孤立性肺結節影像學異質性的研究進展

邱錢賽 綜述 馮峰 審校

孤立性肺結節(solitary pulmonary nodules，SPN)是影像上表現為單一、邊界清楚、影像不透明、直徑≤3 cm、周圍為含氣肺組織所包繞的肺部結節病變，無肺不張、肺門增大或胸腔積液的表現[1]。早期肺癌多表現為SPN，早期精準診斷、治療是提高患者生存率的重要措施。異質性是指腫瘤細胞的形態、基因表達、代謝、血管生成、增殖、免疫原性、轉移潛能和耐藥性等方面存在差異，與其生長速度、侵襲能力、對藥物的敏感性、預后等各方面存在緊密的聯系。有研究表明可以采用一些非侵入性的檢查方法來定量評估腫瘤的異質性，如通過不同影像學檢查的特定參數來定量評估SPN的異質性，即影像學異質性[2]。

SPN的影像學診斷方法

1.胸部平片

胸部平片檢出SPN具有便捷、低劑量等優點，但因其密度分辨力不高，同時受到影像重疊、組織結構掩蓋、腫瘤大小、位置及質地等因素，SPN的檢出率并不高。

2.CT

近年來，CT特別是低劑量CT(low-does CT，LDCT)篩查在臨床實踐中的廣泛應用使大量偶發SPN被檢出[3，4]，LDCT在高危患者中的早期篩查可以使肺癌死亡率降低20%[5]。目前，胸部CT仍然是鑒別SPN良惡性的重要手段，主要依據支氣管充氣征、磨玻璃影、空泡征、分葉征、毛刺征、血管集束征、胸膜凹陷征、結節鈣化等形態學特征進行鑒別診斷。然而，形態學診斷依賴于圖像質量及放射科醫師的工作經驗和診斷能力，且疾病出現形態學上的改變一般都明顯晚于基因、分子、代謝及功能改變，因此，僅僅依靠CT形態學表現鑒別SPN良惡性有時存在困難。

3.MRI

MRI具有良好的軟組織分辨力，無電離輻射，能夠多角度地觀測病灶，但由于肺是含氣器官，其內氫原子較少，導致MRI信號較弱，所以肺部影像不夠清晰。MRI的SPN檢出能力不及CT，<1 cm的病灶往往難以顯示，而對于較大的結節，MRI無法顯示結節內部及邊緣的細微特征，并且容易受到呼吸和心臟搏動的影響，因此MRI不作為SPN的常規檢查手段。動態增強MRI(dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI)可以反映血流動力學情況，有助于鑒別良惡性SPN，其靈敏度、特異度和準確率分別為76%～100%，70%～100%和80%～95%[6]。擴散加權成像(DWI)也可以用來區分肺部良惡性病變。有研究顯示信號強度在良惡性肺部病變之間有顯著差異[7]，表明MRI在SPN的診斷上仍有一定的前景[8]。

4.氟脫氧葡萄糖-正電子發射斷層掃描

氟脫氧葡萄糖-正電子發射斷層掃描(fluorodexyglucose-positron emission tomography，FDG-PET)利用腫瘤細胞高代謝的特點，探測葡萄糖高攝取區域，用于惡性腫瘤的診斷、分期和療效評價，對于結節直徑>8～10 mm的腫瘤具有較高的敏感性和特異性[9]。除了臨床特征和TNM腫瘤分期外，最大標準攝取值(maximal standardized uptake value,SUVmax)已被證實是非小細胞肺癌(non-small cell lung cancer，NSCLC)患者生存的獨立預測因子，SUVmax值越高，患者生存率越低。近年發表的一篇meta分析表明PET-CT對鑒別SPN有良好的診斷效能，其診斷敏感度為82%，特異度為81%[10]。但PET-CT掃描時間較久，呼吸運動偽影不可避免[11]。另外，由于PET-CT的普遍性及經濟性都不及CT，故仍未能作為診斷首選和常規檢查。

腫瘤異質性

腫瘤的發生發展由于基因、環境和生活方式等個體化差異存在高度異質性。通常研究的腫瘤內部異質性，是指相同腫瘤的不同細胞之間的基因型與表型存在差別。2012年，新英格蘭雜志報道了關于腎癌異質性的研究，首次引證了腫瘤異質性的存在[12]。目前，越來越多的研究證實，腫瘤異質性是惡性腫瘤的特征之一，是指腫瘤在生長過程中，經過多次分裂增殖，其子細胞呈現出分子生物學或基因方面的改變，從而使腫瘤的生長速度、侵襲能力、對藥物的敏感性、預后等各方面產生差異。一般認為，腫瘤分化程度越低，惡性越高，侵襲性越強，異質性越明顯；腫瘤的異質性呈動態變化，即隨著腫瘤的進展，異質性更加明顯[13]。腫瘤表現出的基因型和表型異質性，具有預后意義，并可能影響對治療的反應。

不同腫瘤的不同誘因和癥狀都可以用基因突變的隨機性來解釋。基因突變的隨機性一方面體現在突變位點的多樣性，另一方面體現在突變后是否致瘤。

影像學檢查可以探究整個病灶內部所有的信息，避免腫瘤異質性造成的偏倚，并且能夠通過對影像數據的分析來評估圖像所反映的異質性。近來，放射組學成為研究熱點，它以整個SPN為研究對象，將畫出的感興趣區域(region of interest，ROI)通過多種自動化數據特征化算法轉換成大量的數據信息，并對其進行高通量定量分析，從而獲取分子生物學的相關信息。

SPN的影像學異質性研究

1.腫瘤異質性概念

腫瘤異質性是惡性腫瘤的特質，影像圖像上有大量的信息可以反映這種異質性。放射組學是指高通量地從CT、MRI及PET影像中提取大量高維的定量影像特征，通過量化分析來提高診斷準確率并進行預測。SPN的診斷研究中，為突破傳統影像學分析的局限性，越來越多的學者引入放射組學的概念，分析SPN的影像學異質性，判斷其惡性程度，實現個體化的精準診斷。

2.圖像紋理

醫學圖像紋理可能部分由組織病理學表型(如壞死、細胞和血管的分布)或基因型決定[14,15]，它是放射組學的核心內容。大多數的影像圖像是三維體素的矩陣，其中每個體素具有與該處結構的信號強度相對應的唯一灰度值，所謂的“圖像紋理”是指體素灰度級空間分布的量化。體素空間灰度級空間分布的復雜程度反映腫瘤異質性，侵襲性越高的腫瘤在圖像上呈現出更為明顯的異質性，且這部分患者的預后相對較差，而隨著治療的進行，圖像上的異質性降低，表明通過圖像紋理分析可以評估腫瘤異質性，由此可以作為影像學生物指標(imaging biomarker，IB)，在SPN的診斷、預后、指導治療及療效評估等方面發揮重要作用。

3.紋理分析

放射組學可以從影像圖像中挖掘出大量的信息，其中反映體素灰度級空間分布的定量化數據稱為圖像紋理參數。紋理分析就是處理這些參數，篩選出能夠反映良惡性SPN具有統計學差異的參數。目前腫瘤異質性研究中最常用的方法包括統計分析法、基于模型分析法及基于變換分析法。

①統計分析法。將圖像重新分割，通常分為16個灰度級，通過直方圖分析得出一階特征，較為典型的有：平均值、標準偏差、峰度以及偏度[16]。在已發表的腫瘤異質性研究中約一半采用直方圖分析法[17]，但由此得到的一階特征缺少反映灰度值空間關系的信息，常需要由高階特征進行補充，較為典型的有：二階矩、對比度、二階熵、逆差矩等，它們可以描述病灶的空間分布復雜性。

②基于模型分析法。基于模型分析法是指利用數學模型從圖像中得出紋理參數。例如分形分析中的分形維數(fractal dimension，FD)是指每重復一次就強化一次特征的自我重復紋理，它是一個介于1和2之間的數字，數值越高，圖像的復雜程度也越高。

③基于變換分析法。基于變換分析法是指將圖像中的空間信息轉換為頻率(傅立葉)信息或尺度和小波信息。一些關于紋理分析的研究已經使用小波分析從醫學圖像中提取臨床上有用的信息[18]。

4.影像學生物標記(IB)

①PET。PET掃描時，FDG攝取不僅與代謝相關，也與血流灌注、細胞增殖、壞死、侵襲性、微血管密度和乏氧狀態等存在一定的相關性。目前，許多研究表明，PET圖像上FDG攝取的非均勻性可以被定量以描述腫瘤內的異質程度[19-21]。

圖像紋理參數的統計學分析是目前腫瘤異質性研究中最常用的方法，PET圖像的紋理分析常用灰度共生矩陣，該矩陣可以統計得到多個參數來反映FDG攝取的空間分布復雜程度，如對比度和二階熵值越高，表明腫瘤異質性越強，從而反映腫瘤的惡性程度越高。Hatt等[22]發現FDG-PET圖像獲得的二階熵能夠預測患者的生存率，異質性和代謝活躍的腫瘤體積被認為是獨立的預后因素。Miwa等[21]對肺結節的FDG-PET圖像進行波形分析，提取肺結節形態學和結節內部異質性特征發現，形態學和密度分形維數與SUVmax相結合可以提高肺癌診斷的準確性。另一項對47例出現轉移并已接受厄洛替尼治療的NSCLC患者的研究發現，在治療過程中，病灶處PET圖像異質性較之前降低，表明PET圖像紋理特征能夠在治療過程中監測療效并預測長期生存率[23]。

②MRI。MRI并不是肺部病變檢測的主流技術手段，但是定量MRI技術是異質性研究的重要影像學方法，通常采用DCE-MRI或DWI。

DCE-MRI可以探測病灶區血管內外血容量的動態變化，進一步定量能夠反映病灶區域血管的通透性和空間分布。腫瘤的生長和轉移有賴于血管的生成，腫瘤的惡性程度越高，其生成的促血管生成因子越多，血管的空間分布越復雜，分析DCE-MRI圖像得到的參數反映的異質性越高。Yoon等[24]對38例肺癌患者進行回顧性分析的研究表明，注入對比劑后，MRI直方圖和圖像紋理參數會發生變化；熵值是反映腫瘤異質性的最可重復的MRI參數，多變量Cox回歸分析顯示熵值也是唯一具有顯著性的2年無進展生存預測因子。前期的這些研究可為SPN的DCE-MRI圖像異質性研究提供參考。

DWI可以檢測體內水分子的擴散運動，水分子的擴散能力可以反映腫瘤的惡性程度。表觀擴散系數(ADC)可以客觀反映水分子在病灶區域的擴散能力。病灶惡性程度越高，其內腫瘤細胞密度越大，ADC值越低。腫瘤內細胞分布存在異質性，比如宏觀上腫瘤深部可能因缺血、缺氧出現明顯壞死，而腫瘤周圍細胞增殖旺盛、細胞密集，因此，ADC可用于反映腫瘤異質性的程度，并為治療決策提供有用的信息。

③CT。CT圖像具有良好的空間分辨力和較小的部分容積效應，圖像上不同灰度的分布代表組織結構的不同，例如腫瘤組織內的壞死、出血改變等會引起局部圖像灰度的不均勻性。CT圖像紋理特征能夠反映組織質地的異質程度，異質程度的高低被證實與SPN的良惡性有關[25]。Kido等[26]計算來自高分辨力CT(high resolution CT，HRCT)圖像上的107個肺結節(包括惡性腫瘤、錯構瘤、機化性肺炎和結核瘤)的FD，結果顯示惡性結節的病灶邊緣三維FD低于機化性肺炎和結核瘤。CT圖像紋理除了與結節的組織病理類型有關，還與其生物學表型存在特定的相關性。Ganeshan等[27]研究14個NSCLC標本發現，缺氧和血管生成的分布與對CT圖像做直方圖分析得出的幾個一階特征之間存在顯著的線性關系。另外，CT圖像異質性分析也用于判斷預后。Aerts等[18]對從1019例肺癌或頭頸癌患者的CT圖像中提取的關于信號強度、形狀、質地的440個定量特征進行影像學分析，包括體素強度的直方圖計算、高階紋理特征以及小波分析，發現其中有大量的圖像紋理特征具有判斷預后的能力。

總結和展望

腫瘤異質性的定義較為寬泛，不同的成像模式以及不同的圖像后處理方式可以得到多種量化腫瘤異質性的參數，這些參數是依據腫瘤微環境中的各種成分的空間位置和大小決定的[14]。

盡管目前的研究提供了鼓舞人心的信息，但是大部分研究樣本量較小，缺乏與現有影像學診斷標準的比較，難以尋找一組參數是可重現的、且可建立標準并引入臨床的。因此，SPN的影像學異質性分析面臨著方法學和數據整合方面的挑戰，主要原因在于各中心之間有不同的圖像采集協議和重建方法，故多中心得到的數據沒有可比性，這是圖像紋理分析難以建立標準的首要障礙。其次，在置放ROI時，選用手動分割還是自動分割目前爭論不斷，雖然部分學者認為手動分割腫瘤是對病灶實際大小的最接近的估計[28]，但也有學者認為由醫生手動分割ROI不僅浪費時間，而且有可能高估病變的大小，從而產生不精確的測量結果，并造成觀察者之間的差異[29]。此外，大量的紋理特征是放射組學的另一大挑戰，其中一些紋理特征可能與其他紋理特征存在線性關聯，因此可能是多余的[30]；另一部分紋理特征因其尺寸依賴性而易產生偏倚；而使用更多的紋理特征可能會產生虛假的關系。因此，SPN影像學異質性分析在方法學和數據整合方面還需不斷探索來解決目前遇到的問題。