基于磁共振T2WI序列影像組學預測急性胰腺炎復發的價值

胡云濤 ，黃小華*，劉念，唐玲玲，2

復發性急性胰腺炎(recurrent acute pancreatitis,RAP)是指急性胰腺炎(acute pancreatitis,AP)發作超過2次，每次治療后無胰腺功能學及組織學的改變，且發作時間間隔至少3個月[1]。隨著人們生活水平的提高和習慣的改變，RAP的發病率也逐年上升[2]。由于AP病因復雜和治療水平的限制，約有10%～30%患者發生RAP[3,4]。RAP的反復發作增加了患者進展為慢性胰腺炎或胰腺癌的風險[5,6]，并嚴重影響患者生活質量。早期對RAP患者提供個體化治療，可有效降低RAP的發病率，因此對AP復發預測顯得尤為重要。雖然臨床和影像學對AP診斷較敏感，但是目前仍缺乏對AP患者預后復發進行定量分析的有效手段。隨著影像組學的發展，其作為一種新興的定量分析方法，可從大量影像體素中提取與異常組織相關的形狀、灰度、紋理等特征，并可與臨床特征、基因組學、蛋白組學結合進行系統性的定量分析，最終提高臨床診斷、分級及預后評估的準確性[7-9]。然而，目前尚未有基于MRI建立影像組學模型預測急性胰腺炎復發的研究。因此本研究旨在探討使用影像組學方法構建早期預測AP復發模型的可行性，以確定RAP新的影像學標志物。

1 材料與方法

1.1 臨床資料

本回顧性研究獲得了川北醫學院附屬醫院醫學倫理委員會的批準(批準文號：2020ER203-1)，免除受試者知情同意。回顧性研究2014年1月至2015年12月期間在我院經MRI、臨床檢驗檢查診斷為AP的患者。首發AP組納入標準：參考2012修訂的《亞特蘭大分類法》[10]，當符合下列三種情況的兩種或兩種以上即可診斷為AP：①突發、劇烈、持續性的腹痛，可伴有右肩、下背部放射痛；②血清淀粉酶和(或)脂肪酶異常增高(高于正常值上限3倍或以上)；③與AP相符的特征性腹部MRI表現；④AP首次發作有且僅有一次，按嚴重程度分為輕癥和中、重癥AP。RAP組納入標準：參考近年來普遍使用的RAP診斷標準[11]，同時滿足以下3個條件：①有至少2次AP發作；②兩次AP發作之間至少間隔3個月；③排除慢性胰腺炎、胰腺腫瘤等胰腺其他疾病。排除標準：①圖像模糊、掃描參數不一致；②臨床數據不完整、失訪患者。通過隨訪或查詢住院記錄，最終共將147例患者納入本研究，將患者分為AP組102例RAP組45例。再以7:3的比例隨機地將147例患者分為訓練組102例(AP 70例，RAP 32例)和驗證組45例(AP 32例，RAP 13例)。

1.2 檢查方法

所有患者均采用GE Discovery MR 750 3.0 T MRI掃描儀檢查，32通道體部相控陣列線圈成像。掃描參數：軸位T2WI單次激發快速自旋回波序列(FOV：34.0 cm×34.0 cm，矩陣：320×256，層厚：6.0 mm，間距 ：2.0 mm，TR：6000 ms，TE：120.0 ms)。軸位T1WI快速擾相梯度回波序列(FOV：36 cm×36 cm、矩陣：224×192，層厚：5.2 mm，間距0 mm，TR：3.6～4.4 ms，TE：1.7～1.9 ms)。三期動態增強采用T1WI快速擾相梯度回波脂肪抑制序列(TR：3.6～4.4 ms，TE：1.7～1.9 ms，層厚：5.2 mm，間距：0 mm，矩陣：224×192，視野：36 cm×36 cm)，以2.5 mL/s的流速靜脈注射釓貝葡胺注射液(0.1 mmol/kg，上海博萊科信誼藥業有限責任公司)，然后用10 mL生理鹽水沖洗。

1.3 圖像感興趣區分割及特征提取

兩名具有5年腹部診斷經驗放射醫師使用IBEX[(β1.0，http://bit.ly/)一個在 MATLAB20 15b上運行的開源軟件程序(MathWorks Inc)]對胰腺實質周圍勾畫感興趣區(圖1)。從感興趣區中提取了4個常見的特征組，分別為灰度共生矩陣、灰度游程矩陣、直方圖、形狀。

圖1 感興趣區的勾畫圖。胰腺實質周圍感興趣區勾畫，包括胰腺壞死區，并避免膽總管、血管Fig.1 Delineation of ROI.The area of interest around the pancreatic parenchyma was delineated,including the necrotic area of the pancreas,and the common bile duct and blood vessels were avoided.

1.4 評估測量者自身及測量者之間的一致性

從全部對象中隨機抽取一半T2WI序列圖像，由兩名醫師同時勾畫感興趣區并提取特征，進行觀者間影像組學特征的一致性評價(interclass correlation coefficients,ICCs)。于2周后由放射醫師1再次勾畫并提取特征，與第一次特征進行比較評價觀察者內影像組學特征的一致性。ICC＞0.75的特征被認為具有較好的一致性。

1.5 紋理特征篩選及預測模型ROC曲線分析

通過單因素方差分析、LASSO回歸進行特征降維，采用Logistics回歸建立影像組學模型及臨床模型，最后通過繪制計算ROC曲線下面積AUC來評價模型的預測效能。統計軟件采用SPSS 23.0和R語言3.5.2，P＜0.05認為差異有統計學意義。

2 結果

2.1 一般資料

本研究納入147例患者，首發AP 102例，年齡(47.33±14.85)歲，其中男53例、女49例；RAP 45例，年齡(46.49±14.05)歲，其中男31例、女14例。符合正態分布的定量資料用t檢驗，定性資料用卡方檢驗，等級資料用非參數的秩和檢驗。初發組和復發組在性別、年齡、結石、飲酒、并發癥、嚴重程度差異無統計學意義(allP＞0.05),二元邏輯回歸分析表明，高脂血癥是AP復發的獨立危險因素，OR為3.038(95%CI:1.445～6.390)，見表1。

表1 AP組和RAP組的臨床特征Tab.1 Clinical characteristics of AP group and RAP group

2.2 紋理特征選擇結果

通過對觀察內和觀察間特征ICC一致性評價，將ICC＞0.75的特征保留，保留761個穩定特征(圖2)，經過單因素方差分析，LASSO回歸降維后最終剩余8個影像組學特征(圖3、4)。

圖2 ICC一致性檢驗圖。經ICC一致性檢驗后剩余761個特征 圖3 特征篩選過程圖。影像組學特征篩選收斂圖 圖4 LASSO特征篩選圖。LASSO模型取最小方差時剩余的特征數Fig.2 ICC consistency test.After ICC consistency test,761 features were left.Fig.3 Feature selection process.Convergence map of radiomics feature selection.Fig.4 Lasso feature screening map.Residual characteristic number of lasso model with minimum variance.

2.3 影像組學模型建立及評估

通過Logistics回歸建立基于8個紋理特征(信息測量校正、集群趨勢、相關性、非相似性、熵、游程非均勻性、偏度、體積)的影像組學模型和基于高脂血癥的臨床模型，在訓練組中，影像組學模型預測AP復發的AUC為0.870(95%CI:0.791～0.949)，敏感度為0.903，特異度為0.831，在驗證組中AUC為0.836(95%CI:0.718～0.954)，敏感度為0.786，特異度為0.774(表2及圖5、6)，臨床模型預測AP復發的AUC為0.634(95%CI:0.550～0.717)，敏感度為0.689，特異度為0.578(表3)。

圖5 影像組學在訓練組的ROC曲線。AUC值為0.870，敏感度為0.903，特異度為0.831 圖6 影像組學在驗證組的ROC曲線。AUC值為0.836，敏感度為0.786，特異度為0.774Fig.5 The ROC curve of imaging omics in the training group.The AUC value is 0.870,the sensitivity is 0.903,and the specificity is 0.831.Fig.6 ROC curve of imaging omics in the validation group.The AUC value is 0.836,the sensitivity is 0.786,and the specificity is 0.774.

表2 影像組學預測急性胰腺炎復發結果Tab.2 Prediction of AP recurrence by radiomics

表3 訓練組中兩種模型的結果Tab.3 The results of two models in the training group

3 討論

3.1 影像組學在AP中的研究進展

預測AP的復發對于指導臨床治療具有非常重要的意義。近年來，磁共振成像以多功能、多參數、無輻射等特點成為胰腺疾病診斷的重要檢查手段。雖然磁共振檢查在RAP的診斷中具有較高的價值，但磁共振成像無法對AP預后復發進行定量分析。而影像組學以高通量方式提取定量特征，這為醫學影像轉換為高維數據并進行數據分析提供決策支持[12]。目前影像組學已深入應用于胰腺疾病。Lin等[13]研究發現從AP患者MRI門脈期圖像影像組學特征中選擇出11個最佳特征，建立的支持向量機模型可預測AP嚴重程度。Chen等[14]從271例患者中提取了412個紋理特征，通過LASSO、Spearman系數篩選出10個最佳紋理特征，并同時建立了獨立的臨床特征模型、結合紋理特征和臨床特征的綜合模型。兩模型相比較，綜合模型很好地預測了訓練組和驗證組的AP復發率分別為87.1%和89.0%，且ROC曲線下面積均顯著優于臨床特征模型。上述研究結果表明影像組學在胰腺疾病分類中的效果極佳。與Chen等[14]研究相比，本研究優勢在于T2WI序列在臨床實踐中非常容易獲得，且無需使用增強對比劑，可降低患者的醫療費用。

3.2 主要研究結果分析

本研究結果發現在剩余的8個紋理特征中，5個是灰度共生矩陣特征(信息測量校正、集群趨勢、相關性、非相似性、熵)，反映圖像灰度在步長、方向等變化的綜合信息；1個是灰度游程矩陣特征(游程非均勻性)反映用具有相同灰度級的像素點分析紋理圖像的度量，主要用于線性結構的分析；1個是灰度直方圖特征(偏度)是用常用基礎的度量值反映圖像中像元灰度的分布規律；1個是形狀特征(體積)反映三維感興趣區輪廓的基本信息特征。基于8個紋理特征的影像組學預測模型在訓練組中表現較好的AUC值為0.870(95%CI:0.791～0.949)，敏感度為 0.903，特異度為0.831，其在驗證組中AUC值也達到了0.836(95%CI:0.718～0.954)，此結果表明影像組學可有效預測RAP。

另外，既往研究表明年齡、性別、高脂血癥、膽結石是復RAP的重要臨床因素[15-17]，而本研究中所收集的臨床特征經統計分析后，發現只有高脂血癥是RAP預測因子，基于高脂血癥的臨床模型AUC值為0.634(95%CI:0.550～0.717)，敏感度為0.689，特異度為0.578。此結果可能與本研究樣本量不足有關，但本研究的目的注重于探討影像組學模型在預測RAP的可行性，本研究在接下來的工作中將進一步擴大樣本量來比較影像組學模型和臨床模型之間的差異。

最后，本研究結果較好的原因可能如下。首先，本研究包括的患者數據均來自同一臺掃描儀，掃描序列和參數高度一致，使得本研究中提取的特征更加穩定差異較小。其次，本研究選擇了T2WI序列可以清楚地顯示胰腺的解剖關系和炎癥范圍，并能結合其他參數判斷胰腺的水腫和出血[18,19]。

3.3 局限性

本研究的局限性：①本研究數據源來自單一中心，數據可能存在偏差。②AP患者其胰腺輪廓及炎癥范圍有時難以辨別，需要具有一定臨床經驗的影像醫師進行感興趣區勾畫。③雖然本研究中影像組學模型預測效果較好，但未來仍需進一步擴大患者數據去探索影像組學模型和臨床模型之間的差異。

綜上所述，影像組學模型有助于AP復發預測，且構建的影像組學模型可以較好地提供個體化治療方案，為臨床精準治療提供較高的參考價值。

作者利益沖突聲明：全體作者均聲明無利益沖突。