中央型小細胞肺癌與鱗癌CT紋理分析參數特征比較

龔恩惠 周永進 李露 曹卓

[摘要] 目的 運用基于CT圖像的紋理分析方法比較中央型小細胞肺癌和鱗癌量化參數特征。 方法 回顧性分析64例經病理證實的中央型肺癌（鱗癌49例，小細胞肺癌15例）患者資料，將所有患者分為小細胞肺癌組（SCLC組）、中高分化鱗癌組（SCC-A組）和低分化鱗癌組（SCC-B組）。患者均于治療前行常規CT平掃和增強掃描，對腫瘤實質部分勾畫感興趣區域（ROI），利用后處理軟件分別計算相應的紋理參數平均值、峰度值、偏度值及不均質度值。采用單因素方差分析（one-way ANOVA）或Kruskall-Wallis H檢驗比較三組肺癌平掃和增強CT紋理參數的差異，并對有統計學差異的參數值繪制受試者操作曲線（ROC），計算相應臨界值的敏感度、特異度及曲線下面積（AUC）。 結果 平掃和增強SCC-A組不均質度值明顯高于SCLC組和SCC-B組，峰度值明顯低于SCLC組和SCC-B組，差異有統計學意義（P<0.05）。ROC結果顯示，平掃圖像：鑒別SCC-A組與SCLC組和SCC-A組與SCC-B組，不均質度值和峰度值的AUC分別為0.851（95%CI：0.711～0.940）、0.786（95%CI：0.646～0.890）、0.772（95%CI：0.621～0.885）、0.703（95%CI：0.556～0.825）;增強圖像：鑒別SCC-A組與SCLC組和SCC-A組與SCC-B組，不均質度值和峰度值的AUC分別0.906（95%CI：0.779～0.973）、0.831（95%CI：0.697～0.923）、0.862（95%CI：0.725～0.947）、0.745（95%CI：0.600～0.859）。 結論 平掃和增強CT紋理參數峰度值和不均質度值可有效鑒別小細胞肺癌與中高分化鱗癌以及中高分化鱗癌與低分化鱗癌，可以提供比平均CT值更多的量化信息，有助于為臨床提供更多鑒別二者的定量信息。

[關鍵詞] 計算機斷層影像;紋理分析方法;小細胞肺癌;鱗癌

[中圖分類號] R730.44;R734.2? ? ? ? ? [文獻標識碼] A? ? ? ? ? [文章編號] 1673-9701（2019）21-0013-04

Comparison of parameters of CT texture analysis between central small cell lung cancer and squamous cell carcinoma

GONG Enhui1? ?ZHOU Yongjin2? ?LI Lu1? ?CAO Zhuo1

1.Department of Respiratory， Lishui People's Hospital in Zhejiang Province， Lishui? ?323000， China; 2.Department of Radiology， Lishui Central Hospital in Zhejiang Province， Lishui? ?323000， China

[Abstract] Objective To compare the quantitative parameters of central small cell lung cancer and squamous cell carcinoma using CT image-based texture analysis. Methods The data of 64 patients with pathologically confirmed central lung cancer（49 cases of squamous cell carcinoma， 15 cases of small cell lung cancer） were retrospectively analyzed. All the patients were divided into small cell lung cancer group（SCLC group）， moderately and highly differentiated squamous cell carcinoma group（SCC-A group） and poorly differentiated squamous cell carcinoma（SCC-B group）. All patients underwent routine CT scan and enhanced scan before treatment， and the region of interest（ROI） was delineated in the parenchyma of the tumor. The post-processing software was used to calculate the mean， kurtosis， skewness and inhomogeneity of the corresponding texture parameters. One-way ANOVA or Kruskall-Wallis H test was used to compare the differences between the routine CT scan and enhanced CT texture parameters of the three groups of lung cancer. And the receiver operating curve（ROC） was plotted against the statistically significant parameter values. The sensitivity， specificity， and area under the curve（AUC） of the corresponding threshold were calculated. Results The level of heterogeneity in the routine CT scan and enhanced CT SCC-A group was significantly higher than that in the SCLC group and the SCC-B group. The kurtosis value of SCC-A group was significantly lower than that in the SCLC group and the SCC-B group（P<0.05）. The ROC results showed that the in the routine CT scan image， the AUC of the heterogeneity value and the kurtosis value of identifying SCC-A group and SCLC group and SCC-A group and SCC-B group was 0.851（95%CI：0.711-0.940），0.786（95%CI：0.646-0.890）、0.772（95%CI：0.621-0.885），0.703（95%CI：0.556-0.825）respectively. In enhanced CT image， the AUC of the heterogeneity value and the kurtosis value of identifying SCC-A group and SCLC group and SCC-A group and SCC-B group， were 0.906（95%CI： 0.779-0.973）， 0.831（95%CI： 0.697-0.923）， 0.862（95%CI： 0.725-0.947）， 0.745（95%CI： 0.600-0.859）， respectively. Conclusion The results show that the routine and enhanced CT texture parameters kurtosis and heterogeneity values can effectively identify small cell lung cancer and moderately， well differentiated squamous cell carcinoma as well as moderately well differentiated squamous cell carcinoma and poorly differentiated squamous cell carcinoma， which can provide more quantifying information than the average CT value. And it helps to provide more quantitative information about the two methods.

[Key words] Computed tomography; Texture analysis; Small cell lung cancer; Squamous cell carcinoma

肺癌已成為臨床上最常見的惡性腫瘤之一，嚴重危及人類生命。中央型肺癌（central lung cancer，CLC）是起自三級支氣管以內的肺癌，病理類型尤以鱗癌（squamous cell carcinoma，SCC）和小細胞癌（small cell lung cancer，SCLC）居多[1]。目前臨床上主要以螺旋CT作為篩查和診斷中央型肺癌的首選檢查方法，而中央型SCC與SCLC兩者在影像學鑒別診斷上存在一定的困難。既往多項研究已從形態學上對二者的鑒別進行定性分析。而采用CT紋理分析方法進行定量分析的研究尚少。CT紋理分析可以通過計算病灶范圍內的CT值分布特征及圖像灰度紋理特征來描述腫瘤異質性，由此可以對不同的腫瘤組織及同一腫瘤的分化程度進行區分。目前已有較多研究用于肺癌的分化程度的評估[2，3]，而對不同類型的中央型肺癌中小細胞肺癌與鱗癌的定量評估的研究尚少。因此，本研究的目的旨在通過回顧性分析經病理證實的中央型小細胞肺癌與鱗癌，比較二者的CT紋理參數特征，以期為臨床提供更多定性分析之外的定量信息。

1 資料與方法

1.1 一般資料

回顧性分析我院2015年1月～2018年1月間64例中央型肺癌患者。包括鱗癌和小細胞型肺癌，其中鱗癌分為中高分化鱗癌組（SCC-A）和低分化鱗癌組（SCC-B），SCC-A組29例，平均年齡（63.62±7.18）歲，SCC-B組20例，平均年齡（64.45±6.04）歲;小細胞肺癌組（SCLC）15例，平均年齡（54.27±8.87）歲。鱗癌的分期依據AJCC癌癥分期標準[4]，小細胞肺癌以臨床上最常用的美國退伍軍人醫院分期系統為標準[5]，鱗癌患者為ⅡA～ⅢB期，小細胞肺癌患者為局限期。納入標準：①所有患者均行胸部增強CT檢查;②患者經病理診斷（穿刺活檢、支氣管鏡或手術）證實為鱗癌或小細胞肺癌;③所有患者檢查前均未接受過任何放療、化療、免疫治療及介入治療。排除標準：①肺癌所致明顯阻塞性肺炎遮蓋原發腫塊者;②遠處轉移者。

1.2 檢查方法

采用 Philips 256層螺旋 CT行胸部平掃和增強掃描，患者取仰臥位，雙手上舉，深吸氣后摒氣掃描，掃描范圍包括整個肺部，掃描參數：管電壓為120 kV，管電流為250 mAs，螺距為1.0，矩陣512×512，視野 280×400 mm，重建層厚5 mm。采用非離子碘對比劑碘海醇（每毫升含碘 300 mg）80～100 mL經肘靜脈注射，速率 3.5 mL/s，追加生理鹽水 30 mL。行動脈期及靜脈期掃描，動脈期為注射造影劑后25 s開始掃描，靜脈期為動脈期完成后30 s開始掃描。所有掃描圖像自動傳入PACS系統。

1.3 圖像分析

選擇平掃和增強Ⅱ期圖像進行數據分析，使用FireVoxel（http：//cai2r.net/）后處理軟件獲取紋理分析參數，包括平均圖像灰度值、偏度值（Skewness）、峰度值（Kurtosis）、不均質度值（Inhomogeneity），將平均灰度值通過公式HU（Hounsfield Unit）=pixel value×slope+intercept轉換成平均CT值[6]。由2名具有肺癌診斷經驗的醫生獨立勾畫感興趣區域（region of interest，ROI），于縱隔窗選擇病灶橫斷面最大層面，沿病灶輪廓邊緣勾畫ROI，平掃和增強Ⅱ期圖像ROI盡可能置于相同區域，最后將所得結果以Excel形式導出進行分析。見封三圖1。

1.4 統計學方法

采用SPSS 23.0軟件進行統計學處理，利用Shapiro-Wilk對各組紋理參數值進行正態性檢驗。符合正態分布的參數以（x±s）形式表示，不符合正態分布的參數以M（P25，P75）形式表示。運用單因素方差分析（one-way ANOVA）或Kruskall-Wallis H檢驗，LSD（Least-significant difference）或Nemenyi法進行參數間兩兩比較。采用受試者工作特征曲線（receiver operating characteristic curve，ROC）確定小細胞肺癌與中高分化鱗癌、中高分化鱗癌與低分化鱗癌間的診斷效能。P<0.05為差異有統計學意義。

2 結果

2.1 三組平掃及增強Ⅱ期各參數比較

平掃、增強Ⅱ期SCLC組與SCC-B組的峰度值大于SCC-A組，不均質度值小于SCC-A組，差異有統計學意義（P<0.05）;SCC-B組與SCLC組間參數無明顯統計學差異（P>0.05）;平均CT值、偏度值參數在三組間差異無統計學意義（P>0.05）。見表1。

2.2 三組紋理參數ROC曲線分析

平掃CT 圖像不均質度值、峰度值能鑒別SCC-A組與SCLC組的敏感度為96.6%、71.7%，特異度為73.3%、100.0%，曲線下面積分別為0.851（95%CI：0.711～0.940）、0.772（95%CI：0.621～0.885）;鑒別SCC-A組與SCC-B組敏感度為93.1%、61.4%，特異度為60.0%、95.0%，曲線下面積分別為0.786（95%CI：0.646～0.890）、0.703（95%CI：0.556～0.825）。增強Ⅱ期圖像不均質度值、峰度值能鑒別SCC-A組與SCLC組的敏感度為96.6%、79.3%，特異度為90.0%、86.7%，曲線下面積分別為0.906（95%CI：0.779～0.973）、0.862（95%CI：0.725～0.947）;鑒別SCC-A組與SCC-B組參數不均質度值、峰度值敏感度為96.6%、89.7%，特異度為60.0%、55.0%，曲線下面積分別為0.831（95%CI：0.697～0.923）、0.745（95%CI：0.600～0.859）。見封三圖2。

3討論

中央型肺癌在臨床上以鱗癌與小細胞肺癌居多[1]。中央型SCC早期局限性于支氣管黏膜，隨病變進展形成腫塊，導致支氣管部分或完全阻塞[7，8]。中央型SCLC為大支氣管壁黏膜下腫瘤浸潤生長，支氣管壁受壓，形成包繞支氣管壁的管外型腫塊[9]。由于二者易發生于肺門周圍且存在相似特征，二者的辨別仍存在一定的困難。雖然較多研究者對中央型鱗癌與小細胞肺癌的形態學特征等方面進行了定性分析，認為二者在一定的程度上可以進行區分[9-11]。本研究中，通過對鱗癌與小細胞肺癌的平掃和增強CT圖像提取紋理特征，以定量的方式來區分二者的差異。

CT紋理分析獲得的多個參數可以定量評估腫瘤的異質性，多項研究表明基于紋理分析方法在量化評估腫瘤組織特征特征方面較傳統平均CT值能獲得更多的信息[12，13]。峰度值參數可以用來量化評估感興趣區域內CT值頻數分布的陡緩程度。當為正值時，隨值增大逐漸陡峭;而為負值時，隨值負向增大分布越來越平坦。偏度值是用來量化數值分布形態的，描述數值分布的對稱性形態的參數。當值為負時，稱左偏態，此時數據位于均值左邊的較位于右邊的少;當值為正值時，稱右偏態，此時數據位于均值右邊的較位于左邊的少。不均質度反映的是感興趣區域內提取的圖像灰度值的離散程度，可以反映腫瘤不均質性。

本研究中，平掃和增強Ⅱ期圖像獲得的參數中，小細胞肺癌組的不均質度值均小于中高分化鱗癌組，峰度值均高于中高分化鱗癌組，差異有統計學意義（P<0.05）。從病理學特征方面來看，低分化鱗癌細胞核高度多形性，細胞有絲分裂活躍，癌細胞角蛋白和細胞間橋缺乏[14]。同樣，小細胞肺癌亦為低分化癌[15]、癌細胞小而致密的小圓細胞、細胞核高度多形性以及細胞有絲分裂計數很高[16]，這些低分化特征使二者的峰度值明顯高于中高分化鱗癌，這與彭曉容等[2]的研究結果一致。

肺鱗癌易形成液化壞死、空洞和鈣化，中高分化鱗癌尤為明顯[17]，這些混雜成分使腫瘤不均質度性增加，而小細胞肺癌由致密的小圓細胞構成，癌細胞成分單一，不易形成壞死、鈣化[18]，因而小細胞肺癌的不均質度較中高分化鱗癌低。研究表明增強掃描可以更好地反映腫瘤的異質性，由于增強的強化程度是反映腫瘤內血管化的重要指標，增強圖像顯示腫瘤的異質性主要與非均質血管形成相關，同時對比度增強亦與缺氧之間存在聯系[19]，而鱗癌血供相對不豐富，腫瘤在增強后易形成不均勻強化[11，17]，這是增強圖像鱗癌不均質度比小細胞肺癌要高的原因。小細胞肺癌與低分化鱗癌相比，平掃和增強二者參數間均無顯著差異，這與二者均為低分化程度腫瘤有關，使量化信息特征差異不大。

平掃和增強掃描均可以獲得較平均CT值更多的量化信息，不均質度值和峰度值均能較好的鑒別中高分化鱗癌組與小細胞肺癌組，而不均勻度值和峰度值鑒別中高分化鱗癌組與低分化鱗癌組的結果稍差于前者。ROC曲線對兩組腫瘤的診斷鑒別價值進行分析評估，AUC越靠近1.0說明診斷價值越大，越靠近0.5時診斷價值越低，平掃和增強掃描圖像的不均勻度值和峰度值診斷兩組腫瘤的AUC均大于0.7，當鑒別中高分化鱗癌與小細胞肺癌時，增強掃描圖像的不均勻度值的AUC最大達0.906，并且敏感度和特異度均大于90.0%，表明不均勻值在鑒別中高分化鱗癌與小細胞肺癌的診斷價值最高，這與兩組腫瘤中不同病理類型及分化程度的腫瘤組織成分存在差異相關[10，11]。當對不同組的腫瘤組織的不均勻度值和峰度值的ROC曲線進行比較時，發現增強Ⅱ期的不均勻度值和峰度值曲線下面積均大于平掃，表明增強掃描可能較平掃更為敏感。鱗癌血供相對不豐富，組織成分混雜多樣，增強后呈不均勻強化[11，17];而小細胞肺癌的腫瘤成分單一，血供相對豐富，增強后腫瘤易傾向于均勻強化[16，20]，因而增強掃描較平掃更能反映組織的血管化情況，對組織血供特征能較好顯示。

本研究存在以下局限性，第一，研究所納入的病例數相對較少，亦未納入其他病理類型的肺癌，需進一步擴大樣本證實不同類型肺癌的紋理分析參數的差異。第二，本研究中紋理分析量化參數較少，后續可提取更多的紋理分析參數來量化二者的差異。

綜上所述，CT紋理分析方法獲取的量化參數可在形態學及常規平均CT值之外對中央型鱗癌與小細胞肺癌的區分提供一些額外的定量信息，對臨床的診斷和及時干預治療有一定的指導意義。

[參考文獻]

[1] Liu D，Guo Y，Shi B，et al. Tracheal carinal reconstruction and bronchovasculoplasty in central type bronchogenic carcinoma[J]. Zhongguo Fei Ai Za Zhi，2010，13（4）：352-356.

[2] 彭曉容，馬春濃，陳恩炎. 增強CT直方圖分析與肺癌組織分化程度的相關性研究[J]. 醫學影像學雜志，2017， 27（9）：1698-1700.

[3] 張娜，武志峰. CT紋理分析在肺癌診斷中的應用研究進展[J]. 中國現代醫藥雜志，2018，56（2）：95-98.

[4] Cuccurullo V，Mansi L. AJCC cancer staging handbook： From the AJCC cancer staging manual（7th edition）[J]. European Journal of Nuclear Medicine & Molecular Imaging，2011，38（2）：408.

[5] 陳克能. 小細胞肺癌與TNM分期[J]. 中國肺癌雜志，2016，（6）：409-412.

[6] 莊天戈. CT 原理與算法[M]. 上海：上海交通大學出版社，1992：9-10.

[7] Chiles C. Imaging features of thoracic sarcoidosis[J]. Semin Roentgenol，2002，37（1）：82-93.

[8] 孫惠玉，樸相茂，李相國，等. CT引導下經皮肺穿刺活檢在中央型肺癌診斷中的應用[J]. 中國現代醫生，2014， 52（16）：87-89.

[9] 韋文樺，何啟輝，陳乾. 小細胞肺癌的CT征象、診斷和鑒別診斷[J]. 中國現代醫生，2013，51（4）：86，88.

[10] 李小會，劉國艷，劉雪梅. 中央型小細胞肺癌與鱗癌的多層螺旋CT比較研究[J]. 數理醫藥學雜志，2017，30（6）：825-826.

[11] 管恒星，周永，阿里甫，等. 中央型小細胞肺癌與鱗癌的多層螺旋CT比較研究[J]. 中國醫學影像學雜志，2015， 23（9）：686-690.

[12] 胡征宇，沈起鈞，馮湛，等. CT紋理分析在量化胰腺囊腺瘤影像表型中的診斷價值[J]. 中華胰腺病雜志，2017， 17（5）：330-334.

[13] Andersen MB，Harders SW，Ganeshan B，et al. CT texture analysis can help differentiate between malignant and benign lymph nodes in the mediastinum in patients suspected for lung cancer[J]. Acta Radiol，2016，57（6）：669-676.

[14] Matoba M，Tonami H，Kondou T，et al. Lung carcinoma： diffusion-weighted mr imaging-preliminary evaluation with apparent diffusion coefficient[J]. Radiology，2007，243（2）：570-577.

[15] Fukushima T，Tateishi K，Yamamoto H，et al. Clinical characteristics and outcomes of patients with small cell lung cancer detected by CT screening[J]. Med Oncol，2013， 30（3）：623.

[16] Junker K，Wiethege T，Müller KM. Pathology of small-cell lung cancer[J]. J Cancer Res Clin Oncol，2000，126（7）：361-368.

[17] Oliver TG，Patel J，Akerley W. Squamous non-small cell lung cancer as a distinct clinical entity[J]. Am J Clin Oncol，2015，38（2）：220-226.

[18] Lee D，Rho JY，Kang S，et al. CT findings of small cell lung carcinoma： Can recognizable features be found？[J]. Medicine（Baltimore），2016，95（47）：e5426.

[19] Ganeshan B，Goh V，Mandeville HC，et al. Non-small cell lung cancer： histopathologic correlates for texture parameters at CT[J]. Radiology，2013，266（1）：326-336.

[20] 江海濤，阮磊，楊建濤，等. 小細胞肺癌的CT表現與腫瘤標志物NSE、CYF21-1、CEA的相關性研究[J]. 中國現代醫生，2018，56（12）：16-19.