MRI纹理分析评估肝外胆管癌淋巴结转移的价值

杨春梅， 舒健， 陆笑非， 苏松， 周铁军

胆管癌是起源于胆管上皮的恶性肿瘤，包括肝内及肝外胆管癌[1]。肝外胆管癌(extrahepatic cholangiocarcinoma，ECC)起源于肝实质外的胆管，约占所有胆管癌的80%，其发病率及死亡率逐年上升，并且预后很差[2,3]。唯一有效的治愈方式为完整地外科手术切除[4]，但大多数患者切除后仍然可能局部复发或发生远处转移[5]，相关研究报道淋巴结转移与其预后密切相关[6,7]。因此寻找一种无创、客观的方法评估ECC的淋巴结转移十分重要，有助于指导临床选择最佳治疗策略并改善预后。目前ECC的诊断“金标准”是病理活检，但其为有创性检查，受采样误差、患者接受度及观察者的主观因素影响。

评估ECC传统的影像学方法包括超声、CT、正电子发射断层显像(positron emission tomography/computed tomography，PET/CT)、MRI及胆管造影等[8-12]，但这些传统的方法均以主观评估为基础，并不能定量地评估ECC的淋巴结转移，而且无法获取其细胞、生理甚至基因层面的信息[13,14]。纹理分析可以定量、客观地评估肿瘤的异质性，有助于临床决策、风险预估及预后评估。近年来，胆管癌尤其是肝内胆管癌的纹理分析及影像组学分析已有初步研究[15-19]，但单独对于ECC的纹理分析国内外尚未见类似的报道。本研究旨在探讨MRI纹理分析评估ECC淋巴结转移的价值。

材料与方法

1.研究对象

回顾性搜集2011年1月至2020年3月我院ECC患者的临床病理资料。病例纳入标准：①术前行腹部3.0T MRI检查；②行外科手术切除并行病理学检查。病例排除标准：①MRI图像缺失及病灶无法识别。②无完整病理学资料，如缺失淋巴结是否转移。③检查前做过其他治疗，如放疗、化疗等。④有多种肿瘤病史。最终本研究共纳入110例ECC患者。搜集患者的临床及病理资料并记录，包括年龄、性别、肿瘤位置(肝门、远端)、肿瘤大小(为轴面上肿瘤最大层面的长径)、病理分化程度以及淋巴结是否转移(手术清扫的淋巴结组织中观察到癌细胞即可证实为转移)。所有患者的病理学资料由一位有10年诊断经验的病理科医师进行评估。

2.MRI扫描方法

所有患者术前均行腹部MRI扫描，扫描设备为Philips Achieva 3.0T(Amsterdam,Netherlands)双梯度超导高场磁共振扫描仪，16通道相控阵腹部线圈。扫描前患者禁食4～8 h，并进行呼吸训练，于吸气末屏气时进行腹部扫描，不能屏气者采用呼吸触发扫描。患者取仰卧位，扫描范围从膈顶至肝脏下缘。扫描序列包括轴面T1高分辨各向同性容积激发序列(T1-weighted imaging，T1WI)、轴面快速自旋回波脂肪抑制序列(T2-weighted imaging，T2WI)、冠状面快速自旋回波T2WI序列、轴面扩散加权成像(diffusion weighted imaging，DWI)、轴面双回波化学位移成像序列及T1动态增强MRI。T1WI序列扫描参数：TE 1.44 ms，TR 3.1 ms，视野280 mm×305 mm，矩阵244×186，层厚3 mm，层间距-1.5 mm，翻转角10°，激励次数1次，层数120层。T2WI序列扫描参数：TE 70 ms，TR 1610 ms，视野280 mm×305 mm，矩阵176×201，层厚7 mm，层间距1.0 mm，翻转角90°，激励次数2次，层数24层。DWI序列扫描参数：TE 52 ms，TR 934 ms，视野280 mm×305 mm，矩阵100×124，层厚7 mm，层间距1 mm，翻转角90°，激励次数4次，层数48层，b值取800 s/mm2。

3.图像处理

将所有符合纳入、排除标准患者的MRI图像传输至后处理工作站Philips Extended MR Workspace 2.6.3.4，获取轴面T1WI、T2WI及DWI图像，并选取病灶最大截面的MRI图像以BMP格式保存，用作下一步的纹理特征提取及分析。

4.图像分割及纹理特征提取

将所有患者病灶最大截面的MRI图像依次导入MaZda软件(version 4.6, http://www.eletel.p.lodz.pl/programy/mazda/)，使用MaZda软件进行图像的标准化处理，即将图像的标准化范围控制在(μ-3SD, μ+3SD)(μ为平均灰度/信号强度值，SD为标准差)，以缩小不同序列MRI图像对比度及明亮度差异的影响。由一位经验丰富的放射科医师在病灶最大层面手动勾画ECC的感兴趣区(region of interest，ROI)，避开邻近的血管及胆管(图1)。为了缩小部分容积效应，沿肿瘤边缘1～2 mm进行病灶勾画。每例患者选取轴面T1WI、T2WI及DWI图像进行勾画，得到3个ROIs。最终本研究中100例患者得到了300个ROIs。

图1 ECC患者MRI图像上ROI的勾画。采用MaZda软件手动勾画ROI，避开邻近的血管及胆管。为了缩小部分容积效应，沿肿瘤边缘1～2mm进行病灶勾画。a) 轴面T1WI图像； b) 轴面T2WI图像； c) 轴面DWI图像。

MaZda软件可以提取六大类纹理特征，包括灰度直方图(histogram)、绝度梯度(absolute gradient，GRA)、灰度共生矩阵(gray-level co-occurrence matrix，GLCM)、运行长度矩阵(run-length matrix，RUN)、自回归模型(autoregressive model，ARM)及小波转换(wavelet transform，WAV)。本研究中每个ROI可以提取300种纹理特征。

5.组内及组间一致性评估

本研究随机选取20例研究对象的T1WI、T2WI及DWI图像，由两位经验丰富的放射科医师进行组内及组间的一致性研究。对于组内一致性评估，由第一位放射科医师按照一定方法及步骤勾画20例患者T1WI、T2WI及DWI图像上的ROI并提取病灶的纹理特征，于2周内用同样方法及步骤再次勾画这20例患者T1WI、T2WI及DWI图像上的ROI并提取纹理特征，然后将两次提取的20例患者的纹理特征进行组内相关分析。与此同时第二位放射科医师按照相同方法及步骤勾画这20例患者T1WI、T2WI及DWI图像上的ROI并提取相应的纹理特征，将第二位放射科医师提取的病灶纹理特征与第一位放射科医师第一次勾画病灶提取的纹理特征进行组间相关分析。用组内/组间相关系数(inter- and intra-class correlation coefficient，ICC)值评估组内及组间分析的一致性。ICC>0.75表明组内或组间分析的一致性较好。

6.纹理特征的降维与选择

使用MaZda软件提供的费希尔参数法(fisher coefficient，Fisher)、最小分类误差与最小平均相关系数法(minimisation of both of both classification error probability combined with average correlation coefficients，POE+ACC)及相关信息测度法(mutual information，MI)三种特征选择方法分别对T1WI、T2WI及DWI图像的300种纹理特征进行降维，每种序列得到30种最佳纹理特征。

7.统计学分析

图2 本研究纹理分析的流程图。选取ECC患者的轴面T1WI、T2WI及DWI图像(病灶最大层面)，使用MaZda软件手动勾画感兴趣区，并提取肿瘤的纹理特征(包括6大类，约300种纹理特征)。三种MRI序列使用Fisher法、最小分类误差与最小平均相关系数法及相关信息测度法等三种降维方法分别选择了30种最佳纹理特征。采用多层感知器分析90种最佳纹理特征，建立相应的模型预测ECC的淋巴结转移，并采用受试者工作特征曲线评估模型性能。

结 果

1.临床资料

本研究共纳入110例ECC患者，其中男60例，女50例，年龄28～83岁，平均(57.6±9.9)岁。所有肿瘤病灶均经病理学证实为腺癌，其中31例被病理学证实有淋巴结转移(淋巴结转移组，图3)，79例无淋巴结转移(淋巴结无转移组)。淋巴结转移组与无转移组病灶的病理分化程度(P=0.036)及大小差异有统计学意义(P=0.002)，而两组患者的年龄、性别及肿瘤位置差异无统计学意义(表1)。

图3 远端胆管癌伴淋巴结转移患者，女，56岁。蓝箭头所指为肝外胆管癌病灶，黄箭头所指为淋巴结。a) T1WI图像； b) T2WI图像; c) DWI图像。

表1 ECC患者的临床病理学特征

2.组内及组间一致性评估

本研究随机选取了20例患者进行组内及组间一致性评估，从病灶中提取的300种纹理特征均有较好的一致性。组内相关性分析的平均ICC值为0.97 (0.774～1.000,P<0.001)，组间相关性分析的平均ICC值为0.93 (0.751～1.000,P<0.001)。

3.特征选择及模型构建

T1WI、T2WI及DWI三种MRI序列提取的特征经降维后总共得到90种最佳的纹理特征，包括Histogram纹理特征5种，GRA纹理特征5种，GLCM纹理特征43种，RUN纹理特征19种，ARM纹理特征4种，WAV纹理特征14种。ROC曲线分析结果显示，使用多层感知器建立的预测模型其平均AUC为0.895(0.748～0.996，图4)，在训练集及测试集中的预测准确率分别为83.4%(67.8%～100%)、85.0%(64.0%～100%)，表明该模型能较好地预测ECC的淋巴结转移。

图4 多层感知器模型预测ECC淋巴结转移的ROC曲线。1代表淋巴结无转移，2代表淋巴结有转移；a) 最小AUC为0.748； b) 最大AUC为0.996。

讨 论

至今为止，ECC仍是预后很差的恶性肿瘤，且淋巴结转移是其重要的预后因素。因此，淋巴结转移的判定对ECC治疗策略的选择及预后评估均有重要意义。但目前仍然缺乏准确、无创及定量的评估ECC淋巴结转移的方法。相关文献报道，CT、MRI及PET/CT已经用于胆管癌淋巴结转移的诊断与评估[10,20,21]，由于MRI无辐射，软组织分辨率高，被认为是目前评估ECC最精确无创的检查方法[11]。相关研究表明，与CT相比，MRI及PET/CT诊断胆管癌淋巴结转移的准确率较高，分别约66.0%[21]、72.7%[10]。但这些影像学征象的评估都是基于放射科医师主观的认知和判定，并不能精确定量地评估ECC的淋巴结转移，无法完全满足临床的需求。因此，需要寻找一种无创、定量的方法准确评估ECC的淋巴结转移，有助于指导最佳治疗方案的选择及评估患者预后。纹理分析通过提取影像图像上(如CT、MRI、PET/CT)病灶内的纹理特征，定量分析病灶内的异质性，有助于疾病的诊断、鉴别诊断、临床决策及预后评估[22]。纹理特征反映的是肿瘤内部的异质性，包括基因、蛋白质、细胞、微环境、组织和器官等各个层次。本研究通过纹理分析，从提取的特征中发掘出人眼不能识别的ECC病理生理方面的信息，寻找出一种无创、客观、准确的方法来评估ECC的淋巴结转移。相关研究表明，纹理分析有助于评估肿瘤的淋巴结转移[23-25]。对于胆管癌，许多学者已经提取出肿瘤的纹理特征，并对胆管癌进行纹理分析，或者基于纹理特征建立相应的影像组学模型，用于胆管癌的诊断、鉴别诊断及预后评估[15-19]。在一项回顾性研究中，研究者发现某些纹理参数与胆管癌表皮生长因子受体及血管内皮生长因子受体密切相关，表明基于CT的纹理分析可以预测胆管癌的蛋白质表达，指导临床治疗及评估预后[15]。除此之外，基于纹理特征的影像组学分析也可用于预测部分肝脏切除术后肝内胆管癌的早期复发，有助于临床选择合适的治疗方案[16]。Peng等[26]建立了基于肿瘤纹理特征的超声影像组学模型，可用于评估肝内胆管癌的多种生物学行为，有助于患者预后的评估及个体化治疗。目前基于增强CT及MRI的影像组学模型已经被建立用于预测胆管癌的淋巴结转移，并显示了较好的预测效能，其最高AUC值为0.89[17]。但目前大多数基于纹理特征的影像组学分析是关于肝内胆管癌的研究，很少有文献单独对ECC进行纹理分析或建立影像组学模型来预测其淋巴结转移的情况。由于肝内胆管癌与ECC在起源、生长模式、发生率、致死率、影像学表现及预后方面均存在很大差异[27]，而且基于我们前期对于ECC的MRI影像组学研究[28]，因此使用纹理分析来判断ECC的淋巴结转移情况并评估其预测效能。

多层感知器是一种前向的神经网络，它的输入是一组向量，输出为另一组向量。多层感知器由输入层、隐藏层和输出层构成，其中隐藏层又可以包含多层。每层由多个节点构成，每层又可以传递给下一层，直到输出层，同时在迭代过程中不断调整权重以训练学习算法，使得预测误差最小化。因此本研究首先选取了ECC患者的T1WI、T2WI及DWI序列的轴面图像，从每个ROI中提取出300种纹理特征，并进行降维选取90种最佳纹理特征，再采用多层感知器建立相应的模型来预测ECC的淋巴结转移。对于ECC的淋巴结转移，本研究的多层感知器模型在训练集及测试集中的预测准确率分别83.4%(67.8%～100%)、85.0%(64.0%～100%)，其平均AUC达到了0.895，最大为0.996，优于传统影像学方法的评估，如MRI、PET/CT[10,21]及CT[29,30]等，表明基于多层感知器的MRI纹理分析能够较好地预测ECC的淋巴结转移。笔者查阅文献发现，本研究是第一个基于纹理分析并采用多层感知器来评估ECC淋巴结转移的研究，并达到了较好的预测效能;这是本研究的创新之处，表明纹理分析在ECC的术前评估是很有潜力的，可以作为一种新的定量工具用于预测ECC的淋巴结转移，有助于ECC患者最佳治疗方案的选择并改善其预后。

本研究存在以下局限性：①本研究是回顾性研究且样本量较少，需要前瞻性及大样本的研究进一步建立相应的预测模型评估ECC的淋巴结转移；②本研究属于单中心研究，并不能代表不同地区ECC淋巴结转移的分析结果，因此在未来的工作中，我们会采取多中心研究进一步验证预测模型的诊断效能和可重复性；③本研究对ECC病灶进行二维纹理分析，而不是三维分析，可能导致肿瘤内部分信息的缺失，因此，我们需要在以后的工作中对病灶整体进行分析；④本研究的纹理分析只纳入了肿瘤的纹理特征，其他临床、病理、影像学特征甚至基因相关的特征应该被整合进来以建立更好的预测模型；⑤本研究缺乏外部验证集来验证模型的诊断效能，因此在进一步研究中，我们将纳入外部验证集来评估模型的效能。

综上所述，基于MRI的纹理分析能很好地预测ECC的淋巴结转移，在ECC的无创性诊断及预测中具有重要应用价值，有助于临床治疗方案的选择及预后评估。