MRI 不同影像組學模型預測膠質瘤MGMT啟動子甲基化狀態的研究

陳思璇，許悅，葉梅萍，李揚，于芷軒，青釗，2，王正閣，張冰，2，張鑫*

作者單位：1.南京大學醫學院附屬鼓樓醫院醫學影像科，南京210093；2.南京大學腦科學研究院，南京210093；3.南京大學健康醫療大數據國家研究院，南京210093

膠質瘤是由不同分化階段的神經上皮組織衍生的膠質細胞生成的腫瘤的總稱，它是中樞神經系統最常見的腫瘤[1]。O6-甲基鳥嘌呤-DNA 甲基轉移酶(O6-methylguanine-DNA methyltransferase，MGMT)啟動子甲基化是評估腦膠質瘤患者對烷化劑藥物替莫唑胺敏感性的重要分子依據，并且是評價腦膠質瘤患者預后情況的重要分子指標，在指導臨床制訂治療方案以延長患者生存期方面具有重要價值[2-3]。檢測MGMT啟動子甲基化對診斷及鑒別診斷腦膠質瘤具有重要意義。而目前檢測主要依賴于手術獲取組織進行基因分析[4]。

分子診斷、人工智能算法的迅速發展使得利用影像組學研究腫瘤分子標志物成為熱門研究課題之一。影像組學是指高通量地提取大量影像特征，應用自動化數據特征化算法將影像數據轉化為具有高分辨率、可深度挖掘的特征空間數據并進行建模分析，對疾病診斷、治療及預后等進行客觀定量分析，其可以反映潛在的組織和病變特征，如腫瘤的異質性[5,6]。MGMT 啟動子甲基化與膠質瘤MRI 研究不充分，預測膠質瘤MGMT 啟動子甲基化仍然是臨床上面臨的挑戰，需要進一步的研究[7]。選擇不同影像組學模型及影像圖像建模會影響模型的診斷性能[7-8]。

目前在運用影像組學進行膠質瘤MGMT啟動子甲基化的預測研究中，研究主要局限在膠質母細胞瘤以及單一的影像組學方法研究，缺乏對不同影像組學模型進行對比研究，因此，本研究基于MRI 平掃T1WI、T2WI、ADC和增強T1WI的影像組學特征，采用不同的影像組學模型構建模型進行研究，探討膠質瘤MGMT啟動子甲基化狀態的預測效能。

1 材料與方法

1.1 研究對象

回顧性分析2017 年1 月至2019 年12 月南京鼓樓醫院符合以下標準的患者病例，納入標準：(1)經手術切除，病理證實WHO 分級2～4 級(WHO 2021 版中樞神經系統腫瘤分類)；(2)術前行MRI 平掃及增強檢查(T1WI、T2WI、ADC、T1WI 增強序列)；(3)術前均未進行腫瘤治療。排除標準：(1)圖像質量不佳；(2)圖像序列缺損。共114例符合上述標準的患者納入研究，其中MGMT 啟動子甲基化陽性58 例，陰性56 例。數據按8∶2 的比例分割為訓練組與驗證組，訓練組91 例，驗證組23例。本回顧性研究經南京大學醫學院附屬鼓樓醫院醫學倫理委員會批準(編號：2019-065-01)，免除受試者知情同意。

1.2 MRI掃描

采用Philips Achieva 3.0 T MRI掃描儀和聯影uMR770 3.0 T MRI 掃描儀。MR 增強掃描：軸位T1WI增強掃描,對比劑為釓噴替酸葡甲胺(Gd-DPTA),用量為0.2 mmol/kg。掃描參數如表1所示。

表1 MRI掃描參數Tab.1 MRI scanning parameters

1.3 MRI特征提取

使 用ITK-SNAP 軟 件( 版 本3.8.0，https://itksnap.org/)對未進行預處理T2WI 及T1WI 增強DICOM 原始圖像進行三維分割。在T2WI 及T1WI 增強圖像上，由2 名影像科醫生(具有3 年工作經驗)分別獨立勾畫腫瘤加水腫區域及腫瘤核心區域2 種感興趣區域(region of interest，ROI) (腫瘤加水腫區域參考T2WI 高信號區域勾畫，腫瘤核心區通過參照增強T1WI強化區域勾畫)，ROI包含每層病灶的圖像。如果兩位影像科醫生勾畫的ROI 之間存在的差異低于5%，將兩個ROI 融合。如果兩個ROI 之間存在的差異高于5%，由1名影像科醫生(具有10年工作經驗)來確定最終勾畫。

為了能夠高通量地從MRI圖像中提取腫瘤部分的影像組學特征，我們采用開源軟件PyRadiomic(https://pyradiomics.readthedocs.io/en/latest/index.html)從T1WI、T2WI、增強T1WI、ADC 這四個序列的腫瘤加水腫區和腫瘤核心區中分別提取影像組學特征，將各個序列配準至相同的物理空間，從而使得同一個患者的ROI在各個序列上對應相同的病灶區域。每個患者在四種序列中的兩種ROI 區域，即共計8 種區域中進行影像組學特征提取。在每個區域中，我們提取了86 個特征：包含18 個一階特征，68 個紋理特征(包括14個灰度依賴矩陣特征、16個灰度尺寸區域矩陣特征、16個灰度游程長度矩陣特征、22個灰度共生矩陣特征)，基于以上特征可以量化腫瘤不同維度的特性。對于每個患者能夠提取8 個區域的86 個特征，總計688個特征。

1.4 特征選擇和預測模型的建立

1.4.1 數據歸一化

由于不同特征計算出的數值差別較大，需將不同特征直接的數值縮放到同一數量級，利用Normalize to unit 對特征矩陣進行歸一化處理，計算公式如公式1，其中表示第n個特征，m表示樣本數[9]。

1.4.2 數據降維

采用主成分分析(principal component analysis，PCA)方式進行數據降維，將潛在相關的高維特征轉變為線性獨立的低維特征。

1.4.3 特征選擇

利用多變量方差分析(analysis of variance，ANOVA)對多變量進行統計分析，計算每個降維特征對label 的F值權重，從大到小排序后，篩選最相關的特征[9]。

1.4.4 模型建立及評估

分別采用邏輯回歸(Logistic regression，LR)算法、Lasso 的邏輯回歸算法(Logistic regression via Lasso，LR-Lasso)、支持向量機(support vector machine，SVM)、貝葉斯分類器(native Bayes，NB)構建診斷模型。應用5 折交叉驗證方式進行驗證。繪制ROC 曲線用于評估不同模型的預測性能，并且計算模型的曲線下的面積(area under curve，AUC)、準確率、特異度、敏感度，根據模型在測試集上的AUC來篩選最優模型，實驗建模流程圖如圖1所示。

圖1 實驗流程圖。Fig.1 Experimental flow chart.

1.5 統計分析

應用SPSS 軟件(22.0 版)對臨床基本資料進行統計分析，組間性別、腫瘤分級差異采用Pearson Chi-squared 檢驗進行評估，年齡分布的差異采用獨立樣本t檢驗進行評估。P＜0.05 認為差異具有統計學意義。本實驗使用的特征選擇和分類方法、模型建立采用Python 中的scikit-learn包(scikit-learn 版 本0.22，Python 版 本3.7)以及FeAture Explorer 軟件(https://github.com/salan668/FAE)。

2 結果

2.1 臨床資料結果

共有MGMT 啟動子甲基化結果大腦膠質瘤患者117 例，排除圖像缺損、質量不佳的病例3 例，最終共納入114例，分為訓練組(91例)和驗證組(23例)，包括58 例膠質瘤MGMT 啟動子甲基化陽性(平均年齡52歲；男/女=27/31)和陰性56例(平均年齡56歲；男/女=36/20)。本試驗的臨床特征如表2 所示，兩組在性別和年齡上差異無統計學意義。

表2 兩組間一般資料的比較Tab.2 Comparison of general data between the two groups

2.2 影像組學結果

本研究共計提取688個特征，經標準化處理并經PDA 降維，得到4 個模型預測效能如下：LR 模型的AUC值、準確率為0.90 和91% (表3，圖2)；SVM 模型的AUC值、準確率為0.89 和87% (表4，圖3)；LR-Lasso 模型的AUC 值、準確率為0.80 和74% (表5，圖4)，NB 模型的AUC 值、準確率為0.69 和74% (表6，圖5)。基于LR模型預測效能最高。

圖2 LR 模型在交叉驗證集(CV Validation)、訓練集(Train)、測試集(Test)中的ROC 曲線。 圖3 SVM 模型在交叉驗證集(CV Validation)、訓練集(Train)、測試集(Test)的ROC 曲線。 圖4 LR-Lasso 模型在交叉驗證集(CV Validation)、訓練集(Train)、測試集(Test)中的ROC 曲線。 圖5 NB 模型在交叉驗證集(CV Validation)、訓練集(Train)、測試集(Test)中的ROC曲線。Fig. 2 ROC curves of LR model in cross validation set, training set and validation set. Fig. 3 ROC curves of SVM model in cross validation set, training set and validation set. Fig. 4 ROC curves of LR-Lasso model in cross validation set, training set and validation set. Fig. 5 ROC curves of NB model in cross validation set,training set and validation set.

表3 LR模型預測膠質瘤MGMT啟動子甲基化狀態的性能Tab.3 The performance of LR model in predicting the status of MGMT promoter methylation in glioma

表4 SVM模型預測膠質瘤MGMT啟動子甲基化狀態的性能Tab.4 The performance of SVM model in predicting the status of MGMT promoter methylation in glioma

表5 LR-Lasso模型預測膠質瘤MGMT啟動子甲基化狀態的性能Tab.5 The performance of LR-Lasso model in predicting the status of MGMT promoter methylation in glioma

表6 NB模型預測膠質瘤MGMT啟動子甲基化狀態的性能Tab.6 The performance of NB model in predicting the status of MGMT promoter methylation in glioma

3 討論

本研究基于T1WI、T2WI、ADC 和增強T1WI 的影像組學特征，采用LR、LR-Lasso、SVM、NB 影像組學算法構建模型對膠質瘤MGMT啟動子甲基化的預測效能進行研究，結果發現影像組學模型對術前預測腦膠質瘤MGMT 啟動子甲基化的狀態具有一定應用價值，LR模型預測效能最佳(AUC 值、準確率分別為0.90 和91%)，SVM 模型的診斷效能較好(AUC 值、準確率分別為0.89和87%)，LR-Lasso模型預測效能尚可(AUC值、準確率分別為0.80 和74%)，NB 模型預測效能欠佳(AUC 值、準確率分別為0.69 和74%)。本研究創新性地對不同影像組學模型的效能進行了評估與對比，篩選最適合預測膠質瘤MGMT啟動子甲基化狀態的影像組學模型，為無創評估膠質瘤MGMT 啟動子甲基化狀態提供新途徑，對實現腦膠質瘤精準個體化治療具有一定的臨床指導意義。

MGMT 啟動子甲基化是近年研究較多的腦膠質瘤分子標志物，是評估腦膠質瘤患者對烷化劑藥物替莫唑胺敏感性的重要分子依據，并且是評價腦膠質瘤患者預后情況的重要分子指標，在指導臨床制訂治療方案以提高療效及改善預后方面具有重要價值[2-3,10]。目前組織及分子病理學分析是檢測MGMT啟動子甲基化金標準，但獲取標本不僅是有創操作、過程復雜、可重復性差，而且由于標本取材的限制，有時不能反映腫瘤組織的整體情況，使得無創的影像組學方法成為腦腫瘤分子標志物的研究熱點[4,11-12]。

3.1 不同影像組學模型對膠質瘤MGMT啟動子甲基化的預測效能的比較

本研究基于T1WI、T2WI、ADC 和增強T1WI 的MRI影像組學特征，采用LR、LR-Lasso、SVM、NB 影像組學算法構建模型對膠質瘤MGMT啟動子甲基化的預測效能進行研究，發現LR 模型預測效能最高，SVM 模型的診斷效能較高，LR-Lasso模型預測效能尚可，NB模型預測效能欠佳。LR 模型在時間和內存需求上非常高效，它可以用較少的資源處理大型數據，其對于數據中小噪聲的魯棒性較好，在部分臨床預測模型中，其他種類機器學習模型的預測性能并沒有優于LR[13]。SVM 在相對小樣本，高維數特征、非線性問題具有一定優勢[14]。LR和SVM模型均屬于分類判別模型，常用于二分類。兩種模型均屬于線性分類算法，因此兩種算法結果比較相近。本實驗中基于LR模型預測效能最高，LR 模型與SVM 模型診斷效能差別不大，均具有較好的預測效能，這與上述兩種模型的特點及之前的研究相符。Sasaki 等[15]利用Lasso 算法預測膠質母細胞瘤MGMT甲基化狀態的準確率為67%，而本研究LR-Lasso 預測膠質瘤MGMT 啟動子甲基化準確率為74%，與之前的研究結果相符。NB是一種基于條件概率和計數的非常簡單的算法，由于算法非常簡單，NB 算法建模性能常常被其他經過適當訓練的分類算法超越，這可能是本研究中NB 模型預測效能不佳的原因。

3.2 影像組學方法在預測膠質瘤MGMT 啟動子甲基化狀態的臨床價值

本研究基于T1WI、T2WI、ADC 和增強T1WI 的MRI影像組學特征，采用不同影像組學模型構建預測模型，驗證了影像組學預測MGMT 啟動子甲基化狀態方面具有較高應用價值，這與之前的研究相符。Xi等[16]對98 例膠質母細胞瘤用支持向量機建模，發現聯合T1WI、增強T1WI 和T2WI 模型的預測準確率最高(0.86)。Wei 等[17]在T1WI、ADC 和FLAIR 圖像上從腫瘤和瘤周水腫提取影像組學特征，應用LR 建模預測MGMT啟動子甲基化，訓練集AUC為0.92，驗證集AUC為0.90，預測效能優于臨床因素和ADC參數。Jiang等[18]發現MRI 影像組學有助于預測低級別膠質瘤患者MGMT 啟動子甲基化狀態，而不同序列的影像組學特征的融合可能會提高預測效能。有學者基于EfficientNet-B3卷積神經網絡構建獨立的基于T2WI、T1WI 增 強、T2WI 聯 合T1WI 增 強 的 預 測 模 型(T2-net、T1C-net、TS-net)，TS-net 模型的準確度為81.8%，AUC為0.78[7]。上述的研究主要局限在單一的影像組學或深度學習方法研究，缺乏對不同影像組學模型進行對比研究。然而每種分類算法具有各自的優點及局限性，因此有必要嘗試多種分類算法，并且評估不同算法的性能[19-20]。

3.3 本研究的優越性及局限性

本研究的創新點在于采用多種(包括LR、LR-Lasso、SVM、NB)而非一種分類算法，比較了不同算法構建模型預測的效能，這與之前的一些僅用單一分類算法的研究不同。本研究使用多種算法建模是因為單個分類算法的成功可能會受到機會因素影響，并且可能存在數據穩定的問題。本研究發現診斷效能較高的分類算法并不局限于單一的算法，LR及SVM 算法構建模型均取得了較高的預測準確度。本研究的ROI 及序列選擇與之前的一些研究有所不同，之前的研究大多提取單序列、1 種ROI 特征，而本研究的腫瘤分割區域包括2種ROI (既包括腫瘤加水腫區域的ROI，又包括腫瘤核心區域的ROI)，并匹配到包括T1WI、T2WI、增強T1WI、ADC 的4 個序列中，從而提取的腫瘤影像組學特征更全面。此外，本研究的特征降維方法與之前的一些研究有所不同，之前一些研究使用Pearson相關進行單因素分析降維，而本研究中影像組學特征降維采用PCA方法，通過線性變換將潛在相關的高維特征轉變為線性獨立的低維特征，優點是去除特征之間的互相影響的因子，并且不受數據集以外的因素干擾；計算方法簡單，主要運算是特征值分解，易于實現。

本研究的局限性在于采用回顧性研究，樣本量相對較少，樣本可能存在偏倚；另外，研究中的ROI分割是人工勾畫，操作不方便，效率較低，并且具有一定主觀性；此外，采用同一家醫院的數據，掃描參數相同，模型具有局限性；采用PCA 降維得到的綜合特征是經過計算得到的各個特征的含義具有一定的模糊性，算法降維得到的不是直接從原始圖像中提取的原始特征，而是綜合計算的特征，而主成分與原始特征間的關系以直線方程表示，不能直接用于闡釋和說明[20-22]。本研究應用的影像組學算法種類較少，也具有一定局限性。下一步還需與其他研究中心合作開展多中心研究，進一步增加病例數、更換降維方法及影像組學算法，增加模型的穩定性。

綜上所述，MRI 影像組學模型對術前預測腦膠質瘤MGMT 啟動子甲基化的狀態具有一定應用價值，為評估膠質瘤預后、鑒別復發與假進展提供更多信息，為實現腦膠質瘤精準治療提供新思路。

作者利益沖突聲明：全部作者均聲明無利益沖突。