CT征象及能谱定量参数Nomogram模型鉴别直肠癌肠周脂肪癌性浸润与炎性浸润

王晗，程雯，杨鸣，陈光强，郭盛仁，范国华

直肠癌是消化道最常见的恶性肿瘤之一，其治疗方式根据肿瘤临床T分期不同而不同。T3期以上的直肠癌转移及复发率大幅升高，临床主张辅以放化疗[1]。第8版AJCC癌症分期指南规定：肿瘤突破肌层达浆膜下层或侵犯无腹膜覆盖的直肠系膜即为T3期[2]，相应影像征象为肠周脂肪间隙密度增高，肠壁浆膜或外膜毛糙伴或不伴索条及结节突出[3-4]，但肠周炎性浸润亦可有上述表现，导致T分期错判[5]。双源能谱CT(dual-energy CT，DECT)在传统CT时间及空间分辨率的基础上增加能量及理化性质分辨率，实现多参数成像[6-7]。Nomogram可通过建立多因素回归分析整合预测指标的方式将回归方程可视化[8-10]。本研究着力于建立基于CT征象及能谱CT定量参数的多因素Logistic回归模型，通过Nomogram量化验证鉴别具有浸润征象的直肠癌患者肠周脂肪组织是癌性侵犯还是炎性浸润。

材料与方法

1.一般资料

本研究属前瞻性研究，获苏州大学附属第二医院伦理委员会批准。2017年9月-2019年3月连续纳入疑似直肠癌患者。纳入标准：①患者未曾接受相关治疗，检查前签署知情同意书；②CT 检查与手术间隔时间小于2周；③CT图像肠周脂肪呈浸润改变且肠周有足够的脂肪组织进行ROI的勾画；④手术标本按所取CT扫描层面获得，对肠周脂肪有无癌性侵犯诊断明确。排除标准：①碘对比剂过敏；②严重的心肝肾功能不全。本研究最终纳入62例。

2.检查方法

对符合纳入标准的患者进行能谱CT检查，采用由GE Discovery CT750 HD宝石能谱CT，扫描模式为能谱成像模式(Gemstone Spectral Imaging，GSI)。检查前日晚口服泻药(200 mL 10%甘露醇注射液+200 mL温水)清洁肠道，检查当日提前2 h口服温水2500 mL。扫描范围：自膈顶到耻骨联合下缘。以能谱扫描模式进行。CT扫描条件：螺旋扫描速度0.7 s/r，螺距0.984，探测器宽度0.625 mm×64，高低能量(140、80 kVp)电压瞬时高速切换，管电流360 mA。增强扫描为三期动态扫描，经肘静脉高压注射非离子型对比剂碘海醇(300 mg I/mL)，计量1.6 mL/kg，注射流率3.5 mL/s；以腹腔干水平腹主动脉内CT值监测促发扫描为动脉期扫描开始时间(Smart Prep技术)，促发阈值150 HU，达监测阈值后延迟7 s扫描，动脉期结束后35 s为静脉期开始时间，静脉期结束后120 s为延迟期开始时间。

3.CT征象分析

120 keV混合能量图像上传至PACS系统，两名具有丰富诊断经验的放射医师(分别具备15年和5年临床诊断经验)在不知患者病理结果的情况下共同分析图像：观察病灶所在肠壁浆膜/外膜层是否毛糙，肠周有无索条影，肠壁外有无结节突起，直肠系膜有无增大的淋巴结(短径≥5 mm)，病灶的最大层面三期强化是否均匀，测量直肠腺癌病变累及肠管长度，病变肠壁最厚径，结论不一致时由两名观察者商讨判定。

4.能谱图像处理及分析

图像经STND重建，层厚0.625 mm，层间距0.5 mm，单能量70 keV，上传至GEAW4.6工作站，采用 GSI Viewer 软件进行分析。两名分别具有5年和10年诊断经验的医师共同商讨决定ROI的放置及数据的提取。异常脂肪ROI置于距肠壁外缘5 mm范围内呈浸润改变的脂肪间隙处(肠壁浆膜/外膜层毛糙，肠周伴索条影，肠壁外结节突起)；正常脂肪ROI置于正常肠壁外缘5 mm范围内正常脂肪间隙处；ROI设置为宽度≤5 mm的圆形或椭圆形，避开肉眼可辨的血管，保持每例动脉期、静脉期及延迟期的ROI大小、形状、位置基本一致(图1)，每个层面选取3个不同的ROI计算平均值，于同一层面髂动脉内放置ROI测碘含量。获得两组三期增强图像的物质浓度[碘浓度(Iodine)、水浓度(Water)、钙浓度(Calcium)、羟基磷灰石浓度(HAP)]、平均有效原子序数(Effective-Z)、能谱衰减曲线、同层面髂动脉碘含量(ICartery)。

数据分析包括：两组病变脂肪组织与正常脂肪物质浓度之差(Iodine差、Water差、Calcium差、HAP差)、标准化碘浓度(NIC)之差(NIC差)，标准化碘浓度=ROI碘浓度/同层面髂动脉碘浓度；两组病变脂肪组织平均有效原子序数(Effective-Z)、能谱曲线斜率K值，K=CT值40 keV-CT值70 keV/(70 keV-40 keV)。

表1 临床基本资料

5.统计方法

结 果

1.临床特征

CT图像具有肠周脂肪浸润征象的62例直肠癌病例中，手术标本按所取CT层面共获62个石蜡切片，病理结果示62例患者均为直肠腺癌，肠周癌性浸润32例，炎性浸润30例。癌性浸润组男19例，女13例，年龄(63.13±12.12)岁；炎性浸润组男18例，女12例，年龄(59.63±10.08)岁。两组患者性别、年龄的差异无统计学意义(P>0.05)。癌性浸润组肠道肿瘤指标均较炎性浸润组高，但仅CA50、CA199差异有统计学意义(P<0.05，表1)。

2.CT征象

癌性浸润组比炎性浸润组肠壁更厚、强化不均，病灶易伴结节突出肠壁，且肠周易伴淋巴结的增大(短径≥5 mm)，差异有统计学意义(P<0.05)。两组累及肠管长度、肠壁浆膜/外膜毛糙及肠周索条的有无差异无统计学意义(P>0.05，表2)。

3.能谱相关定量参数

肠周脂肪癌性浸润时，病变脂肪与正常脂肪物质浓度差值(Iodine差、Water差、Calcium差、HAP差)、标准化碘浓度差值(NIC差)、病变脂肪平均有效原子序数(Effective-Z)、能谱曲线斜率K值较炎性浸润组高，差异均有统计学意义(P<0.01，表3)。

4.建模分析

分别建立的基于CT征象及增强能谱参数Logistic回归模型，符合率分别为CT征象71%、动脉期90.3%、静脉期90.3%、延迟期87.1%，AUC分别为CT征象0.709、动脉期0.954、静脉期0.967、延迟期0.969(表4)；降维筛选出诊断效能较高的特征：直肠系膜有无淋巴结增大(短径≥5 mm)、动脉期的Water差和Effective-Z、静脉期的Iodine差和Water差、、延迟期的NIC差和Water差，绘制上述能谱参数ROC曲线并求截断值(表5)。

上述七个特征纳入多变量Logistic回归模型中，绘制Nomogram将模型可视化(图2)，ROC曲线下面积为0.986(图3)，模型预测癌性浸润和炎性浸润的符合率为95.2%，敏感度为96.9%，特异度为93.3%，阳性预测值为93.9%，阴性预测值为96.6%；校准曲线示预测浸润和实际浸润一致性较高(图4)。

表2 CT征象分析

讨 论

临床资料术前分期价值有限，本研究仅肿瘤标志物CA50及CA199的升高有意义，故直肠癌术前分期主要依靠影像学，基于CT征象的Logistic回归模型符合率为71.0%，最佳特征为直肠系膜有无增大的淋巴结(短径≥5 mm)，可能因为一旦直肠癌侵犯至肠周脂肪组织，淋巴结转移概率将大幅提高，而其余特征重叠之处过多，即便对软组织显示效果最佳的MRI检查也难以准确区分，文献报道MRI的T分期与病理符合率约78.9%～91.7%[11-12]，而T2及T3的诊断符合率仅为74.09%及58.55%[13]。

表3 能谱参数分析

表5 增强能谱参数的ROC曲线分析

能谱CT所获取的能谱曲线、多种物质密度值和有效原子序数相比于传统影像征象更为客观[7,14-15]，基于三期能谱CT定量参数所分别建立的Logostic回归模型符合率均在85%以上，高于CT及MRI。原理在于，肠周脂肪组织一旦受肿瘤侵犯，会新生诸多血管汲取养分完成肿瘤细胞的浸润性生长及远处转移，而单纯的炎性浸润所增生的小血管数目少，且不会积聚大量肿瘤细胞[16]，故反映疾病异质性的衰减曲线及有效原子序数可对两种病变作出区分[17-18]。物质密度值主要反映被检组织内某种物质的含量，由于脂肪组织内的物质含量受个体差异的影响，计算病变脂肪与正常脂肪物质浓度和标准化碘浓度差值可在一定程度上削减这种偏差，所筛选出的特征以水浓度差值(Water差)诊断效能较高，水浓度与肿瘤细胞数目呈正相关。分别基于动脉期、静脉期及延迟期的能谱定量参数建立的Logistic回归模型ROC曲线下面积分别为0.954、0.967和0.969，静脉期和延迟期的诊断效能优于动脉期，可能因受癌性浸润的脂肪间隙内增生的微血管由于肿瘤细胞的破坏而基底膜不完整，通透性更高，且淋巴引流系统功能受破坏，增强后随时间延长出现碘对比剂及肿瘤细胞的滞留，而有研究认为动脉期碘浓度在判断直肠癌是否发生浆膜外浸润时的敏感度及特异度最高[19]，可能因其所做研究主要比较正常脂肪组织与癌性浸润脂肪组织之间的差异，且仅做了碘浓度的比较。

联合能谱参数及CT征象构建Logistic回归模型，绘制Nomogram，每位肠周脂肪浸润征象的患者可得到各自肿瘤侵犯的概率，模型诊断符合率高达95.2%，AUC为0.986，校准曲线显示预测浸润和实际浸润有较高的一致性，相比既往单纯依靠CT及MRI征象相比更益于临床应用。

研究的局限性：①由于直肠黏液癌及黏液腺癌病例较少，故此次研究仅针对直肠腺癌进行探讨，下一步准备讨论直肠黏液癌肠周脂肪组织的能谱参数及CT征象，以及其与直肠腺癌之间的差别。②研究所作的Nomogram缺乏对模型的外部验证，需要进一步收集更大样本量来进行评价。

综上所述，在鉴别直肠癌肠周脂肪组织浸润性征象是由于受癌性侵犯所致还是受炎性浸润所致方面，基于能谱CT定量参数联合CT征象建立多因素Logistic回归模型，绘制Nomogram将模型可视化，为临床T分期判定、初步制定治疗方案提供更为客观的影像依据。