基于CT增強(qiáng)圖像的影像組學(xué)模型評(píng)估乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移

聶悅，舒健，楊春梅，郭慶喜

每年我國(guó)女性乳腺癌新發(fā)病例數(shù)約16.90萬(wàn)，死亡人數(shù)約4.50萬(wàn)，乳腺癌是女性人群中第二位最常見(jiàn)的惡性腫瘤，第六位最常見(jiàn)的惡性腫瘤死亡原因[1]。約3/4的乳房淋巴液由腋窩淋巴結(jié)引流，為乳腺癌患者最主要的淋巴結(jié)轉(zhuǎn)移路徑[2]，因此評(píng)估乳腺癌患者腋窩淋巴結(jié)是否發(fā)生轉(zhuǎn)移對(duì)指導(dǎo)臨床制訂精準(zhǔn)的治療方案具有重要意義。目前已經(jīng)有以乳腺癌的影像組學(xué)特征預(yù)測(cè)模型用于評(píng)估腋窩淋巴結(jié)轉(zhuǎn)移的研究報(bào)道，但尚未見(jiàn)以淋巴結(jié)作為研究對(duì)象的文獻(xiàn)報(bào)道。本研究旨在基于乳腺癌患者腋窩淋巴結(jié)的增強(qiáng)CT圖像，建立一種客觀、無(wú)創(chuàng)地評(píng)估乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移的新方法。

材料與方法

1.研究對(duì)象

將2016年2月-2019年8月經(jīng)手術(shù)及病理證實(shí)的所有乳腺癌患者納入觀察。納入標(biāo)準(zhǔn)：①術(shù)前2周內(nèi)行胸部增強(qiáng)CT掃描，且圖像上無(wú)明顯影響紋理分析的偽影；②于乳腺外科行乳腺腫塊手術(shù)切除及腋窩淋巴結(jié)清掃，術(shù)后行病理及免疫組化檢查，且能隨訪的病例。排除標(biāo)準(zhǔn)：①CT檢查前進(jìn)行過(guò)放化療，或腋窩淋巴結(jié)及乳腺腫塊術(shù)后無(wú)完整病理結(jié)果者；②CT圖像與淋巴結(jié)病理檢查不能對(duì)應(yīng)者。最終納入402例女性患者，年齡26～81歲，平均(51.5±8.9)歲。有腋窩淋巴結(jié)轉(zhuǎn)移者188例，平均年齡(51.0±9.0)歲；無(wú)腋窩淋巴結(jié)轉(zhuǎn)移者214例，平均年齡(52.0±8.9)歲。

2.CT檢查

常規(guī)行CT增強(qiáng)掃描，掃描設(shè)備及參數(shù)如下。①GE Lightspeed VCT 64排128層CT機(jī)：120 kV，400 mA，矩陣512×512，層厚5.0 mm；②Philips Bri-liance iCT 256排CT機(jī)：120 kV，136 mA，矩陣512×512，層厚5.0 mm。掃描前訓(xùn)練患者呼吸和屏氣方法，患者取頭先進(jìn)、仰臥位，掃描范圍自胸腔入口至肺底(包括完整的腋窩及雙側(cè)乳房結(jié)構(gòu))。使用高壓注射器經(jīng)肘靜脈團(tuán)注對(duì)比劑碘海醇(300 mg I/mL)，劑量1.5 mL/kg，注射流率3.0 mL/s，采用對(duì)比劑智能跟蹤技術(shù)，在主動(dòng)脈弓內(nèi)勾畫(huà)ROI，閾值達(dá)200 HU時(shí)觸發(fā)掃描。

3.圖像分析

由兩位影像科醫(yī)師分析所有患者胸部增強(qiáng)CT圖像，對(duì)腋窩淋巴結(jié)進(jìn)行仔細(xì)識(shí)別及測(cè)量。記錄淋巴結(jié)的長(zhǎng)徑和短徑(于增強(qiáng)CT圖像上腋窩淋巴結(jié)最大層面進(jìn)行測(cè)量)，如有異議經(jīng)討論達(dá)成一致意見(jiàn)。由一位經(jīng)驗(yàn)豐富的病理專家評(píng)估每例乳腺癌患者腋窩淋巴結(jié)的病理切片，將每例患者的腋窩淋巴結(jié)從大到小進(jìn)行編號(hào)，觀察并記錄每個(gè)編號(hào)的淋巴結(jié)是否發(fā)生轉(zhuǎn)移，以及每例患者最終發(fā)現(xiàn)的腋窩淋巴結(jié)轉(zhuǎn)移的數(shù)目。由影像科醫(yī)師瀏覽患者的CT圖像，選擇腋窩淋巴結(jié)顯示最大的層面，篩選出最短徑≥5 mm的所有淋巴結(jié)，對(duì)同一患者有兩個(gè)及兩個(gè)以上淋巴結(jié)者，按從大到小逐一編號(hào)。然后，與病理專家一起將CT圖像與進(jìn)行病理檢查的淋巴結(jié)一一對(duì)應(yīng)。①若患者所有短徑≥5 mm的腋窩淋巴結(jié)均無(wú)轉(zhuǎn)移或均有轉(zhuǎn)移，CT圖像上的淋巴結(jié)數(shù)目與進(jìn)行病理檢查的淋巴結(jié)數(shù)目一致，則該例患者的所有淋巴結(jié)納入研究；②如果患者所有短徑≥5 mm的腋窩淋巴結(jié)部分有轉(zhuǎn)移，部分無(wú)轉(zhuǎn)移，且多個(gè)淋巴結(jié)之間存在明顯大小差異者，則將病理切片及影像圖像上的淋巴結(jié)由大到小按順序編號(hào)，并將兩者的編號(hào)由大到小一一對(duì)應(yīng)；如果這些淋巴結(jié)的大小能夠明確區(qū)分，則納入研究；若淋巴結(jié)的大小不能明確區(qū)分(比如相鄰兩個(gè)淋巴結(jié)的形態(tài)、大小均相似)，則將這些淋巴結(jié)排除；如果同一患者的淋巴結(jié)均不能明確區(qū)分，則將此例患者排除。最終共納入符合要求的腋窩淋巴結(jié)825個(gè)，其中轉(zhuǎn)移淋巴結(jié)400個(gè)，無(wú)轉(zhuǎn)移淋巴結(jié)425個(gè)。

4.影像組學(xué)分析

所有CT圖像數(shù)據(jù)采用GE Artificial Intelligent Kit(AK)軟件進(jìn)行影像組學(xué)分析。首先對(duì)圖像進(jìn)行預(yù)處理，排除不同設(shè)備、不同掃描參數(shù)對(duì)圖像的影響；將預(yù)處理后的圖像分次導(dǎo)入圖像處理軟件ITK-SNAP(http://www.itksnap.org)進(jìn)行ROI的勾畫(huà)：將所有圖像的窗寬設(shè)為400 HU、窗位為40 HU，由一位影像專業(yè)醫(yī)師對(duì)每個(gè)腋窩淋巴結(jié)勾畫(huà)ROI，盡量避免淋巴結(jié)內(nèi)的脂肪組織區(qū)域，在每個(gè)淋巴結(jié)的最大層面沿其邊界勾畫(huà)ROI，將整個(gè)勾畫(huà)區(qū)域著色，得到每個(gè)淋巴結(jié)的二維分割圖像；然后將此圖像導(dǎo)入AK軟件中，提取腋窩淋巴結(jié)的定量紋理特征。按0.8的比例將所有淋巴結(jié)隨機(jī)分為訓(xùn)練組(80%)和測(cè)試組(20%)，將特征信息標(biāo)準(zhǔn)化之后，依次使用軟件自帶的單因素方差分析、Spearman相關(guān)性分析和最小絕對(duì)收縮選擇算子(least absolute shrinkage and selection operator,LASSO)對(duì)提取的腋窩淋巴結(jié)的定量紋理特征進(jìn)行降維處理，獲取最佳紋理特征。然后使用軟件自帶的邏輯回歸(logistic regression,LR)機(jī)器學(xué)習(xí)方法建立腋窩淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè)模型，獲得訓(xùn)練組及測(cè)試組的受試者工作特征曲線(receiver operating characteristic curve,ROC)及曲線下面積(area under the curve,AUC)，同時(shí)計(jì)算模型在測(cè)試組中的預(yù)測(cè)準(zhǔn)確性、敏感度和特異度。

5.統(tǒng)計(jì)學(xué)方法

自總樣本中隨機(jī)抽取100個(gè)短徑≥5 mm的腋窩淋巴結(jié)，由兩位影像科醫(yī)師分別勾畫(huà)ROI進(jìn)行半自動(dòng)二維分割并提取其紋理特征。采用組內(nèi)相關(guān)系數(shù)(in-ternal consistent coefficient,ICC)來(lái)評(píng)估不同測(cè)試者提取的紋理特征之間的一致性。ICC≤0.2為一致性程度較差；0.2

圖1 淋巴結(jié)短徑的ROC曲線，AUC=0.723(P<0.001)。 圖2 LASSO回歸系數(shù)-λ曲線，圖中的每一條曲線代表了每一個(gè)自變量系數(shù)的變化軌跡?？v坐標(biāo)為系數(shù)，下橫坐標(biāo)為log(λ)，上橫坐標(biāo)為模型中非零系數(shù)的個(gè)數(shù)。經(jīng)交叉驗(yàn)證得到最佳log(λ)=1.5。 圖3 預(yù)測(cè)模型在訓(xùn)練組中的ROC曲線圖，AUC=0.88。 圖4 預(yù)測(cè)模型在測(cè)試組中的ROC曲線圖，AUC=0.92。 圖5 測(cè)試組的預(yù)測(cè)圖。該圖描述了邏輯回歸對(duì)樣本的分類情況。測(cè)試樣本被完全正確分類則第一象限全部為藍(lán)色， 第四象限全部為紅色；圖中第一象限出現(xiàn)紅色，說(shuō)明相應(yīng)紅色的樣本點(diǎn)被錯(cuò)分；第四象限出現(xiàn)藍(lán)色，說(shuō)明相應(yīng)藍(lán)色的樣本點(diǎn)被錯(cuò)分。

使用SPSS 25.0軟件進(jìn)行統(tǒng)計(jì)分析。利用ROC曲線評(píng)估腋窩淋巴結(jié)短徑預(yù)測(cè)其是否轉(zhuǎn)移的價(jià)值。以P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

兩位影像科醫(yī)師分別對(duì)100個(gè)淋巴結(jié)圖像提取了396個(gè)紋理特征，這396個(gè)紋理特征值在兩位測(cè)試者間的ICC為0.258～0.975，P值為0.000～0.049(P<0.05)。

825個(gè)腋窩淋巴結(jié)的短徑為0.5～3.3 cm，平均(0.89±0.37) cm；轉(zhuǎn)移組淋巴結(jié)平均短徑為(1.03±0.43 cm)，無(wú)轉(zhuǎn)移組為(0.76±0.25) cm。腋窩淋巴結(jié)短徑預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的ROC曲線圖(圖1)顯示AUC為0.723(95%置信區(qū)間：0.688～0.758，P<0.001)。約登指數(shù)最大值對(duì)應(yīng)的臨界值為0.765 cm，相應(yīng)的診斷敏感度為0.735，特異度為0.619。

使用AK軟件，每個(gè)淋巴結(jié)提取了6大類共396個(gè)紋理特征：直方圖參數(shù)(histogram parameter)、紋理參數(shù)(texture parameter)、形態(tài)學(xué)參數(shù)(form factor parameter)、共生矩陣(gray level co-occurrence matrix,GLCM)和Haralick參數(shù) 、游程矩陣(run length matrix,RLM)以及灰度連通區(qū)域矩陣(grey level size zone matrix,GLSZM)。經(jīng)單因素方差分析、Spearman相關(guān)性分析及LASSO方法(圖2)依次對(duì)396個(gè)特征進(jìn)行降維處理后得到10個(gè)最佳紋理特征(表1)，經(jīng)LR機(jī)器學(xué)習(xí)方法建立預(yù)測(cè)模型，此模型在訓(xùn)練組中ROC的AUC為0.88，在測(cè)試組中為0.92(圖3～4)，相應(yīng)的符合率為0.87，敏感度為0.82，特異度為0.92。LR機(jī)器學(xué)習(xí)方法建立的預(yù)測(cè)模型對(duì)樣本的分類結(jié)果如圖5所示。

表1 降維后獲得的10個(gè)最佳紋理特征

討 論

目前，乳腺癌仍然是危害女性身心健康的最常見(jiàn)的惡性腫瘤之一，具有起病隱匿、病情進(jìn)展迅速、侵襲力強(qiáng)和遠(yuǎn)處轉(zhuǎn)移率高等特點(diǎn)，若未及時(shí)干預(yù)，腫瘤細(xì)胞發(fā)生轉(zhuǎn)移，病死率明顯增加。發(fā)生淋巴結(jié)轉(zhuǎn)移的主要原因是癌細(xì)胞侵及淋巴結(jié)，癌組織在淋巴結(jié)皮髓質(zhì)內(nèi)繼續(xù)分裂、增殖，導(dǎo)致淋巴結(jié)體積增大。在現(xiàn)有的檢查方法中，鉬靶、超聲和CT檢查技術(shù)均可通過(guò)乳腺癌腋窩淋巴結(jié)的大小和形態(tài)學(xué)特征等來(lái)評(píng)估其是否發(fā)生轉(zhuǎn)移，具有一定的臨床價(jià)值；DWI和ADC、MRS及動(dòng)態(tài)增強(qiáng)(dynamic contrast-enhanced,DCE)-MRI等在判斷乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移方面具有一定的優(yōu)勢(shì)[3]。而臨床上判斷淋巴結(jié)有無(wú)轉(zhuǎn)移的金標(biāo)準(zhǔn)是超聲或鉬靶引導(dǎo)下淋巴結(jié)活檢或術(shù)中進(jìn)行前哨淋巴結(jié)活檢，但是這些方法卻容易造成各種術(shù)后并發(fā)癥，如淋巴水腫、肌力下降或某些感覺(jué)障礙等[4]。本研究旨在探討能否在術(shù)前使用無(wú)創(chuàng)性方法來(lái)評(píng)估腋窩淋巴結(jié)的轉(zhuǎn)移情況，在一定程度上避免病理學(xué)活檢可能導(dǎo)致的并發(fā)癥，從而提高乳腺癌患者的生活質(zhì)量。

自2012年荷蘭學(xué)者Lambin提出影像組學(xué)概念之后，影像組學(xué)在醫(yī)學(xué)領(lǐng)域得到廣泛應(yīng)用。所謂影像組學(xué)，即通過(guò)采用自動(dòng)化、高通量的特征提取方法，將影像轉(zhuǎn)化成可以挖掘、預(yù)測(cè)和分析的特征數(shù)據(jù)，建立預(yù)測(cè)疾病臨床表現(xiàn)的模型，并輔助醫(yī)師提高診斷準(zhǔn)確性[5]。也就是通過(guò)對(duì)影像的紋理分析，檢測(cè)圖像中每個(gè)像素的細(xì)微分布和聯(lián)系，從而客觀、定量地評(píng)估病灶的異質(zhì)性[6]。目前，關(guān)于乳腺癌影像組學(xué)研究的報(bào)道多集中在乳腺癌的診斷、良惡性和分子亞型的鑒別、療效和預(yù)后的評(píng)估、復(fù)發(fā)評(píng)分及放射基因?qū)W等方面[7-10]。Gibbs等[11]應(yīng)用乳腺M(fèi)RI圖像的紋理分析評(píng)估乳腺病變的良惡性，其診斷準(zhǔn)確率達(dá)到0.80；證明相對(duì)于傳統(tǒng)臨床磁共振常用的DWI、ADC和DCE-MRI，紋理分析可以進(jìn)一步了解腫瘤的組織結(jié)構(gòu)、血管形成及周圍組織結(jié)構(gòu)。所以，與以前單純從影像學(xué)特征分析，如形態(tài)、大小、邊界、強(qiáng)化程度等相比，影像組學(xué)特征提供了關(guān)于癌癥表型以及腫瘤內(nèi)部異質(zhì)性等更多的信息，可以進(jìn)一步為臨床診斷及治療補(bǔ)充相關(guān)的數(shù)據(jù)。

關(guān)于腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的描述，以前的報(bào)道主要集中在淋巴結(jié)大小、皮質(zhì)厚度、淋巴實(shí)質(zhì)消失、淋巴結(jié)強(qiáng)化方式以及淋巴結(jié)信號(hào)改變等，在本研究中，以腋窩淋巴結(jié)短徑判斷其是否發(fā)生轉(zhuǎn)移，敏感度為0.735，特異度為0.619。顯示單純以淋巴結(jié)大小評(píng)估淋巴結(jié)狀態(tài)有一定誤差，這是因?yàn)樾〉牧馨徒Y(jié)也可能已發(fā)生轉(zhuǎn)移，但是形態(tài)學(xué)上無(wú)明顯改變；另一方面，淋巴結(jié)炎性反應(yīng)同樣可以導(dǎo)致淋巴結(jié)腫大和邊界模糊。故淋巴結(jié)徑線的這些信息不足以準(zhǔn)確預(yù)測(cè)腋窩淋巴結(jié)的轉(zhuǎn)移情況。隨著乳腺癌影像組學(xué)研究日益成熟，許多學(xué)者開(kāi)始利用乳腺腫瘤組織的影像組學(xué)分析建立模型來(lái)預(yù)測(cè)腋窩淋巴結(jié)的轉(zhuǎn)移狀態(tài)。Han等[12]通過(guò)構(gòu)建影像組學(xué)諾模圖來(lái)術(shù)前預(yù)測(cè)乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移和淋巴結(jié)轉(zhuǎn)移數(shù)量，預(yù)測(cè)效能中等。Liu等[4]分析了62例乳腺癌患者的DCE-MRI資料，顯示影像組學(xué)和DCE-MRI相結(jié)合能預(yù)測(cè)原發(fā)性乳腺癌前哨淋巴結(jié)轉(zhuǎn)移，指導(dǎo)臨床制訂進(jìn)一步的治療計(jì)劃，防止不必要的前哨淋巴結(jié)清掃。該方法對(duì)乳腺癌淋巴結(jié)是否有轉(zhuǎn)移的判斷意義較大，但是對(duì)于轉(zhuǎn)移淋巴結(jié)的準(zhǔn)確定位，具體是哪一個(gè)淋巴結(jié)有轉(zhuǎn)移則無(wú)法準(zhǔn)確判斷。

與上述利用乳腺癌自身癌組織影像組學(xué)分析預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移不同的是，本研究直接以淋巴結(jié)本身作為研究對(duì)象，通過(guò)分析其影像組學(xué)特征與淋巴結(jié)轉(zhuǎn)移的關(guān)系，所建立的預(yù)測(cè)模型在測(cè)試組中的ROC曲線的AUC值為0.92，敏感度為0.82，特異度為0.92，與以腋窩淋巴結(jié)大小作為判斷其是否轉(zhuǎn)移的方法相比較，淋巴結(jié)影像組學(xué)分析能夠更準(zhǔn)確地判斷影像學(xué)上觀察到的腋窩淋巴結(jié)的轉(zhuǎn)移狀態(tài)。淋巴結(jié)轉(zhuǎn)移與原發(fā)腫瘤有密切聯(lián)系，淋巴結(jié)發(fā)生轉(zhuǎn)移的原因往往是腫瘤組織的侵犯，所以在評(píng)估淋巴結(jié)是否發(fā)生轉(zhuǎn)移時(shí)，不能只考慮淋巴結(jié)自身的特征。然而，近年來(lái)有研究證實(shí)利用雙能CT紋理分析與機(jī)器學(xué)習(xí)相結(jié)合可以非常準(zhǔn)確地區(qū)分不同病理狀況及正常的頸部淋巴結(jié)，鑒別分為惡性(即轉(zhuǎn)移性頭頸部鱗狀細(xì)胞癌或淋巴瘤)和良性淋巴結(jié)(炎性或增生)的符合率、敏感度和特異度分別為0.92、0.91和0.93，且基于兩位不同觀察者勾畫(huà)的ROI所建立的預(yù)測(cè)模型之間具有高度的一致性[13]。本研究中基于CT增強(qiáng)掃描來(lái)提取乳腺癌患者腋窩淋巴結(jié)的影像組學(xué)特征，所建立的預(yù)測(cè)模型在測(cè)試組中對(duì)淋巴結(jié)轉(zhuǎn)移的診斷符合率為0.87，敏感度為0.82，特異度為0.92，與Seidler等[13]對(duì)頸部淋巴結(jié)的研究結(jié)果基本一致。提示以淋巴結(jié)內(nèi)部的異質(zhì)性為研究對(duì)象進(jìn)行影像組學(xué)分析，即使淋巴結(jié)沒(méi)有發(fā)生形態(tài)學(xué)改變，也能很好地評(píng)估其轉(zhuǎn)移狀態(tài)，可指導(dǎo)臨床進(jìn)一步診斷及治療。

本研究中存在的不足之處：①對(duì)腋窩淋巴結(jié)圖像僅進(jìn)行半自動(dòng)二維分割，可在今后的研究中對(duì)淋巴結(jié)進(jìn)行三維分析，獲取更多的有效特征；②僅納入腋窩淋巴結(jié)本身的紋理特征來(lái)建立預(yù)測(cè)模型，未來(lái)可以納入淋巴結(jié)的臨床指標(biāo)(如基因表型)，幫助建立更準(zhǔn)確的預(yù)測(cè)模型；③本研究為單中心、較小樣本的回顧性研究，需展開(kāi)多中心、大樣本的前瞻性研究為臨床應(yīng)用提供更可靠的依據(jù)。

綜上所述，以乳腺癌患者的腋窩淋巴結(jié)作為研究對(duì)象進(jìn)行影像組學(xué)分析，建立預(yù)測(cè)模型，可以有效地評(píng)估腋窩淋巴結(jié)的轉(zhuǎn)移狀態(tài)，較常規(guī)影像學(xué)通過(guò)形態(tài)、大小等特征進(jìn)行評(píng)估具有更高的診斷效能。