增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润

陆 亮，徐 圆，袁为标，陆大军

(1.南通大学附属建湖人民医院影像科，江苏 盐城 224700；2.盐城市第一人民医院影像科，江苏 盐城 224006)

膀胱癌起源于膀胱尿路上皮，是泌尿系统最常见的恶性肿瘤之一，其中≤T1期为非肌层浸润性膀胱癌(non-muscle invasive bladder cancer， NMIBC)，可行经尿道电切术进行治疗；≥T2期为肌层浸润性膀胱癌(muscle invasive bladder cancer， MIBC)，具有明显肿瘤异质性及早期转移倾向[1]，需行根治性切除术或联合放射、化学治疗等[2]。目前评价膀胱癌肌层浸润主要依靠膀胱镜检查，但有创，存在尿道感染及损伤风险，且局部取材易致低估，并难以检测远处转移[3]。既往研究[4]表明，MRI影像组学评估膀胱癌肌层浸润效能良好，但相关研究尚少。本研究评价增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润的可行性。

1 资料与方法

1.1 研究对象 回顾性分析2015年9月—2019年11月91例于南通大学附属建湖人民医院经手术病理证实为膀胱尿路上皮癌患者，男84例，女7例；年龄41～83岁，平均(64.3±8.1)岁；其中60例接受经尿道膀胱肿瘤切除术，31例接受腹腔镜膀胱根治性切除术。纳入标准：①术前1周内接受盆腔增强CT检查；②病灶长径>3 mm。排除因膀胱充盈不佳而部分病灶边界显示不清，或其他原因导致CT图像质量不佳者。根据病理结果分为NMIBC组(n=51)及MIBC组(n=40)。检查前患者均签署知情同意书。

1.2 仪器与方法 采用GE LightSpeed VCT CT99 64排螺旋CT/GE Discovery 750 HD CT仪。嘱患者检查前禁食、禁水6～8 h，扫描前30 min饮水1 000 ml，之后仰卧于检查床，接受轴位盆腔CT扫描，参数：管电压120 kV，电流300 mA，层厚和层间隔均为1.5 mm，螺距0.8 mm，扫描范围为髂骨嵴水平至耻骨联合下缘水平。完成平扫后经肘静脉以3 ml/L流率注射80～100 ml碘海醇(350 mgI/ml)，于注射对比剂开始后25～40 s、55～60 s采集盆腔轴位增强CT动脉期和静脉期图像。

1.3 图像分析 将增强CT图像以“.BMP”格式导出，保持其窗宽、窗位一致，采用μ±3σ法行图像灰阶校正。由2名未知病理结果的具有5年以上工作经验的影像科医师参照文献[5]方法观察病变CT特征，包括病灶数量、形态、基底及最长径范围，遇有分歧时经协商达成共识；采用Mazda软件于动脉期及静脉期图像上勾画病灶ROI(图1)，生成6类纹理参数，即直方图、灰度共生矩阵、游程矩阵、梯度直方图、自回归方程及小波转换参数。采用组内相关性系数(intra-class correlation efficient， ICC)评价2名医师提取参数的一致性，纳入ICC>0.75参数，并计算均值。在R语言中应用“glmnet”包Lasso(least absolute shrinkage and selection operator)算法将特征参数降维。

图1 患者男，65岁，膀胱壁右侧MIBC A、B.于轴位动脉期增强CT图像上勾画病灶ROI(红色)； C、D.于轴位静脉期增强CT图像上勾画病灶ROI(蓝色)

1.4 统计学分析 采用SPSS 22.0统计分析软件及R语言对纹理参数行Z-Score标准化。以频数表示计数资料，采用χ2检验比较组间CT特征差异，P<0.05为差异有统计学意义。将差异有统计学意义的CT特征及纹理参数纳入二元Logistic回归分析，以最大局部似然为基础行似然比概率检验，向前逐步选择自变量进行回归建模，OR>1提示正相关，OR<1提示负相关。在R语言中基于Logistic回归危险因素绘制列线图，以“caret”包行10次十折交叉验证。绘制受试者工作特征(receiver operating characteristic， ROC)曲线，计算曲线下面积(area under the curve， AUC)，以10次测试结果的均值评估列线图预测膀胱尿路上皮癌肌层浸润的效能。采用Delong检验比较各参数预测效能间差异。以自举验证方式(1 000次Bootstrapping抽样)绘制校准曲线评价模型的校准精度，以决策曲线量化列线图预测膀胱癌肌层浸润的净效益，评估其临床实用性。

2 结果

2.1 CT特征及纹理参数 2组病灶CT形态差异有统计学意义(P<0.05)，见表1。共自动、静脉期图像中生成588个纹理参数，493个ICC>0.75，以Lasso算法从中选出13个(图2)，其中9个纹理参数组间差异有统计学意义(P均<0.05)。

表1 膀胱尿路上皮癌增强CT特征(例)

图2 二元Logistic回归模型选择纹理特征 A.Lasso回归交叉验证图； B.Lasso回归系数分布图

2.2 多因素分析 对上述9个特征纹理参数及1个病灶CT形态特征为变量行Logistic回归分析，其中动脉期S(4,-4)InvDfMom及静脉期S(3,-3)DifEntrp为正相关危险因素，而动脉期S(3,3)SumAverg及静脉期Perc.90%为负相关危险因素，见表2。

表2 膀胱尿路上皮癌肌层浸润多因素Logistic回归分析

2.3 预测效能 动脉期S(4,-4)InvDfMom、S(3,-3)DifEntrp及静脉期S(3,3)SumAverg、Perc.90%预测膀胱尿路上皮癌肌层浸润的效能,见表3，不同期相参数之预测效能差异均无统计学意义(P均>0.05)。以动、静脉期4个参数预测肌层浸润的AUC为0.881，特异度为76.5%，敏感度为87.5%(图3)；构建影像组学列线图(图4)将4个变量分值相加，将分值定位于总得分轴并投射到膀胱癌肌层浸润概率轴，得出肌层浸润概率。校准曲线可见预测曲线较贴近理想标准曲线，即模型校准精度良好(图5)。决策曲线显示，在一定风险阈值范围内，增强CT影像组学列线图净收益最高(图6)。

表3 影像组学参数预测膀胱尿路上皮癌肌层浸润的效能

图3 CT影像组学动、静脉期参数预测膀胱尿路上皮癌肌层浸润的ROC曲线

图4 影像组学列线图

图5 CT影像组学列线图校准曲线图

图6 CT影像组学决策曲线图

3 讨论

肿瘤异质性与细胞异常增殖、坏死、纤维化、血管生成和特异性受体等组织生物学特征密切相关[5]。从医学影像中提取的纹理特征可反映肿瘤潜在空间异质性和时间异质性，为鉴别肌肉侵袭、病理分级[6]和评估预后等提供有效信息[4]。

本研究基于影像组学绘制列线图，用于术前评估膀胱癌肌层浸润，发现CT特征中的病灶形态不规则多见于MIBC组，与马中正等[5]的结果相似。列线图危险因素包括SumAverg、InvDfMom、DifEntrp及Perc.90%，前三者是灰度共生矩阵参数，后者是直方图参数。SumAverg、InvDfMom及DifEntrp分别反映图像整体明暗程度、局部纹理变化的同质性及纹理分布的随机性；Perc.90%则反映直方图某一区域内灰度值分布范围。随InvDfMom及DifEntrp值加大，膀胱癌肌层浸润风险增高；SumAverg及Perc.90%则与之相反，即肌层浸润组病灶异质性更加显著，CT图像中纹理分布更加复杂，但局部纹理变化较小，灰度亮度低于NMIBC组。列线图可将抽象的回归模型转变为可视化图形[7]。宁培钢等[8]发现影像组学列线图用于肿瘤病理分级、淋巴结转移[9]及预后评估[10]具有良好表现。本研究根据动、静脉期参数预测肌层浸润的AUC达0.881，诊断效能较高；列线图校准曲线及决策曲线表现出良好的校准精度及实用性。

MRI具有较高的软组织分辨率，可清晰显示肿瘤与肌层的关系[11]。朱丽娜等[12]报道，MR T2WI预测膀胱癌肌层浸润的准确率为67%，联合弥散加权成像时可达88%。XU等[4]基于T2WI影像组学预测肌层浸润的AUC达0.861。CT软组织分辨率不及MRI，但临床应用广泛，成本亦低于MRI，其潜在临床价值不容忽视；而本研究所建模型的诊断效能与多参数MRI及MRI影像组学相当。常规CT分期诊断T3期及以上膀胱癌的准确率可达100%，但肿瘤伴慢性炎症时，判断病灶侵及肌层和浸润深度存在一定难度[12]，借助列线图辅助诊断可提高准确率。因此，考虑成本与效益，应利用CT影像组学的潜在价值，通过可视化列线图充分发挥其与多参数MRI相当的诊断效能。

目前影像组学尚处于探索阶段，其实际应用仍面临重重障碍，如图像获取和重建、提取纹理参数的可重复性[13]以及软、硬件差异等[14]，且分类器算法及统计处理等仍需持续优化。本研究样本量略有不足，为此进行了10次十折交叉验证，通过反复验证及损失函数充分利用样本，避免过拟合，得到了较好的诊断模型，并自举验证方式以1 000次Bootstrapping抽样验证了模型的预测精度较好。

总之，本研究基于增强CT影像组学构建的影像组学列线图术前预测膀胱癌肌层浸润具有较高效能，有助于避免膀胱镜检查导致的尿道损伤及感染风险。本研究的局限性：①部分入组患者接受经尿道膀胱癌切除术，可能低估肿瘤T分期；②手动勾画病灶二维ROI可能存在误差，后续将结合半自动等方法加以完善。