基于多參數MRI影像組學特征預測肉芽腫性乳腺炎中醫證型的研究

洪敏萍 周長玉 卜陽陽 許茂盛 趙虹

1.浙江中醫藥大學附屬嘉興中醫醫院 浙江，嘉興 314000 2.浙江中醫藥大學附屬第一醫院

3.浙江中醫藥大學第一臨床醫學院

肉芽腫性乳腺炎 （granulomatous mastitis，GM）又稱特發性肉芽腫性乳腺炎[1]，臨床上表現為乳房紅腫熱痛[2]，繼之肉腐成膿，終潰破成竇道，屬于中醫“乳癰”“乳漏”范疇[3]，西醫臨床以手術及糖皮質激素治療為主，然而糖皮質激素治療后容易復發；而手術治療在病變較小時療效尚可，病變彌漫時對乳房損毀嚴重，且病灶不易切除干凈[4-5]。全國名老中醫學術經驗繼承指導老師樓麗華教授運用中醫“溫通法”治療GM，取得令人滿意的療效[6-7]。溫通法的治療關鍵在于對GM的分型辨證，準確的辨證分型可以顯著提高中醫治療療效。樓教授認為，本病可辨為標陽本陰兼血瘀證和標陽本陰兼氣血不足證，臨床上主要通過望聞問切對GM患者進行初步的辨證分型，但辨證多依靠醫師自身的經驗，具有主觀性、不確定性及模糊性，缺乏客觀指標供參考。

隨著精準定量影像技術的快速發展，圖形識別技術、數據算法的不斷更新，醫學圖像大數據的挖掘和分析極大程度地擴大了影像的信息量。影像組學可提取隱藏在醫學圖像中肉眼無法評估的數學模式即定量特征[8]，這些定量影像特征可能與疾病的生物學信息存在潛在的相關性。研究表明，磁共振成像（magnetic resonance imaging，MRI） 影像組學在乳腺疾病的病理、基因分型等方面具有重大價值[9]，但影像組學與乳腺疾病中醫辨證體系相關的研究尚少有報道。因此，本研究以GM這一中醫治療療效顯著的疾病為對象，采用多參數MRI作為影像獲取手段，探討其在GM中醫辨證分型中的價值，為GM中醫分型建立精準量化標準提供客觀依據。

1 資料和方法

1.1 一般資料 本研究經浙江中醫藥大學附屬第一醫院倫理委員會審查批準，回顧性收集浙江中醫藥大學附屬第一醫院2013年4月至2021年9月確診為GM的患者的病歷資料。

1.2 納入標準 （1）經外科手術或穿刺活檢病理學檢查證實為GM的患者；（2）術前或穿刺前1周內接受過雙側乳腺標準MRI檢查，包括表觀彌散系數（apparent diffusion coefficient，ADC）、 彌散加權成像（diffusion-weighted imaging，DWI）、 動 態 對 比 增 強MRI （dynamic contrast-enhanced MRI，DCEMRI）；（3）首次MRI前未經歷任何相關治療。

1.3 排除標準 （1）存在MR增強檢查禁忌證以及合并不穩定性心絞痛、房顫、腎功能不全（腎小球濾過率＜30 mL/min）、起搏器置入術后、冠狀動脈支架置入和搭橋術后者；（2）不符合納入標準，首次檢查前已進行治療，或存在資料不全等因素影響判斷者；（3）MRI圖像質量不佳，不能滿足圖像分析要求者。

1.4 中醫辨證分型標準 樓麗華教授研究團隊根據GM患者的分期及臨床表現，提出GM的中醫辨證分型標準[6]，并參照《瘍科心得集·辨乳癰乳疽論》中的乳癰辨證分型，將本病分兩型：（1）標陽本陰兼血瘀證：證候為乳房腫塊，疼痛、拒按明顯，腫脹，伴皮色赤紅，觸之灼熱，伴心煩易怒，發熱；舌苔脈象：舌質暗紅，苔黃膩，脈澀或滑數。（2）標陽本陰兼氣血不足證：證候為乳房結塊、質韌硬，時發時斂，面色無華，局部皮色皮溫尚可，或伴有協肋疼痛或脹痛；舌苔脈象：舌淡紅，苔薄白，脈沉細或細數。

1.5 MRI檢查方法 采用3.0T超導型磁共振成像儀（Magnetom Verio德國西門子公司產品）；16通道乳腺專用相控陣線圈。先行雙側乳腺T2加權成像（T2WI，加脂肪抑制）平掃。DWI：b值分別為50、400和800 s/mm2，SE-EPI序列，TR/TE=5 000 ms/63.2 ms。 多時相動態增強MRI掃描：3D FLASH序列 （TR/TE=261 ms/4.8 ms，反轉角70°），對比劑使用釓噴酸葡胺注射液（廣州康臣藥業有限公司產品），經貴要靜脈留置針使用雙筒高壓注射器注射。動態增強6（1+5）個時相，35 s/時相，間隔20 s，共采集8.02 min，層厚4 mm，間隔2 mm，掃描矩陣256×256。

1.6 影像組學特征提取及模型構建

1.6.1 腫瘤圖像分割 在德國Siemens后處理工作站上將MRI圖像以“DICOM”格式導出，導出時調整圖像的窗寬、窗位，使所有圖像均保持一致。首先將MRI圖像導入ITK-Snap（Version 3.80）軟件中，由1位工作年限3年以上的診斷醫師在不知道病例中醫分型的情況下完成對MRI T1增強第2期、DWI及ADC序列三維感興趣區（area of interest，ROI）的勾畫，勾畫時包括液化壞死、膿腫等病理改變，若有多個靶病灶時，選取最大病灶進行勾畫。見圖1。為了增加研究的可重復性，任選20例，由一位工作年限5年以上的診斷醫師及一位工作年限10年以上的診斷醫師進行ROI勾畫。

圖1 ROI勾畫示意圖Fig.1 ROI sketch

1.6.2 特征提取及篩選 將勾畫圖像及原始圖像導入深睿多模態科研平臺軟件，并基于該軟件，對3個序列（DCE、DWI、ADC） 的ROI進行特征提取， 共提取7類特征，包括一階特征、形狀特征，以及灰度共生矩陣（gray level co-occurrence matrix，GLCM）、 灰度域區域矩陣（gray level size zone matrix，GLSZM）、灰度游程矩陣（gray level run length matrix，GLRLM）、 鄰域灰度差分矩陣 （neighbouring gray tone difference matrix，NGTDM）、灰度相依矩陣（gray level dependence matrix，GLDM）特征；另外將小波、高斯拉普拉斯、正方形、平方根、指數、對數、漸變、局部二進制模式（local binary patterns，LBP）2D、LBP3D 9種圖像濾波器分別應用于原始圖像，得到對應的衍生圖像，共得到3個序列各1 648個特征。

1.6.3 影像組學特征篩選 對所有影像組學特征進行Z-score標準化處理 （即減去平均值后，除以標準差），以7:3的比例隨機將樣本分為訓練組及驗證組，為避免特征過多導致模型過擬合，對特征進行初步篩選。步驟如下，首先進行單因素分析，采用獨立樣本t檢驗或Mann-Whitney檢驗，初步篩選出差異具有統計學意義的特征，其次用隨機森林算法對組學特征進行重要性得分計算，通過不斷迭代，篩選出三個模型中重要性排名前10的組學特征。

1.6.4 模型構建 采用LASSO-logistics回歸分析對組學特征進行最終篩選，并建立影像組學特征模型，通過計算受試者工作特征（receiver operating characteristic，ROC）曲線下面積（area under curve，AUC）、95%置信區間 （95%confidence interval，95%CI）、準確度、特異度和敏感度對預測性能進行評估。

1.7 統計學分析 應用SPSS 21.0統計軟件進行統計學分析，連續變量以±s表示，分類資料以頻數（構成比）表示。單因素分析中，計量資料采用t檢驗或Mann-Whitney U檢驗，分類變量采用χ2檢驗；以P＜0.05為差異有統計學意義。應用R 3.6.1軟件完成數據處理與建模，采用Shapiro-Wilk法評價特征的正態性；以校準曲線評測影像組學模型預測結果與病理結果的一致性；通過組內相關系數 （intraclass correlation coefficient，ICC）進行評估，ICC＞0.75提示一致性良好。

2 結果

2.1 患者一般資料 最后共納入GM患者111例，均為女性，年齡22～53歲，平均（32.9±5.3）歲，其中辨證為標陽本陰兼血瘀證58例（52.3%），標陽本陰兼氣血不足證53例（47.7%），顯示兩組發病部位（左乳、右乳）差異有統計學意義（P＜0.05），其余差異均無統計學意義（P＞0.05）。 見表1。

表1 兩組患者一般資料比較Tab.1 Comparison of general information in each group

2.2 影像特征分析結果 首先對三個序列各1 648個特征進行單因素分析，完成初步篩選后，三個序列（DCE、DWI、ADC） 分別得到905、207、621個顯著特征；隨后通過隨機森林算法再次篩選預測相關性排在前10位的影像組學特征，三組分別得到10個特征。

2.3 模型建立 對篩選到的特征建立LASSO-logistic回歸模型，分別得到DCE、DWI和ADC模型；對篩選到的三個模型特征進行聯立，經過LASSO-logistic回歸分析獲得聯合模型，聯合模型的10個特征中2個來源于DCE、4個來源于ADC、4個來源于DWI，具體特征及系數見表2。

2.4 模型能效評估 DCE、DWI、ADC及聯合模型對GM的鑒別效能見表3，各模型的ROC分析結果見圖2。多參數聯合模型對GM中醫分型預測性能優于單參數模型效能。各個模型的校準曲線在預測值和實際值之間顯示較好的一致性，Hosmer-Lemesshow檢驗提示差異無統計學意義（P＞0.05），說明預測結果與實際結果一致性良好。聯合模型的校準曲線見圖3。

圖2 兩組患者ROCFig.2 ROC of each group

圖3 聯合模型校準曲線Fig.3 Calibration curves of combined model

表3 四組模型鑒別效能Tab.3 Four groups of models identify effectiveness

3 討論

中醫在治療GM上具有優勢，然中醫學強調“辨證論治”，論治的前提在于準確的辨證，為了進一步提高疾病證候準確性且將此法推向世界，除傳統的“望聞問切”四診外，需尋求新的方法。人工智能時代的來臨，為中醫現代化研究提供了新的機遇。已有研究表明，通過統計學算法及組學軟件等構建相應模型，可對中醫證型進行預測分析，為中醫證候及演變規律提供新思路，但關于GM中醫證型的標準化指標仍在探索中[10]。影像組學可將中醫辨證分型因素通過圖像特征進行客觀量化，幫助醫生對病灶內在進行“望聞問切”。

GM屬中醫“乳癰”“乳漏”范疇，其病機多為肝氣郁結，氣血淤滯，熱毒蘊蒸，后破潰成膿，氣血損耗，無力逐邪；中醫臨床上將GM分為炎癥期、膿腫期、潰破期[3，11]，其中炎癥期及膿腫期多為發病初期，辨證以標陽本陰兼血瘀證為主；潰破期表現膿腫潰口難收，病程延綿反復，氣血流失，面色無華，辨證為標陽本陰兼氣血不足證。本團隊既往研究發現，GM的不同發展階段在MRI上可區分為炎癥期、腫塊期、膿腫期及竇道期[12-13]，所體現的病情發展過程與中醫發展病程類似，但目前幾乎未見基于影像組學預測GM中醫辨證分型的研究。因此，本研究試圖探討基于多參數MRI影像組學特征構建的模型在預測GM中醫辨證分型中的價值，以期為GM中醫分型精準量化標準的建立提供客觀依據。

既往發現，MRI表現及一些半定量參數與多種乳腺疾病如漿細胞性乳腺炎、乳腺癌等的中醫分型具有一定相關性[14-15]，但對于GM中醫辨證分型與多參數MRI影像組學特征的相關性尚鮮見報道。本研究采用影像組學方法提取MRI圖像中肉眼不可見的高通量特征，將觀察者的主觀性影響減小到最低。采用獨立樣本t檢驗、Mann-Whitney U檢驗及隨機森林算法三組降維方法，最終篩選出10個定量特征，且均與GM中醫證型相關，其中包括3個一階特征，即通過一階統計量如均值、方差等來描述ROI的像素強度及分布；3個GLRLM特征，可計算在圖像一維方向上連續出現相同像素值的情況；2個GLDM特征，可通過其計算某一像素與周圍像素差值的情況；1個GLSZM特征，反映二維方向病灶區域內相同且相鄰像素值出現的次數；1個GLCM特征，通過兩個位置像素的聯合概率進行定義，反映亮度的分布特性及像素的空間相關特性。因此，不同影像特征參數可以定量地反映不同GM中醫分型的異質性，有助于幫助中醫辨證的標注量化。

本研究通過分析GM患者中醫治療前的多參數MRI影像組學特征，構建了3個單參數模型及1個多參數聯合模型，用以預測GM的中醫分型。結果表明在單參數模型中，DCE模型預測性高于ADC與DWI，其原因可能是DCE序列采用了大視野（field of view，FOV）、小矩陣和更薄的層厚，提高了病灶的圖像分辨率，并使病灶細節顯示更清晰。而基于多參數MRI組學特征構建的聯合模型，預測GM中醫分型較其他三個單獨模型效能更好，筆者認為可能有以下幾方面原因：（1）DCE序列能夠反應不同時期病灶血流動力學狀況[16]，隨著證型發展，病灶血流逐漸減弱，標陽本陰兼血瘀證多發生于早期，該時期乳腺炎性區域血管通透性增加，小血管擴張伴血流增加，病灶炎性部分強化明顯，而膿腫部分以周圍環形強化且中央不強化為主；隨著病情進展，血氣流失，病灶血流灌注減弱，強化程度降低，由此可在一定程度上反映GM不同時期的特點。（2）DWI作用功能序列常用于乳腺病變檢查，對檢出GM病灶的微小膿腫敏感性非常高，膿液成分在高b值圖像上多表現為高亮信號，而非膿液成分為等或高信號[17]。（3）不同時期ADC值發生變化，膿腫尚未形成或膿液形成不完全時，ADC值減低不明顯；當GM破壞乳腺小葉結構進而膿腫形成、肉芽組織增生后，膿腔內大量蛋白成分、炎性細胞及滲出液等形成濃稠膿液，導致水分子擴散受限，從而ADC值明顯減低[18]。因此基于多參數MRI組學特征構建的模型可以從多個角度更全面地提取各序列的最佳特征，聯合序列篩選的特征并非簡單相加，而是相互彌補、彼此影響，更能夠從不同角度反映病變特征，可以達到更好的預測效果。

此外，本研究顯示，2位不同年資的影像診斷醫師對同一組病例手工提取ROI的影像組學特征一致性良好（ICC＞0.75），提示本模型特征提取的穩定性及可重復性較好；校準曲線與對角線的貼合度提示臨床實用性良好。但本研究具有一定局限性，首先樣本多來源于住院患者，相對病癥較重，未來將前瞻性地納入門診患者，得到新的數據集，以進一步評估模型效能；其次本研究屬于單中心研究，且樣本量較少，未來將增加樣本量，納入多中心研究進行驗證；此外，對樣本的辨證分型基于我院中醫師的經驗，不同流派的中醫對GM分型不同，尚需進行GM中醫分型統一化。

綜上所述，基于DCE、DWI、ADC及多參數定量特征構建的影像組學模型均表現出良好的預測性能，其中以多參數聯合組學模型在判斷GM患者中醫證型方面性能最佳，能進一步幫助臨床醫師客觀地進行中醫辨證施治，為中醫現代化研究提供新的思路。