基于TFCE 的非小细胞肺癌脑转移颅内空间分布频率的研究

李维，杨淞然，2

中枢神经系统外肿瘤脑转移的发病率在中枢神经系统的肿瘤中高于原发神经系统肿瘤，而非小细胞肺癌是脑转移发生率最高的原发性肿瘤［1］。在对非小细胞肺癌的治疗方案中，放射治疗是重要的组成部分，治疗过程中更精准的照射部位可在保证治疗效果的同时减少治疗带来的神经功能与智能损害，因此照射部位的确定是关键环节，确定脑转移的空间定位倾向有重要的临床意义。无论是对转移瘤的立体定向照射治疗，或是磁共振引导下的激光消融术，均需要了解转移瘤的空间位置分布，而对其空间位置进行体素水平的分析，可以更精细地指导临床手术与治疗。磁共振成像（magnetic resonance imaging，MRI）的软组织分辨率与对比度高，对颅内占位的探查效果好，对MRI 图像进行分析能获取精确的肿瘤转移部位，以指导治疗过程。

但是在不同的MRI 神经影像研究中，图像处理的参数的设置不一致，以及在图像处理初始引入一个固定的阈值都会对最终结果的输出产生影响［2］，其次，在进行研究分析之前很难确定空间平滑量，在不同研究中需要关注的信号的形状和大小存在异质性，其敏感性也是不一致的［3］。因此不同的参数设置会导致对脑转移灶的图像分析结果出现波动，导致定位的偏差。为了解决这些问题，一种新的基于簇的，且能保持对簇的阈值水平的敏感性的方法已经被提出，即无阈值簇强化（Threshold-Free Cluster Enhancement，TFCE），它是一种基于簇的统计校正方法，去除了图像处理过程中的参数的设置过程，相当有效地控制了假阳性率［3，4］。每个体素的TFCE 值依赖于体素周围区域的图像信号强度，无需引入固定的硬阈值，其已被证明在各种信号形状与不同信噪比水平下可以提高灵敏度，有研究表明，TFCE 比传统的t 检验统计量更敏感，识别统计显著体素的数量有所增加［5］。TFCE 已用于多发性硬化患者的灰质形态学研究、多种精神疾病的认知功能与灰白质结构的相关性分析以及胶质母细胞瘤不同分子亚型的空间分布［6-9］，但还未用于分析脑转移瘤。TFCE作为一个统计量，本身不能选择重要性高的体素，在TFCE 的统计值图像里，增强的体素不携带生物或统计学意义，因此需要使用统计检验方法获取体素的统计学意义。在神经影像研究中，使用参数检验的条件难以满足，常导致假阳性率与假阴性率的上升［10］，因此在对各种成像模式的数据的分析中，非参数检验是更好地提供统计框架的方法。排列测试，作为非参数检验方法中的一种，解决了这一问题，它将每一体素随机翻转，为每一体素建立经验分布，将体素的分布与真实标签进行对比以获取P值［10-12］。本研究拟通过计算体素水平的TFCE 统计值，进行非参数检验，获取有统计意义的肿瘤转移区域，体素水平的精确定位可以为非小细胞肺癌的治疗提供新的思路。

1 资料与方法

1.1 一般资料

收集孙逸仙纪念医院在2017 年1 月至2018 年6 月间，完善术前MRI 检查，首次诊断为脑转移瘤，未经抗肿瘤治疗且术后病理结果证实颅内非小细胞肺癌转移病灶的住院患者；排除标准：①有其他原发性肿瘤病史；②有原发性脑肿瘤病史、颅脑手术史及外伤史、放化疗史或侵入性治疗史；③诊断为脑转移后首次MRI 检查和首个可用的MRI 图像之间的时间间隔大于一年；④有先天颅内结构异常或其他颅内占位病变，感染，寄生虫，肉芽肿疾病，原发性脑梗死或出血；⑤图像质量不佳或不完整；⑥缺少病理结果或病理结果不确定；⑦正在进行脑转移的全身治疗或预防性放疗。

1.2 MRI 数据处理

将MRI 数据以医学数字图像与通讯（digital imaging and communications in medicine，DICOM）格式存储到可读光盘。将原始数据使用MRIcroGL（http：//www.mccauslandcenter.sc.edu/mricrogl/）软件重建为连续的神经影像信息技术（neuroimaging informatics technology initiative，NIFTI）图 像。在MRIcroGL 上以T2w 以及T1 增强序列为参照手动分割T1w 序列图像上的肿瘤区域，获取肿瘤区域ROI（region of interest）的空间掩膜，用于后续处理。对NIFTI 图像使用python 3.0 进行偏置场矫正以及图像强度归一化预处理，将预处理后的图像在FSL（Functional Magnetic Resonance Imaging of the Brain Software Library）［10］软件中使用FSL-BET去除颅骨，保留脑组织，再使用FSL-FLIRT 配准至标准MNI（Montreal Neurological Institute）空间，使不同个体的图像可以进行比较。

1.3 频率分布图

将配准图像产生的转换矩阵应用于肿瘤区域的空间掩膜，获得标准空间内的肿瘤区域。将转移肿瘤的图像叠加后获取转移瘤在颅内分布的频率分布图。

1.4 无阈值簇强化（Threshold-Free Cluster Enhancement，TFCE）与排列测试

将肿瘤的配准后图像分别进行串联获取4D肿瘤图像，使用FSL-Randomise 计算TFCE 后进行单样本的5000 次排列测试，TFCE 图像的统计值被转化为体素水平的P值后，使用FWER（familywise error rate）校正多重比较后每个簇的P值，将校正后的FWEP＜0.05 作为显著性阈值。TFCE 分析的计算公式如下：

h为体素的信号强度值，e为体素周围连续信号区域的尺寸，E，H 根据经验设定为0.5，2［4］。排列测试获取p 值的方法如下：

J是进行随机翻转的次数，T0为体素水平的实际值，T*j为体素水平翻转后重新计算的统计值。

2 结 果

2.1 一般情况

2017～2018 年，经过纳排标准筛选之后，共35例患者纳入本研究。（详见表1）

表1 临床基线资料特征

2.2 频率分布图

在体素水平上，非小细胞肺癌最高发生频数为8，频率为22.86%，该体素所在的簇位于顶叶与枕叶交界后中线处，见图1 与图2。

图1 频率分布图 在轴线水平、矢状水平、冠状水平切片上显示非小细胞肺癌病灶分布频率，紫色代表频率高，蓝色代表频率低，病变高频区域相对较多且分散，在基底节区，顶叶与枕叶均有高频区域分布

图2 3D 频率分布图 非小细胞肺癌病灶分布频率3D 频率图，紫色代表频率高，蓝色代表频率低，病变最高频位于顶枕叶交界处后正中线处，全脑可见数个高频区，分别位于顶枕叶交界处与基底节区

2.3 TFCE 非参数分析与排列测试结果

图3 显示了非小细胞肺癌中经过TFCE 分析与排列测试后认定显著的簇（以P＜0.05 为显著水平）。由于输出结果图为1-P值，所以图像显示的值越接近1，P值越小。FEW 校正后的全脑水平分析发现p 值最小的簇位于侧脑室旁基底节区的灰白质交界处，1-P值为0.9998，即校正后的FWEP＜0.001，其余的显著簇则位于顶枕叶交界处。

图3 非小细胞肺癌TFCE+排列测试结果图 在轴线水平、矢状水平、冠状水平切片上显示非小细胞肺癌TFCE 分析与进行排列测试后的校正P 值，紫色代表P 值接近0，蓝色代表P 值接近0.05，统计显著的簇主要分布于基底节区与顶枕叶交界处

3 讨 论

本研究的目的是更客观地评价肿瘤脑转移的空间分布，把患者个体的肿瘤图像被配准至标准模板空间进行空间标化后进行比较。某些研究使用病灶中心为球心的球形区域进行分析，我们认为病灶中心并不能完全代表肿瘤起源位置，因为不能认定肿瘤生长趋势是均匀的［13］，因此本研究使用肿瘤脑转移的真实空间区域进行分析。使用TFCE 统计值可以在控制假阳性率的基础上增加对转移灶的敏感性，以获取更精准的转移空间分布。本研究结果显示非小细胞肺癌脑转移倾向于后颅窝与灰白质交界区域。既往已有研究揭示部分肿瘤空间分布的模式，如Quattrocchi 等［14］研究发现85%的转移病灶位于灰白质交界处，其余15%位于皮质下结构；67%的病灶位于幕上区域，其余33%位于幕下区域，大多数位于小脑，而脑干几乎没有转移病灶（2%），乳腺癌在小脑中病变更普遍，非小细胞肺癌则多位于顶枕叶与小脑的深灰质。Yanagihara 等［15］研究发现额叶、枕叶外侧皮质、缘上回与颞叶的相较基于其体积预测的病灶数量更少。Mampre 等［16］的研究表明，原发性乳腺癌的转移在大脑后动脉供血区少见，黑色素瘤则少见于小脑血管供血区内而多见于豆纹动脉供血区，结直肠癌更易转移至脑膜，而原发性肺癌则没有显著转移的区域。以上研究只以频率分布图为依据，并未进行统计分析，本研究中使用排列测试对TFCE 的统计值进行非参数分析，获取了有统计显著性的体素，更严谨地确定了肿瘤转移的倾向。

本研究中显示出的非小细胞肺癌转移倾向的具体原因可能有：在脑转移的进程中，转移灶可以使用不同的方法获取血供，如生成新血管［17］或使用已存在的血管［18］，而在多项研究中显示，非小细胞肺癌多使用已有的血管进行转移与生长，新生血管生成较少，血流供应更丰富的灰白质交界区会为转移瘤使用已有血管提供更好的基础［19-21］。肿瘤转移对基底节区的倾向可以由肿瘤栓子的机械捕获理论解释，在基底节区域血管直径变小，肿瘤栓子更易停滞而发生转移；而对后颅窝区域的转移倾向可能与后循环的每分钟血液灌注量更大、小脑脑回密度比大脑更大以及小脑血管舒缩性更强所致的更明显的血管扩张等相关［22-25］，但这超出了本研究的范围，进一步研究需要血管流域的血流量变化情况与血流动力学参数情况。而在不同颅内区域之间的不均匀分布原因在于不同的脑组织与肿瘤细胞的相互作用影响着肿瘤细胞的表面表达模式从而影响肿瘤转移的倾向。最近也有研究揭示脑转移分布的部分分子机制，如肺癌中EGFR 变异的脑转移瘤更倾向于转移到尾状核和小脑等［26-29］。大脑内特定区域优先参与肿瘤脑转移的分子机制很大程度上仍然是未知的，肿瘤对大脑内特定区域的微环境的亲和力被认为是影响转移空间分布的因素之一［30］。

在临床对非小细胞肺癌脑转移的治疗过程中，更精确的肿瘤区域划定意味着放疗与激光消融治疗对瘤周区域影响更小，对神经认知功能影响也更小，而确定脑转移的高倾向性区域对于预防性放射治疗同样可以减少对患者认知能力的损害。本研究首次通过TFCE 结合排列测试的非参数检验方法获取了体素水平的脑转移分布，并确定了有统计学意义的肿瘤转移分布，为非小细胞肺癌脑转移的治疗提供新的思路。