CT征象及能譜定量參數Nomogram模型鑒別直腸癌腸周脂肪癌性浸潤與炎性浸潤

王晗，程雯，楊鳴，陳光強，郭盛仁，范國華

直腸癌是消化道最常見的惡性腫瘤之一，其治療方式根據腫瘤臨床T分期不同而不同。T3期以上的直腸癌轉移及復發率大幅升高，臨床主張輔以放化療[1]。第8版AJCC癌癥分期指南規定：腫瘤突破肌層達漿膜下層或侵犯無腹膜覆蓋的直腸系膜即為T3期[2]，相應影像征象為腸周脂肪間隙密度增高，腸壁漿膜或外膜毛糙伴或不伴索條及結節突出[3-4]，但腸周炎性浸潤亦可有上述表現，導致T分期錯判[5]。雙源能譜CT(dual-energy CT，DECT)在傳統CT時間及空間分辨率的基礎上增加能量及理化性質分辨率，實現多參數成像[6-7]。Nomogram可通過建立多因素回歸分析整合預測指標的方式將回歸方程可視化[8-10]。本研究著力于建立基于CT征象及能譜CT定量參數的多因素Logistic回歸模型，通過Nomogram量化驗證鑒別具有浸潤征象的直腸癌患者腸周脂肪組織是癌性侵犯還是炎性浸潤。

材料與方法

1.一般資料

本研究屬前瞻性研究，獲蘇州大學附屬第二醫院倫理委員會批準。2017年9月-2019年3月連續納入疑似直腸癌患者。納入標準：①患者未曾接受相關治療，檢查前簽署知情同意書；②CT 檢查與手術間隔時間小于2周；③CT圖像腸周脂肪呈浸潤改變且腸周有足夠的脂肪組織進行ROI的勾畫；④手術標本按所取CT掃描層面獲得，對腸周脂肪有無癌性侵犯診斷明確。排除標準：①碘對比劑過敏；②嚴重的心肝腎功能不全。本研究最終納入62例。

2.檢查方法

對符合納入標準的患者進行能譜CT檢查，采用由GE Discovery CT750 HD寶石能譜CT，掃描模式為能譜成像模式(Gemstone Spectral Imaging，GSI)。檢查前日晚口服瀉藥(200 mL 10%甘露醇注射液+200 mL溫水)清潔腸道，檢查當日提前2 h口服溫水2500 mL。掃描范圍：自膈頂到恥骨聯合下緣。以能譜掃描模式進行。CT掃描條件：螺旋掃描速度0.7 s/r，螺距0.984，探測器寬度0.625 mm×64，高低能量(140、80 kVp)電壓瞬時高速切換，管電流360 mA。增強掃描為三期動態掃描，經肘靜脈高壓注射非離子型對比劑碘海醇(300 mg I/mL)，計量1.6 mL/kg，注射流率3.5 mL/s；以腹腔干水平腹主動脈內CT值監測促發掃描為動脈期掃描開始時間(Smart Prep技術)，促發閾值150 HU，達監測閾值后延遲7 s掃描，動脈期結束后35 s為靜脈期開始時間，靜脈期結束后120 s為延遲期開始時間。

3.CT征象分析

120 keV混合能量圖像上傳至PACS系統，兩名具有豐富診斷經驗的放射醫師(分別具備15年和5年臨床診斷經驗)在不知患者病理結果的情況下共同分析圖像：觀察病灶所在腸壁漿膜/外膜層是否毛糙，腸周有無索條影，腸壁外有無結節突起，直腸系膜有無增大的淋巴結(短徑≥5 mm)，病灶的最大層面三期強化是否均勻，測量直腸腺癌病變累及腸管長度，病變腸壁最厚徑，結論不一致時由兩名觀察者商討判定。

4.能譜圖像處理及分析

圖像經STND重建，層厚0.625 mm，層間距0.5 mm，單能量70 keV，上傳至GEAW4.6工作站，采用 GSI Viewer 軟件進行分析。兩名分別具有5年和10年診斷經驗的醫師共同商討決定ROI的放置及數據的提取。異常脂肪ROI置于距腸壁外緣5 mm范圍內呈浸潤改變的脂肪間隙處(腸壁漿膜/外膜層毛糙，腸周伴索條影，腸壁外結節突起)；正常脂肪ROI置于正常腸壁外緣5 mm范圍內正常脂肪間隙處；ROI設置為寬度≤5 mm的圓形或橢圓形，避開肉眼可辨的血管，保持每例動脈期、靜脈期及延遲期的ROI大小、形狀、位置基本一致(圖1)，每個層面選取3個不同的ROI計算平均值，于同一層面髂動脈內放置ROI測碘含量。獲得兩組三期增強圖像的物質濃度[碘濃度(Iodine)、水濃度(Water)、鈣濃度(Calcium)、羥基磷灰石濃度(HAP)]、平均有效原子序數(Effective-Z)、能譜衰減曲線、同層面髂動脈碘含量(ICartery)。

數據分析包括：兩組病變脂肪組織與正常脂肪物質濃度之差(Iodine差、Water差、Calcium差、HAP差)、標準化碘濃度(NIC)之差(NIC差)，標準化碘濃度=ROI碘濃度/同層面髂動脈碘濃度；兩組病變脂肪組織平均有效原子序數(Effective-Z)、能譜曲線斜率K值，K=CT值40 keV-CT值70 keV/(70 keV-40 keV)。

表1 臨床基本資料

5.統計方法

結 果

1.臨床特征

CT圖像具有腸周脂肪浸潤征象的62例直腸癌病例中，手術標本按所取CT層面共獲62個石蠟切片，病理結果示62例患者均為直腸腺癌，腸周癌性浸潤32例，炎性浸潤30例。癌性浸潤組男19例，女13例，年齡(63.13±12.12)歲；炎性浸潤組男18例，女12例，年齡(59.63±10.08)歲。兩組患者性別、年齡的差異無統計學意義(P>0.05)。癌性浸潤組腸道腫瘤指標均較炎性浸潤組高，但僅CA50、CA199差異有統計學意義(P<0.05，表1)。

2.CT征象

癌性浸潤組比炎性浸潤組腸壁更厚、強化不均，病灶易伴結節突出腸壁，且腸周易伴淋巴結的增大(短徑≥5 mm)，差異有統計學意義(P<0.05)。兩組累及腸管長度、腸壁漿膜/外膜毛糙及腸周索條的有無差異無統計學意義(P>0.05，表2)。

3.能譜相關定量參數

腸周脂肪癌性浸潤時，病變脂肪與正常脂肪物質濃度差值(Iodine差、Water差、Calcium差、HAP差)、標準化碘濃度差值(NIC差)、病變脂肪平均有效原子序數(Effective-Z)、能譜曲線斜率K值較炎性浸潤組高，差異均有統計學意義(P<0.01，表3)。

4.建模分析

分別建立的基于CT征象及增強能譜參數Logistic回歸模型，符合率分別為CT征象71%、動脈期90.3%、靜脈期90.3%、延遲期87.1%，AUC分別為CT征象0.709、動脈期0.954、靜脈期0.967、延遲期0.969(表4)；降維篩選出診斷效能較高的特征：直腸系膜有無淋巴結增大(短徑≥5 mm)、動脈期的Water差和Effective-Z、靜脈期的Iodine差和Water差、、延遲期的NIC差和Water差，繪制上述能譜參數ROC曲線并求截斷值(表5)。

上述七個特征納入多變量Logistic回歸模型中，繪制Nomogram將模型可視化(圖2)，ROC曲線下面積為0.986(圖3)，模型預測癌性浸潤和炎性浸潤的符合率為95.2%，敏感度為96.9%，特異度為93.3%，陽性預測值為93.9%，陰性預測值為96.6%；校準曲線示預測浸潤和實際浸潤一致性較高(圖4)。

表2 CT征象分析

討 論

臨床資料術前分期價值有限，本研究僅腫瘤標志物CA50及CA199的升高有意義，故直腸癌術前分期主要依靠影像學，基于CT征象的Logistic回歸模型符合率為71.0%，最佳特征為直腸系膜有無增大的淋巴結(短徑≥5 mm)，可能因為一旦直腸癌侵犯至腸周脂肪組織，淋巴結轉移概率將大幅提高，而其余特征重疊之處過多，即便對軟組織顯示效果最佳的MRI檢查也難以準確區分，文獻報道MRI的T分期與病理符合率約78.9%～91.7%[11-12]，而T2及T3的診斷符合率僅為74.09%及58.55%[13]。

表3 能譜參數分析

表5 增強能譜參數的ROC曲線分析

能譜CT所獲取的能譜曲線、多種物質密度值和有效原子序數相比于傳統影像征象更為客觀[7,14-15]，基于三期能譜CT定量參數所分別建立的Logostic回歸模型符合率均在85%以上，高于CT及MRI。原理在于，腸周脂肪組織一旦受腫瘤侵犯，會新生諸多血管汲取養分完成腫瘤細胞的浸潤性生長及遠處轉移，而單純的炎性浸潤所增生的小血管數目少，且不會積聚大量腫瘤細胞[16]，故反映疾病異質性的衰減曲線及有效原子序數可對兩種病變作出區分[17-18]。物質密度值主要反映被檢組織內某種物質的含量，由于脂肪組織內的物質含量受個體差異的影響，計算病變脂肪與正常脂肪物質濃度和標準化碘濃度差值可在一定程度上削減這種偏差，所篩選出的特征以水濃度差值(Water差)診斷效能較高，水濃度與腫瘤細胞數目呈正相關。分別基于動脈期、靜脈期及延遲期的能譜定量參數建立的Logistic回歸模型ROC曲線下面積分別為0.954、0.967和0.969，靜脈期和延遲期的診斷效能優于動脈期，可能因受癌性浸潤的脂肪間隙內增生的微血管由于腫瘤細胞的破壞而基底膜不完整，通透性更高，且淋巴引流系統功能受破壞，增強后隨時間延長出現碘對比劑及腫瘤細胞的滯留，而有研究認為動脈期碘濃度在判斷直腸癌是否發生漿膜外浸潤時的敏感度及特異度最高[19]，可能因其所做研究主要比較正常脂肪組織與癌性浸潤脂肪組織之間的差異，且僅做了碘濃度的比較。

聯合能譜參數及CT征象構建Logistic回歸模型，繪制Nomogram，每位腸周脂肪浸潤征象的患者可得到各自腫瘤侵犯的概率，模型診斷符合率高達95.2%，AUC為0.986，校準曲線顯示預測浸潤和實際浸潤有較高的一致性，相比既往單純依靠CT及MRI征象相比更益于臨床應用。

研究的局限性：①由于直腸黏液癌及黏液腺癌病例較少，故此次研究僅針對直腸腺癌進行探討，下一步準備討論直腸黏液癌腸周脂肪組織的能譜參數及CT征象，以及其與直腸腺癌之間的差別。②研究所作的Nomogram缺乏對模型的外部驗證，需要進一步收集更大樣本量來進行評價。

綜上所述，在鑒別直腸癌腸周脂肪組織浸潤性征象是由于受癌性侵犯所致還是受炎性浸潤所致方面，基于能譜CT定量參數聯合CT征象建立多因素Logistic回歸模型，繪制Nomogram將模型可視化，為臨床T分期判定、初步制定治療方案提供更為客觀的影像依據。