宫颈癌MRI影像组学参数预测宫颈鳞癌p53的价值

韦明珠，赵振华，胡红杰，章俞，毛海佳，黄亚男

1.浙江大学医学院附属邵逸夫医院放射科，浙江杭州 310016；2.浙江大学绍兴医院（绍兴市人民医院）放射科，浙江绍兴 312000； *通讯作者 胡红杰 honggiehu@zju.cn

宫颈癌是女性生殖系统发病率较高的恶性肿瘤,而且近年发病者呈年轻化趋势，宫颈原位癌的高发年龄为30~35岁，浸润癌为45~55岁。宫颈癌的检测方法包括宫颈刮片细胞学检查、宫颈碘试验、阴道镜检查、宫颈和宫颈管活检等，MRI检查是公认的较好的影像学检测方法[1]。宫颈癌术后一般常规做P53免疫组化检测，p53表达的是一种基因突变，是恶性肿瘤中最常见的基因突变，临床意义重大，在宫颈癌的发生及发展中具有重要作用[2]。

影像组学这一概念由Lambin等[3]于2012年提出，其定义为高通量地从放射影像中提取并分析大量高级的定量影像学特征，这些特征具有数据维度高、定量分析等优点，可与传统影像学、分子生物学、分子病理学、信息科学等相整合并进行分析。影像组学数据可判断组织特性，预测患者的预后及治疗效果[4-6]。

本研究通过对宫颈鳞癌MRI T2WI图像影像组学特征与其病理免疫组化p53表达分析，预测宫颈癌的组织学分级，从而指导临床手术、放化疗方案的制订及预测疗效等。

1 资料与方法

1.1 研究对象 回顾性分析浙江大学绍兴医院2015年4月—2018年1月确诊为宫颈鳞癌的53例患者，年龄26~68岁，平均（46.25±20.75）岁。纳入标准：①盆腔MRI检查诊断为宫颈占位病变，病灶>0.5 cm；②MRI检查后1周内经诊断性刮宫或手术病理明确诊断。排除标准：①MRI检查前行手术、放疗、化疗等；②有严重心、肺疾病或肝、肾功能不全；③图像质量不能满足分析需要。

1.2 MRI检查 采用Siemens Magnetom Verio 3.0T MRI扫描仪，专用腹部16通道相控阵线圈行盆腔MRI扫描，所有患者MRI检查均在同一台机器上完成。患者取仰卧位，双臂置于头两侧。扫描序列包括横断面T2WI脂肪抑制序列，矢状面T2WI，主要采集垂直于病灶所在宫颈管的高分辨T2WI序列图像。扫描参数：TR 2700 ms，TE 100 ms，视野220 mm，矩阵320×320，层厚3 mm，层间距1 mm，扫描层数22层，翻转角160°，带宽108 Hz/像素，脂肪抑制，GRAPPA并行采集模式。SAG T2WI非脂肪抑制序列扫描参数：TR 3900 ms，TE 94 ms，层厚4 mm，层间距2 mm。

1.3 影像组学特征提取 将所有患者的T2WI图像导入GE Analysis Kinetics分析软件，得到每一个病例基于病灶大小、边缘形态、位置信息、灰度共生矩阵、灰度步长矩阵算法等的影像组学特征数据共396个。由2名从事妇科影像诊断10年以上的影像医师参考T2WI横断面和矢状面病灶的部位，通过观察分析，一致认为在T2WI横断位图像上显示的病灶的每个层面勾画、分割病灶，并融合各层面病灶，计算出感兴趣区（ROI）内的定量影像特征参数。ROI的大小取决于病变大小，且尽量与病灶边缘保持一致，观察到宫颈癌信号在T2WI图像上呈稍高信号或高信号，与周围组织分界清楚，选择T2WI进行肿瘤勾画，取得每个病灶的组学特征，T2WI SAG图像作为辅助参考。所采取勾画的病灶均位于宫颈，无远处盆腔转移病灶或肿大淋巴结。

1.4 病理检查及免疫组化染色 尽量选取术前MRI影像组学所勾画的肿瘤区域，用10%甲醛溶液固定，组织脱水后，二甲苯透明后常规石蜡包埋，包埋处理完善的蜡块进行连续切片，切片后进行HE染色及p53免疫组化染色，免疫组化染色严格参照试剂盒说明进行，于200倍显微镜下观察。根据p53结果分为阴性和阳性，p53阳性指细胞核内出现深染的棕黄色颗粒，为阳性表达细胞。

1.5 统计学方法 采用SPSS 19.0软件，p53阳性与阴性数比较采用χ2检验，比较阴性组及阳性组患者低分化及中高分化的差异；正态分布的计量资料以表示，采用独立样本t检验比较两组T2WI图像组学参数（每个病例396个数据）的差异，采用受试者工作特征（ROC）曲线分析敏感度与特异度。P<0.05表示差异有统计学意义。

2 结果

2.1 临床表现及病理结果 53例宫颈鳞癌患者病理学上P53阳性32例，阴性21例。病灶最大径0.60~10.30 cm，平均（5.25±2.75）cm；根据鳞癌细胞分化程度分为低分化和中高分化，p53阳性组与阴性组与细胞分化程度见表1，p53阳性组中低分化鳞癌占75.0%（24/32），明显高于p53阴性组的52.3%（11/21），差异有统计学意义（P=0.042）。宫颈癌病灶勾画与病理结果见图1。

表1 53例宫颈鳞癌p53阳性与阴性组细胞分化程（例）

图1 宫颈癌病灶勾画与病理结果。

2.2 影像组学特征 两组间4个影像组学参数包括强度值范围、最大强度、短行程优势和反差分矩比较，差异均有统计学意义（P<0.05）。ROC曲线评价影像组学特征预测的敏感度及特异度，短行程优势和反差分矩的ROC曲线下面积最大（表2，图2）。

表2 影像组学特征鉴别宫颈癌p53表达的ROC结果

图2 影像组学特征鉴别宫颈癌p53表达的ROC曲线

3 讨论

影像组学方法是对CT、MRI和PET等大量医学图像提取定量影像学特征并进行分析，找到疾病的影像学标识物，从而实现对疾病的精准预测、诊断及预后评估等[7]。本组病例中，MRI T2WI因其有明显的组织成像差异，横断位结合矢状位图像，能明确定位，并可清晰显示宫颈正常及异常信号，低信号肌质环显示清晰，病灶呈略高信号，对比明显，容易勾画病灶[8-9]，还可以重复分析。通过MR扫描病灶能清晰显示结合 DWI图像及增强图像，病灶范围和形态更明确，从病灶本身显示及组学勾画准确度，本研究在平扫T2WI图像上勾画病灶最准确，对比最明显，能客观反映病灶的真实情况。

本研究尝试应用影像组学对宫颈鳞癌病灶的MRI图像特征进行提取和分析，所选取的均是位于宫颈的浸润性病变，要求病灶均>0.5 cm，宫颈以外的病灶如淋巴结转移等未计入图像特征筛选之列，进而研究影像组学与病理免疫组化p53之间的相关性。p53是目前研究较多的癌基因，该基因突变可导致细胞的恶性转化和肿瘤的发生、发展，许多肿瘤均有很高的p53突变率，其突变率与肿瘤细胞的分化程度有关，分化程度越低、恶性程度越高的肿瘤，p53基因水平越高[10]。本研究结论与这一特性一致，p53在低分化鳞癌中的阳性率明显高于高分化鳞癌。p53对宫颈癌放疗敏感性和效果均有影响[11-12]，p53阴性增加放射敏感性，也是行单独放疗获得较好效果的预后指标。突变型p53基因的表达阳性率与宫颈癌病理学分级相关[13]，p53基因结构及表达异常与肝癌、胃癌、结肠癌、肺癌、乳腺癌等多种恶性肿瘤的发生、发展及预后有关[14-15]。

本组病例运用AK软件共获取每个宫颈癌病例的396个影像组学数据参数，结合免疫组化p53结果，得出有4个有差异的组学数据特征，分别是图像灰度分布的范围、最大强度值、反差分矩和短行程优势。其中图像灰度分布的范围、最大强度值反映图像最大强度及范围，在p53阳性病例中T2WI图像信号强度高，范围大，肿瘤分化差，恶性程度高，与临床相符，容易观察及推测。短行程优势表示较短的行程长度和更精细的纹理，在这组数据中，MRI图像呈高信号居多，病灶>0.5 cm，p53分化程度与病灶的信号差别及均匀度具有相关性，敏感度也较高。反差分矩反映图像纹理的同质性，度量图像纹理局部变化的多少，值越大说明图像纹理的不同区域间越缺少变化，局部越均匀，p53阳性病灶值显著高于阴性病灶，两者差异性明显，特异度也最高（90%），本组病例也符合这一结果，提示p53阳性细胞均匀。在病理组织学上低分化型以未分化细胞为主，细胞均匀致密，恶性程度高。

随着影像组学的迅速发展，对数据的标准化、特征提取算法的可重复性以及预测结果的可靠性均提出新的标准及要求[16]。应用MRI T1WI图像的影像组学特征参数结合ANN和KNN等机器学习算法，可以区分不同类型的肺癌脑转移[17]。MRI对宫颈癌有很好的定位和分期功能[18]，本研究根据宫颈癌图像特点用T2WI图像的影像组学特征参数结合A.K软件的分析方法，更精准的图像勾画，融合组学算法，研究肿瘤内部特征及肿瘤异质性[19]。

本研究的局限性为：①病灶纹理特征是从手动勾画的ROI中提取，很难避免宫颈基质变形对ROI产生的影响，这可能会影响纹理特征的准确性：②宫颈鳞癌的分级诊断与影像组学特征有一定的相关性，但有意义的组学特征较少，这可能与样本量选取较少有关，需扩大样本量以减少数据量对准确性的影响[20]。

总之，宫颈癌的术前诊断、分级及预后判断是治疗决策的重要依据，术后病理学检查是诊断“金标准”，目前尚无可靠的术前临床评价手段及影像学方法，影像组学可通过对术前病灶分析，客观反映病灶内部性质，预测宫颈癌恶性程度及病理分级，对肿瘤的临床决策具有重要的预测价值。