基于術前MRI影像組學及臨床特征的早期宮頸癌中危因素預測模型構建

易芹芹，周宙，羅燕，鐘淑媛，凌人男

作者單位：深圳市人民醫院(暨南大學第二臨床醫學院，南方科技大學第一附屬醫院)放射科，深圳 518020

由于實施早期宮頸癌篩查及接種HPV 疫苗，全球宮頸癌的發病率下降；然而我國宮頸癌發病率仍呈上升趨勢，宮頸癌的防治和診療仍面臨較大壓力[1]。早期宮頸癌(ⅠB 和ⅡA 期)治療可選根治性手術切除或同步放化療，手術切除后具有中危因素的患者術后需輔助放療或化療[2]。根據Sedlis 標準，國際婦瘤學會將淋巴脈管浸潤、深層間質浸潤及瘤徑不小于4 cm 定義為宮頸癌中危因素[3]。術前通過影像學檢查可以較易識別腫瘤大小，但淋巴脈管浸潤(lymph-vascular space invasion，LVSI)和深層間質浸潤情況必須通過術后病理才能確定。影像組學可以從術前影像圖像中高通量提取定量特征，通過挖掘高維數據輔助臨床決策，最終實現個體化精準治療[4-5]。近年已有文獻發現MRI的功能序列DWI、PET/CT的標準攝取值及PET/CT影像組學可以術前預測LVSI及深層間質浸潤[6-9]。基于MRI的影像組學模型可以術前無創預測宮頸癌的組織學類型、淋巴結是否轉移等[10-11]；血液學指標臨床較容易獲得，而且也可以預測宮頸癌預后[12]。本研究擬對腫瘤最大徑小于4 cm的宮頸癌患者，基于雙序列[T2加權成像(T2 weighted imaging，T2WI)及增強T1 加權成像(T1 weighted imaging，T1WI)] MRI 圖像進行影像組學分析，并聯合血液學臨床特征，建立術前預測宮頸癌中危因素(LVSI或深層間質浸潤)的模型，輔助臨床制訂個體化治療方案。

1 材料與方法

1.1 一般資料

本研究經深圳市人民醫院醫學倫理委員會批準(批準文號：LL-KY-2019519)，免除受試者知情同意?；仡櫺苑治錾钲谑腥嗣襻t院2016年6月至2021年6月的早期宮頸癌患者病例170 例。納入標準：(1)患者均接受根治性子宮切除術及盆腔淋巴結清掃術，MRI 檢查(T2WI 及增強T1WI 圖像)與手術間隔小于2 周；(2)術后確診為早期(FIGO2018 分期為ⅠB 期或ⅡA期)宮頸癌，術前未進行輔助治療。排除標準：腫瘤最大徑＜1 cm 或≥4 cm；圖像質量差，影響結果判讀；臨床資料(年齡、大小、中性粒細胞計數、淋巴細胞計數、血小板計數、中心粒淋巴比、淋巴單核比、全身免疫炎癥指數)不足。研究終點為病理中危因素，術后病理確診有深層間質浸潤或淋巴脈管浸潤二者之一為陽性，二者都無為陰性。

1.2 MRI檢查

采用Siemens Magnetom Skyro 3.0 T (西門子，德國)MRI 掃描儀，專用腹部8 通道相控陣線圈進行盆腔MRI 掃描，所有患者MRI 檢查均在同一臺機器完成?；颊咴跈z查前至少禁食4 h 且喝水適度充盈膀胱。掃描序列包括軸位T1WI及矢狀位、軸位T2WI，按照0.1 mmol/kg 注射Gd-DTPA 后80～120 s 采集盆腔軸位、矢狀位增強T1WI 圖像，掃描參數見表1。

表1 MRI掃描參數

1.3 影像組學分析

影像組學分析流程：圖像分割、特征提取、特征篩選與降維、建模(圖1)。

圖1 預測宮頸癌中危因素影像組學流程圖。

1.3.1 圖像分割及特征提取

將患者的T2WI 及增強T1WI 以DICOM 圖像格式保存并導入開源軟件ITK-SNAP (3.6 版本，www.itksnap.org)中，由兩名分別具有8年及15年婦科影像診斷的醫師進行手動圖像分割，得到3D VOI，再導入AK 軟件(GE Healthcare Analysis Kinetics)進行特征提取。第1 名醫師勾畫感興趣區域(region of interest，ROI)并提取特征，1周后再次勾畫ROI并提取特征，用于評估測量者自身一致性；第2名醫師勾畫1 次ROI 并提取特征，用于評估測量者間一致性。勾畫感興趣區時，為了表現腫瘤異質性，勾畫范圍包括腫瘤出血、囊變或壞死區域。

每個序列各提取了1316 個特征，包括：(1)強度特征(18 個)：一階特征，表現腫瘤的信號強度，比如熵；(2)形態特征(14個)：表現腫瘤的大小和形態信息；(3)紋理特征(354個)：表現腫瘤體素之間及腫瘤與周圍環境的關系，量化腫瘤異質性，比如灰度共生矩陣；(4)小波特征(744 個)：經小波分解計算獲得原始圖像的強度和紋理特征；(5)拉普拉斯變換特征(186 個)：通過高斯濾波器的拉普拉斯算子提取出的紋理特征。

1.3.2 特征篩選與降維、建模

影像組學特征參數采用最小值-最大值進行歸一化處理，消除不同特征間的尺度差異。首先，在訓練組中，通過單因素分析篩選組學特征：以P＜0.05為標準；其次，通過LASSO回歸進行降維；確定組學特征后建模，得到組學模型并計算Rad-score。

1.4 臨床特征

包括年齡、腫瘤大小、術前中性粒細胞計數(neutrophil count，NEU，×109/L) (正常值為2.0～7.5)、術前淋巴細胞計數(lymphocyte count，LYM，×109/L) (正常值為0.8～4.0)、術前血小板計數(platelet count，PLT，×109/L) (正常值為100～300)、中性粒淋巴比(neutrophil to lymphocyte ratio，NLR)、淋巴單核比(lymphocyte to monocyte ratio，LMR)、全身免疫炎癥指數(systemic immune-inflammation index，SⅡ)；首先，在訓練組中進行單因素分析篩選出P＜0.05 的臨床特征，再進行多因素分析構建臨床模型。將臨床模型中的特征與Rad-score融合形成組合模型。

1.5 統計學分析

所有的統計在SPSS 21.0、R 軟件(3.5.1 版本，https://www.r-project.org/)及Medcalc 15.2.2 軟件進行。(1)t檢驗或Mann-WhitneyU檢驗用于比較訓練組與驗證組在年齡、腫瘤大小、NEU、LYM、PLT、NLR、LMR、SⅡ是否有差異；(2)t檢驗或Mann-WhitneyU檢驗比較訓練組中中危因素陽性組與陰性組是否有差異；(3)組間相關系數(intraclass correlation coefficients，ICC)用于評價特征提取時觀察者自身及觀察者間一致性，ICC＞0.75 的特征納入研究；(4) R 軟件進行LASSO回歸；(5)進行Logistic回歸分析，并繪制臨床模型、組學模型及組合模型的ROC，并比較曲線下面積(area under curve，AUC)；(6)行Hosmer-Lemeshow 擬合優度檢驗，并繪制校準曲線和決策曲線評估模型的準確性。

2 結果

2.1 一般資料

共篩選出符合納入及排除標準的早期宮頸癌患者病例170例。將病例按7∶3的比例隨機分為訓練組(n=119)、驗證組(n=51)，入組流程圖見圖2。訓練組中有中危因素者83 例，無中危因素者36 例；驗證組中有中危因素者30 例，無中危因素者21例(圖3)。

圖2 入組流程圖。

2.2 臨床模型

臨床特征在訓練組與驗證組間差異沒有統計學意義(表2)。血小板計數升高與中危因素有關(P＜0.05)，年齡、大小、中心粒細胞計數、淋巴細胞計數、NLR、LMR、SⅡ與中危因素無關(P＞0.05)。

表2 訓練組與驗證組臨床特征對比

2.3 組學模型

T2WI 及增強T1WI 序列共2632 個，排除了ICC≤0.75 的組學特征，再經過單因素分析后剩余1809 個特征。通過LASSO回歸降維后，有7 個組學特征是中危因素的獨立預測因子，包括3個T2WI圖像特征及4個增強T1WI圖像特征。訓練組影像組學標簽預測患者中危因素的AUC為0.835 (95%CI：0.769～0.887)，敏感度為81.7%，特異度為80%。

2.4 臨床-影像特征組合模型

將血小板計數和Rad-score納入模型，得到預測模型為P=ex/1+ex，其中x=-1.074+0.001×血小板計數+1.965×Rad-score，e為自然對數。訓練組組合模型預測患者中危因素的AUC為0.853，95%CI：0.790～0.903，敏感度為85.5%，特異度為78%。

2.5 臨床模型、影像組學模型及組合模型在訓練組和驗證組的對比

訓練組中，臨床模型小于影像組學模型及組合模型，差異具有統計學意義(AUC=0.517，95%CI：0.439～0.595，P＜0.01)，影像組學模型AUC小于組合模型，差異無統計學意義(P=0.39)(圖4)。驗證組中，臨床模型小于影像組學模型及組合模型，差異具有統計學意義(AUC=0.569，95%CI：0.428～0.702，P＜0.01)，影像組學模型(AUC=0.843，95%CI：0.720～0.927)小于組合模型(AUC=0.846，95%CI：0.723～0.929)，差異無統計學意義(P=0.85) (圖5)。校準曲線表明組合模型具有良好的預測性(Hosmer-Lemeshow 檢驗，P=0.798)；決策曲線表明組合模型具有良好的臨床效益(圖6)。

圖4 訓練組ROC曲線對比。

圖5 驗證組ROC曲線對比。

圖6 6A為組合模型校準曲線，6B為三組模型決策曲線。

3 討論

3.1 研究回顧

對于小于4 cm的早期宮頸癌(ⅠB、ⅡA期)，本次回顧性研究發現以MRI圖像(聯合T2WI及增強T1WI圖像)和血常規建立的臨床-影像組學組合模型有助于預測病理中危因素，模型效能高于單純臨床模型，與影像組學模型效能相當，有益于輔助臨床制訂個體化診療決策。

3.2 研究現狀

宮頸癌中危因素與預后密切相關，與無中危因素的宮頸癌相比，具有中危因素的患者，3年復發率從2%增長至31%，術后輔助治療可以明顯降低復發率和死亡率[4,13]。年齡、腫瘤大小與宮頸癌LVSI或深層間質浸潤相關[14-15]，Chu等[4]研究發現年齡、腫瘤大小與宮頸癌無病生存期(disease-free survival，DFS)和總生存期(overall survival，OS)均相關，大于40 歲的患者或者腫瘤最大徑不小于2 cm 的患者均與宮頸癌DFS 和OS 呈正相關。本研究納入了年齡和腫瘤大小作為臨床特征，但在中危因素上陽性組和陰性組并沒有差別，未最終進入臨床模型，可能與本組研究病例年齡均數在40 歲以上，腫瘤最大徑均數也大于2 cm 有關。Fang 等[16]在研究影像組學預測早期宮頸癌的DFS中，納入了中心粒細胞計數、血小板計數及淋巴細胞計數作為臨床特征，但經過單因素分析和多因素分析，上述三個參數均未進入臨床模型。Wang等[17]研究發現血小板計數升高與更高的分期、更短的無進展生存期(progression-free survival，PFS)和OS 相關；Kozasa 等[18]也發現血小板計數高和血小板計數/淋巴細胞計數高是宮頸癌患者PFS和OS的獨立預測因子；本研究結果顯示，中心粒細胞計數和淋巴細胞計數在中危因素陰性組和陽性組間沒有差別，血小板計數在兩組間有差別，與上述研究結果相似。近年研究表明PLR、LMR 及SⅡ在腫瘤微環境中會升高，其可以通過促進細胞增殖、血管生成并抑制體內淋巴系統來促進腫瘤的發展，并可以改變腫瘤對化療藥物的反應，可以預測宮頸癌等腫瘤的預后[19-21]；本研究發現PLR、LMR 及SⅡ在早期宮頸癌有中危因素組和無中危因素組間差異無統計學意義，可能與宮頸癌分期較早、直徑較小及本組病例數量偏少有關。

影像組學可以預測宮頸癌分期、組織學類型、淋巴結轉移和復發[22-24]。目前，有較多關于宮頸癌影像組學的研究是從T2WI 或增強T1 圖像中來提取影像組學特征的[16,25-26]，說明從磁共振檢查的這兩個序列中可以成功提取宮頸癌相關的影像組學特征并輔助臨床診療決策；任靜等研究發現基于宮頸癌T2WI圖像影像組學特征及臨床特征建立的模型可以術前預測早期宮頸癌的深層間質浸潤[14]，Li 等[25]發現基于術前TI 增強圖像的影像組學特征可以預測宮頸癌LVSI，Du 等[27]發現基于術前平掃T2WI 圖像的影像組學特征可以預測宮頸癌LVSI，結論均與本研究類似，但本研究綜合納入了平掃T2WI 及增強T1圖像的影像組學特征，楊易等研究者認為融合了T2WI和增強T1WI 雙序列構建的影像組學模型效能優于單序列(T2WI 或T1CE)，能提供更多信息，增加模型的準確性[28]，但楊易等的研究模型未納入臨床特征。

3.3 創新型與局限性

術前通過影像組學無創預測宮頸癌中危因素，可能會改變治療方式，目前新輔助化療已成為腫瘤治療的重要部分[29]，若術前預測中危因素可能性大，或可以新輔助治療后再手術，術后中危因素可能會減少，從而改變治療方式；既往研究大多是針對單一病理中危因素[27,30]，病例數較少，但是根據NCCN宮頸癌治療指南[31]，對于術后發現病理中危因素的患者均需輔助放療或放化療，將術后中危因素合并作為結果來分析，可以適當提高樣本量，從而增加模型準確性；既往研究常將腫瘤分化程度、病理類型、淋巴結轉移情況等納入[14,16,25]，而本研究旨在術前盡可能無創預測中危因素，僅納入了年齡、血常規和MRI 圖像，有助于臨床便利應用及推廣。但是，本研究為單中心數據模型，且缺少外部驗證；腫瘤標志物、HPV等其他血液檢查指標也可后續納入研究。

綜上所述，對于小于4 cm的早期宮頸癌，通過MRI雙序列(T2WI 及增強T1WI)影像組學標簽及血小板計數建立的臨床-影像組學組合模型可以術前無創、精準預測宮頸癌中危因素，從而輔助臨床為患者個體化制訂最優治療方案。

作者利益沖突聲明：全部作者均聲明無利益沖突。