)大3 mm、5 mm范圍的影像組學(xué)模型,同時(shí)包括了瘤內(nèi)和瘤周的信息,所提取的影像特征更加豐富,預(yù)測(cè)效果更加可靠。圖像紋理特征分析可以將肉眼無法區(qū)分的圖像的細(xì)小差別量化,從而區(qū)分腫瘤的異質(zhì)性。本研究基于EnHROI、EnH3mmROI及EnH5mmROI分別篩選出 8、7、9個(gè)最優(yōu)影像組學(xué)特征,其中GLSZM特征表現(xiàn)最佳,它主要通過統(tǒng)計(jì)所有相鄰灰度值相同的像素的個(gè)數(shù)而成,與腫瘤內(nèi)的壞死區(qū)的存在相關(guān),增殖活性高的腫瘤更容易發(fā)生壞死,病變的異質(zhì)性更高,而Ki67能反應(yīng)細(xì)胞的增殖狀態(tài),本研究與其完全一致,因此本研究所提取的影像組學(xué)特征可以預(yù)測(cè)腦膜瘤Ki67表達(dá)[13]。許多研究證實(shí)基于多序列MRI影像組學(xué)的模型表現(xiàn)優(yōu)于單一掃描序列[14-15]。本研究選擇常規(guī)軸位T1WI、T2WI、T2-FLAIR、T1C圖像提取影像組學(xué)特征,同樣的OMADITYA等[16]分析基于7個(gè)MRI序列,包括T1WI、T2WI、T2-FLAIR、T1C、DWI(包括b=0及b=1000)及ADC圖像影像組學(xué)模型預(yù)測(cè)WHOⅠ級(jí)腦膜瘤Ki67的表達(dá),使用支持向量機(jī)(SVM)建立影像組學(xué)預(yù)測(cè)模型,其模型驗(yàn)證集的AUC為0.83,優(yōu)于本研究的模型,可能是DWI序列中提取的影像組學(xué)特征包含更多信息,后續(xù)本研究有望增加更多結(jié)構(gòu)功能序列,完善腦膜瘤相關(guān)免疫組化預(yù)測(cè)效能。在本研究中還采用了兩種機(jī)器學(xué)習(xí)方式對(duì)模型進(jìn)行訓(xùn)練,兩種機(jī)器學(xué)習(xí)方法測(cè)試集的AUC值均在0.75以上,表明本研究所提取的特征具有較高的穩(wěn)定性,并且不同的分類器表現(xiàn)出不同的預(yù)測(cè)性能,這意味著分類器模型類型的選擇對(duì)結(jié)果會(huì)有影響,在本研究中二次判別分析機(jī)器學(xué)習(xí)方法的預(yù)測(cè)效能更佳。本研究實(shí)驗(yàn)證明了基于腦膜瘤患者術(shù)前的MRI圖像預(yù)測(cè)腫瘤Ki67表達(dá)水平的可行性,可以在任何侵入性檢查之前提供腫瘤增殖活性和相關(guān)生物學(xué)行為的信息。

本研究的局限性:①病例來源較為單一,未來可以采取多中心的或者外部的數(shù)據(jù)來進(jìn)一步驗(yàn)證本實(shí)驗(yàn)的結(jié)果;②實(shí)驗(yàn)中采用手動(dòng)勾畫感興趣區(qū)的方式,具有一定的主觀性,未來有望采取自動(dòng)分割模型減少主觀誤差;③實(shí)驗(yàn)中所納入MR序列有限,之后可以考慮納入更多的MR序列提高實(shí)驗(yàn)全面性。

綜上所述,基于常規(guī)MRI序列影像組學(xué)模型可以準(zhǔn)確、有效預(yù)測(cè)腦膜瘤Ki67表達(dá)狀態(tài),且向腫瘤周圍擴(kuò)大3 mm預(yù)測(cè)模型效能最佳,可以作為預(yù)測(cè)腦膜瘤患者Ki67表達(dá)的潛在成像標(biāo)志物,有助于實(shí)現(xiàn)精準(zhǔn)的個(gè)體化治療。