CT增強圖像紋理分析鑒別腮腺腫瘤良惡性的價值

丁俊，陳基明，邵穎

（皖南醫學院第一附屬醫院，安徽 蕪湖 241000）

0 引言

唾液腺腫瘤發病率極低，其中以腮腺腫瘤多見，約80%[1]。現階段腮腺腫瘤治療仍然以手術切除為主，良性腫瘤或低度惡性腫瘤通常采取腮腺淺或全葉切除術，而高度惡性腫瘤則采取根治術，故準確區分良惡性對于確定手術方案有一定價值。目前術前檢查主要包括影像學檢查及穿刺活檢。常規影像學檢查主要通過觀察病灶的大小、形態、邊界、血供、區域淋巴結等征象，但是某些低級別惡性腫瘤惡性征象并不明顯，容易誤診[2]。細針抽吸細胞學（Fine-needle aspiration cytology，FNAC)常因樣本量不足，結果不完全可靠[3]。故我們需要術前發掘一種新方法來鑒別腮腺腫瘤的良惡性。紋理分析是目前研究熱門，紋理特征可以提供足夠的定量信息[4]，與腫瘤病理及患者預后關系密切[5]。本文旨在探討CT增強圖像紋理分析的方法鑒別腫瘤腮腺良惡性的可行性。

1 資料與方法

1.1 一般資料

回顧性分析皖南醫學院弋磯山醫院2015年01月至2021年02月間經術后病理確診為腮腺腫瘤的60例患者的完整資料，良性腫瘤組30例，其中，男19例，女11例；年齡22～75歲，平均（54.60±12.64）歲；惡性腫瘤組30例，其中男21例，女9例；年齡13～88歲，平均（63.10±12.76）歲。納入標準：（1）術前兩周內均行CT增強檢查，圖像完整、無偽影；（2）CT橫斷面上病灶最大徑不小于2.0 cm。排除標準：（1）患者近期行放化療治療；（2）患者肝、腎功能不全；（3）患者存在碘過敏史。

1.2 方法

采用西門子雙源64排CT掃描儀，仰臥位，軸位掃描，掃描范圍為外耳孔-下頜區。掃描參數：管電壓140kV，管電流133 mAs，層厚5 mm，層間距5 mm。經肘前靜脈注入碘海醇，劑量為1.0-1.5mL/kg，并注入21 mL0.9%氯化鈉溶液，30 s后行3 mm薄層動脈期掃描。

1.3 提取、篩選紋理特征

將每位患者的動脈期軸位圖像（DICOM格式）依次導入ITK-SNAP軟件，由2名放射科醫師（分別具有5年、10年以上工作經驗）沿病灶邊緣手動勾畫ROI，并轉入AK軟件提取紋理特征。采用組內相關系數（intraclass correlation coefficient，ICC）評價2名醫師特征提取的一致性，保留ICC>0.80的特征，最后借助LASSO回歸進行降維、篩選出最佳特征。

1.4 統計學處理

采用SPSS 18.0軟件和R軟件（版本3.5.2）。采用ICC評價提取紋理特征的一致性，ICC>0.80為一致性較好。利用Kolmogorov-Smirnov檢驗對計量資料進行正態性檢驗，采用獨立樣本t檢驗，篩選出腮腺腫瘤良惡性組間存在統計學差異的紋理特征，借助LASSO回歸進行降維、篩選出最佳特征，使用ROC曲線下面積AUC評價各特征參數的診斷準確性。P<0.05為差異有統計學意義。

2 結果

2.1 2名醫師提取紋理特征的一致性檢驗

2名醫師提取紋理特征的ICC為0.837～0.918，一致性較好，選取10年以上工作經驗醫師提取的特征進行下一步分析。

2.2 紋理特征提取及分析

從CT增強動脈期圖像上共提取了1326個紋理特征，借助LASSO回歸降維后，得到8個最佳特征。經ROC曲線分析，wavelet-HLH_glcm_JointEntropy參數鑒別腮腺腫瘤良惡性的診斷效能最高，AUC為0.806，見表1。

表1 腮腺腫瘤良惡性鑒別最佳紋理特征參數對比

2.3 特征參數鑒別腮腺腫瘤良惡性的診斷效能

圖1 特征參數鑒別腮腺腫瘤良惡性的ROC曲線

3 討論

腮腺腫瘤占涎腺腫瘤80%，其中腮腺良、惡性腫瘤所占比例又分別為80%、20%。現今腮腺腫瘤治療仍然以手術切除為主，良惡性腫瘤術式區別很大，且腮腺組織內面神經的復雜走行以及術后面癱的風險使腮腺手術充滿挑戰性。故準確區分良惡性對于確定手術方案有一定價值。

當前腮腺腫瘤術前檢查主要包括影像學檢查（超聲、CT及MRI）及穿刺活檢。超聲在腮腺腫瘤診斷中應用最廣泛，但它提供臨床的定量信息很少[6]。CT檢查主要集中對腮腺病變的形態特征的分析，但結果各說紛紜，尚未建立完整診斷策略。MRI檢查可用性有限，主要由于檢查成本偏高、時間偏長。有研究報道，擴散加權成像(diffusion-weighted imaging，DWI)及其衍生的表觀擴散系數(apparent diffusion coeffificient，ADC)可以提供較高的診斷準確性來鑒別腮腺腫瘤，但不同腫瘤之間的ADC值存在一定的重疊[7]。FNAC一種通常用于術前診斷的微創檢查手段，然而，由于獲取的活檢樣本有限，可能會低估腫瘤的異質性。紋理分析是新興的一種圖像后處理技術，可以量化醫學圖像上病灶的異質性[8-9]。目前紋理分析主要應用于消化道、呼吸道腫瘤治療效果和預后評估[10]，對于腮腺腫瘤良惡性的鑒別診斷價值的研究還很少[11-12]。

本研究中，筆者從腮腺腫瘤的CT增強動脈期圖像中共篩選出8個最優特征特征，這些參數可能與腫瘤的本身病理結構差異、異質性相關。經ROC曲線分析，發現其中四個參數（lbp3Dm1_glrlm_ShortRunEmphasis、waveletLHH_glcm_Id、original_shape_MeshVolume、wavelet-HLH_glcm_Joint Entropy）AUC值>0.70，其 中wavelet-HLH_glcm_Joint Entropy參數鑒別腮腺腫瘤良惡性的診斷效能最高，AUC為0.806。以上結果均提示，基于CT增強圖像的紋理分析對鑒別腮腺腫瘤良惡性有較高的臨床應用價值。

本研究的不足：（1）樣本量相對較小。盡管我們發現某些紋理特征參數與腮腺腫瘤良惡性的鑒別診斷有一定相關性，但仍需后續在大樣本中去進一步驗證。（2）由于本研究為回顧性研究，難免存在一定選擇偏倚。（3）ROI勾畫受個人主觀影響較大。

綜上所述，基于CT增強圖像的紋理分析方法對于術前鑒別腮腺腫瘤良惡性是可行的。