T2-FLAIR影像組學預測彌漫性較低級別膠質瘤1p/19q缺失狀態的價值

樊建坤，程勇，王騰，胡龍翔鳳，唐光才

西南醫科大學附屬醫院放射科，四川 瀘州 646000；*通信作者 唐光才 168345315@qq.com

彌漫性膠質瘤包括WHO Ⅱ級和Ⅲ級少突膠質細胞瘤、星形細胞瘤、Ⅳ級膠質母細胞瘤以及兒童相關的彌漫性膠質瘤，其中WHOⅡ級和Ⅲ級少突膠質細胞瘤、星形細胞瘤稱為彌漫性較低級別膠質瘤[1]。1p/19q聯合缺失是指1號染色體短臂（1p）和19號染色體長臂（19q）同時缺失。1p/19q缺失狀態與彌漫性較低級別膠質瘤的治療反應和預后高度相關，與1p/19q非聯合缺失患者相比，1p/19q聯合缺失患者對放化療有更好的反應，預后和總存活率明顯改善[2-5]。因此，在術前非侵入性檢測1p/19q缺失狀態對彌漫性較低級別膠質瘤患者的整體治療和預后評估有重要意義。影像組學可提取腫瘤內部大量肉眼無法識別的特征，利用特征參數定量評估腫瘤病灶的異質性，為疾病的診療過程提供客觀依據。目前，MRI影像組學已被用于預測膠質瘤分級及IDH基因突變[6-7]，預測1p/19q缺失狀態的研究較少。因此，本研究擬探討基于磁共振T2-液體衰減反轉恢復序列（fluid attenuated inversion recovery，FLAIR）影像組學對術前預測彌漫性較低級別膠質瘤1p/19q缺失狀態的價值。

1 資料與方法

1.1 研究對象 回顧性分析2017年5月—2020年7月在西南醫科大學附屬醫院診治并經術后病理證實為彌漫性較低級別膠質瘤患者。納入標準：①手術病理證實為彌漫性較低級別膠質瘤，且均經熒光原位雜交（FISH）法檢測1p/19q缺失狀態（聯合缺失型/非聯合缺失型）；②腫瘤均為單發，且在初始診斷時未進行任何治療，包括活檢、放化療或手術；③在手術前4周內行頭顱MRI檢查（包括T2-FLAIR序列），圖像無明顯影響圖像分析的偽影。共納入98例彌漫性較低級別膠質瘤，其中1p/19q聯合缺失45例[WHOⅡ級31例（彌漫性星形細胞瘤5例，少突膠質細胞瘤26例），WHOⅢ級14例（間變性星形細胞瘤1例，間變性少突膠質細胞瘤13例）]，男20例，女25例，年齡10～74歲，平均（45.0±14.7）歲；1p/19q非聯合缺失53例[WHO Ⅱ級27例（彌漫性星形細胞瘤26例，少突膠質細胞瘤1例），WHO Ⅲ級26例（間變性星形細胞瘤25例，間變性少突膠質細胞瘤1例）]，男29例，女24例，年齡11～83歲，平均（42.6±16.3）歲。

1.2 MRI圖像采集 使用Philips 3.0T MR掃描儀進行常規頭顱MRI平掃，FLAIR序列掃描參數：TR 11 000 ms，TE 125 ms，反轉時間（TI）2 800 ms，矩陣256×512，層厚5 mm，層間距1 mm，視野23.0 cm×23.0 cm。

1.3 圖像處理 將包含腫瘤所有層面的T2-FLAIR圖像以nii格式導入3DSlicer軟件（4.10.2），由1名經驗豐富的放射科醫師采用盲法對病灶所有軸向層面手動勾畫病灶3D感興趣區（ROI），ROI包含瘤體及周圍水腫區（圖1），勾畫過程中同時參考T1WI、T2WI和增強掃描圖像，盡量減少腫瘤分割不當，以確保提取特征的可靠性。如勾畫過程中存在爭議，則與另一位高年資放射科醫師協商后適當調整ROI。

圖1 女，61歲，少突膠質細胞瘤WHOⅡ級。A.橫斷位磁共振T2-FLAIR示右側額葉腫瘤；B.綠色區域為手動勾畫ROI；C.手動勾畫ROI后生成的3D示意圖

1.4 數據采集

1.4.1 特征提取 將生成的ROI導入3DSlicer擴展模塊-Radiomics提取紋理特征，重采樣參數設置為2，2，2。提取包含形態學特征14個、一階統計特征18個、灰度相關矩陣（gray level dependence matrix，GLDM）14個、灰度共生矩陣（gray level cooccurence matrix，GLCM）24個、灰度區域大小矩陣（gray level size zone matrix，GLSZM）16個、灰度游程矩陣（gray level run length matrix，GLRLM）16個、鄰域灰度差矩陣（neighbouring gray tone difference matrix，NGTDM）5個，共107個影像組學特征。

1.4.2 特征篩選 使用StandardScaler函數對提取的所有特征參數進行標準化。采用獨立樣本t檢驗或Welcht檢驗進行初步特征篩選，在此基礎上使用最小絕對收縮算子算法（least absolute shrinkage and selection operator，LASSO）進行特征篩選和降維，獲得最終的影像組學特征。

1.4.3 模型構建與效能評價 將所有病例以7∶3隨機分為訓練組68例（1p/19q聯合缺失型32例，1p/19q非聯合缺失型36例）與驗證組30例（1p/19q聯合缺失型13例，1p/19q非聯合缺失型17例），使用最終獲得的影像組學特征建立基于核函數的支持向量機（support vector machine，SVM）機器學習模型。70%的樣本量作為訓練組訓練模型，30%的樣本量作為驗證組對模型的準確性進行驗證。繪制受試者操作特征（ROC）曲線，計算曲線下面積（AUC）、準確率、敏感度、特異度。特征預處理、特征篩選、模型構建與效能評價均在Python3軟件中實現。

1.5 統計學方法年齡和性別比較使用SPSS 25.0軟件進行分析，兩組年齡比較采用獨立樣本t檢驗，性別比較采用χ2檢驗。P<0.05為差異有統計學意義。

2 結果

2.1 臨床資料 1p/19q聯合缺失型和1p/19q非聯合缺失型彌漫性較低級別膠質瘤患者年齡及性別差異均無統計學意義（t=0.779，P=0.438；χ2=1.027，P=0.311）。

2.2 影像組學特征 最終篩選出權重系數非零的特征參數8個，分為5類，見表1及圖2、3。

表1 8個系數非零的影像組學特征

圖2 8個權重系數非零的特征參數

圖3 特征篩選后在最佳Lambda（0.036）時獲得8個特征參數

2.3 SVM模型及效能評價 使用特征篩選后最終獲得的上述8個特征參數建立SVM機器學習模型，獲得訓練組AUC、準確率、敏感度及特異度及分別為0.839、88.2%、81.5%、89.2%，獲得訓練組ROC曲線；驗證組AUC、準確率、敏感度及特異度分別為0.820、83.3%、77.2%、89.5%，獲得驗證組ROC曲線（圖4）。

圖4 SVM機器學習模型，A為訓練組ROC曲線，AUC為0.839；B為驗證組ROC曲線，AUC為0.820

3 討論

既往多認為彌漫性較低級別膠質瘤的預后主要取決于組織病理學分級，但研究發現某些分子和基因生物標志物在預測臨床結果方面比組織病理學更可靠[2]。2016年WHO中樞神經系統腫瘤分類、分級標準首次將基因型納入腦腫瘤的診斷中，該標準指出1p/19q缺失狀態與異檸檬酸脫氫酶-1（IDH 1）基因突變是彌漫性較低級別膠質瘤進一步分類的重要分子標準[1]。研究表明，1p/19q聯合缺失和非聯合缺失型彌漫性較低級別膠質瘤的發生發展、放化療反應及預后均不同[8-9]。因此，術前評估彌漫性較低級別膠質瘤1p/19q缺失狀態對患者的治療方案及預后評估有重要的臨床意義。

影像組學通過高通量算法挖掘影像圖像中大量肉眼無法識別的影像特征，獲得與病理改變相關的更精準的信息，以定量特征參數分析腫瘤的異質性，有利于鑒別診斷、預測病理分級及評估預后等，且影像組學為非侵入性方法，不受主觀因素影響，可重復性強[10]。圖像質量和腫瘤病灶的精確分割是影像組學的關鍵步驟之一。部分較低級別膠質瘤的腫瘤實質與瘤周水腫分界不清，特別是在低級別膠質瘤中，增強掃描無明顯強化，與T1WI圖像相比，T2-FLAIR圖像顯示為高信號，可以更準確地描繪腫瘤邊界。因此本研究選擇T2-FLAIR圖像進行影像組學分析，對覆蓋腫瘤實質和瘤周水腫的區域進行全面勾畫。

本研究基于T2-FLAIR圖像勾畫的3D-ROI提取了共107個影像組學特征，LASSO特征篩選最終獲得8個最具特征的影像組學參數，這些特征參數主要包括形態學特征和紋理特征。形態學特征用于描述ROI的形狀和大小，如直徑、體積、圓度等，這些特征與ROI中的灰度強度分布無關，平面度/Flatness表示ROI形狀中最大和最小主成分之間的關系。研究顯示，1p/19q聯合缺失型和非聯合缺失型膠質瘤生長方式不同[11-12]，1p/19q非聯合缺失型膠質瘤以浸潤性生長常見，因此兩者的形態、邊緣不同，形態學特征有所差異。1p/19q聯合缺失型膠質瘤邊緣模糊，非聯合缺失型膠質瘤邊緣更為光滑或銳利，可能是因為1p/19q非聯合缺失型膠質瘤呈浸潤性生長，所以在腫瘤邊緣細胞密度較大，血供較豐富，增強掃描呈現邊緣強化，T1增強圖像上顯示邊緣清楚。GLDM通過圖像上某像素與周圍像素的差值小于某個閾值的情況來描述紋理特征；本研究篩選的特征低灰度強調用于測量低灰度值的分布，值越高，表示圖像中低灰度值的集中程度越高。GLRLM通過在圖像上一維方向上記錄連續多個相同像素值出現的情況描述紋理特征；本研究篩選的特征短游程長度強調是短游程長度分布的量度，值越大，表示游程長度越短，紋理越精細。GLSZM通過在圖像上二維區域內記錄相同元素相鄰情況的出現次數描述紋理特征；本研究篩選的特征歸一化灰度不均勻性測量圖像中灰度強度值的可變性，值越小，表示強度值的相似性越大；大面積高灰度強調測量具有較高灰度值的較大尺寸區域的聯合分布在圖像中的比例；小區域強調是對小尺寸區域分布的度量，值越大，表示越小的區域和越精細的紋理。NGTDM通過統計圖像上每個像素與其鄰域內所有像素的平均灰度值的差異情況計算紋理參數；本研究篩選的特征對比度是空間強度變化的度量，但也取決于整體灰度動態范圍，當動態范圍和空間變化率都很高時，即具有較大的灰度級范圍、體素與其鄰域之間變化較大的圖像時，對比度較高。綜上，上述4類紋理特征在不同程度上反映了圖像紋理的變化和圖像像素的強度及空間分布，體現了腫瘤的異質性，而異質性與MRI圖像顯示的信號差異有關。Megyesi等[13]研究表明少突膠質細胞瘤1p/19q缺失狀態不同，MRI顯示的信號有所差異：1p/19q聯合缺失型少突膠質細胞瘤在T1WI和T2WI圖像上信號混雜，1p/19q無缺失的少突膠質細胞瘤MRI信號均勻；Peng等[14]報道T1增強圖像上1p/19q非聯合缺失型腫瘤強化比例顯著高于1p/19q聯合缺失型。可以看出，1p/19q聯合缺失型與1p/19q非聯合缺失型膠質瘤在MRI上顯示出信號差異，原因可能是1p/19q缺失狀態的不同，導致膠質瘤細胞排列的混雜程度不同，從而提取的紋理特征也存在差異。所以紋理特征可以作為非侵入性的影像學標志物預測膠質瘤1p/19q缺失狀態。功能MRI成像參數與1p/19q缺失狀態有一定關系，但尚未明確。Jenkinson等[15]的研究發現1p/19q聯合缺失型膠質瘤具有更高的相對腦血容量，用于鑒別1p/19q缺失狀態的臨界值是1.59，敏感度為92%，特異度為76%；然而Fellah等[16]研究發現灌注成像、擴散加權成像和磁共振波譜成像參數在1p/19q聯合缺失型和非聯合缺失型膠質瘤之間無顯著差異。

本研究建立的SVM機器學習模型訓練組和驗證組的AUC值分別為0.839、0.820，說明該模型效能良好，能很好地鑒別1p/19q聯合缺失型和1p/19q非聯合缺失型。Kanazawa等[17]通過MRI紋理分析發現較低級別膠質瘤ADC偏度和T2偏度與1p/19q聯合缺失顯著相關，T2偏度可預測1p/19q聯合缺失，AUC為0.866，敏感度和特異度分別為80%和91.3%。Kocak等[18]通過對107例較低級別膠質瘤T2WI和T1增強圖像進行影像組學分析，建立的多個機器學習模型均能預測1p/19q缺失狀態，最佳模型的AUC為0.869，準確率為83.8%。Han等[19]對277例較低級別膠質瘤T2WI圖像和相關臨床因素進行分析，分別建立了影像組學模型和臨床模型，結果顯示影像組學模型預測1p/19q缺失狀態的效能顯著高于臨床模型，訓練組和驗證組的AUC分別為0.887和0.760。但上述研究的ROI未包含全部腫瘤層面，不能完全反映腫瘤整體的異質性。本研究ROI包括腫瘤和瘤周水腫所有層面，既證實了影像組學能有效預測1p/19q缺失狀態，也對現有研究的不足做出了一定改進。

本研究存在一定的局限性：①手動分割ROI不可避免存在一定誤差；②本研究未納入1p/19q聯合缺失型和非聯合缺失型膠質瘤的臨床表現、MRI表現、分級、部位等因素；常規臨床資料和MRI表現對預測1p/19q聯合缺失和非聯合缺失的價值未知；③本研究納入患者均來自于同一機構，樣本量較少，尚需擴大樣本量進行多中心研究。

總之，基于術前磁共振T2-FLAIR圖像建立的影像組學模型可以有效地術前預測彌漫性較低級別膠質瘤1p/19q缺失狀態，從而有助于術前選擇個體化治療方案，改善預后。