直方图分析鉴别骨巨细胞瘤与动脉瘤样骨囊肿

王婧轶，刘潺湲，李小明

骨巨细胞瘤(giant cell of tumor，GCT)和动脉瘤样骨囊肿(aneurysmal bone cyst，ABC)均为富含巨细胞的骨肿瘤，多表现为偏心性膨胀性骨质破坏，常规影像鉴别存在困难[1-3]。二者的治疗策略不同， GCT需在保证肢体功能的同时尽量彻底地切除肿瘤，以减少复发；ABC需要进行术前栓塞以减少术中出血，因此手术前必须尽可能准确地进行鉴别诊断[4-6]。目前活检是GCT和ABC诊断的金标准，但由于活检有创，且受到肿瘤位置及标本量的限制，采用无创、准确的影像学方法鉴别GCT和ABC具有重要意义。直方图分析是一种新兴的评估组织特征的方法，通过评估图像单个灰度像素值的概率分布获得多种参数对感兴趣区(ROI)中的组织异质性进行定量评估，识别肉眼无法识别的特征[7-8]。因此，本研究旨在探究CT直方图分析技术在鉴别GCT与ABC中的价值。

图1 女，40岁，左侧股骨下段骨巨细胞瘤。a)ROI图；b)直方图。图2 男，27岁，左侧股骨头颈部动脉瘤样骨囊肿。a)ROI图；b)直方图。

材料与方法

1.一般资料

本研究属于回顾性研究，经本院伦理委员会批准(批准号：TJ-IRB20210747)，并免除患者的知情同意。

回顾性分析本院2016年5月-2021年5月经手术病理证实的131例ABC和GCT患者的病例资料。排除标准：①未接受CT检查(n=17)；②术前已接受治疗(n=12)；③图像不完整或图像质量差(n=8)。最终共计94例患者纳入研究，其中GCT 63例，男34例，女29例，平均年龄(36.89±12.59)岁；ABC 31例，男18例，女13例，平均年龄(24.23±14.40)岁。

2.影像检查方法

采用GE Discovery HD 750 CT仪，采取足先进、仰卧位，沿轴位进行扫描。主要扫描参数：管电压120 kV，管电流为自动管电流，层厚1.25 mm，层间距5 mm，矩阵512×512。

3.图像的形态特征分析

在不了解临床信息和病理结果的情况下，两名具有3年骨肿瘤影像学诊断经验的放射科医生分别对肉眼可见的CT图像形态特征进行评估。形态特征包括：：①肿瘤的位置(外周或中轴)；②是否位于膝关节周围(膝关节周围定义为股骨下段、胫骨上段、腓骨上段)；③生长方式(偏心性或中心性)；④膨胀程度，分为轻度(<1 cm)，中度(1～2 cm)，重度(>2 cm)；⑤边缘硬化；⑥皮质中断，分为0级(无中断)，1级(中断0 ～1/3)，2级(1/3 ～2/3)，3级(>2/3)；⑦液-液平面；⑧骨嵴[9-10]。分析过程中的争议均通过协商达成一致。

4.图像的直方图特征分析

在不了解临床信息和病理结果的情况下，两名具有3年骨肿瘤影像学诊断经验的放射科医生分别使用Firevoxel软件，沿病变边缘进行肿瘤全层感兴趣区(ROI)的手动绘制，尽量避免周围水肿及血管。各层ROI自动融合形成感兴趣体积(region of volume，VOI)。针对生成的VOI，软件自动提取、计算并记录直方图参数。直方图参数包括：平均值、中位数、最小值、第1、第5、第10、第25、第75、第90、第95百分位数、最大值、不均匀性、偏度、峰度、熵、标准差和体积。ROI及直方图示意见图1、2。

5.放射科医生诊断

由一位具有10年工作经验的高年资放射科医生和一位具有1年工作经验的低年资放射科医生，在不了解临床信息和病理结果的情况下，分别于本院阅片系统上对CT图像进行判读，记录判读结果，与病理学结果进行对比。

6.统计学分析

采用SPSS 24.0软件和MedCalc软件进行统计学分析，以P<0.05为差异有统计学意义。采用组内相关系数(intraclass correlation coefficient，ICC)评价两名放射科医生测量结果的一致性，ICC>0.75认为一致性较好。采用卡方检验比较分类变量的差异；采用独立样本t检验(正态分布)或Mann-WhitneyU检验(非正态分布)比较连续变量的差异。将差异有统计学意义的变量纳入二元Logistic回归模型进行筛选，构建临床特征模型(包括一般特征和形态特征)、直方图特征模型和联合模型，并绘制相应的受试者操作特征曲线(receiver operating characteristic，ROC)，计算曲线下面积(area under the curve，AUC)、截断值、敏感度和特异度。采用Z检验对比所构建的三个模型的诊断效能和两位医生的诊断效能。

结 果

1.一致性检验

所有直方图参数的观察者间一致性均较好(ICC值均>0.75，范围为0.757～0.994)。因此随机选取一名医生的测量结果作为分析对象。各直方图参数的ICC值见表1。

表1 各直方图特征的组内相关系数表

2.患者一般特征、CT图像形态特征和直方图特征

共纳入了94名患者(GCT 63例，ABC 31例)，并对27个参数进行了分析，包括2个患者一般特征、8个CT图像形态特征和17个直方图特征(图3、4)。

3.GCT和ABC的特征比较

两组特征的比较结果如表2所示。共计11个特征的差异有统计学意义，包括年龄、是否位于膝关节周围、生长方式、液-液平面、平均值、第90、95百分位数、不均匀性、峰度、熵及标准差。其余参数的差异无统计学意义。

表2 一般特征、临床特征及直方图特征的单因素分析

在差异有统计学意义的参数中，根据特征的类型进行了三次二元Logistic回归并构建相应的诊断模型，见表3。针对一般特征和形态特征构建临床模型，共计2个特征被纳入(由于动脉瘤样骨囊肿中位于膝关节周围的仅3例，观测数过少，因此未将膝关节周围这一特征纳入二元Logistic回归模型)，分别为年龄及液-液平面；针对直方图特征构建直方图模型，共计2个特征被纳入，分别为峰度及标准差；联合临床特征及直方图特征构建联合诊断模型，共计纳入上述4个特征。对三种模型及纳入的三个连续变量以及放射科医生的诊断效能绘制ROC曲线并进行比较分析(表4、5，图5)。三种模型的对比中可以看出，联合模型的诊断效能优于临床模型和直方图模型，且差异具有统计学意义(P=0.037、0.009)。进一步将构建的模型与放射科医生的诊断效能进行对比后发现，联合模型的诊断效能显著优于低年资医生，差异有统计学意义(P=0.019)；联合模型的诊断效能略优于高年资医生，但差异无统计学意义。

图3 一般特征及形态特征。 图4 17个直方图特征。

表3 三种模型的Logistic回归结果

表4 纳入Logistic回归的连续性特征及三种模型的AUC表

表5 三种模型及两位医生的诊断诊断效能比较 [P值(Z值)]

图5 纳入二元Logistic回归的连续性特征、三种模型及两位医生的ROC曲线。

讨 论

GCT是一种交界性骨肿瘤，多为良性，但易复发，在中国约占所有原发性骨肿瘤的13.7%，高于欧美国家的5%。ABC约占良性骨肿瘤的5.6%，表现为由扩张骨段内充满血液的腔[3,11]。由于二者均富含巨细胞、且均为偏心性膨胀性病灶，因此病理学鉴别和影像学鉴别都具有一定的难度[1]。而二者的治疗策略不同，因此准确的术前鉴别诊断具有重要意义。

CT是骨骼肌肉肿瘤诊断中较为常用的辅助手段。直方图分析技术是针对医学图像的一种定量计量方法，是近年来影像方向的研究热点，它可以在不增加额外成本的前提下，无创性地从医学图像中挖取更多的客观定量数据，反映病灶内部肉眼无法判断的细微改变和分布特点，具有便利、快捷的优点[7]。目前，已有不少学者将直方图分析应用于甲状腺良恶性结节鉴别诊断、肺癌病理亚型鉴别、胰腺癌分化程度评估等[12-14]。然而，这项技术在骨骼肌肉系统肿瘤的应用相对较少，尤其是在GCT和ABC方面。

本研究首先对GCT和ABC患者的一般特征、CT形态特征和直方图特征进行了比较，共计12个特征具有显著差异。一般特征及形态特征中，GCT患者的发病年龄更大，且位于膝关节周围和呈偏心性生长的病例更多，而ABC具有液-液平面的病例更多，这与之前的研究一致[15]。直方图特征中，GCT具有更大的低百分位数(包括第1、第5及第10百分位数)，但差异无统计学意义(P值分别为0.334、0.130、0.132)，ABC具有更大的高百分位数(包括第90、第95百分位数，两者均有显著性差异，P值分别为0.009、0.008)。直方图百分位数是反映体素排列的特征[16]，GCT和ABC之间的差异可能是由病变组织成分的不同导致，GCT是以巨细胞为主要类型的异常软组织代替了正常骨组织，而ABC则主要由含血的囊腔组成。偏度和峰度分别反映了直方图的不对称性和形状，熵代表了不规则性，平均值和标准差分别代表了直方图的平均趋势和离散程度。本研究中ABC偏度高于GCT(但差异不具有显著性)，GCT具有更大的峰度(P=0.008)，而ABC的不均匀性、熵及标准差更大(P值分别为0.008、0.010、0.003)，这可能与囊性变导致ABC具有更为复杂的结构相关。通常情况下，正偏度、峰度、熵、不均匀性及标准差具有相同的变化趋势，都受到病灶异质性的影响[8,17-18]。本研究中峰值的变化趋势与其他几个参数相反，这可能与GCT属于交界性肿瘤、ABC属于良性肿瘤有关，以往的研究多集中于恶性肿瘤。

本研究针对有意义的特征进行了二元Logistic回归并构建了三种诊断模型，绘制了相应的ROC曲线。临床诊断模型的AUC值为0.785，直方图诊断模型的AUC值为0.777，联合二者后构建的联合诊断模型的AUC值最高，为0.880。可以看出，联合模型的诊断效能优于临床模型和直方图模型，且差异具有统计学意义(P值分别为0.037和0.009)。说明在临床常用的一般特征及形态特征基础之上，增加不依赖于医生临床经验和主观判断的直方图特征[19-20]，可使得诊断信息更加全面和完善，增加诊断的准确性[21]。将构建的模型与放射科医生的诊断效能进行对比后发现，联合模型的诊断效能显著优于低年资医生(AUC：0.880>0.743，P=0.037)，略优于高年资医生(AUC：0.880>0.863，P=0.753)，差异无统计学意义。高年资医生的诊断效能显著优于低年资医生(AUC：0.863>0.743，P=0.017)，这反映了经验在GCT和ABC的诊断及鉴别诊断中起到重要的作用。GCT和ABC属于骨肿瘤，总体发病率较低，存在诊疗欠规范、诊疗水平参差的问题[22]，联合模型的表现可与高年资医生相媲美，优于低年资医生，具有辅助临床进行诊断的潜力。

本研究存在一定局限性：①本研究为回顾性，在患者选择中具有固有偏倚；②样本量较小；③仅纳入一个机构的数据，可能造成结果的推广性有限。未来我们会进行进一步的研究，纳入更新、更多的病例以解决上述问题。

综上，CT直方图技术对于GCT和ABC的鉴别诊断具有重要价值，与临床特征相结合，可提高术前诊断的准确性，有助于更好地进行临床决策。