食管癌影像組學研究

彭慧 綜述 馮峰 審校

食管癌是全球第七大常見腫瘤疾病，也是第六大癌癥死亡原因[1]。由于起病隱匿，大約一半食管腫瘤患者診斷時已為中晚期，錯過了最佳手術切除時機，大部分患者通常采取放化療為主的綜合治療[2]。如何早期診斷、準確分期及合理治療使患者最大獲益成為研究熱點。腫瘤發展過程中由于基因、生理微環境和生活方式等個體化差異存在高度異質性。常規影像診斷方式如食管鋇餐造影、CT、MRI以及PET/CT在食管癌臨床分期、放化療療效評估和預后預測等方面有重要指導作用，但對于食管腫瘤異質性研究仍存在一定局限性。新興影像組學(Radiomics)能更好地描述腫瘤本身異質性及生物學特性[3]，在一定程度上彌補了常規影像診斷方法的不足，對于個體化治療方案制定及調整至關重要。

影像組學

1.影像組學概念和特征

疾病的變化是由患者個體的基因、生理微環境、生活方式和生存環境等諸多因素共同決定的。若在常規影像學診斷基礎上通過深度挖掘數據，尋找出疾病內涵特征，反映人體組織、細胞和基因水平的變化，將會對臨床醫學產生一定影響。基于這一理論，影像組學應運而生[4]。2012年，荷蘭學者Lambin[5]首次提出影像組學概念，其思想來源于腫瘤異質性。Kumar等[6]將影像組學定義為“高通量地從CT、MRI和PET中提取并分析大量高級的定量影像學特征”。影像組學包括圖像采集與重建、圖像分割與渲染、特征提取與鑒定、數據庫和數據共享以及個體數據分析5個步驟。

影像組學特征包括形態特征、語義特征及紋理特征等。形態特征是通過計算感興趣區域(regions of interests ，ROI)描述腫瘤特征，其中常用的有緊密度、三維直徑、球形不均勻度、球形度、表面積和體積等。常用語義特征有尺寸、形狀、位置、血管分布、毛刺和壞死等。但是，形態特征及語義特征并不涉及腫瘤的異質性，紋理特征卻可獲得更多關于腫瘤異質性的信息[7]。紋理分析通過計算病灶圖像紋理特征反映了圖像中微觀異質性的程度，而異質性往往也是區別腫瘤與正常組織或良性病變的重要特征之一。基于影像學圖像腫瘤異質性，通過定量分析其與腫瘤生物學特性的關系可以為癌癥患者的診療提供重要信息。不同的紋理分析方法被用來量化腫瘤的異質性，包括基于模型、基于結構和基于統計的方法，其中最常用的是統計法，其一階特征基于直方圖分析包括平均、最小和最大強度、標準偏差、偏度和峰度等；二階特征基于共生矩陣包括灰度共生矩陣(grey-level co-occurren cematrices，GLCM)、灰度游程步長矩陣(grey-level run length matrices，GLRLM)等。GLCM又包括熵、能量、對比度、均勻性、相異性和相關性等；高階特征包括鄰域灰度差值矩陣(neighborhood graytone difference matrix，NGTDM)、灰度區域大小矩陣(gray-level size zone matix，GLSZM)等[8-10]。影像組學特征提供了潛在腫瘤生物學和行為的額外信息預測，這些特征可單獨使用或與其他相關病理數據、基因組數據等一起使用，反映腫瘤表型、預測治療反應和預后。

2.ROI勾畫

影像組學分析是基于體素在預定義的ROI中的空間排列，準確的ROI勾畫將決定正確的特征提取。由于提取方式不精確，除腫瘤區域以外的成分如水腫、空氣、偽影等也可能被提取出來，造成靶區勾畫的不確定性，所以如何進行病灶靶區的勾畫在食管癌影像組學研究中十分重要。目前暫無食管癌ROI勾畫具體標準，應用較多的為病灶全體積和單一最大層面兩種勾畫方法，通過目視檢查原發腫瘤范圍，手動調整感興趣的區域，排除食管腔內氣體及病灶鄰近的水、空氣、脂肪及正常組織，以避免與鄰近的非腫瘤結構或其他類型病變重疊，盡量減小誤差[11,12]。食管癌全體積ROI勾畫包括了腫瘤的實性成分、囊性成分、壞死成分等，可以更全面的反映食管癌的病理生理情況，提供一個更具代表性的腫瘤異質性評估，但是耗時較長，操作較復雜。食管癌最大層面上的ROI勾畫操作簡便，節約時間便于研究和應用，但是由于食管為空腔臟器，且食管癌形狀多不規則，只選擇病變最大層面可能無法代表其實際形狀，在全病灶分析方面會有所欠缺[13,14]。一項直腸癌影像組學研究顯示從T2加權中通過全體積及最大層面兩種方法中提取病灶影像組學參數在評價預后時無統計學差異[15]。因此，兩種不同的ROI勾畫方式在食管癌影像組學分析中是否存在差異還有待進一步研究。

影像組學在食管癌中應用

1.CT影像組學在食管癌中的應用

CT是食管癌臨床分期、放化療療效評估和預后預測常用影像學方法，主要反映食管腫瘤的形態學信息。近來研究表明基于CT圖像影像組學可以提供額外的信息進一步量化食管腫瘤異質性。其中，CT紋理分析是最為常用的CT影像組學分析方法。

T分期:CT是食管癌術前臨床T分期的主要手段。食管癌T分期取決于食管病灶的侵犯深度及周圍侵犯情況，與患者治療方式的選擇高度相關從而影響患者的預后。由于CT上食管壁的對比分辨率差，很難區分不同的組織層尤其是早期食管癌病灶較小，范圍多局限于黏膜下層，臨床主要靠內鏡或手術病理確定分期。常規CT上食管癌侵犯外膜診斷為T3期，脂肪間隙消失并侵犯鄰近結構診斷為T4期食管癌，而食管周脂肪因人而異導致確定腫瘤T3或T4期有時存在困難。賈明選等[16]利用常規平掃及增強CT診斷食管癌，結果顯示T1-2期準確率為66.67%，T3期和T4期準確率分別為77.78%、96.30%。反映了常規CT依據形態學改變評價食管癌T分期尚存在一定局限性。研究報道CT影像組學可通過提取和量化圖像特征診斷食管癌T分期。但是，影像組學ROI勾畫也是基于常規CT圖像，對于早期小病灶同樣存在確定病灶范圍困難的問題，臨床應用價值不大。目前研究主要集中在≤T2和>T2期。朱宗明等[17]對40例食管癌患者進行胸部CT平掃及增強掃描，根據病理結果將T1-2期食管癌設為A組(21例)，T3期食管癌設為B組(19例)，紋理分析后發現角二階矩、逆差距、熵組間差異有統計學意義(P<0.05)。Liu等[11]納入了73例食管鱗癌患者，手動勾畫CT平掃及增強圖像最大層面的腫瘤ROI，對ROI進行紋理分析后生成6個紋理參數，并將T分期分為兩組(T1-2組和T3-4組)，結果顯示基于平掃CT圖像通過比較受試者操作特征( receiver-operating characteristic，ROC)，峰度和熵區分兩組病例的曲線下面積(the area under the curve，AUC)分別為0.652和0.653；基于增強CT圖像熵區分兩組病例的AUC為0.637。而三維勾畫腫瘤ROI能更好的反映腫瘤的整體特征。Wu等[18]三維勾畫154例食管鱗癌患者的動脈期增強CT圖像的腫瘤ROI，研究發現基于GLCM、GLRLM、GLSZM等建立的多參數模型可以區分T1-2期和T3-4期食管癌，其訓練組AUC為0.795，驗證組為0.762。因此，CT影像組學有助于鑒別≤T2和>T2期食管癌，但是目前文獻報道較少，不同于常規CT觀察形態學變化影像組學采用定量參數判斷食管癌T分期，主要臨床作用在于提供了常規CT之外的額外信息。在此基礎之上，兩者聯合提高食管癌T分期診斷準確率值得期待。

N分期:目前，CT上仍以淋巴結短徑≥10 mm作為轉移性淋巴結判定標準。然而，以淋巴結大小來判斷轉移性淋巴結的閾值尚無確切定論。病理正常大小的淋巴結可能是惡性的，而增大的淋巴結可能是炎性或反應性增生。因此，在鑒別是否為淋巴結轉移時使用客觀定量指標來輔助判斷很有必要。CT影像組學可通過分析原發食管病灶ROI內像素灰度值分布模式及變化規律揭示病灶內潛在的病理異質性，更好地鑒別及預測淋巴結轉移。Liu等[11]手動勾畫了73例食管鱗癌患者的CT增強圖像腫瘤最大層面的ROI，通過紋理分析鑒別是否有淋巴結轉移，結果發現熵可以區分有無淋巴結轉移，相應AUC為0.815。另一方面，基于影像組學特征所建立的列線圖預測模型可提高鑒別淋巴結轉移的準確性。Shen等[19]分析197例食管癌患者的術前增強CT圖像的腫瘤全體積ROI，構建基于影像組學特征的列線圖模型，比較CT報告和影像組學對淋巴結轉移的診斷準確性，結果顯示CT報告的淋巴結轉移數的準確率很低(59%)，假陰性率偏高(64%)。而根據篩選后所得的13個組學特征建立的列線圖預測模型得到訓練組的AUC為0.806(敏感度67.9%，特異度82.7%)；驗證組的AUC為0.771(敏感度76.7%，特異度61.2%)。由此可見，CT影像組學參數對鑒別淋巴結轉移具有較高的診斷效能。

放化療療效評估:食管癌放化療后腫瘤細胞可發生凋亡、破裂、溶解等一系列改變，從而使腫瘤細胞密度減低以及細胞內部特征發生改變，通過影像組學可以反映腫瘤內部異質性的變化，從而評價療效。Yip等[20]對31例食管癌患者新輔助化療前后的動脈期增強CT圖像的紋理參數進行對比分析發現化療后平均灰度強度、熵、峰度及直方圖標準差這些參數下降，均勻性增加，并且較低的熵和較高的均勻性表明治療后腫瘤內異質性較低，因此認為CT紋理參數可作為食管癌治療效果的預測性影像組學診斷指標。這些量化指標的引入為食管癌療效評價提供了更多的信息。Zhen等[21]利用支持向量機(support vector machine，SVM)和人工神經網絡(artificial neural network，ANN)算法建立治療反應預測模型，對49例食管鱗癌患者放化療前的增強CT圖像進行紋理分析，根據實體瘤療效評價標準評價腫瘤完全緩解(complete response，CR)、部分緩解(partial response，PR)、穩定期疾病(stable disease，SD)和進展期疾病(progressive disease，PD)，其中CR或PR患者被歸類為應答者，而SD或PD患者被歸類為無應答者，研究發現這兩種模型可區分無應答者和應答者，AUC分別為0.818和0.927。

預后預測：CT圖像異質性分析也用于判斷預后。研究[22]納入了36例食管癌患者，對其治療前后的動脈期增強CT圖像的組學特征進行對比分析發現治療后熵明顯降低，均勻性明顯提高，并且治療后熵與5年生存率呈負相關。不足的是上述研究只提取了較少的紋理特征進行研究，無法全面評估腫瘤的表型，建立多參數預測模型可能更有助于提高預后預測的準確性。Yan等[23]提取了61例接受放療的食管癌患者放療前后的平掃CT圖像紋理特征，研究放療前后CT紋理變化與生存率之間的關系，將患者分為生存時間較短(<13個月)和生存時間較長(>36個月)兩組，結果得到患者放療前后平均CT值變化的中位數為3.43 HU，放療前后平均CT值降低幅度<3.43 HU時存活率較高，并且紋理特征與生存率的相關性分析發現治療前后糙度和強度呈增加趨勢的患者生存時間較長。以上研究提示定量組學分析有望補充常規CT對食管癌的預后預測。

2.PET/CT影像組學在食管癌中應用

最大標準化攝取值(maximumstandardized uptake value，SUVmax)是18F-FDG PET/CT圖像分析中應用最廣泛的參數之一，已被證明對食管癌患者的臨床分期、預后和療效預測有價值。但是由于腫瘤壞死、細胞增殖、微血管密度和缺氧等因素的影響，腫瘤內攝取18F-FDG通常不均一。因此，腫瘤內異質性可能使18F-FDG攝取的準確評估復雜化，并且從單一體素中提取的SUVmax不能表征整個腫瘤攝取18F-FDG的總活動性和異質性。最近，PET/CT影像組學被提出用來表征腫瘤內18F-FDG攝取的異質性，能提供比SUVmax更有用的信息。PET/CT影像組學有助于量化腫瘤內18F-FDG的分布，并且與其他空間圖像信息如代謝性腫瘤體積、總病變糖酵解、腫瘤形態等在食管癌的診斷和治療預測中具有一定的互補作用。

臨床分期：食管癌的治愈率和生存率與腫瘤壁侵襲、淋巴管受累和轉移擴散高度相關。然而，根據浸潤深度或淋巴結轉移的臨床診斷并不總是準確的，這增加了通過腫瘤-淋巴結轉移分期系統來識別術后復發風險高的患者難度。研究表明PET/CT影像組學有助于提高食管癌分期的準確性。在一項基于的PET/CT影像組學研究[24]自動勾畫40例食管鱗癌患者術前PET圖像腫瘤全體積ROI并手動調整，對其進行紋理分析，探索紋理分析、SUVmax和腫瘤TNM分期的關系，結果發現T分期及N分期與SUVmax、熵呈正相關，與能量呈負相關。此外，ROC曲線顯示熵可以預測Ⅱ期以上腫瘤，最佳截斷值4.699，AUC0.789，敏感度77.8%(95%CI:52.4～93.6)，特異度72.7%(95%CI:49.8～89.3)。只有紋理特征是Ⅱ期以上腫瘤顯著預測因子。這一發現提示影像組學特征比常規PET/CT更好的協助臨床進行腫瘤分期，有可能成為預測局部腫瘤侵襲程度、淋巴結轉移狀況和腫瘤分期的新方法。

放化療療效評估：雖然新輔助放化療提高了食管癌患者的5年生存率，但并非所有患者都能從中獲益。Van等[25]交叉試驗表明29%的患者有完全反應，52%有部分反應，18%沒有腫瘤反應。對于完全反應者來說可能無需手術干預，接受定期復查即可。充分反應預測對開展食管癌個性化治療具有重要意義。在一項納入了52例食管鱗癌患者研究中Nakajo等[26]探討PET/CT紋理分析對食管癌化療療效的預測價值，根據實體瘤療效評價標準CR或PR患者被視為應答者，SD或PD患者被視為無應答者，研究發現34例無應答者的GLSZM強度變異性、GLSZM大小區域變異性以及標準體積參數如代謝性腫瘤體積和總病變糖酵解顯著高于18例應答者。另一項[27]納入了97例晚期食管癌患者的回顧性分析中得出PET來源的GLRLM和CT衍生紋理特征運行百分比的AUC 0.74，較預測治療反應的SUVmax(AUC為0.54)高。由此可見，PET/CT組學參數有助于提高食管癌放化療療效評估效能。

預后預測：傳統預測預后的PET影像學指標依賴于病變SUV和腫瘤體積的量化，但是，PET的空間分辨率較低，其單一體素邊長為5 mm，難以對體積較小的腫塊進行分析，并且由于空間異質性，即使是小腫瘤活檢也缺乏完整的分子特征。基于PET/CT成像中的腫瘤異質性可能允許更好的組織特征提取及圖像分割為患者預后預測提供更多有用信息。Desbordes等[28]從65例食管癌患者放化療前后的PET/CT圖像中提取出45個特征，經篩選后得到的28個特征采用隨機森林模型預測食管癌放化療后患者的3年總生存率，發現來自共生矩陣的均勻性參數是較好的預測因子，相應的AUC值約為0.84。另外，結合傳統PET/CT參數和組學參數可提高食管癌預后預測的有效性。Chen等[29]使用Matlab軟件對44例食管鱗癌患者治療前和新輔助放化療后的PET/CT圖像進行紋理分析，并結合紋理特征和傳統參數預測食管鱗癌的總生存率。多因素生存分析結果顯示治療前原發性腫瘤代碼相似度≤0.0235，SUVmax降低率≤0.76，以及通過手術病理檢查發現的殘余腫瘤是縮短總生存率和無病生存率的獨立危險因素，并且新輔助放化療后SUVmax的降低率比治療前更能準確預測食管癌患者的生存率。此外，將接受新輔助化療的患者分為病理完全緩解(pathological complete response，pCR)和非pCR兩組，研究發現非pCR組的總生存率和無病生存率明顯低于pCR組。另一項涉及403名患者研究Foley等[30]發現總病變糖酵解直方圖能量和峰度與總體生存率獨立相關。以上研究顯示基于PET/CT這種分子影像的影像組學研究具有更廣泛的研究前景。

3.MRI影像組學在食管癌中的應用

MRI目前在食管癌中的應用包括常規成像和功能成像。研究顯示MR功能成像如擴散加權成像(diffusion weighted imaging，DWI)、動態增強磁共振成像(dynamic contrast-enhanced MRI，DCE-MRI)的影像組學可以對食管腫瘤異質性進行分析，從而提高MR監測放化療療效和預測預后的效能。但是目前食管癌影像組學在MR常規成像方面的應用研究較少。

放化療療效評估：放化療聯合治療使食管癌患者獲得更好的局部控制率和生存率，但是由于具有諸如骨髓抑制、肺炎、心包炎等副作用，一些患者不能從放化療中獲益。早期預測腫瘤反應可以讓醫生確定患者是否受益于放化療，隨后為患者制定個體化治療方案，同時避免不必要的治療。基于像素分布的直方圖分析可以提供關于腫瘤異質性和個體化治療的定量信息，從而進行食管癌療效評估。Sun等[31]通過DCE-MRI直方圖分析法預測和評估72例局部晚期食管鱗癌患者的放化療反應，根據實體瘤療效評價標準將腫瘤反應分為CR組和非CR組兩組，用ROC分析評估直方圖參數的診斷性能。研究發現CR組放化療后容量轉移常數(Ktrans)直方圖參數(中位數、平均值、標準差、第10和90百分位)明顯降低(P<0.05)，非CR組則無明顯變化，同時發現經治療后腫瘤異質性降低，故Sun認為MR組學參數可作為評價療效的良好指標。在一項報道了58例食管鱗癌患者的回顧性研究[32]10例pCR患者較48例非pCR者有更低的表觀擴散系數(apparent diffusion coefficient，ADC)平均值、更高的峰度和偏度(P<0.01)，并且ROC分析表明偏態性是pCR的最佳預測因子(AUC為0.86)，截止值0.50，準確度86.2%。

預后預測：食管癌因其高轉移潛能和高侵襲性而預后較差，5年總生存率在15%～25%[33]。研究表明食管癌腫瘤異質性與預后相關,ADC直方圖分析通過顯示和量化像素或體素的分布能更好的顯示腫瘤異質性。Hirata等[32]納入58例術前放化療的食管癌患者，參照軸向T2加權圖像排除肉眼可見血管和壞死成分后手動逐層勾畫軸向ADC圖像腫瘤ROI，用ADC直方圖預測術前放化療5年生存率，研究發現術前偏斜度較高(≥0.50)的腫瘤患者無復發生存率較高(P=0.032)，且偏斜度是無復發生存率獨立預測因子。Li等[34]結合72名患者的放療劑量及從治療前ADC圖像中提取的6種紋理特征預測患者放化療后的1年和2年生存率，結果顯示ADC紋理特征(直方圖特征、GLCM特征)和放療劑量與生存率顯著相關。ADC紋理特征可作為預測食管鱗癌患者放化療后生存率的有用生物標志物。

放射基因組學

最近的基因組分析突出了食管癌中存在的遺傳異質性是導致治療結果和反應異質性差異的根本原因[35]。近年來，有一種將基因檢測與醫學影像相結合的放射基因組學正在興起。Bauman等[36]于2003年首次提出放射基因組學的概念，主要指研究腫瘤組織及瘤周正常組織對放射治療敏感性及其與基因的關系并將影像學特征與基因特征進行相關研究。放射基因組學包括通過定性和/或定量成像識別具有特定遺傳特征的表型，這有可能顯著提高治療方案的精準選擇，從而改善患者預后。目前，放射基因組學在消化道腫瘤直腸癌中已有初步應用。Horvat等[37]探討65例直腸腺癌患者MRI定性和定量特征與基因突變的關系，其中定量評估是通過計算T2加權圖像上的34個紋理特征所得，結果得到環周切緣陽性患者ATM突變頻率較高，淋巴結陰性患者BRCA2突變頻率較高，腫瘤長度與FLT4突變相關，腫瘤位置與APC和RASA1突變相關。雖然這項研究發現MRI定性和定量特征與基因突變之間的聯系，但經過多次比較驗證后沒有保持顯著的相關性，還需要更加深入的研究。Badic等[38]納入了64例直腸癌患者，研究原發性結直腸癌門脈期增強CT影像學特征和基因表達數據的潛在預后互補價值，發現ABCC2基因表達與來自GLCM的熵有顯著相關性，并且ABCC2的表達是無進展生存率的預后因素(P=0.035)。以上報道都是初步研究，存在樣本量小及所得結果評估不充分等不足。基于放射基因組學在消化道腫瘤直腸癌中的應用，其在食管癌中可能也存在一定的研究價值，有待進一步探究。

總結和展望

食管癌仍是目前發病率較高的癌癥之一。提取食管癌影像圖像中更加細微的特征，更深入地分析有助于食管病灶診斷的影像學特征成為現今的研究熱點。影像組學通過從多模態影像中提取大量特征，定量分析特征參數，為解決腫瘤異質性這一難題提供了思路，也對發展精準醫療產生了一定的推動作用。雖然食管癌影像組學的研究方法相對復雜，但其操作具有無創性，患者接受度高。影像組學已在食管癌臨床分期、療效評價及預后評估等方面得到了一定的成果，并且越來越多的研究將食管癌影像組學技術與臨床及病理結果相結合，這更有利于臨床醫師的診療及影像組學技術的推廣。目前食管癌影像組學仍處于研究階段，其發展仍然面臨著研究樣本量較小，所得結論缺乏廣泛驗證等挑戰。該技術在臨床應用中仍需進一步研究和規范，但有望成為食管癌診療過程中的一種有價值的量化分析手段。