CT影像組學(xué)模型鑒別孤立結(jié)節(jié)型肺隱球菌與肺腺癌的價值

林苗苗 李凱

摘要：目的 探討基于CT平掃的影像組學(xué)模型在鑒別孤立結(jié)節(jié)型肺隱球菌（PC） 與肺腺癌的價值。方法 納入24例孤立結(jié)節(jié)型PC和54例肺腺癌患者，手動分割對病灶感興趣區(qū)（region of interest，ROI） 進行勾畫，并提取內(nèi)部影像組學(xué)特征，進而篩選出最佳特征。同時采用鄰近算法（k-nearest neighbor，KNN） 、支持向量機（support vector machine，SVM） 及邏輯回歸（logistic regression，LR） 3種分類學(xué)習(xí)器構(gòu)建鑒別診斷模型。采用ROC曲線評價模型的鑒別診斷效能。結(jié)果 經(jīng)Lasso降維后共選出10個最優(yōu)影像組學(xué)特征進行建模，采用KNN構(gòu)建的模型在訓(xùn)練集中的AUC為0.957，測試集中AUC為0.864 ;采用SVM構(gòu)建的模型在訓(xùn)練集中的AUC為0.98，測試集中AUC為0.782;采用LR構(gòu)建的模型在訓(xùn)練集中的AUC為0.953，測試集中AUC為0.80。結(jié)論 基于KNN、SVM和SVM的CT影像組學(xué)模型在鑒別診斷孤立結(jié)節(jié)型PC和肺腺癌方面都具有較好的診斷效能，其中KNN模型更為穩(wěn)定。影像組學(xué)可為孤立結(jié)節(jié)型PC與肺腺癌鑒別診斷提供新的手段。

關(guān)鍵詞：隱球菌;肺腫瘤;影像組學(xué);體層攝影，X線計算機

肺隱球菌病（pulmonary cryptococcosis，PC）是由隱球菌引起的一種亞急性或者慢性真菌病，常見于免疫功能受損患者，如艾滋病、接受器官移植及惡性腫瘤的患者，也可以見于健康人群，其影像學(xué)表現(xiàn)多樣，最常見為孤立結(jié)節(jié)、多發(fā)結(jié)節(jié)、團塊及肺炎實變型[1]。當(dāng)其表現(xiàn)為孤立性結(jié)節(jié)時，易被誤認(rèn)為周圍型肺癌、轉(zhuǎn)移瘤或肺結(jié)核等，容易造成誤診、漏診。隱球菌對腦膜及神經(jīng)組織有極大的親和性，常常透過血腦屏障造成嚴(yán)重中樞神經(jīng)系統(tǒng)感染，因此盡早明確診斷非常重要[2]。影像組學(xué)模型是一種通過從醫(yī)學(xué)圖像中提取的高通量定量影像組學(xué)特征建立診斷模型，為臨床實施個性化診療提供了一種新型的潛在工具[3]，目前，影像組學(xué)已經(jīng)廣泛應(yīng)用于腫瘤領(lǐng)域[4～5]。本研究對影像組學(xué)模型鑒別診斷孤立結(jié)節(jié)型PC與肺腺癌的可行性進行探討。現(xiàn)報道如下：

1資料與方法

1.1 一般資料

回顧性分析2018年1月～2021年10月收治的24例經(jīng)術(shù)后病理證實的孤立結(jié)節(jié)型PC（PC組） 、54例病理確診肺腺癌（肺腺癌組） 的胸部CT平掃資料。PC組中男性13例，女性11例，年齡23～70歲，平均年齡（51.86±11.18） 歲，血清HIV均為陰性。肺腺癌組中男性31例，女性23例，年齡34～73歲，平均年齡（57.22±8.96） 歲。所有患者接受胸部CT檢查前均未經(jīng)任何治療，所有病灶均為單發(fā)，且最大徑≤3 cm。

1.2 儀器與方法

采用美國GE公司256排螺旋CT進行掃描。患者取仰臥位，吸氣末屏住呼吸，掃描范圍從胸廓入口至雙側(cè)腎上腺水平。掃描參數(shù)：管電壓100 kv，自動管電流，掃描層厚5 mm，重建層厚1.25 mm。

1.3 病灶分割、特征篩選及模型建立

病灶ROI分割如圖1A。每個病灶提取了1409個影像組學(xué)特征。按8∶2比例將所有樣本分為訓(xùn)練集和測試集。依次使用方差閾值法、最佳K折法及Lasso算法篩選特征，如圖1B。分別采用KNN、SVM及LR建立模型，繪制ROC曲線，以AUC、準(zhǔn)確度、敏感度及特異度評價其鑒別效能。

2結(jié)果

2.1 孤立結(jié)節(jié)型PC與肺腺癌CT影像組學(xué)特征篩選

經(jīng)特征選擇獲取針對孤立結(jié)節(jié)型PC與肺腺癌的10個較優(yōu)特征，具體如圖2。

2.2 3種孤立結(jié)節(jié)型PC與肺腺癌CT影像組模型的鑒別診斷效能

在訓(xùn)練集中，3種影像組學(xué)鑒別診斷模型的AUC比較結(jié)果為：SVM>KNN>LR;準(zhǔn)確度比較結(jié)果為SVM=LR>KNN;敏感度方面KNN、SVM及LR三者之間相同，特異度比較為SVM=LR>KNN（表1） 。所構(gòu)建的3種影像組學(xué)鑒別診斷模型在訓(xùn)練集中的ROC曲線，如圖3A。測試集中，3種影像組學(xué)鑒別診斷模型的AUC比較結(jié)果為：KNN>LR>SVM;準(zhǔn)確度比較結(jié)果為KNN=LR>SVM;敏感度方面KNN、SVM及LR三者之間相同，特異度比較為KNN=LR>SVM（表2） 。所構(gòu)建的3種影像組學(xué)鑒別診斷模型在訓(xùn)練集中的ROC曲線，如圖3B。

3討論

PC是由新型隱球菌感染引起的一種較為少見的肺真菌病，呈急性或者慢性感染過程，可經(jīng)過呼吸道，消化道或者皮膚黏膜侵入人體引起感染，其中以呼吸道吸入感染為主。近年來，肺隱球菌病的發(fā)病率呈上升趨勢，其中無免疫缺陷的患者也逐漸增多[6～7]。血清CrAg檢測對于HIV陰性PC患者的敏感度僅為25 %～56 %，診斷較為困難[8]。PC臨床癥狀及影像學(xué)表現(xiàn)均缺乏特異性，其中具有分葉征、毛刺征、空泡征等征象的孤立結(jié)節(jié)型PC，易被誤診為肺癌。PC是良性病變，而肺癌是惡性腫瘤，二者在治療方案選擇全然不同。PC患者治療目的主要在于控制感染，防止播散，尤其是防止隱球菌腦病發(fā)生。對于輕中癥狀患者，推薦氟康唑治療，療程為半年至1年，重癥人群加以兩性霉素B進行誘導(dǎo)治療[9]。對于肺腺癌，尤其是早期肺癌，主要以手術(shù)治療方式為主。

既往研究多集中在結(jié)節(jié)型PC與肺腺癌的臨床特征與影像學(xué)表現(xiàn)上[10～11]，研究表明暈征、支氣管充氣征、蘑菇兄弟征等征象更傾向于發(fā)生在PC，以及PC更好發(fā)于兩肺胸膜下及肺野外帶。但是當(dāng)PC表現(xiàn)為結(jié)節(jié)型且單發(fā)時，且伴有分葉、毛刺征、空泡征，影像特征不典型時，極易與肺癌相混淆。影像組學(xué)可以很好反映病灶異質(zhì)性，對圖像紋理信息進行深度挖掘以及定量分析。Weiya Shi等[12]研究HIV患者的機會性肺部感染中央型病變（包括結(jié)核、非分枝桿菌、隱球菌） 的逆差距顯著高于癌癥組，并認(rèn)為良性病變同質(zhì)性較大。樊夢思等[2]對28例結(jié)節(jié)/ 腫塊型肺隱球菌、30例肺腺癌及26例肺結(jié)核CT平掃圖像進行影像組學(xué)分析，結(jié)果顯示CT平掃的影像組學(xué)模型可有效鑒別結(jié)節(jié)/ 腫塊型肺隱球菌、肺腺癌及肺結(jié)核。

本研究在上述基礎(chǔ)上進一步擴展機器學(xué)習(xí)模型的范圍，基于24例孤立結(jié)節(jié)型PC與肺腺癌的CT平掃圖像，從每個病灶提取1409個特征，再通過方差閾值法、最佳K折法及Lasso算法篩選出孤立結(jié)節(jié)型PC與肺腺癌組間差異最明顯10個影像組學(xué)特征用于構(gòu)建模型。在模型訓(xùn)練階段采用KNN、SVM及LR三種機器學(xué)習(xí)模型，結(jié)果顯示KNN模型綜合鑒別診斷效能最穩(wěn)定，除了準(zhǔn)確度，其他指標(biāo)均達到80 %以上。KNN也叫K-最近鄰算法，是著名的模式識別統(tǒng)計學(xué)方法，在學(xué)習(xí)分類算法中占有重要地位。其中K是一個參數(shù)，是指包含的最近鄰的數(shù)量。它根據(jù)所有樣本的集中的數(shù)據(jù)，由相似性度量選擇K個最近的鄰居并按照鄰居的類別進行分類。KNN優(yōu)點在于易于理解與實現(xiàn)，靈活的距離度量方法選擇，適用于處理多分類問題及回歸問題，適用于小樣本數(shù)據(jù)集，本研究樣本總數(shù)為78例，屬于小樣本數(shù)據(jù)，這可能是KNN各項模型評估效能指標(biāo)都較優(yōu)越原因之一。但KNN算法也存在不足，當(dāng)樣本數(shù)量不平衡時，輸入一個新樣本可以使得該樣本的K個鄰近確定樣本中大容量類樣本占據(jù)多數(shù)，導(dǎo)致結(jié)果出現(xiàn)偏差。研究中孤立結(jié)節(jié)型PC與肺腺癌的樣本數(shù)量不均衡，肺腺癌樣本居多，可能導(dǎo)致KNN算法鑒別診斷新的孤立結(jié)節(jié)型PC樣本時因鄰近K樣本中肺腺癌數(shù)量占多數(shù)而被誤判為肺腺癌，這可能是導(dǎo)致KNN模型在訓(xùn)練集和測試集中準(zhǔn)確度均偏低的原因之一。

綜上所述，基于KNN、SVM及LR三種分類器構(gòu)建影像組學(xué)模型均可以較好用于鑒別診斷孤立結(jié)節(jié)型PC及肺腺癌，其中，KNN鑒別診斷效能表現(xiàn)最佳，這為臨床準(zhǔn)確診斷和個體化治療提供依據(jù)。本研究尚存不足：（1） 樣本量少;（2）僅采集平掃肺窗單層病灶圖像，難以提取病變?nèi)啃畔?（3） 未將臨床、影像特征等信息納入進行聯(lián)合分析，有待完善。

參考文獻

[1]楊海，劉子姍，陳盈，等.免疫正常患者肺隱球菌病的CT征象分析[J].中華全科醫(yī)學(xué)，2018，16（2）： 279-282+290.

[2]樊夢思，趙紅，曹捍波，等.基于CT平掃影像組學(xué)模型鑒別結(jié)節(jié)/ 腫塊型肺隱球菌病及肺腺癌與肺結(jié)核[J].中國醫(yī)學(xué)影像技術(shù)，2020，36（6）：853-857.

[3]Aerts HJ.The Potential of Radiomic-Based Phenotyping in Precision Medicine：A Review [J].JAMA Oncol， 2016，2（12）：1636-1642.

[4]Yang L，Gu D， Wei J，et al.A Radiomics Nomogram for Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma [J]. Liver Cancer，2019，8（5）：373-386.

[5]Jiang Y，Wang W，Chen C，et al.Radiomics Signature on Computed Tomography Imaging： Association With Lymph Node Metastasis in Patients With Gastric Cancer [J].Front Oncol，2019，9：340.

[6]谷雷，文文，賴國祥.肺隱球菌病診治進展[J].中華醫(yī)學(xué)雜志，2020，100（4）：317-320.

[7]Liu K，Ding H，Xu B，et al.Clinical analysis of non-AIDS patients pathologically diagnosed with pulmonary cryptococcosis [J]. Journal of Thoracic Disease，2016，8（10）：2813-2821.

[8]Zhou Y，Lin P，Ye J，et al.The performance of serum cryptococcal capsular polysaccharide antigen test， histopathology and culture of the lung tissue for diagnosis of pulmonary cryptococcosis in patients without HIV infection [J]. Infect Drug Resist，2018，11：2483-2490.

[9]浙江省醫(yī)學(xué)會呼吸病學(xué)分會.肺隱球菌病診治浙江省專家共識[J].中華臨床感染病雜志，2017，10（5）：6.

[10]甘慧，張冬，文利，等.結(jié)節(jié)腫塊型肺隱球菌病的臨床特征及CT表現(xiàn)[J].中華肺部疾病雜志（電子版），2021，14（5）：564-568.

[11]毛海霞，韓砆石，楊洋，等.孤立結(jié)節(jié)型肺隱球菌病與肺癌的CT鑒別診斷[J].中華臨床醫(yī)師雜志（電子版），2014，8（17）：3083-3088.

[12]Shi W，Zhou L，Peng X， et al.HIV-infected patients with opportunistic pulmonary infections misdiagnosed as lung cancers： the clinicoradiologic features and initial application of CT radiomics [J]. J Thorac Dis，2019，11（6）：2274-2286.