增强CT图像纹理分析在非小细胞肺癌病理分型及分期中的应用价值

[摘" "要]" "目的：探讨增强CT图像纹理分析在非小细胞肺癌（non-small cell lung cancer， NSCLC）病理分型及分期中的应用价值。方法：回顾性分析2012年1月—2013年12月间在南通市肿瘤医院经手术病理证实为NSCLC 61例的临床及影像资料。用纹理分析软件（Image J）勾画感兴趣区并提取和计算病灶图像纹理特征参数，比较不同病理类型及分期中这些纹理特征参数的差异，绘制ROC曲线评价纹理特征鉴别NSCLC病理分型及分期的价值。结果：增强图像上，肺腺癌及肺鳞癌积分密度差异有统计学意义（P=0.013），鉴别肺腺癌及肺鳞癌的AUC为0.720（95%CI： 0.592～0.848），敏感度为0.93，特异度为0.53。积分密度和对比度在Ⅰ+Ⅱ期及Ⅲ期NSCLC中差异有统计学意义（Plt;0.001、P=0.041），积分密度鉴别的AUC为0.823（95%CI： 0.718～0.928），敏感度为0.89，特异度为0.70；对比度鉴别的AUC为0.667（95%CI： 0.522～0.811），敏感度为0.42，特异度为0.89。结论：增强CT图像纹理分析在NSCLC病理分型及分期中有一定的应用价值。

[关键词]" "非小细胞肺癌；纹理分析；积分密度；对比度；计算机断层增强扫描

[中图分类号]" "R814.42" R734.2" " " " " " " "[文献标志码]" "B" " " " " " " "[文章编号]" "1674-7887（2024）02-0191-03

非小细胞肺癌（non-small cell lung cancer， NSCLC）是肺癌中最常见的病理类型，占肺癌的80%～85%[1]。NSCLC病死率较高，预后较差，合适的治疗方案还需根据NSCLC病理类型及分期来确定。与靶向治疗应用较多的肺腺癌相比，肺鳞癌对放、化疗更敏感，由于未发现肺鳞癌中存在明确的靶点，所以肺鳞癌缺乏较有效的靶向治疗[2]。虽然穿刺活检可以明确肺癌患者的病理类型，但作为一种有创操作，有其相应的禁忌证，所以对部分患者不适用。对于那些不能进行穿刺及手术治疗且临床高度怀疑为NSCLC的患者，治疗前明确NSCLC的病理分型和分期至关重要。CT纹理特征作为一种新兴的影像学标志物，可以反映肉眼不可见的肿瘤内部的异质性，CT纹理特征分析在肿瘤鉴别诊断、分期、预测预后中有一定的应用价值[3-4]。本研究旨在初步探讨增强CT图像纹理分析在NSCLC病理分型及分期中的应用价值。

1" "资料与方法

1.1" "一般资料" "收集2012年1月—2013年12月间在南通市肿瘤医院经手术和病理证实的NSCLC患者64例，术前均行胸部增强CT扫描。为保证统计结果的可靠，排除病理结果为肺腺鳞癌的3例患者，共纳入61例患者。其中男32例，女29例；年龄36～79岁，平均62.4岁；肺腺癌47例，肺鳞癌14例。根据第8版国际肺癌TNM分期标准，61例患者中有Ⅰ期27例，Ⅱ期16例，Ⅲ期18例，由于Ⅳ期NSCLC患者失去了手术机会，故未将Ⅳ期患者纳入研究。本研究参考文献[5]中的分组方法，将Ⅰ期和Ⅱ期患者分为一组，Ⅲ期患者分为另一组，进行对比分析。

1.2" "胸部增强CT检查方法" "应用德国Siemens公司Somatom sensation 64排螺旋CT扫描仪，一次屏气自肺尖至双侧肾脏上极完成扫描。扫描参数：管电压120 kV，管电流90～60 mA，扫描层厚、层间距均为4～5 mm，螺距1.0，矩阵512×512，准直1.0 mm。增强扫描应用造影剂碘海醇300或优维显300，经肘静脉以2.5～3.0 mL/s速率注射，剂量100 mL，注射后25～30 s行动脉期扫描，55～60 s行静脉期扫描。将扫描所得原始数据进行层厚、间隔均为1.0 mm重建，重建数据上传至AW 4.2 工作站进行图像多平面重组。

1.3" "图像分析及纹理特征提取" "使用纹理分析软件（Image J，美国国立卫生研究院）对治疗前动脉期CT图像上的癌灶勾画感兴趣区（region of interest， ROI）并进行纹理分析。从影像归档及通信系统（picture archiving and communication systems， PACS）获取原始图像并导出至软件中，由一名放射科医师在纵隔窗原始图像上手动勾画ROI，ROI选取方式遵循以下原则：选取肿瘤最大层面、沿肿瘤的边缘勾画，勾画时尽量避开周围大血管及出血、坏死、囊变区域。用软件自动测算ROI的灰度直方图及灰度共生矩阵纹理参数，参数值：标准差、平均灰度值、积分密度、偏度、峰度、角二阶距、对比度、相关性、逆差矩、熵。每个患者测量3次，取平均值。

1.4" "统计学方法" "采用SPSS 25.0进行统计分析，连续性变量符合正态分布的采用独立样本t检验，以±s表示，不符合正态分布的采用非参数检验（Mann-Whitney U检验），用中位值±四分位数表示。以α=0.05为检验水准，Plt;0.05为差异有统计学意义。对组间差异有统计学意义的纹理参数进行ROC曲线分析，分别评价其对肺鳞癌和肺腺癌、Ⅰ+Ⅱ期及Ⅲ期NSCLC的鉴别诊断价值。

2" "结" " " 果

2.1" "组间增强CT图像纹理特征的比较" "所有的纹理特征中，偏度和峰度符合正态分布，其余不符合正态分布。增强CT图像上，肺鳞癌的积分密度较肺腺癌更高（P=0.013），其余纹理特征在肺腺癌及肺鳞癌中的差异均无统计意义（均Pgt;0.05）。在NSCLC分期中，与Ⅰ+Ⅱ期相比，Ⅲ期的积分密度更高，对比度更低（Plt;0.001、P=0.041），见表1。

2.2" "增强CT纹理特征对肺癌病理分型及分期的鉴别诊断价值" "积分密度鉴别肺腺癌及肺鳞癌的AUC为0.720（95%CI： 0.592～0.848），敏感度为0.93，特异度为0.53，ROC曲线见图1A。积分密度鉴别Ⅰ+Ⅱ期及Ⅲ期NSCLC的AUC为0.823（95%CI： 0.718～0.928），敏感度为0.89，特异度为0.70，ROC曲线见图1B。对比度鉴别Ⅰ+Ⅱ期及Ⅲ期NSCLC的AUC为0.667（95%CI： 0.522～0.811），敏感度为0.42，特异度为0.89，见图1C。

3" "讨" " " 论

在NSCLC的病理类型中，以肺腺癌最多见，肺鳞癌次之，其他类型的NSCLC占比较少[1]。不同病理类型的NSCLC治疗方案差异较大，靶向治疗明显延长了肺腺癌患者的寿命，而由于肺鳞癌缺少驱动基因突变，近年来多种新型靶向药物的尝试未获成功。尽管肺鳞癌的免疫治疗有应用前景，但治疗仍以化疗为主[6]。目前除了穿刺活检，尚无有效的方法来鉴别NSCLC的病理分型，由于NSCLC的病理分型以肺腺癌及肺鳞癌多见，且Ⅰ期及Ⅱ期患者生存率普遍高于Ⅲ期患者[7]，所以本研究初步探讨了增强CT图像纹理分析在鉴别NSCLC病理类型和分期中的价值。

异质性是恶性肿瘤的一个重要特征，但肿瘤异质性难以用影像图的主观评估或随机抽样活检来捕获和量化。CT是最常用的非侵入性临床检查，而CT图像纹理分析通过分析图像中像素或体素灰度级的分布和关系，正在成为量化肿瘤异质性的方法[8]。研究[3]表明，CT纹理特征可以预测多种不同类型肿瘤的病理特征、疗效和预后等，包括结直肠癌、肝癌、食管癌、肺癌和肾细胞癌。近年来，研究[4]已分析了NSCLC患者的CT图像纹理特征与临床指标的相关性，包括患者的总生存率及基因突变等临床指标，但目前尚无研究探讨增强CT图像纹理特征与NSCLC病理分型及分期之间的相关性。

本研究结果表明，在标准差、平均灰度值、积分密度、偏度、峰度、角二阶距、对比度、相关性、逆差矩、熵这些一阶和二阶增强CT图像纹理特征中，肺腺癌的积分密度显著低于肺鳞癌的积分密度（P=0.013），Ⅰ+Ⅱ期NSCLC的积分密度显著低于Ⅲ期NSCLC（Plt;0.001），而Ⅰ+Ⅱ期NSCLC的对比度显著高于Ⅲ期NSCLC（P=0.041）。积分密度是灰度直方图中的一阶纹理特征，是面积与平均密度的乘积，以往多用于基础实验测量Western Blot分析中蛋白条带的综合灰度值[9]。目前尚未找到相关研究探讨积分密度与癌症病理分型的相关性，但以往研究[10]表明肺癌的CT值与肺癌的病理类型相关，肺腺癌的CT值低于肺鳞癌，而物质的CT值反映其密度，间接表明肺癌的密度与肺癌病理类型相关。本研究中，肺腺癌的积分密度亦显著低于肺鳞癌，积分密度鉴别肺腺癌及肺鳞癌的AUC较高，该结果有待进一步证实。目前也尚未找到相关研究分析积分密度与癌症分期的相关性，但姜华伟等[11]发现CT值对区分肺癌癌前病变与肺癌有一定价值，暗示肺癌癌灶的密度与分期的相关性。赵志艺[12]研究表明，肺癌癌前病变的CT值要低于肺癌，提示病灶密度可能与病灶的分期相关，密度越大分期越高。由于本研究的积分密度值是从增强CT图像取得，故此值可能也受病灶强化程度影响。而范涛[13]发现，随着肺癌肿瘤T分期的增高，肿瘤实性区的CT强化程度也有逐渐增高的趋势。目前尚无研究报道对比度对NSCLC分期的应用价值，故还需进一步研究证实。

本研究也存在一些局限性。首先，是一项回顾性研究，可能会有病例选择偏倚。其次，是一个小样本量的单中心研究，且仅研究了灰度直方图及灰度共生矩阵中的部分纹理特征在鉴别NSCLC病理分型及分期中的价值。最后，本研究ROI的勾画采用手动勾画，且仅勾画了肿瘤最大层面的二维图像，未对肿瘤全体积图像进行全面分析。

综上所述，增强CT图像纹理分析在鉴别NSCLC病理分型及分期中有潜在的应用价值，还需更多的前瞻性研究来进一步证实。

[参考文献]

[1]" "SIEGEL R L， MILLER K D， WAGLE N S， et al. Cancer statistics， 2023[J]. CA Cancer J Clin， 2023， 73（1）：17-48.

[2]" "朱以香， 邢镨元， 李峻岭. 晚期肺鳞癌的治疗[J]. 中国肺癌杂志， 2016， 19（10）：687-691.

[3]" "FAVE X， ZHANG L F， YANG J Z， et al. Delta-radiomics features for the prediction of patient outcomes in non-small cell lung cancer[J]. Sci Rep， 2017， 7（1）：588.

[4]" "LUBNER M G， SMITH A D， SANDRASEGARAN K， et al. CT texture analysis： definitions， applications， biologic correlates， and challenges[J]. Radiographics， 2017， 37（5）：1483-1503.

[5]" "李辉， 汪春新， 秦明明， 等. 肺癌患者血清7项肿瘤标志物联合检测在病理分型及临床分期中的应用价值研究[J]. 现代检验医学杂志， 2021， 36（4）：5-9， 121.

[6]" "高鸣， 周清. 晚期肺鳞癌治疗进展[J]. 中国肺癌杂志， 2020， 23（10）：866-874.

[7]" "刘俊伦， 哈敏文. 第7版、第8版肺癌TNM分期对NSCLC患者预后判断的差异[J]. 医学与哲学（B）， 2018， 39（4）：45-48.

[8]" "GANESHAN B， GOH V， MANDEVILLE H C， et al. Non-small cell lung cancer： histopathologic correlates for texture parameters at CT[J]. Radiology， 2013， 266（1）：326-336.

[9]" "张鹏， 王子明， 纪宗正， 等. 苦参碱抑制人雄激素非依赖性PC-3细胞增殖和诱导凋亡的研究[J]. 西安交通大学学报（医学版）， 2009， 30（4）：510-514， 520.

[10]" "张文， 于长海， 李英杰， 等. 肺癌CT值与肿瘤分化程度、病理类型及淋巴结转移相关性的临床研究[J]. 临床肺科杂志， 2011， 16（10）：1554-1555.

[11]" "姜华伟， 于中海， 刘永江. CT值直方图鉴别肺不典型腺瘤样增生和细支气管肺泡癌[J]. 放射学实践， 2006， 21（9）：959-961.

[12]" "赵志艺. 纯磨玻璃结节肺腺癌的CT及灰度直方图特征及其在鉴别诊断中的应用[D]. 长春： 吉林大学， 2019.

[13]" "范涛. 肺癌肿瘤实性区CT强化程度与肿瘤分期及病理类型的相关性分析[J]. 中国医学创新， 2014， 11（22）：37-39.

[收稿日期] 2022-02-09