CT圖像紋理分析鑒別診斷磨玻璃密度肺腺癌的浸潤性

羅 婷，張 崢，李 昕，郭 妍，張立娜*，徐 克*

(1.中國醫科大學附屬第一醫院放射科，遼寧 沈陽 110000；2.GE醫療，上海 200000)

CT圖像紋理分析鑒別診斷磨玻璃密度肺腺癌的浸潤性

羅 婷1，張 崢1，李 昕2，郭 妍2，張立娜1*，徐 克1*

(1.中國醫科大學附屬第一醫院放射科，遼寧 沈陽 110000；2.GE醫療，上海 200000)

目的探討CT圖像紋理分析鑒別診斷表現為磨玻璃密度結節的肺腺癌浸潤性的價值。方法收集在我院接受肺部CT檢查且手術病理證實為肺腺癌患者100例(浸潤性腺癌56例，非浸潤性腺癌44例)。隨機選擇69例為訓練組，31例為驗證組。使用A.K.(Analysis-Kinetics)分析軟件進行影像特征提取；Kruskal-Wallis非參數檢驗和Spearman相關性分析進行特征降維；使用R語言軟件包“GLM”函數，建立Logistic回歸模型；以交叉驗證方法對回歸模型進行檢驗。采用ROC曲線評價獨立預測因素的診斷效能。結果影像特征提取得到396個影像組學特征，經降維最終得到與鑒別肺非浸潤腺癌與浸潤腺癌最相關的參數3個，建模后驗證Logistic回歸模型示其診斷準確率為83.30%，敏感度及特異度分別為77.80%、91.70%。結論CT圖像紋理分析可有效鑒別表現為磨玻璃密度結節肺腺癌的浸潤性。

體層攝影術，X線計算機；肺腫瘤；紋理分析；影像組學

肺內惡性磨玻璃密度結節在病理上對應為原位癌(adenocarcinomas in situ, AIS)、微浸潤性腺癌(minimally invasive adenocarcinoma, MIA)或浸潤性腺癌(invasive pulmonary adenocarcinomas, IPA)。2011年肺腺癌國際多學科分類標準指出，浸潤前病變即原位癌和微浸潤性腺癌接受肺段切除后的5年無病生存率接近100%，而浸潤性腺癌仍以肺葉切除為主，且術后5年無病生存率<90%[1-2]。因此，術前準確鑒別肺浸潤性病變對手術方式的選擇以及患者預后的評估有指導作用。術前肺穿刺活檢因取材受限常無法準確反應整體病灶的浸潤性。傳統CT圖像難以準確鑒別以磨玻璃密度結節為主要表現的AIS、MIA和IPA。紋理分析方法可對影像圖像進行分割，定量提取內部大量特征信息，并對所獲得的特征數據進行挖掘、分析，有效地鑒別腫瘤性質，對腫瘤進行病理分型，預測預后，規劃治療方案等[3]。本研究旨在使用CT圖像紋理分析方法鑒別肺磨玻璃密度結節的浸潤性，并評價其診斷效能。

1 資料與方法

1.1 一般資料 收集2014年2月—2016年11月于我院增強CT檢出肺磨玻璃密度結節且直徑<30 mm的患者100例，男26例，女74例,年齡35～78歲，平均(56.5±8.6)歲。所有患者CT檢查前均未接受活檢、放療、化療等操作或治療，且均于CT檢查后2周內接受手術治療，最終病理證實為肺腺癌。

1.2 儀器與方法 采用Siemens Somatom Definition FLash雙源CT機。患者取仰臥位，雙臂上舉，于吸氣末進行全肺掃描。參數:管電壓100 kV 或140 kV,管電流Care Dose 4D,掃描層厚2 mm，重建層厚2 mm，重建層間距2 mm，矩陣512×512，FOV 350 mm×350 mm。增強掃描采用雙筒高壓注射器于肘靜脈注射70～90 ml非離子型對比劑碘普羅胺，注射速度2.5～3.0 ml/s，注射30～40 s后獲得動脈期圖像。

1.3 紋理特征提取 將所有患者薄層增強CT圖像(肺窗)導入A.K.分析軟件(Analysis-Kinetics，GE)，由1名從事胸部影像診斷12年的影像醫師在不知曉病理結果的情況下對病灶逐層勾畫ROI，ROI的大小取決于病變大小且盡量與病灶邊緣保持一致。軟件自動計算得到圖像形態、亮度等相關特征參數以及基于灰度共生矩陣和步長矩陣等的高階紋理特征參數。

1.4 建立預測模型 按照7∶3的比例，經計算機任意選取69例患者作為訓練組(非浸潤腺癌32例、浸潤腺癌37例)，31例作為驗證組(非浸潤腺癌12例、浸潤腺癌19例)。將獲得的紋理特征參數全部導入R語言軟件包，剔除結果為nan或Inf的特征參數，得到剩余特征；再經特征預處理和降維得特征紋理參數，利用R語言軟件包中的“GLM”函數建立線性回歸(Logistic linear regression， LLR)模型。以交叉驗證方法(10折，重復10次)對LLR模型進行檢驗，并繪制ROC曲線，計算其鑒別磨玻璃密度肺腺癌的浸潤性的敏感度和特異度。

1.5 統計學分析 使用R語言軟件(R Studio Version 1.0.143-?2009-2016 R Studio, Inc.)進行統計學分析。以病理結果為金標準，采用Kruskal-Wallis非參數檢驗統計肺非浸潤腺癌與浸潤腺癌有統計學差異的影像學特征；Spearman相關性分析進行特征去冗余，剔除自相關性系數高于0.9(|r|>0.9)的紋理參數，得到最終特征參數。ROC曲線下面積(area under curve, AUC)為0.5～0.7時其診斷價值較低，>0.7～0.9時診斷價值中等，>0.9時診斷價值較高。P<0.05為差異有統計學意義。

2 結果

100例患者中，非浸潤性肺癌44例，病灶平均最大直徑(1.44±0.69)cm，浸潤性肺癌56例，病灶平均最大直徑(1.89±0.62)cm(圖1)。

將圖像導入R語言軟件包，得到基于病灶大小、邊緣形態、位置信息、灰度共生矩陣、灰度步長矩陣算法等的影像組學特征共396個，剔除肺非浸潤腺癌與浸潤腺癌間差異無統計學意義的參數，剩余14個特征；再進行特征去冗余，剔除自相關性高的參數，剩余3個特征，分別為熵總值、聚類萌、球面不對成性。影像組學得分計算公式如下：影像組學得分=-24.946 20+聚類萌×0.000 007 864 712+熵總值×20.567 46+球面不對成性×5.676 74利用Logistic回歸分析方法對3個特征紋理參數建立預測模型并進行交叉驗證。訓練組非浸潤腺癌與浸潤腺癌影像組學得分分別為-0.54(-1.39～0.10)、1.04(0.33～2.59)，差異有統計學意義(P=0.04)。ROC曲線分析示驗證組AUC為83.30%[95%CI(60.60%,90.72%)]，其鑒別診斷非浸潤腺癌與浸潤腺癌的敏感度、特異度及準確率分別為77.80%、91.70%、83.30%(圖2)。

圖1 磨玻璃密度肺腺癌 A.左肺上葉純磨玻璃密度結節，病理顯示為原位癌伴局部微浸潤； B.右肺上葉以磨玻璃密度為主的混合磨玻璃密度結節，病理顯示為腺癌樣生長 圖2 驗證組ROC曲線鑒別磨玻璃密度肺腺癌的診斷效能

3 討論

傳統采用術前穿刺活檢或高年資影像醫師CT圖像判讀法判斷表現為磨玻璃密度結節肺腺癌的浸潤性。但由于穿刺活檢取材受限，穿刺病理結果常難以準確判斷整體病灶的侵襲性，且為有創檢查，存在著一定的操作風險和結果的不確定性[3]。傳統CT圖像判讀多依據病變大小、實性成分大小及占比、形態、邊緣、內部特征(空泡征、增粗小血管等)、周邊特征(胸膜牽拉、血管聚集等)判斷病灶的侵襲性。研究[4-5]表明，混合磨玻璃結節中實性成分占比越高，說明其更具惡性侵襲性。病灶病理惡性等級越高，出現胸膜牽拉征的比例越高[6]。Lee等[7]發現胸膜牽拉、實性成分大小以及實性成分占比3個因素均為鑒別浸潤性肺腺癌的獨立危險因素。實際臨床應用中，不同級別和資歷的醫師對上述影像特征的理解和認識存在著一定差異，判別能力也各不相同，且傳統圖像特征分析存在操作復雜、人為因素影響大、影像特征特異性不足等問題，影響臨床圖像判讀的準確性。

影像組學利用數學算法提取影像圖像高維復雜特征，并通過對影像數據深度挖掘來定量分析腫瘤異質性，目前已被證實可有效提高診斷準確率[3]。肺CT紋理分析基于定量分析的優勢，已被逐漸應用于肺結節的行為預測，為早期診斷和個體化治療提供臨床依據[8-9]。本研究使用基于CT圖像的紋理分析方法提取磨玻璃密度結節的影像特征，并經降維得到3個特征紋理參數，利用Logistic回歸分析方法建立基于特征紋理參數的預測模型，用以鑒別以磨玻璃結節為影像學特征的肺腺癌的浸潤性，并在驗證組中得到了較好的結果。本研究經交叉驗證檢驗，基于CT圖像紋理特征的預測模型對鑒別磨玻璃密度結節肺腺癌浸潤性的準確率為83.30%。Ma等[10]從127例肺結節圖像中提取了大量影像組學紋理特征，并分析得出紋理特征鑒別診斷良惡性結節的準確率為82.70%，與本研究結果類似。紋理特征表明異質性越高，包括熵和一致性，反映病灶的惡性程度越高[11]。Lee等[12]單獨運用臨床和CT圖像特征分析，其鑒別診斷亞實性結節的準確率為79.00%，但前者結合紋理分析之后，鑒別準確率高達92.90%。說明紋理分析可在一定程度上幫助放射科醫師提高閱片的準確率，為精準的臨床診斷提供可靠依據。

本研究存在一定局限性：①本研究為回顧性單中心研究，樣本存在偏倚；②3D ROI的勾畫采用二維手動勾畫，而自動或半自動的ROI選擇會節省更多人力，ROI的變異性也會較小；③預測模型僅建立在紋理分析參數基礎之上，未考慮相關臨床影響因素。

綜上所述，基于CT圖像紋理分析的預測模型可較好區分以磨玻璃密度結節為主要影像學表現的肺腺癌是否為浸潤性病變，可為患者術前手術方式選擇和術后預后評估提供重要參考。

[1] Travis WD, Brambilla E, Noguchi M, et al. International association for the study of lung cancer/American thoracic society/European respiratory society international multidisciplinary classification of lung adenocarcinoma. J Thorac Oncol, 2011,6(2):244-285.

[2] Van Schil PE, Asamura H, Rusch VW, et al. Surgical implications of the new IASLC/ATS/ERS adenocarcinoma classification. Eur Respir J, 2012,39(2):478-486.

[3] Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[4] Matsuguma H, Oki I, Nakahara R, et al. Comparison of three measurements on computed tomography for the prediction of less invasiveness in patients with clinical stage I non-small cell lung cancer. Ann Thorac Surg, 2013,95(6):1878-1884.

[5] Ohde Y, Nagai K, Yoshida J, et al. The proportion of consolidation to ground-glass opacity on high resolution CT is a good predictor for distinguishing the population of non-invasive peripheral adenocarcinoma. Lung Cancer, 2003,42(3):303-310.

[6] Takashima S, Maruyama Y, Hasegawa M, et al. CT findings and progression of small peripheral lung neoplasms having a replacement growth pattern. AJR Am J Roentgenol, 2003,180(3):817-826.

[7] Lee SM, Park CM, Goo JM, et al. Invasive pulmonary adenocarcinomas versus preinvasive lesions appearing as ground-glass nodules: Differentiation by using CT features. Radiology, 2013,268(1):265-273.

[8] Wilson R, Devaraj A. Radiomics of pulmonary nodules and lung cancer. Transl Lung Cancer Res, 2017,6(1):86-91.

[9] Gillies RJ, Kinahan PE, Hricak H, et al. Radiomics: Images are more than pictures, they are data. Radiology, 2016,278(2):563-577.

[10] Ma J, Wang Q, Ren Y, et al. Automatic lung nodule classification with radiomics approach//Medical Imaging 2016: PACS and Imaging Informatics: Next Generation and Innovations, 2016:978906.

[11] Son JY, Lee HY, Lee KS, et al. Quantitative CT analysis of pulmonary ground-glass opacity nodules for the distinction of invasive adenocarcinoma from pre-invasive or minimally invasive adenocarcinoma. PloS One, 2014,9(8):e104066.

[12] Lee SH, Lee SM, Goo JM, et al. Usefulness of texture analysis in differentiating transient from persistent partsolid nodules(PSNs): A retrospective study. PLoS One, 2014,9(1):e85167.

CTtexturefeaturesindifferentialdiagnosisofinvasionofgroundpulmonaryadenocarcinomamanifestingglassdensitynodule

LUOTing1,ZHANGZheng1,LIXin2,GUOYan2,ZHANGLina1*,XUKe1*

(1.DepartmentofRadiology,theFirstHospitalofChinaMedicalUniversity,Shenyang110000,China;2.GEHealth,Shanghai200000,China)

ObjectiveTo explore the value of CT texture analysis in differential diagnosing invasion of pulmonary adenocarcinoma manifesting ground glass density nodule.MethodsTotally 100 patients with pulmonary adenocarcinoma manifesting ground glass density nodule (56 invasive adenocarcinomas and 44 non-invasive adenocarcinomas) confirmed by pathology underwent CT scanning. Patients were randomly divided into training group (n=69) and validation group (n=31). Image features were extracted using A.K. (Analysis-Kinetics) analysis software, and feature dimensionality reduction was conducted withKruskal-WallisandSpearmananalysis. TheLogisticmodel was established with R language package "GLM" function, then regression model was tested with cross-validation method. ROC curve analysis was performed to evaluate the differentiating value of identified variables.ResultsTotally 396 texture parameters were obtained from imaging features, and of which 3 features had the relationship with differential diagnosis of invasion of pulmonary adenocarcinoma manifesting ground glass density nodule. ROC curve showed that area under the curve of theLogisticmodel in validation group was 83.30%, and the sensitivity and specificity were 77.80% and 91.70%, respectively.ConclusionTexture analysis has the potential to improve the differentiation of invasion of pulmonary adenocarcinoma manifesting ground glass density nodule.

Tomography, X-ray computed; Lung neoplasms; Texture analysis; Radiomics

R734.2; R814.42

A

1003-3289(2017)12-1788-04

公益性行業科研專項(201402013)、國家自然科學基金青年科學基金(81301222)、遼寧省科技廳項目(2012020073-302)。

羅婷(1994—)，女，安徽馬鞍山人，在讀碩士。研究方向：胸部影像診斷。E-mail: luotingemma56@163.com

張立娜，中國醫科大學附屬第一醫院放射科，110000。E-mail: zhanglnda@163.com

徐克，中國醫科大學附屬第一醫院放射科，110000。E-mail: kexu@vip.sina.com

2017-09-30

2017-11-09

10.13929/j.1003-3289.201709175