基于術前MRI影像組學特征預測肝癌經肝動脈化療栓塞治療的反應性

孔春麗，陳煒越，吳徐璐，葉衛川，王海永，雷麗燕，陳敏江，紀建松

肝細胞癌（hepatocellular carcinoma，HCC）是全球范圍內高發的惡性腫瘤，其發病率呈現逐年上升的趨勢，嚴重威脅人類生命健康[1-2]。由于肝細胞癌病程隱匿且惡性程度高，70%以上的患者在確診時已處于中晚期，失去了外科手術切除等治愈性治療的機會[3]，經肝動脈化療栓塞術（transcatheter arterial chemoembolization，TACE）是此類患者的首選治療方案[4]，但不同患者TACE的療效不一。據報道，TACE治療后HCC患者的客觀應答率低，為32%～57%[5-6]，直接導致預后不佳[7]。MRI對軟組織顯影效果好，空間分辨率高，是肝癌診斷和TACE術后最常用的影像學資料。基于MRI影像組學利用計算機技術從醫學圖像上自動提取海量影像定量特征，借助大數據分析手段，挖掘臨床信息，用于腫瘤的定性、分級分期、基因分析、療效評估和預后預測等，可指導并優化臨床決策[8-9]。因此，本研究利用TACE術前T2WI序列構建預測HCC的TACE反應性的影像組學模型，為臨床判斷HCC預后提供科學依據。

1 資料和方法

1.1 一般資料

回顧性收集2016年3 月至2018年4 月溫州醫科大學附屬第五醫院行TACE治療且符合下列標準的HCC患者資料。納入標準：（1）經臨床診斷或病理證實為HCC；（2）BCLC分期為B或C期；（3）肝功能Child-pugh評分為A或B級；（4）TACE術前、術后3個月內未接受其他抗腫瘤治療；（5）TACE術前均行MRI掃描檢查，并在術后3 個月內進行影像學隨訪評估TACE的療效。排除標準：（1）MRI圖像質量不佳，影響病灶觀察；（2）合并其他惡性腫瘤疾病；（3）臨床或影像資料不完整。最終86例HCC患者納入研究，其中男71例，女15例，平均年齡（60.3±12.0）歲。本研究已獲得我院倫理委員會批準。

1.2 方法

1.2.1 TACE術前MRI掃描方法：所有入組患者的MRI檢查均在飛利浦INGENIA 3.0T MR掃描儀上進行。掃描參數：（1）T2WI，TR 3 000 ms，TE 200 ms，矩陣200×195，層厚7 mm，層間距1 mm；（2）雙回波T1WI，TR 3.6 ms，TE 1.31、2.2 ms，矩陣224× 166，層厚5 mm，層間距-2.5 mm；（3）DWI，TR 2 500 ms，TE 64 ms，矩陣116×97，層厚7 mm，層 間距1 mm，b=0，800 s/mm2；（4）增強掃描，TR 3.6 ms，TE 1.31、2.2 ms，矩陣224×166，于15、50、90、180 s采集獲得肝動脈期、門靜脈期、實質期、延遲期圖像，重建層厚5 mm，層間距-2.5 mm。

1.2.2 療效評估：依據mRECIST標準[10]評估所有肝癌患者術后3個月內的TACE反應性，具體如下：（1）完全緩解（CR）：所有靶病灶均無動脈期增強；（2）部分緩解（PR）：靶病灶增強掃描動脈期的直徑總和至少減少30%；（3）疾病穩定（SD）：靶病灶的縮小程度既未達到PR標準，增大程度也未達到PD標準；（4）疾病進展（PD）：出現新病灶，或者靶病灶增強掃描動脈期的直徑或病灶的最大徑至少增大20%。本研究中，定義CR和PR為TACE有反應，共47例，SD和PD為TACE無反應，共39例，MRI圖像上，TACE有反應患者腫塊明顯縮小、信號強度減弱，而TACE無反應患者表現為腫塊無縮小或腫塊增加、信號增加（見圖1）。

圖1 TACE無反應和有反應的典型MRI圖像

1.2.3 感興區（ROI）分割方法：將所有患者的T2WI圖像導入ITK-SNAP（Version3.4.0，http://www.itksnap.org/）軟件，由1名具有10年以上經驗的放射科醫師基于該平臺對腫瘤病灶逐層勾畫靶病灶邊緣，并融合成三維容積興趣區volume of interest（VOI），同時，由另一名15年以上工作經驗的放射科醫師對勾畫的VOI進行核對。

1.2.4 影像組學特征提取方法：將分割完成的86例患者TACE術前T2WI圖像VOI及原始DICOM文件導入美國GE公司的軟件AI-Kit（artificial intelligence kit，Version:3.0.1.A），基于該軟件進行特征提取。提取5大類[形態特征（formfactor parameter）、直方圖特征（histogram parameter）、灰度共生矩陣特征（GLCM）、灰度游程矩陣特征（RLM）、灰度區域大小矩陣特征（GLSZM）]共396個紋理特征。

1.2.5 MRI影像學特征篩選及模型構建方法：采用隨機數字表法將所有患者分為訓練組（n=59）和驗證組（n=27），訓練組的樣本用來訓練模型，驗證組的樣本用于對模型進行驗證。對提取的影像特征進行特征預處理，用中位數替代結果為NA或Inf的特征參數，并對所有參數進行Z-score標準化，消除每個特征列的單位限制。針對訓練組數據，使用最大相關、最小冗余算法除去與TACE反應性無關或相互冗余的特征；采用最小絕對收縮與選擇算子（LASSO）回歸和十折交叉驗證法篩選特征，獲得與TACE反應性高度相關的特征子集，計算每例患者MRI影像學特征的Rad-score值，以二元Logistic回歸算法建立預測HCC的TACE反應性的影像組學模型，并使用訓練組中構建的影像組學模型計算驗證組中每例患者的Rad-score值。使用受試者工作特征（receiver operating characteristic，ROC）曲線及校準曲線評估模型在訓練組和驗證組的預測效能，計算ROC曲線下面積（AUC），敏感性和特異性。基于每例患者的Rad-score值，制作列線圖，個性化預測TACE反應性，使用決策曲線分析（decision curve analysis，DCA）評估不同風險閾值下的臨床獲益。

1.3 統計學分析

使用R語言（version:3.6.1，https://www.r-project.org/）進行統計學分析。采用Kolmogorov-Smirnov檢驗定量資料的正態性，采用獨立樣本t檢驗或Mann-WhitneyU檢驗對定量資料進行比較，采用χ2檢驗對計數資料進行比較。P＜0.05表示差異具有統計學意義。

2 結果

2.1 患者一般資料

訓練組共59 例，32 例為TACE有反應，27 例為TACE無反應；驗證組27 例，15 例為TACE有反應，12 例為TACE無反應，TACE有反應和無反應的患者在訓練組和驗證組間的分布無統計學差異（P=0.909）。訓練組和驗證組中TACE反應與TACE無反應的患者在年齡、性別、有無乙肝、有無腹水、谷草轉氨酶、谷丙轉氨酶、谷氨酰轉肽酶、甲胎蛋白、腫瘤最大徑、總膽紅素、血漿白蛋白、血漿凝血酶原時間等一般資料均無統計學差異（P＞0.05），詳見表1。

表1 患者一般資料

2.2 特征篩選及模型構建

經LASSO回歸算法和十折交叉驗證法計算的最優模型參數λ為0.0874（圖2A），篩選出1 個灰度步長矩陣特征（LongRunHighGreyLevelEmphasis_All-Direction_offset4_SD），6個灰度共生矩陣特征（ClusterShade_angle135_offset4，Correlation_AllDirection_offset7_SD，Correlation_angle90_offset1，InverseDifferenceMoment_angle90_offset7，GLCMEntropy_All-Direction_offset1_SD，GLCMEntropy_AllDirection_offset7_SD），和1個直方圖特征（skewness），共8個非零系數的特征（圖2B），各個特征的加權系數詳見圖2C。

圖2 紋理參數降維及特征選擇過程

2.3 影像組學模型預測效能評估

TACE反應性預測模型在訓練組和驗證組中AUC為0.838（95%CI0.737～0.939）和0.794（95%CI0.604～0.985），靈敏度為74.1%和75.0%，特異度為84.4%和80.0%（圖3A，3B）。影像組學列線圖顯示Rad-score值越大的HCC患者TACE反應性差的概率明顯增加，可用于TACE反應的個體化預測（圖3C），校準曲線顯示該模型在訓練組和驗證組的預測概率與實際概率擬合良好（圖3D，3E）。決策曲線分析顯示在0.1～1.0 的閾值范圍內該模型具有較高的凈受益（圖3F）。

圖3 模型的效能評估曲線

3 討論

TACE是中晚期肝癌患者的最常用治療手段，能夠顯著延長患者的腫瘤無進展時間和生存時間，并作為肝切除術、肝移植術的橋接治療手段，實現降期治療的目的，其在臨床應用中的作用日益凸顯[11]。但由于HCC的異質性，不同患者對TACE的反應性存在較大差異[12-13]，且目前尚缺乏高特異度和高敏感度的預測方法，極大影響了中晚期肝癌的臨床治療決策[14]。由于腫瘤在多個維度與多個組學的特征是相互對應的，影像組學的快速發展，使得研究人員可以從影像學層面發現腫瘤內在的基因組學、轉錄組學、表觀組學及蛋白組學等多個層面的信息，這也為精確評估腫瘤患者的TACE反應性提供了新的思路。

本研究中，基于GE AI-Kit軟件提取了5大類共396 個影像學特征，經篩選后，最終有8 個影像學特征與TACE反應性高度相關。8 個特征覆蓋了直方圖特征、灰度步長矩陣特征以及灰度共生矩陣特征。這些反應不同順序紋理異質性的醫學影像學特征已被證實了能用于定量評估腫瘤的異質性[15]；雖然解釋腫瘤病理生理過程和紋理特征之間的復雜關系仍然是一個障礙，但紋理異質性較高的腫瘤往往對TACE的反應性較差[16-17]。本研究中構建的肝癌TACE反應性預測模型在訓練組和驗證組的ROC曲線下面積分別高達0.838 和0.794，模型的敏感度和特異度也較高，且校準曲線也顯示了模型的預測結果和實際結果的高度一致性，決策曲線進一步證明了模型的臨床應用價值。基于影像學特征評分的列線圖顯示，Rad-score評分越高的HCC患者TACE反應性越低，臨床應用中可根據患者的Rad-score值預估患者TACE反應率，用于指導TACE術前無創化預測，指導臨床針對不同個體制定個性化的治療策略。

本研究也存在一定的局限性：（1）本研究是回顧性研究，樣本量較小，可能會對TACE反應性預測模型的穩健性有影響；（2）本研究結論缺乏外部驗證，其普適性仍有待進一步確證。后續的研究將開展前瞻性、多中心研究，擴大樣本量，提高基于MRI影像組學特征預測HCC患者的TACE反應性的穩定性和可重復性。