CT与PET/MRI影像组学预测肺腺癌与鳞癌的对照研究

向柏林,唐 新,梁江涛

(1.浙江省医疗健康集团衢州医院 放射科,浙江 衢州 324004;2.杭州市五云山医院 放射科,浙江 杭州 310008;3.杭州全景医学影像诊断中心 放射科,浙江 杭州 310009)

肺癌是全球癌症死亡的最常见原因之一,占男性肿瘤好发及致死率首位[1-2]。肺腺癌及肺鳞癌是最常见的2种病理亚型,占85%左右,其组织学特征、临床治疗方案及预后不尽相同[3],故准确的病理分型对于肺癌诊治至关重要。目前,穿刺活检仍是肿瘤确诊的金标准,但其具有侵入性,且易受标本取材影响,不能反映肿瘤组织的整体状况[4]。影像组学可从医学图像中提取量化的肿瘤特征,解析临床、病理、分子遗传等特征,提高对疾病的诊断效能和预后预测[5-6]。近年来,已有不少学者针对肺癌做了一系列影像组学研究,然而目前关于正电子成像(positron emission tomography,PET)和磁共振成像(magnetic resonance imaging,MRI)及CT影像组学对肺癌病理亚型预测对比的文章鲜有报道。本文旨在基于CT及PET/MRI图像同时构建鉴别肺腺癌及肺鳞癌分类的预测模型,以期为临床诊疗提供依据。

1 资料与方法

1.1 资料收集 回顾性收集2018年10月—2020年12月杭州市全景影像中心经手术或穿刺证实为肺腺癌或鳞癌患者。纳入标准:患者均在治疗前同时行高分辨率的CT(HRCT)及PET/MRI检查;未进行任何化疗或放疗及手术抗肿瘤治疗;可获得治疗前清晰胸部CT及PET/MRI图像。排除标准:CT或者PET/MRI图像不符合诊断标准者;有胸部其他恶性肿瘤病史或伴发其他系统肿瘤的患者;患者在CT及PET/MRI检查前接受过放疗、化疗等治疗者;经病理证实为肺腺癌或鳞癌以外的组织学病理类型。本研究通过了浙江省杭州市全景影像中心伦理委员会批准(科研医学伦审第2021-008号)。

1.2 HRCT及PET/MRI检查

1.2.1 检查设备 采用GE 256排螺旋CT(Hartford, USA)及美国GE公司一体化TOF PET/MR(GE SIGNA,威斯康星州,美国)采集影像数据。

1.2.2 患者准备 患者禁食6小时以上,注射18F-FDG 前血糖浓度控制在7.8 mmol/L以下。检查当日尽量穿戴无配饰衣物。患者按3.7 Mbq/kg的剂量注射18F-FDG,40 min后行全身PET/MR显像。所有患者或法定监护人均在检查前签署书面知情同意书。

1.2.3 扫描方法 患者仰卧位,首先行HRCT平扫,范围从肺尖至肺底。在单次屏气条件下完成CT扫描,扫描后设定自动对原始成像进行薄层重建。CT平扫结束后,对患者进行PET/MR扫描,在执行衰减校正后,从头顶到股骨中段进行全身PET/MR扫描,必要时加扫至足底。全身MRI检查过程中进行PET数据采集,随后进行胸部局部PET/MR扫描,扫描范围从肺尖至肺底,使用胸部区域专用MRI线圈以获得横断面、冠状面和矢状面图像,最后得到全身和局部的PET、MRI及PET/MR融合图。所有数据均来源于同一台PET/MR仪器,PET/MR具体扫描参数参照我们之前的研究[7]。本研究中选用胸部CT横断位图像(1.25 mm)、胸部MRI局部T2WI图像和PET图像作为影像组学特征提取序列,应用联影uAI Research Portal软件对病灶的感兴趣区(region of interest,ROI)进行影像组学分析。

1.3 影像组学分析[7-10]

1.3.1 图像分割 将DICOM格式的胸部CT及PET/MRI 图像分别导入ITK-SNAP软件(http://www.itksnap.org/pmwiki)进行分割,由2名有多年胸部PET/MR诊断经验的放射科医师沿着肺癌边缘对病灶ROI进行手动勾画,排除邻近正常组织、血管及淋巴结。当结果不一致时,由具有20年经验的第3位放射科医师再次进行ROI勾画,直至结果统一,最后将从CT及PET/MRI图像中获得的三维分割图像结果依次导出原图及相应的ROI图(图1),并将分割结果保存为nii文件。

注:A、B、C依次对应CT、PET、MRI序列原始图,D、E、F依次对应CT、PET、MRI序列ROI勾画图。图1 CT及PET/MRI图像中获得的三维分割图像Figure 1 Three-dimensional segmented images obtained from CT and PET/MRI images

1.3.2 特征提取及选择 将肺癌原始图像及ROI图像同时导入uAI Research Portal软件中,特征计算完成后,根据自定义分类给受试者标注label(设定腺癌阳性,标记为“1”;鳞癌阴性,标记为“0”)。将提取的CT及PET/MRI组学特征导入uAI Research Portal软件进行特征选择,按五折交叉验证法将受试者分为训练组及测试组[9],通过Z评分标准化,提取到2 600个影像组学特征,然后经过最小绝对值选择与收缩算子(least absolute shrinkage and selection operator, LASSO)回归降维及筛选后,最终保留与肺腺癌及鳞癌分型最相关影像组学特征。

1.3.3 模型构建 分别根据最相关影像特征及其最佳权重比,构建基于CT及PET/MRI的预测模型,并建立ROC曲线。

1.4 统计学分析 基于SPSS 26软件进行统计学处理,年龄采用Mann-Whitney U检验,性别采用连续校正卡方。特征提取ROI测量者之间的一致性,采用组间相关系数(intraclass correlation coefficient, ICC)进行评价。P<0.05为差异有统计学意义。

2 结果

2.1 一般资料 共收集符合条件的患者72例。其中肺腺癌42例,年龄23～79岁,男29例、女13例;鳞癌 30例,年龄51～79岁,男27例、女3例;2组患者年龄、性别差异均无统计学意义(P>0.05)。

2.2 影像组学特征分析 经组间相关系数分析,ICC >0.89,ROI分割结果具有较好的一致性,采用高年资放射科医师的ROI勾画结果作为最终研究数据。CT预测模型得到3个与肺腺癌及鳞癌分型最相关特征(图2A),包含2个一阶特征[偏度(skewness)、ROI中灰度值范围(range)]和1个纹理特征[灰度区域大小矩阵(gray-level size zone matrix, GLSZM)];PET/MRI预测模型得到6个与肺腺癌及鳞癌分型最相关特征(图2B),包括1个一阶特征[偏度(skewness)]和5个纹理特征 [1个灰度大小区域矩阵 (GLSZM)、2个灰度共生矩阵(grey level cooccurrence matrix, GLCM)、1个灰度依赖矩阵(gray level dependence matrix, GLDM)和1个邻域灰度差矩阵(neighborhood gray tone difference matrix, NGTDM)],其中灰度大小区域矩阵(GLSZM)占最大权重比。

图2 CT(A)及PET/MRI(B)预测模型最相关影像组学特征Figure 2 The most relevant radiomics features of CT (A) and PET/MRI (B) prediction model

2.3 模型评价 分别根据最相关特征及权重比构建ROC曲线(图3、4),应用不同的学习方法进行评分,CT及PET/MRI预测模型均以Z评分及Logistic回归作为最佳模式,见表1。

图3 CT预测模型训练组(A)和测试组(B)的ROC曲线Figure 3 ROC curves of CT prediction model in training group (A) and test group (B)

图4 PET/MRI预测模型训练组(A)和测试组(B)的ROC曲线Figure 4 ROC curves of PET/MRI prediction model in training group (A) and test group (B)

表1 CT及PET/MRI预测模型Z评分及Logistic回归学习评分值Table 1 Z score and Logistic regression learning scores of CT and PET/MRI prediction model

3 讨论

本研究按五折交叉验证法将肺癌分为训练组及测试组,经Z评分及Logistic回归降维筛选得到肺腺癌与鳞癌分型最佳特征,结果发现CT及PET/MRI预测模型中GLSZM均占最大权重比值,分别为-0.033、-0.06。GLSZM主要反映图像的灰度不均匀性,特征值越低表示图像灰度越均匀,由此可见肺腺癌较鳞癌的图像纹理更均匀,这个取决于肺癌本身的结构特点。肺腺癌主要是由腺样结构组成,排列相对均匀;肺鳞癌主要由角化珠、癌巢及细胞间桥组成,呈堆积性生长,而且肺鳞癌较肺腺癌容易发生液化、坏死,从而导致肿瘤密度不均,组织结构分布相对紊乱[11]。周小君等[12]发现人工智能肺结节定量参数可有效预测磨玻璃结节肺癌的浸润程度,尤其长径和平均CT值的预测价值较高。还有研究发现基于CT、PET/CT影像组学模型均可以预测肺癌病理亚型[13-15]。Fan等[16]研究了PET/MRI在肺癌中的扫描技术、潜在应用及现状。本研究还发现基于CT影像模型及PET/MRI影像模型预测肺腺癌及肺鳞癌所得到的一阶特征(skewness)亦占较大权重比值,分别为0.022及-0.013,而skewness是用来测量平均值相关值分布的不对称性,说明基于CT与PET/MRI影像模型在预测肺腺癌及鳞癌的强度特征方面存在明显差异,而且CT预测模型相对于PET/MRI预测模型能够得到更多与肺癌病理亚型分类最相关的一阶特征,这可能跟CT影像具有密度高分辨率、由更多体素值构成、包含更多的形态学信息有关。

康书朝等[11]发现肺结节影像组学特征对判断肿瘤基因突变、增殖活动及预后治疗具有一定的指导意义。Sepehri等[17]发现基于PET/CT影像模型在预测Ⅱ/Ⅲ期非小细胞肺癌的性能优于标准临床分期。Kirchner等[15]发现18F-FDG PET/MRI和18F-FDG PET/CT对NSCLC患者的T和N分期具有同等的高诊断性能。本研究结果表明CT及PET/MRI预测模型均能有效预测肺腺癌与鳞癌,且PET/MRI预测模型诊断效能更高,可能是源于PET/MRI结合了PET的代谢学特征与MRI的多参数多功能成像,由于MRI固有的高软组织对比度、多平面采集和功能成像,无需使用电离辐射即可提供组织表征,还能为PET扫描提供解剖定位和衰减校正(AC)信息,而且PET可反映代谢信息与高分子成像,因此PET/MRI具有在单一成像研究中提供结构、功能和分子成像评估的独特能力,使其成为恶性肿瘤评价的理想手段。再者,PET/MRI还使与肿瘤高特异性结合的新型放射性药物的解剖学相关性成为可能,同时MRI允许PET图像重建、部分体积校正和运动补偿[10],因此PET/MRI影像组学预测模型能提供更多额外的诊断价值。

综上所述,CT和PET/MRI模型对于无创性术前预测肺腺癌及肺鳞癌均有较高的预测效能,PET/MRI较CT影像组学在肺腺癌与肺鳞癌术前预测方面具有更大的准确性,有利于肺癌患者的早期无创性病理诊断和个体化治疗。但本研究存在一定的局限性:首先,本研究样本来源于单中心,样本量相对较小,还需要多中心合作收集更全面的数据;其次,本研究属于回顾性研究,结果可能会有一定的选择偏倚,需要做更多的前瞻性研究。