基于MR T2WI影像组学诊断早期糖尿病肾病

王思远，石大发，张浩然，王光松，任 克

(厦门大学附属翔安医院放射科，福建 厦门 361000)

我国糖尿病患病率逐年增高，近年已达11.2%，且以2型糖尿病为主[1]。糖尿病肾病(diabetic nephropathy, DN)是糖尿病最常见且危害最大的并发症之一，亦为终末期肾病的主要原因[2]。临床多数DN患者存在蛋白尿且部分尿白蛋白/肌酐比值(albumin-to-creatinine ratio, ACR)正常的糖尿病患者肾功能已出现损害[3]，但部分DN 5期患者尿白蛋白指标仍处于正常范围，故不能仅以单一生化指标辅助诊断。影像组学为新兴的无创影像数据处理技术，已广泛用于各种疾病，如预测宫颈鳞癌分期、评估门静脉高压等[4-5]；其用于肾脏目前多针对肾结石及肾肿瘤性病变[6-7]，较少用于DN。T2WI组织分辨率高，图像对比度好，可清晰显示组织间的信号差异[8]。本研究观察基于肾脏T2WI影像组学诊断早期DN的价值。

1 资料与方法

1.1 一般资料 收集2019年6月—2021年3月59例于厦门大学附属翔安医院估算肾小球滤过率(estimated glomerular filtration rate, eGFR)为60～120 ml/(min·1.73 m2)且尿ACR>30 mg/g 的早期DN患者(试验组)，男31例，女28例，年龄25～79岁，平均(50.2±12.4)岁；排除近3个月存在肾形态学异常、肾积水、肾结石、肾肿块或服用明显肾毒性药物者。选取同期46名无肾脏疾病、心脏疾病、高血压及痛风，且eGFR为80～120 ml/(min·1.73 m2)的健康志愿者作为对照组，男20名，女26名，年龄32～79岁，平均(48.9±12.7)岁。本研究经院伦理委员会批准。检查前受试者均签署知情同意书。

1.2 仪器与方法 检查前嘱受试者禁食、禁水至少4 h。采用Siemens Skyra 3.0T MR扫描仪，嘱受试者仰卧，均匀呼吸，行腹部扫描，范围为自剑突至耻骨联合水平；参数：冠状位T2WI，TR 1 400 ms，TE 101 ms，FOV 360 mm×360 mm，矩阵256×256，层厚3.0 mm，层数30，扫描时间54 s。

1.3 筛选特征和建立模型 将MRI以DICOM形式导出工作站并储存。采用3D-Slicer 4.10.2软件(https://download.slicer.org/)，由1名具有10年工作经验的放射科医师于冠状位T2WI中逐层手动勾画右侧肾脏ROI，共30层，包括肾髓质和肾皮质，避开肾门结构(图1)；之后由另1名具有15年工作经验的放射科主任医师检查勾画区域是否准确，并进行调整。

图1 试验组患者，女，52岁 于冠状位T2WI中逐层勾画肾脏ROI(红色区域)

按7∶3比例将全部受试者分为训练集和测试集：训练集(n=73)含试验组40例、对照组33名；测试集(n=32)含试验组19例、对照组13名。采用3D-Slicer软件提取训练集影像组学特征，包括形态学参数、一阶直方图参数、灰度共生矩阵及灰度区域大小矩阵等共107个特征；以最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)算法筛选特征，以10折交叉验证、根据最小均方误差(mean square error, MSE)准则得到最佳调优参数(λ)值，并获得16个系数非零的特征(图2)；采用向后logistic回归，根据赤池信息量准则(Akaike information criterion, AIC)进一步筛选，共得到6个差异有统计学意义的特征(图3)，并以之建立回归模型。

图2 提取影像组学特征 A.采用LASSO算法进行影像组学特征降维，每条曲线代表1个特征的系数变化轨迹； B.采用10折交叉验证选取λ值，根据最小MSE准则筛选出16个系数非零的影像组学特征

图3 最佳影像组学特征及其权重

1.4 统计学分析 采用R v4.0.3统计分析软件。以±s表示符合正态分布的计量资料，采用独立样本t检验进行组间比较；以频数表示计数资料，采用χ2检验进行组间比较。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)，观察影像组学模型诊断早期DN的价值。P<0.05为差异有统计学意义。

2 结果

试验组与对照组性别及年龄差异均无统计学意义(P均>0.05)，而试验组尿素及肌酐均高于对照组(P均<0.05)。见表1。

表1 DN患者与健康人一般资料比较

影像组学模型诊断训练集及测试集早期DN的敏感度、特异度及AUC分别为95.20%、77.41%、0.892及88.23%、53.33%、0.765。见表2及图4。

表2 影像组学模型诊断早期DN的效能

图4 影像组学模型诊断训练集及测试集早期DN的ROC曲线

3 讨论

糖尿病是临床常见疾病，发病率呈逐年增加趋势；且约10%～40%患者最终可发展为DN[9]。临床主要根据病史、生化指标及病理活检等诊断早期DN；其中生化指标肾小球滤过率易受个体肌肉量、蛋白质摄入、体内代谢水平及血脂等因素影响[10]，而肾活检有创，难以作为常规检查。目前，常规MRI、弥散加权成像及血氧水平依赖功能MRI等技术已用于诊断DN，但存在敏感度和特异度较低、扫描程序繁琐及所需时间较长等问题[11-13]，且易受设备及操作者技术因素的影响而未能广泛用于临床，而据文献[5]报道，其中基于T2WI建立的影像组学模型的拟合优度较佳。

本研究采用LASSO及向后logistic回归算法进行特征筛选，有效避免了特征冗余及模型过拟合等问题；最终筛选出6个最佳特征(Surface-Volume Ratio、MCC、Imc2、GLNN、LAHGLE、GLN)用于构建模型，其中Surface-Volume Ratio占比较高，与DN早期生理病理变化相符，即肾脏体积增大、肾小球毛细血管基底膜增厚及系膜基质增加[2]；而另外5个特征皆为灰度特征，通过比较相邻像素的相似性而生成纹理特征，即当肾小球毛细血管基底膜增厚及系膜基质增加时，肾脏扫描信号发生改变，继而像素灰度出现变化。

此外，本研究通过logistic回归建立影像组学模型，其诊断训练集及测试集早期DN的AUC分别为0.892及0.765。DENG等[14]观察弥散张量成像纹理特征诊断早期DN的价值，发现其AUC为0.882，本研究结果与之相近，提示影像组学特征对诊断早期DN具有一定价值，这主要是由于图像纹理分析可反映图像像素特征及空间分布与灰度值的相互关系等。

本研究的不足之处：①样本量较小；②糖尿病常累及双侧肾脏，但由于左肾易受消化道内气体的影响而产生伪影[15]，故本研究仅针对右肾进行观察，可能影响结果的准确性；③完全手动勾画ROI，可能存在误差。

综上所述，基于MR T2WI影像组学诊断早期DN具有一定价值。