含瘤周移行帶影像組學模型預測肺腺癌病理分級

陳歡，梁明柱，雷益，李昕，謝傳淼，張蘭軍，柳學國

肺癌是我國發病率及死亡率最高的癌癥，其中男性中肺癌的發病率及死亡率高居首位，女性中肺癌的發病率居第二位，但死亡率高居首位[1-2]。肺腺癌是肺癌最常見的組織學亞型，其發病率逐年上升，其中80%以上的肺腺癌屬于混合型。2011年新的肺腺癌分級系統中引入了原位腺癌(adenocarcinoma in situ，AIS)和微浸潤腺癌(microinvasive adenocarcinoma，MIA)的概念。浸潤性肺腺癌的分類以癌細胞的主要生長方式命名，其分型包括貼壁為主型、腺泡為主型、乳頭為主型、實性為主型和微乳頭為主型，提倡對浸潤性腺癌進行完整、詳細的組織學診斷模式[3-4]。肺腺癌的組織學異質性是腫瘤預后的重要影響因素[5]。

影像組學指從醫學影像圖像(CT、MRI、PET等)中高通量地提取大量影像信息，深層次挖掘、預測和分析影像信息，輔助醫師做出最準確的診斷。影像組學的理論假設是微觀層面的基因或蛋白質模式改變可在宏觀影像學特征上有所表達，已經在一系列研究中得到初步驗證[6-10]。Choi等[11]和等Bae[12]基于全瘤體ROI法分析了實體腫瘤的影像組學特征與肺腺癌病理分級、組織學異質性的的相關性。顯微病理上肺腺癌與正常肺組織之間存在不同程度的移行帶，范圍約1～5 mm，平均3.5 mm[13]，含有與淋巴管、血管浸潤相關的豐富信息，與病變的轉移和預后密切相關[5,14]。此外，腫瘤的預后與免疫微環境相關，腫瘤周圍的移行帶內可見參與免疫應答反應的炎性細胞，如巨噬細胞和T淋巴細胞[15-16]。腫瘤可見邊緣向內外擴展3和6mm組織的影像組學模型對預測腫瘤預后、指導治療方案的制訂等具有重要的臨床意義[17]。

本研究中通過在勾畫ROI時自動沿腫瘤可見邊緣外擴5 mm，利用包含有腫瘤周邊微環境信息的瘤周影像組學模型來預測肺腺癌的病理分級并與瘤內影像組學模型進行對比，旨在探討這種方法對預測肺腺癌病理分級的效能。

材料與方法

1.研究對象

回顧性分析2012年1月-2017年10月在中山大學附屬腫瘤醫院經手術病理證實的肺癌患者的臨床資料及CT圖像。納入標準：經病理證實為肺腺癌，且結節直徑≥5 mm且≤30 mm；具有完整的術前薄層增強CT圖像；臨床資料完整；具有完整的病理檢查資料包括基于國際肺癌研究學會(International Association for the Study of Lung Cancer,IASLC),美國胸科學會(American Thoracic Society,ATS)和歐洲呼吸學會(European Respiratory Society,ERS)國際多學科新分類標準對腫瘤進行病理分級。排除標準：術前接受放化療；圖像上有明顯呼吸或金屬偽影，影響對病灶的觀察；臨床及病理資料不完整。

2.CT檢查方法

使用Siemens Somatom Sensation 64或Disco-very CT750 HD螺旋CT機。掃描掃描：120 kV，220 mAs，重建層厚1～2 mm，算法B30，注射對比劑后延遲60～70 s采集CT增強圖像。采用窗寬1500 HU、窗位-600 HU進行圖像的觀察。

3.病理分級

采用IASLC,ATS,ERS多學科肺腺癌病理分類標準對每個切除標本(整個腫瘤)進行組織學分型，以5%增量半定量記錄腫瘤的成份[3-4]。

根據組織學轉移潛能及預后，將肺腺癌分為3級[4,18-21]。1級：低轉移潛能，包括AIS、MIA和貼壁為主型腺癌；2級：中間轉移潛能，包括腺泡為主型腺癌和乳頭為主型腺癌；3級：高轉移潛能，包括實性為主型腺癌和微乳頭為主型腺癌[4]。

4.圖像分割及特征提取

由一位放射科醫師(醫師A)在術前胸部增強CT圖像上根據肺結節的邊緣手動逐層勾畫ROI，并將肺結節所有層面的二維ROI進行融合處理，獲得肺結節的三維容積感興趣區(volume of interest，VOI)。將上述步驟中得到的瘤內組VOI導入軟件(Analysis-Kinetic Version 1.0.3，GE公司)，軟件根據腫瘤邊緣自動外擴5 mm作為含瘤周組VOI，當結節毗鄰肋骨、胸膜等結構時候，通過手工調整去除非瘤周的肺組織，如圖1所示。將薄層的肺窗增強CT圖像和VOIs同時導入Analysis-Kinetic軟件自動匹配并進行計算，每例患者基于VOI可得到385個定量的影像組學特征。

按照以上方法，隨機選擇入組的30例肺腺癌，由放射科醫生A(有3年胸部影像診斷經驗)和放射科醫生B(11年胸部影像診斷經驗)及放射科醫生A間隔3個月后分別獨立進行ROI的勾畫，得到四組放射組學特征的數據，對反映病灶形態的組學特征(3D最大直徑，表面積和體積)進行觀察者間和觀察者內一致性的分析。余下病例由放射科醫師A進行病灶ROI的勾畫和測量。

5.建立模型及驗證

本研究中對測量數據的處理和分析主要分為四個步驟。

①數據預處理：本研究中總樣本量為173例肺癌，病理分級為1級51例、2級114例、3級8例，樣本量分布不均衡，病理分級為1級的樣本量少，僅占總樣本量的5%。因此，對瘤內組及含瘤周組均采用SMOTE過采樣算法[22]對訓練集里樣本量較少的類別進行過采樣，合成新的樣本量分布來緩解數據的不平衡問題，將原樣本量分布51:114:8調整至58:58:58，再按照7:3的比例將總樣本量劃分為訓練集和測試集。

②特征的降維：每個VOI提取385個定量組學特征， 采用Shapiro-wilk正態分布檢驗、 Bartlett方差齊性檢驗和t檢驗，篩選出有統計學意義的特征，然后采用單因素Logistic回歸分析和Spearman相關系數去除數據冗余，以相關系數大于0.9作為篩選標準，最終得到非冗余定量組學特征。

③模型的建立：瘤內組及含瘤周組均采用隨機森林法進行模型的建立，共建1000棵樹。每棵樹所要用到的特征數是隨機森林建模法最重要的參數之一，采用交叉驗證法為這一參數確定最佳數值。

④模型的驗證：分別對瘤內組及含瘤周組基于放射組學特征建立的模型進行驗證，即將模型對肺腺癌病理分級的預測與實際手術切除后病理檢查結果進行比較。采用混淆矩陣及其衍生的診斷符合率、敏感度和特異度指標來評估兩組的影像組學模型的診斷效能，將瘤內組混淆矩陣的診斷效能作為理論值，利用三階卡方檢驗分析含瘤周組與瘤內組各項數據間的差異有無統計學意義。

4.統計學分析

特征數的篩選、降維和模型建立采用R軟件3.0.1版(http://www.R-project.org)進行統計分析。所有P值均為雙側檢驗結果，以P<0.05為差異有統計學意義。

不同病理分級、訓練集及驗證集的一般資料的比較，首先進行正態分布檢驗，符合正態分布且方差齊的定量資料，采用獨立樣本t檢驗；不符合正態分布的定量資料，采用非參數秩和檢驗；定性資料，采用二分類資料的卡方檢驗。

可信度分析：計算組內和組間相關系數(intraclass correlation coefficient，ICC)來分別分析醫師A不同時間兩次勾畫ROI及醫師A與醫師B勾畫ROI獲得的反映病灶形態的組學特征的一致性。以ICC>0.80為一致性很好，0.61～0.80為中等，0.41～0.60為一般，0.11～0.40為較低，0.10以下為無一致性。

結 果

1.臨床資料的分析

共納入173例肺癌患者，年齡33～84歲，平均60歲；女96例，男77例。實性結節102例，亞實性結節71例。按照結節的直徑進行分組，5.0～9.9mm有16例，10.0～19.9mm有88例，20.0～30.0mm有69例。臨床分期：Ⅰ期134例，Ⅱ期18例，Ⅲ期21例；伴有淋巴結轉移者39例，淋巴結未轉移者134例。根據肺腺癌的病理分級，將患者分為3組，3組患者的基本臨床資料及比較結果見表1。三組間患者性別、年齡的差異無統計學意義(P>0.05)，肺結節大小及臨床分期有顯著統計學差異(P<0.05)。

訓練集及測試集中患者的各項臨床資料中，性別、年齡、結節大小及臨床分期間的差異均無統計學意義(P>0.05)。

ROI提取的關于形態的影像組學特征的觀察者間和觀察者內ICC分別為0.793～0.859和0.773-0.806。因此，所有后續數據的分析都基于醫師A勾畫的ROI。

表1 不同分級組中臨床資料和病灶的基本特征

2.影像組學模型的建立和驗證

基于VOI提取的影像組學特征經降維后，瘤內組和含瘤周組分別得到61和36個非冗余組學特征。其中特征為8個時，瘤內組影像組學模型的準確性最高；而影像組學特征數為12個時，含瘤周組影像組學模型的準確性最高。

影像組學模型的驗證：瘤內組和含瘤周組影像組學模型的驗證集混淆矩陣(Random Forest)見表2～3。影像組學模型預測肺腺癌的病理分級(圖2～5)，瘤內組的訓練集和驗證集的符合率分別為90.83%和90.74%；含瘤周組分別為92.61%和94.44%。

表2 瘤內組影像組學模型驗證集的混淆矩陣 (例)

表3 含瘤周組影像組學模型驗證集的混淆矩陣 (例)

3.兩組的影像組學模型的診斷效能比較

通過卡方檢驗比較瘤內組及含瘤周組影像組學模型的準確性，在驗證集中，兩組間的差異無統計學意義(χ2=13.19，P>0.05)。

瘤內組和含瘤周組在訓練集和驗證集中對病理分級為1～3級肺癌的診斷敏感度和特異度見表4～5。在訓練集中，瘤內組及含瘤周組影像組學模型的敏感度在檢出病理分級為1級的肺癌中最高；特異度在診斷病理分級為3級的肺癌中最高。在測試集中，瘤內組和含瘤周組影像組學模型的敏感度分別在檢出病理分級為1級和2級的肺癌中最低，診斷特異度則分別在病理分級為2級和1級肺癌中最低。

表4 兩組的影像組學模型在訓練集中對不同病理分級的診斷效能

表5 兩組的影像組學模型在驗證集中對不同病理分級的診斷效能

討 論

本研究結果表明影像組學模型可預測肺腺癌病理分級，并表現出良好的診斷效能。與瘤內組相比，含瘤周組的影像組學模型預測肺腺癌病理分級的符合率略高(90.74% vs. 94.44%)。含瘤周組影像組學特征在無監督共識聚類中得到與病理金標準高度一致的分類結果。筆者的初步研究結果提示結合了瘤周影像學信息特征的影像組學模型可以為病理分類提供更準確和更全面的信息。已有研究結果證實基于病灶邊緣分割法的影像組學特征對預測肺腺癌病理分級具有一定價值，但尚未見含瘤周影像組學特征在預測肺結節病理分級中的應用價值的相關報道。

腫瘤內部和腫瘤周邊移行帶中組織病理學特點決定了腫瘤異質性，具有預測預后和治療反應的潛能[5,15]。肺腺癌瘤周區域對肺腺癌的遠處轉移、療效評估等具有重要意義[14-16]。以往的研究中容易忽略瘤周影像組學特征對腫瘤定性診斷、預后預測、療效反應評價的作用。有學者初步應用瘤內及瘤周的紋理特征鑒別肺癌的良惡性[23]。亦有研究結果顯示，瘤周的影像組學特征可預測非小細胞肺癌(Non-Small Cell Lung Cancer，NSCLC)的局部進展[17]。與本研究結果相互應證。

可見邊緣外擴5mm的依據是文獻報道肺腺癌過渡帶為2～5 mm，筆者采用最大值，期望能盡可能地包含過渡區[13]。有研究者比較了基于腫瘤可見邊緣的組學模型與基于6 mm邊緣圈(可見邊緣向內、外各擴展3 mm)預測非小細胞肺癌遠處轉移的效能，證實腫瘤周邊6 mm邊緣圈的預測準確性高于腫瘤可見邊緣[17]，進一步證明了包含瘤周過渡區的信息對診斷的價值。至于是外擴3 mm還是5 mm最佳的問題有待后序研究。

本研究顯示含瘤周影像組學特征可能提供了腫瘤微環境的影像學信息，肺腺癌與周圍組織間存的過渡帶對預測腫瘤預后及治療反應的評價能提供更多有價值的信息[14-16]。但是，與瘤內影像組學特征相比，含瘤周影像組學模型未能顯示出更明顯的優勢，可能與本研究中納入的樣本量不足有關，尤其是病理分級為3級的病例數明顯偏少，無法更全面地體現含瘤周影像組學特征對預測肺腺癌病理分級的作用。

Bae等[12]對91例早期肺腺癌采用以結節可見邊緣勾畫ROI的方法所建立的影像組學模型能較準確地預測肺結節的組織病理學分級和侵襲性，預測病理分級為1～3級的ROC曲線下面積分別為0.9307、0.8610和0.8345。該研究中病理分級為3級者只有7例，該樣本屬于不均衡樣本，但在該研究中并沒有運用相應的統計學方法來處理這一問題。本研究中肺腺癌病理分級為1級54例、2級114例、3級8例，各級別分布不均，尤其是3級的樣本量僅為8例(占5%)，亦屬于不均衡樣本，我們采用SMOTE過采樣算法對訓練集里樣本數量較少的級別進行過采樣，合成新的樣本來改善各級別分布的不平衡性，提高了模型的準確性[22]。

本研究有以下幾點局限性：首先，本研究為回顧性單中心小樣本研究，由于CT平掃圖像不完整，僅采用增強掃描肺窗圖像進行分析，而有研究者指出非增強CT圖像的定量組學特征比增強CT圖像更能反映腫瘤的異質性[13]；第二，本研究中由放射科醫師手動勾畫ROI，有可能在一定程度上受到觀察者個體差異的影響，有待將來與半自動分割法進行對比分析；第三，本研究沒有在病理切片上測量每例的過渡區范圍和平均大小，也沒有觀察過渡區內腫瘤浸潤程度、有無血管和淋巴管侵犯及其程度、炎癥反應的類型和程度等信息，以解釋含瘤周帶組學特征的病理基礎。

綜述所述，影像組學特征可預測肺腺癌的病理分級；與瘤內組相比，含瘤周的影像組學模型可略提高預測肺腺癌病理分級的準確性。