基于CESM的影像组学在乳腺癌诊断中的价值研究

文/高宝娟

近年来，乳腺癌发病率呈逐渐上升趋势，已成为全球女性的第二大死因。乳腺癌的早期发现、诊断和治疗是改善预后的重要因素。美国学者Gillies于2010年首次提出“影像组学”的概念，后经荷兰学者Lambin进一步完善。对比增强能谱乳腺X线摄影（contrast-enhanced spectral mammography, CESM）通过静脉注射含碘对比剂后进行X线投照，经过处理后可获得低能图和减影图，减影图像中病灶显示更加清晰。有研究结果显示，CESM能克服传统X线摄影中正常腺体组织和病变组织重叠的局限性，同时提供了病灶的血供情况，提高了诊断的敏感度、特异度和准确度。本研究旨在探讨基于CESM的影像组学在乳腺癌诊断中的可行性研究。

1 资料与方法

1.1 临床资料

回顾性分析本院2017年6月-2020年12月经手术病理证实的乳腺良性肿瘤183例和乳腺癌208例，年龄17-70岁，平均年龄47.53±15.07岁，均为女性患者。纳入标准：初诊患者，病灶未经穿刺及放化疗者；所有患者术前均行CESM检查；均行手术治疗，术后均行病理检查。排除标准：临床资料不全者及合并其他乳腺疾病者；图像质量不佳，影响观察病灶的。

1.2 CESM检查方法

检查仪器采用美国GE Senographe DS全数字化乳腺机, 其中对比剂为碘海醇（350mg I/ml），剂量为1.5ml/kg。检查前先通过高压注射器经上臂静脉注射对比剂，注射流率为3.0ml/s。在对比剂注射完成后 2 min进行乳腺X线摄影。按常规乳腺摄影时的压迫方法，分别对双侧乳腺行头尾位（CC）及内外斜位（MLO）投照，在 5 min内完成双侧乳腺共4个体位的视图采集。每个投照体位摄片时，在一次压迫的1.5S内可获得一次低能和一次高能曝光。每个摄片体位在工作站上均获得2张图像，即低能图像和经过特殊后处理的减影图像。

1.3 图像分割及特征提取

1.3.1 ROI分割

由2名影像科医师在Radcloud平台（http://radcloud.cn/）在CESM减影图像中沿病变边缘手动勾画ROI，应尽量包全病灶的肿瘤部分。如两位影像科医师的勾画结果出入较大时，则以高年资影像医师结果为准。见图1，图2。

图1 低能图像

图2 减影图像

1.3.2 特征参数选取及将维

共从 Radcloud 平台（http://radcloud.cn/）的 MG 图像中提取了 2818 个特征参数，可以分为一阶统计、形状和大小特征及纹理特征三组。为了减少冗余功能，通过功能选择方法方差阈值（方差阈值 = 0.8）、SelectKBest 和LASSO 进行降维处理，最终筛选出26个具有最佳功能特征。

1.4 统计分析

统计分析是在Radcloud平台（http://radcloud.cn/）上进行的。根据所选特征，有几个分类器可用于分类分析，这些分类器创建模型，试图分离或预测与结果或表型有关的数据。在本研究中，利用支持向量机（SVM）构建基于影像组学的模型，并通过验证的方法提高模型有效性。为了评估预测性能，以受试者操作特征（receiver operating characteristic ，ROC）曲线评价预测模型的影像组学评分训练组和测试组中乳腺癌诊断的效能，获得准确度、灵敏度、特异度及ROC曲线下面积（area under curve ，AUC），并进行十次十折交叉验证取其平均值作为最后结果。

2 结果

见图3。

图3 SVM训练集和测试集受试者操作特征（ROC）曲线下面积（AUC）

训练集的ROC曲线下面积为0.94、灵敏度为0.86、特异度为0.86、准确度为86%，测试集的ROC曲线下面积为0.85、灵敏度为0.67、特异度为0.78、准确率为72%。

3 讨论

乳腺疾病的早期发现及正确诊断对患者的预后至关重要，乳腺癌是女性最常见的恶性肿瘤，目前临床上最常用的检查方法是乳腺超声和乳腺X线摄影，超声检查安全、无辐射，但其诊断准确性主要依靠个人经验，假阳性率高。常规乳腺X线摄影，由于受到腺体组织重叠干扰，不能清晰的显示病灶组织，易造成漏诊。CESM 技术是近年发展起来的一项新技术，由于乳腺肿瘤增生活跃、血供丰富，在瘤体内及其周围血管密集，通过在常规X线摄影基础上经血管注入含碘对比剂，可清晰的显示病变组织血供情况，通过进一步的减影处理，可排除正常腺体干扰，发现更小的病灶，提高诊断的准确性及敏感性。CESM 技术的原理是碘的边缘效应，即碘在33.2keV处X线吸收显著衰减现象，通过高能（高于33.2keV）和低能（低于33.2keV）摄像进行叠加后减影处理，可获得乳腺组织清晰的血供图。国内研究发现CESM 技术在诊断乳腺癌方面显著优于常规X线摄影及B超检查[1]。

虽然CESM 技术比较先进，但由于受肿瘤类型、大小及恶性程度不同等影响，其影像学特点亦呈多样化，人为地将良、恶性图像特征进行归类整理，不仅耗时、费力，且需要一定的学习曲线。而影像组学正好解决了这一难题。它通过计算机实现了上述步骤，通过计算机进行辅助诊断，排除了人为干扰，进一步提高了诊断的准确性。影像组学是一门新兴的科学，近年已成为国内外专家学者的研究热点。多项研究表明，影像组学在诊断及辨别良恶性肿瘤方面具有显著优势。有研究发现[2]基于CESM的影像组学对乳腺良性及恶性病变鉴别的诊断效能AUC可达0.802。另一项基于纹理分析的研究发现，通过影像组学可提供肿瘤组织学分型等信息。

综上，我们认为影像组学可全面、无创、定量观察观察肿瘤形态，对肿瘤的发展过程随时进行监测，从而对肿瘤的诊断提供可靠依据。同时为乳腺 MRI 禁忌症患者（如幽闭恐惧症、体内金属置入、心脏起搏器的）提供了一种更有效、更方便、更廉价的检查方法。本研究属于回顾性研究，样本量较小，尚需大样本相关研究进行证实。