全容积ADC直方图分析联合ADC值术前预测直肠癌肿瘤沉积的价值

2024-05-20冯飞文刘原庆胡粟胡春洪

磁共振成像 2024年4期

冯飞文，刘原庆,2，胡粟,2*，胡春洪,2

作者单位 1.苏州大学附属第一医院放射科，苏州 215006；2.苏州大学影像医学研究所，苏州 215006

0 引言

结直肠癌是消化系统常见的恶性肿瘤之一，其中近40%为直肠癌，其发病率及死亡率逐年增高[1]。肿瘤沉积（tumor deposits, TDs）是指结直肠癌原发病灶周围脂肪组织或系膜内与原发肿瘤不连续的孤立肿瘤结节，其位于原发病灶淋巴引流区域内且病理上无明显的淋巴、血管及神经结构[2]。TDs 与直肠癌侵袭性强、局部复发和远处转移发生率高密切相关，是预后不佳的独立危险因素[3-5]，第八版美国癌症联合委员会（American Joint Committee on Cancer, AJCC）结直肠癌分期指南将存在TDs而淋巴结转移阴性定义为N1C期，将其临床分期至少划分为Ⅲ期，此类患者常推荐术前新辅助放化疗以预防局部复发及远处转移[6-8]。因此术前准确评估直肠癌TDs状态对精准评估患者临床分期、制订合理诊疗决策及改善预后具有重大意义。

表观扩散系数（apparent diffusion coefficient,ADC）是扩散加权成像（diffusion-weighted imaging,DWI）生成的量化组织内水分子扩散受限程度的参数，已广泛应用于直肠癌诊疗中，有助于无创评估病灶生物学特征并指导临床决策[9-11]。但多数研究仅测量病灶单一层面的平均ADC值，并不能准确、全面反映肿瘤的整体异质性[12-13]，而基于肿瘤全容积的ADC直方图分析可从多维度分析感兴趣容积（volume of interest, VOI）内病灶所有体素分布特征，一方面可以避免传统单层面感兴趣区（region of iterest, ROI）勾画的主观性，另一方面可以提供有关肿瘤微环境更丰富的信息，进而更准确、全面反映肿瘤内部结构的异质性[14-16]。已有研究表明ADC 直方图参数在预测直肠癌的KRAS基因状态、病理T/N分期以及免疫组化标志物等方面具有一定的研究价值[17-18]，但这些研究样本量小，并且仅探讨了部分ADC 直方图参数的价值，未充分挖掘ADC 直方图分析在直肠癌中的应用价值。目前，ADC 直方图分析在术前评估直肠癌分期、组织学分级、淋巴结转移及新辅助化疗疗效等方面均展现出了良好的临床应用价值[19-22]。但全容积ADC直方图分析能否用于术前预测直肠癌TDs尚未见相关文献报道，因此，本研究旨在探讨基于肿瘤全容积的ADC 直方图参数联合ADC 值术前预测直肠癌TDs的临床价值。

1 材料与方法

1.1 研究对象

回顾性分析2016 年6 月至2023 年6 月苏州大学附属第一医院经病理确诊的111 例直肠癌患者的临床及MRI图像资料。纳入标准：（1）行直肠癌根治性切除术且经病理确诊为直肠腺癌；（2）术前未接受抗肿瘤治疗；（3）术前行直肠MRI常规及DWI扫描且图像信息完整。排除标准：（1）临床或MRI资料不全者；（2）图像伪影大或无法识别病灶完成分析者；（3）同时合并其他恶性肿瘤者。本研究遵守《赫尔辛基宣言》，经苏州大学附属第一医院伦理委员会批准，免除受试者知情同意，批准文号：2023422。

1.2 研究方法

1.2.1 MRI图像扫描

所有直肠MRI 检查均使用3.0 T 磁共振扫描仪（Signa HDxt，GE，美国）进行，采用16 通道体表相控阵线圈，患者取仰卧位、头先进，扫描序列及参数：（1）轴位T1WI 序列，TR 400～700 ms，TE 8～10 ms，FOV 280 mm×280 mm，矩阵512×512，层厚4 mm，层间距3 mm；（2）轴位、冠状位和矢状位T2WI 序列，TR 3000～5100 ms，TE 90～119 ms，FOV 280 mm×280 mm，矩阵512×512，层厚4 mm，层间距3 mm；（3）DWI 序列，TR 4500 ms，TE 65 ms，层厚3 mm，层间距3 mm，FOV 280 mm×280 mm，矩阵256×256，b 值取0 及1000 s/mm2。

1.2.2 MRI图像分析及处理

将ADC 图像以DICOM 格式导入ITK-SNAP 软件（https://www.itksnap.org）中，参考T2WI图像，沿病灶边缘逐层勾画ROI 并生成三维VOI（图1），勾画时注意避开肠腔内液体、气体及内容物。利用Feature Explorer 软件（V4.2.0, https://github.com/salan668/FAE）提取每个病灶VOI 的一阶直方图特征：第10 百分位数（ADC10%）、第90 百分位数（ADC90%）、最大值（ADCmax）、最小值（ADCmin）、均数（ADCmean）、中位数（ADCmedian）、峰度及偏度。于肿瘤最大层面测量病灶的平均ADC 值，每个病灶测量三次取平均值。病灶ROI 勾画以及ADC 值测量由两名分别具有5 年工作经验的放射科住院医师和10年工作经验的副主任医师完成，意见出现分歧时经协商决定。

图1 直肠癌原发灶VOI勾画示意图。在直肠癌原发灶ADC 序列（b 值为1000 s/mm2）图像（1A）上沿病灶边缘逐层勾画ROI（1B），生成肿瘤全容积的VOI（1C）。VOI：三维感兴趣区；ADC：表观扩散系数；ROI：感兴趣区。Fig.1 Schematic diagram of VOI outlining for rectal cancer primary foci.ADC (b-value is 1000 s/mm2) image (1A) of rectal cancer primary foci, layer-by-layer outlining of ROIs along the edge of the lesion (1B), generation of VOIs for the whole volume of the tumor (1C).VOI: volume of interest; ADC:apparent diffusion coefficient; ROI: region of interest.

1.2.3 TDs的病理评估

TDs 状态由具有10 年工作经验的病理科副主任医师参照AJCC第八版结直肠癌分期指南[2]完成。根据病理结果分为TDs阳性组和TDs阴性组。

1.3 统计学分析

统计学分析采用SPSS 23.0（IBM, Armonk, NY,USA）、MedCalc 15.8软件。采用组内相关系数（intra-class correlation coefficient, ICC）评价两名医师ADC 直方图参数测量值的一致性，ICC 值≤0.40 为一致性差，0.40＜ICC 值≤0.60 为一致性中等，0.60＜ICC值≤0.75为一致性好，0.75＜ICC 值≤1.00 为一致性非常好。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，不符合正态分布者组间比较则采用Mann-WhitneyU检验。计数资料的组间比较采用χ2检验进行。采用二元多因素logistic 回归分析，利用逐步向后选择法从组间差异分析具有统计学差异的参数中筛选出独立预测因素，分别建立基于ADC直方图参数、ADC 直方图参数联合ADC 值的逻辑回归模型。各参数及模型TDs 预测效能的比较采用ROC 曲线分析，分别计算曲线下面积（area under the curve, AUC）、95%可信区间（confidence interval,CI）、敏感度及特异度。AUC 间差异的比较采用DeLong检验。P＜0.05为差异具有统计学意义。

2 结果

2.1 一致性评价

2 名医师ADC 直方图参数测量值的一致性非常好（ICC＞0.75）。ADC 值、ADC10%、ADC90%、ADCmax、ADCmin、ADCmean、ADCmedian、峰度及峰度的ICC 分别为0.799（0.739～0.814）、0.882（0.851～0.890）、0.813（0.792～0.901）、0.854（0.801～0.892）、0.798（0.749～0.801）、0.888（0.821～0.899）、0.791（0.745～0.829）、0.862（0.790～0.892）、0.834（0.800～0.876）。

2.2 临床病理特征

111例直肠癌患者中，男71例、女40例，年龄32～86 岁，平均62 岁；TDs 阳性组30 例，TDs 阴性组81 例。两组患者的年龄及性别间差异无统计学意义（P＞0.05；表1），而肿瘤病理T 分期及分化程度的差异有统计学意义（P＜0.05；表1）。

表1 TDs阳性及阴性组直肠癌患者临床病理特征Tab.1 Clinicopathological characteristics of rectal cancer patients in TDs-positive and negative groups

2.3 全容积ADC直方图参数及ADC值分析

TDs 阳性组与TDs 阴性组间ADCmin及偏度的差异无统计学意义（P＞0.05）。TDs 阳性组ADC10%、ADC90%、ADCmax、ADCmean、ADCmedian均大于TDs阴性组（P＜0.05），而其峰度小于TDs 阴性组（P＜0.05）。TDs阳性组ADC值小于TDs阴性组（P＜0.05；表2）。

表2 TDs阳性及阴性组直肠癌患者ADC值及ADC直方图参数比较Tab.2 Comparison of ADC values and ADC histogram parameters in rectal cancer patients in TDs-positive and negative groups

2.4 全容积ADC 直方图模型、ADC 值联合ADC 直方图参数联合模型的构建

多因素logistic回归分析结果发现全容积ADC直方图模型纳入四个独立预测因素（ADC10%、ADC90%、ADCmax、ADCmean），联合模型亦纳入四个独立预测因素（ADC值、ADC10%、ADC90%、ADCmean），详见表3。

表3 ADC直方图模型、基于ADC值及ADC直方图参数的联合模型预测TDs的多因素logistic回归分析结果Tab.3 Results of multivariate logistic regression analysis ofADC histogram model, combined model based on ADC values and ADC histogram parameters to predict TDs

2.5 各参数及逻辑回归模型的预测效能

全容积ADC 直方图各参数预测TDs 的AUC 范围为0.649～0.778，以ADC90%的预测效能最高（敏感度为80.0%，特异度为65.4%）（表4，图2）。ADC 值及ADC 直方图模型预测TDs 的AUC 分别为0.645 和0.844（表4，图3）。ADC 值联合全容积ADC 直方图参数的联合模型预测效能最高（AUC 为0.940），其AUC 显著高于ADC 值、ADC10%、ADC90%、ADCmax、ADCmean、ADCmedian、峰度及ADC 直方图模型（Z=5.824、3.749、3.278、4.658、3.636、3.737、4.483、2.619，P均＜0.01）。当阈值取0.42 时，其预测TDs 的敏感度为86.7%，特异度为93.8%（表4，图3）。

表4 ADC值、ADC直方图参数及联合模型对直肠癌TDS的诊断效能Tab.4 Diagnostic efficacy of ADC values, ADC histogram parameters and combined models for TDs in rectal cancer

图2 ADC 直方图参数诊断直肠癌肿瘤沉积的ROC 曲线。图3 ADC值、ADC 直方图模型及联合模型诊断直肠癌肿瘤沉积的ROC 曲线。ADC：表观扩散系数；ROC 受试者工作特征；AUC：曲线下面积；ADC10%、ADC90%、ADCmax、ADCmean、ADCmedian分别为ADC 值的第10、90 百分位数及最大值、平均值、中位数。Fig.2 ROC curves of ADC histogram parameters for diagnosis of tumor deposits in rectal cancer.Fig.3 ROC curves of ADC values, ADC histogram model and combined model for diagnosis of tumor deposits in rectal cancer.ADC: apparent diffusion coefficient; ROC: receiver operating characteristic; AUC: area under the curve; ADC10%, ADC90%, ADCmax,ADCmean, and ADCmedia are the 10th, 90th percentiles, the maximum, mean,and median values of the ADC value, respectively.

3 讨论

本研究基于全容积ADC 直方图参数及ADC 值构建联合模型术前预测直肠癌TDs 状态，结果显示基于ADC 值、ADC10%、ADC90%、ADCmean的联合模型预测效能最高（AUC、敏感度、特异度分别为0.940、86.7%、93.8%），表明全容积ADC 直方图分析在评估直肠癌TDs状态具有良好的临床应用价值。

3.1 全容积直方图参数预测直肠癌TDs的效能分析

本研究结果显示各全容积ADC 直方图参数中，ADC10%、ADC90%、ADCmax、ADCmean、ADCmedian及峰度对直肠癌TDs 均具有较好的预测价值，以ADC90%的预测效能最高。百分位数是用来描述VOI 内体素分布的集中位置的参数，ADC90%代表整个瘤体内90%的ADC 值小于该值，代表病灶内ADC 值较高之处。本研究结果显示TDs 阳性组ADC10%、ADC90%、ADCmax、ADCmean、ADCmedian大于TDs阴性组，其可能原因如下：一方面TDs阳性组病灶生长活跃，血供更加丰富[9,23]，导致病灶内水分子扩散受限程度相对减低[24]；另一方面TDs 阳性组病灶侵袭性更强，肿瘤生长速度不均匀，缺氧坏死多见[25]，导致其各项ADC 参数值较高[26]。峰度可反映病灶内部整体ADC 值的分布状态，代表VOI 体素组成的复杂性及病灶内部的异质性，峰度越小，代表参数分布越不均匀[27]。本研究发现TDs 阳性组ADC 峰度小于TDs 阴性组，说明TDs阳性组整个瘤体内部参数分布更不均匀，提示其病灶内部的异质性更高[3]。

本研究发现TDs阳性组病灶最大层面平均ADC值小于TDs 阴性组，这与YUAN 等[10]结果一致，提示TDs 阳性组最大层面病灶内部细胞排列密集、密度高，但其预测TDs 的效能相对较低（AUC=0.645），且敏感度仅50%，说明仅通过测量最大层面的平均ADC 值并不能客观、全面反映病灶水分子扩散受限特征和整体异质性，难以实现对TDs的准确预测。

本研究构建的ADC直方图参数模型同样显示出良好的预测效能（AUC 为0.844），说明联合ADC 直方图参数可全面反映病灶内部微观的病理生理改变。进一步联合病灶最大层面平均ADC值及直方图参数构建联合模型，其预测效能显著高于各全容积ADC 直方图参数、ADC 值及ADC 直方图参数模型，这表明联合模型可全面、客观反映肿瘤侵袭性及内部结构异质性，有效提高术前准确评估直肠癌TDs状态的预测效能。