CT影像组学对食管鳞癌病理分化程度的预测价值

陈 华,丁 聪,张 继,田为中

（泰州市人民医院影像科 江苏 泰州 225300）

食管癌是临床中发病率较高的食管黏膜上皮肿瘤疾病[1]，绝大多数食管癌均为鳞状细胞癌，而鳞状细胞癌的分化程度将会直接影响患者的临床治疗效果及预后[2]。针对不同分化程度的鳞状细胞癌患者而言，即使采取相同的诊治措施也会出现不同的治疗效果。因此，对于食管癌患者而言，开展手术治疗前对食管癌的分化程度实施诊断鉴别对其临床治疗结局与预后评估具有重要影响作用。现阶段，常规CT检查技术在食管癌的常规诊断与分期中具有良好且广泛的应用效果，但是对食管鳞状细胞癌分化程度的研究相对匮乏。影像组学方法能够通过机器将图像转化为高维特征，促使图像数据化，同时也在一定程度上避免了传统影像医师自身因素对诊断的影响，确保检测结果更加客观，也能够促使影像医师更好地对肿瘤内部环境展开分析[3]。本次研究选取2018年6月—2020年4月于我院接受诊治处理的食管鳞状细胞癌患者36例作为研究对象，着重讨论CT影像组学在食管鳞状细胞癌病理分化程度预测中的应用价值，现报告如下。

1 资料与方法

1.1 一般资料

纳入36例在我院接受诊治处理的食管鳞状细胞癌患者作为研究对象，接受诊治时间为2018年6月—2020年4月，入选病例中共计包括24例男性患者以及12例女性患者，年龄均数为（58.28±3.42）岁。入选患者均经相关诊断标准明确诊断为食管鳞状细胞癌，不存在化疗、放疗治疗经历，排除造影剂过敏、肿块位于食管或胃交界处以及图像质量过差而导致诊断结果受到一定影响的患者。本研究经医院伦理委员会批准，患者对本研究知情并已签署知情同意确认书。

1.2 方法

选取西门子128排螺旋CT机，予以患者上胸部增强扫描。相关参数设定如下：管电流设定为260～300mA，管电压设定为120kV，层厚度设定为5mm，螺距设定为1，准直设定为0.625mm×64，矩阵设定为512×512，机架转速设定为0.5s/r。使用高压注射器经由肘静脉将90mL增强对比剂碘帕醇注入，流速为2.5mL/s，注射剂量为90～100ml。30s延迟后实施动脉期CT增强扫描，60s延迟后实施实质期CT增强扫描。收集并分析患者的影像学资料，将获取的CT影像上传至医学影像信息系统。

通过相关软件手动勾画感兴趣区域，勾画时选取肿块最大层面的图像，沿肿瘤边界尽可能地包含肿瘤区域，同时应尽可能避开坏死区域及出血区域，以免对测定结果的准确性产生不良影响。

针对实施分割处理的图像，使用相关软件对图像实施影像组学特征提取处理。将入选的36例患者以随机数字表机划分成训练集与验证集，例数依次为24例、12例。每例共计提取5000个影像组学特征。提取的影像组学特征主要四类，具体如下：（1）小波变换等特征；（1）一阶灰度统计量，包括能量、偏度、峰度等；（2）纹理特征：基于灰度游程矩阵、灰度区域矩阵、灰度共生矩阵等的特征；（3）形态学特征：肿瘤体积、直径、表面积等。

结合获取的影像组学标签与临床资料展开多变量回归分析，建立影像组学模型并进行验证。通过受试者操作特征曲线评价模型术前预测食管鳞状细胞癌分化程度的效能。

1.3 统计学处理

统计分析软件选用SPSS20.0，计量资料采用t检验（或秩和检验），结果数据的表现形式为（）；计数资料采用χ2检验，结果数据的表现形式为率。P＜0.05认定差异存在统计学意义。利用AUC对提取的影像组学特征进行评估筛选；运用AUC对构建的相关模型评价食管鳞状细胞癌分化程度的效能进行评估。

2 结果

2.1 患者的基线资料、影像组学评分、肿块位置分析

训练集与验证集患者的年龄、性别等基线资料比较，差异不存在明显的统计学意义（P＞0.05）；训练集与验证集患者的食管鳞状细胞癌生长部位比较，差异不存在明显的统计学意义（P＞0.05）；在训练集与验证集组中，影像组学评分比较，差异具有明显的统计学意义（P＜0.05）。见表1。

表1 患者的基线资料、影像组学评分、肿块位置分析

2.2 影像组学模型的创建

对5000个影像组学特征降维，运用回归分析软件对剩余的28个影像组学特征进行进一步筛选。在本研究中，使用10倍交叉验证，选取交叉验证中误差最小、AUC较大处的Lambda值用于特征选取。选出的9个特征用于构建影像组学模型，9个特征依次为LoG_1.5_RLV,LoG_2.0_NGTDM_Contrast,bior3.7_1_SRLGLE,bior5.5_4_MP,rbio1.1_1_HGZE,db10_5_IDN,db10_5_LGZE,db8_4_SRLGLE,rbio3.1_1_SZN。其中RLV：游程方差，用于度量运行长度的运行差异；contrast：对比度，用于衡量空间强度的变化；SRLGLE短游程低灰度游程强度，衡量较低灰度值的短游程的分布情况；MP：最大概率，反映矩阵中出现最多的共生对的概率；HGZE：高灰度值空间强度，衡量高灰度值的连通区域的分布；IDN：归-化逆差，衡量图像局部均匀性；LGZE：低灰度值空间强度，衡量低灰度值的连通区域的分布；SZN：空间不均匀性，衡量整个图像中连通区域的可变性。

2.3 影像组学模型的效能评价

应用影像组学构建的模型开展效能评价。在训练集中，AUC值为0.778，特异性为72.10%，灵敏度为80.37%；在验证集中，AUC值为0.755，特异性为73.38%，灵敏度为70.46%。

3 讨论

食管鳞状细胞癌患者的自身分化缺陷与疾病的发生、发展具有紧密相关性，而且食管鳞状细胞癌的分化程度将会对患者的治疗结局及预后效果产生直接的影响作用[4]。因此，开展手术治疗前予以食管鳞状细胞癌患者病理分化程度评估，对患者预后的改善具有重要意义。相关研究表明，影像组学可清晰地呈现肿瘤本身的异质性以及其生物学特性，这在一定程度上实现了常规诊断措施不足之处的有效弥补。常规CT检查技术在食管癌的常规诊断与分期中具有良好且广泛的应用效果，但是对食管鳞状细胞癌分化程度的研究相对匮乏。常规影像学主要采用宝石CT能谱以及18F-FDG PET-CT等方式对食管鳞状细胞癌分化程度进行预测分析，但由于检查费用相对高昂，因此临床应用存在一定局限性。相关研究表明[5]，相较于传统研究方法，影像组学具有较高的经济价值，在研究样本量方面具有较大优势，而且可靠性相对较高。影像组学方法是指基于CT图像，促使图像数据化，借助机器将图像转化为高维特征，同时也在一定程度上避免了传统影像医师自身因素对诊断的影响，提升检测结果的客观性与准确性，有利于影像医师了解并掌握肿瘤内部的环境情况，并以此为依据展开研究分析，对于包括分化程度在内的生物学研究具有积极意义。本次研究应用影像组学方法对食管鳞状细胞癌病理分化程度展开预测评估，通过CT影像技术实现肿瘤影像特征的有效提取，同时将检测结果与临床相关资料相结合，以此为基础创建具备筛选效能的预测模型。针对5000个影像组学特征降维，并运用回归分析软件针对剩余的28个影像组学特征展开进一步筛选，应用10倍交叉验证，选取交叉验证中误差最小、AUC较大处的Lambda值用于特征选取，选出的9个特征用于构建影像组学模型，并以此为基础创建多变量回归模型。通过创建的模型对训练集与验证集食管鳞状细胞癌患者的病理分化程度展开预测评估。本次研究发现，训练集与验证集患者的年龄、性别等基线资料比较，差异不存在明显的统计学意义；训练集与验证集患者的食管鳞状细胞癌生长部位比较，差异不存在明显的统计学意义；在训练集与验证集组中，患者的影像组学评分比较，差异存在明显的统计学意义。应用影像组学构建的模型开展效能评价。在训练集中，AUC值为0.778，特异性为72.10%，灵敏度为80.37%；在验证集中，AUC值为0.755，特异性为73.38%，灵敏度为70.46%。提示该模型对食管鳞状细胞癌的分化程度具有一定的评价效能。此外，性别、年龄等基线资料以及肿瘤生长部位等信息均不能作为病理分化程度的独立预测因素，难以用于模型的构建。不论是训练集还是验证集中，创建的影像组学模型均对食管鳞状细胞癌病理分化程度具有一定的预测效能，能够为术前食管鳞状细胞癌的病理分化程度预测提供良好帮助。

综上所述，CT影像组学在食管鳞状细胞癌病理分化程度预测中的应用价值较为理想，有助于提高临床诊断的特异性与灵敏度，能够为后续的临床治疗提供更加可靠、准确的数据支持。