基于治療前M R-T2W I影像組學(xué)特征預(yù)測肝細胞癌射頻消融術(shù)后早期復(fù)發(fā)的價值

李文華，許傳斌，崔景景，劉曉鳴，王 肖，賈文昊 ，李天然

（1.佳木斯大學(xué)臨床醫(yī)學(xué)院，黑龍江 佳木斯 154002；2.解放軍總醫(yī)院第四醫(yī)學(xué)中心放射診斷科，北京 100048；3.聯(lián)影醫(yī)療科技<北京>有限公司，北京 100089）

肝細胞癌（hepatocellular carcinoma，HCC）是導(dǎo)致人類死亡的常見腫瘤。因其惡性程度高，病程短、病情發(fā)展迅速的特性，被視為臨床重點防治的腫瘤疾病。肝硬化和未經(jīng)抗病毒治療的慢性乙型肝炎是我國肝癌的主要病因[1]。隨著體檢的普及、各種血清腫瘤標志物的臨床指導(dǎo)應(yīng)用以及成像技術(shù)的快速發(fā)展，肝癌的早期診斷率明顯提高。近年來，精準外科和微創(chuàng)外科的時代已經(jīng)到來，射頻消融治療（radiofrequency ablation，RFA）以其微創(chuàng)、安全、操作簡單、可反復(fù)使用、費用低的優(yōu)點，逐漸成為我國早期肝癌的首選治療方式[2]。有研究指出，RFA 治療肝癌的近期療效可達到手術(shù)切除的同等效果，可替代臨床上部分外科手術(shù)治療[3]。但是長期的隨訪結(jié)果表明[4，5]，RFA 術(shù)后5 年內(nèi)的腫瘤總復(fù)發(fā)率及消融部位的局部復(fù)發(fā)率較高，肝癌的復(fù)發(fā)轉(zhuǎn)移是影響患者療效和長期生存的主要因素。因此，探討預(yù)測HCC 術(shù)后早期復(fù)發(fā)因素并采取相應(yīng)措施，是進一步提高療效的關(guān)鍵，是個性化醫(yī)療和精準醫(yī)療的需要。近年來，隨著腫瘤個體化精準治療的發(fā)展，影像組學(xué)應(yīng)運而生。影像組學(xué)從海量圖像中提取人眼無法識別出的深層次、高通量的定量特征，在高保真的高維數(shù)據(jù)空間中評價腫瘤生物學(xué)行為的異質(zhì)性，而腫瘤生物學(xué)行為的異質(zhì)性與腫瘤復(fù)發(fā)和轉(zhuǎn)移密切相關(guān)。影像組學(xué)方法可以作為腫瘤的虛擬活檢技術(shù)，在腫瘤的檢測、診斷、預(yù)后分析和評估療效[6，7]等方面表現(xiàn)出巨大潛力。基于此，本研究旨在建立基于T2WI 的影像組學(xué)自動化預(yù)測模型，并探討其用于預(yù)測肝癌射頻消融術(shù)后早期復(fù)發(fā)轉(zhuǎn)移的可行性，為肝癌精準治療提供參考。

1 資料與方法

1.1 一般資料 回顧性連續(xù)收集自2015 年1 月-2021 年3 月解放軍總醫(yī)院第四醫(yī)學(xué)中心收治并行腹腔鏡輔助超聲引導(dǎo)下射頻消融治療的140 例HCC 患者納入隊列研究，并隨機將80%的患者納入訓(xùn)練集，20%的患者納入測試集。140 例患者中男126 例，女14 例；年齡30～91 歲，平均年齡（57.86±10.10）歲。肝功能Child-Pugh 分級：A 級134 例，B級6 例。納入標準：①經(jīng)臨床或穿刺活檢病理證實為早期HCC 患者；②HCC 患者于我院接受首次RFA 治療；③所有患者術(shù)前1 周均在我院行MRI 上腹部動態(tài)增強檢查。排除標準：①影像學(xué)或臨床資料不全或失訪者；②消融失敗或曾行其他手術(shù)治療者；③合并其他腫瘤疾病者。

1.2 早期復(fù)發(fā)的定義及隨訪方案 早期復(fù)發(fā)[8]是指肝癌RFA 術(shù)后1 年或1 年內(nèi)發(fā)生肝內(nèi)復(fù)發(fā)或肝外轉(zhuǎn)移。肝癌RFA 術(shù)后的復(fù)發(fā)及進展評判如下[9]：①局部腫瘤進展：腫瘤完全消融后，消融灶的邊緣出現(xiàn)新的病灶，新病灶與消融灶相連；②腫瘤完全消融后，肝內(nèi)其它部位出現(xiàn)新的病灶；③遠處轉(zhuǎn)移：出現(xiàn)肝外的轉(zhuǎn)移灶。肝內(nèi)局部復(fù)發(fā)、肝內(nèi)新病灶和肝外轉(zhuǎn)移，統(tǒng)稱為復(fù)發(fā)。所有患者RFA 術(shù)后1 個月內(nèi)復(fù)查超聲造影、增強CT 或MRI，并檢測肝功能及腫瘤標志物，后每間隔3 個月定期規(guī)律隨訪，通過電話、門診、住院復(fù)查等方式進行隨訪。隨訪終點：從HCC 患者首次RFA 后隨訪至發(fā)現(xiàn)HCC 復(fù)發(fā)，截止時間至少為術(shù)后1 年。

1.3 MRI 圖像的獲取及分割 從我院PACS 系統(tǒng)下載患者的MRI 圖像，以DICOM 的格式保存，選取MRI 掃描最早成像且能清晰看到肝癌病灶的T2WI序列，導(dǎo)入到ITK-SANP 軟件（Version 3.8，來源：http://www.itksnap.org）中，對整個腫瘤輪廓進行逐層勾畫，勾畫時注意避開血管及周圍正常肝臟組織。將所勾畫輪廓融合形成一個三維感興趣區(qū)域，獲得感興趣區(qū)域容積（volume of interest，VOI），由另一名從事腹部診斷工作10 年的放射科醫(yī)師審查分割圖像，對有異議的VOI 通過討論達成一致，見圖1。患者的檢查方法及參數(shù)：采用Siemens Skyra3.0 T超導(dǎo)型磁共振掃描儀及體部相控陣表面線圈。掃描前進行呼吸訓(xùn)練，T2WI 采用快速自旋回波序列，TR 2400 ms，TE 87 ms，層厚6 mm，層間距1.5 mm，矩陣320×320，F(xiàn)OV220 mm×220 mm，NEX 為1。

圖1 肝細胞癌的手動分割勾畫VOI 示意圖

1.4 MRI 圖像的預(yù)處理及影像組學(xué)特征提取 在聯(lián)影智能科研平臺系統(tǒng)V1.0（上海聯(lián)影智能醫(yī)療科技有限公司）（以下簡稱聯(lián)影智能科研平臺）上將原始影像經(jīng)wavelet 濾波器進行圖像濾波處理，然后利用聯(lián)影智能科研平臺從濾波后的T2WI 圖像提取影像特征。提取的影像組學(xué)特征主要有7 組共734 個：形狀特征14 個，灰度統(tǒng)計量特征144 個，灰度共生矩陣（gray level cooccurence matrix，GLCM）特征168個，灰度游程矩陣（gray level run length matrix，GLRLM）特征128 個，灰度區(qū)域矩陣（gray level size zone matrix，GLSZM）特征128 個，鄰域灰度差矩陣（neighbouring gray tone difference matrix，NGTDM）特征112 個，灰度相關(guān)矩陣（gray level dependence matrix，GLDM）特征40 個。

1.5 影像組學(xué)特征選擇及模型的建立 首先，通過分析組間相關(guān)系數(shù)（interclass correlation coefficient，ICC）對兩次勾畫的VOI 觀察者間一致性進行評價，僅保留兩次勾畫VOI 的ICC≥0.75 具有較高可重復(fù)性的影像組學(xué)特征；然后，對不同維度的影像組學(xué)特征進行Z-score 歸一化處理。所有數(shù)據(jù)按8∶2 的比例隨機分為訓(xùn)練集及測試集；在訓(xùn)練集中使用方差閾值法、K 最佳篩選出差異有統(tǒng)計學(xué)意義的特征。最后，使用LASSO 回歸操作并提取非零系數(shù)的影像組學(xué)特征納入接下來的研究。基于LASSO 回歸的結(jié)果，在訓(xùn)練集中分別建立邏輯回歸（logistic regression，LR）、支持向量機 (support vector machine，SVM)、隨機森林（random forests，RF）模型以實現(xiàn)肝細胞癌RFA 術(shù)后早期復(fù)發(fā)的預(yù)測[10-12]。

1.6 統(tǒng)計學(xué)分析 使用聯(lián)影智能科研平臺進行數(shù)據(jù)分析以及放射學(xué)統(tǒng)計分析。采用方差閾值法、K 最佳法和LASSO 回歸法進行特征值選擇，采用ROC 曲線來評價模型的預(yù)測性能，并計算AUC 值、準確率、敏感度和特異度，且當(dāng)敏感度和特異度最大時，選擇臨界值作為臨界點。臨床資料采用SPSS 22.0 軟件進行統(tǒng)計學(xué)分析，正態(tài)分布的計量資料以（）表示，比較采用t檢驗。計數(shù)資料以[n（%）]表示，比較采用χ2檢驗。P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 患者一般資料 根據(jù)隨訪結(jié)果，研究對象分為RFA 術(shù)后1 年內(nèi)復(fù)發(fā)組39 例，未復(fù)發(fā)組101 例；兩組患者按照隨機分配原則分為訓(xùn)練集112 例，測試集28 例，訓(xùn)練集和測試集患者的基本特征見表1。

表1 訓(xùn)練集和測試集患者的基本特征[，n（%）]

表1 訓(xùn)練集和測試集患者的基本特征[，n（%）]

注：※腫瘤位置特殊指瘤灶鄰近膈肌、膽囊、胃腸、膽管或位于第一肝門區(qū)、肝包膜下等部位

2.2 篩選最佳的影像組學(xué)特征 對每個患者提取影像組學(xué)特征共提取734 個，對2 次勾畫的VOI 進行一致性分析，僅保留ICC≥0.75 的特征，剔除112 個特征；在訓(xùn)練集進行方差閾值分析，以P＞0.05 為標準，剔除1 個特征；使用K 最佳分析，以絕對值＞0.05為標準，剔除541 個特征；最終使用LASSO 回歸分析，利用5 折交叉驗證中最優(yōu)的Lambda 值，選擇最佳影像組學(xué)特征子集，共篩選出8 個影像組學(xué)特征，篩選流程及系數(shù)分布見圖2 和圖3。

圖2 LASSO 模型選擇影像組學(xué)特征

圖3 LASSO 降維后8 個懲罰系數(shù)非零的影像組學(xué)標簽及其系數(shù)

2.3 機器學(xué)習(xí)構(gòu)建影像組學(xué)的預(yù)測模型 基于篩選出來的8 個最穩(wěn)定的影像組學(xué)特征建立LR、SVM、RF 分類器的預(yù)測模型，3 種分類器影像組學(xué)模型在訓(xùn)練集和測試集的診斷效能見表2；所構(gòu)建的3 種影像組學(xué)預(yù)測模型在訓(xùn)練集和測試集中的ROC 曲線見圖4。

圖4 訓(xùn)練集及測試集基于LR、SVM、RF 分類器的ROC 曲線

表2 3 種分類器影像組學(xué)模型在訓(xùn)練集和測試集的診斷效能

3 討論

肝細胞癌的預(yù)后與年齡、性別、腫瘤大小、腫瘤位置、微血管浸潤（microvascular invasion，MVI）、病理分級以及轉(zhuǎn)移復(fù)發(fā)等多種因素有關(guān)，尤其以轉(zhuǎn)移復(fù)發(fā)為重要的獨立影響因素。因此，有效預(yù)測HCC患者射頻消融術(shù)后的早期轉(zhuǎn)移復(fù)發(fā)有助于臨床醫(yī)生選擇合適的個性化治療方案，改善早期肝癌患者的預(yù)后，提高患者的總體生存率[13]。MRI 圖像蘊含著大量的信息，利用影像組學(xué)技術(shù)對腫瘤整體進行檢測，能夠更為全面的了解腫瘤的特性，而且減少了腫瘤患者的有創(chuàng)檢查，為HCC 患者的預(yù)后提供了一種新的診斷方法和思路。

影像組學(xué)已經(jīng)在肝癌復(fù)發(fā)預(yù)測中得到了廣泛的應(yīng)用。此前有多項研究表明，利用影像組學(xué)技術(shù)能夠?qū)Ω伟└涡郧谐g(shù)[14-16]、肝移植術(shù)[17，18]以及肝癌射頻消融[19，20]術(shù)后的早期復(fù)發(fā)進行預(yù)測，所構(gòu)建的模型均有較好的預(yù)測性能。Hui T 等[21]使用術(shù)前MRI 提取290 個紋理參數(shù)，以預(yù)測手術(shù)切除后730 d 內(nèi)HCC 患者的復(fù)發(fā)情況。結(jié)果表明，基于增強MRI 的平衡期紋理特征做出了最大貢獻，預(yù)測準確率達84%。Yuan C 等[22]通過提取CT 門脈期圖像的紋理特征，證實了紋理特征與HCC 射頻消融術(shù)后的早期復(fù)發(fā)密切相關(guān)，且研究發(fā)現(xiàn)將臨床病理因素和影像組學(xué)特征聯(lián)合構(gòu)建的復(fù)發(fā)預(yù)測模型，其對RFA 治療后早期復(fù)發(fā)的預(yù)測效果明顯高于單純臨床因素模型（P＜0.0001）。

基于以上的研究基礎(chǔ)，本實驗從MRI 的T2WI影像上篩選了一系列影像組學(xué)特征，最終選擇了8個最具潛在預(yù)測價值的影像組學(xué)特征。其中有3 個為一階統(tǒng)計量（firstorder）特征，1 個為灰度區(qū)域大小矩陣特征，1 個為灰度相關(guān)矩陣特征，3 個為灰度長度游程矩陣特征。Firstorder statistic 代表了灰度級直方圖信息，描述圖像中灰度級的全局分布；GLSZM代表了量化圖像中的灰度級區(qū)域；GLDM 量化圖像中的灰度依賴，描述了一個體素灰度的次數(shù)和其鄰域中的相關(guān)體素；GLRLM 則可量化VOI 內(nèi)灰度的游程。這些影像組學(xué)特征囊括了一階統(tǒng)計量特征和紋理特征，更全面的反映腫瘤的異質(zhì)性，能夠作為肝癌RFA 術(shù)后早期復(fù)發(fā)的獨立預(yù)測因素。

基于相同的序列和特征降維方法，不同的機器學(xué)習(xí)模型診斷效能有一定差異。建立機器學(xué)習(xí)分類模型可以進一步挖掘被保留的影像組學(xué)特征間的相關(guān)信息，通過肉眼無法識別的細微特征對疾病進行診斷、鑒別和預(yù)后預(yù)測。本研究基于LR、SVM 和RF3 種分類器模型性能的對比，結(jié)果顯示3 種分類器模型在訓(xùn)練集和測試集中均表現(xiàn)出了較好的預(yù)測性能，都能有效預(yù)測肝癌RFA 術(shù)后早期復(fù)發(fā)。其中，本研究構(gòu)建的3 種預(yù)測模型的穩(wěn)定性比較結(jié)果為：RF＞SVM＞LR。雖然基于RF 分類器構(gòu)建的肝癌RFA術(shù)后早期復(fù)發(fā)的T2WI 影像組學(xué)預(yù)測模型在訓(xùn)練集中特異度和準確率低于LR 和SVM，但差距較小。RF 模型在測試集中的整體表現(xiàn)較另外2 種預(yù)測模型更優(yōu)。提示本研究構(gòu)建的3 種預(yù)測模型，基于RF分類器構(gòu)建的預(yù)測模型不僅具有較好的診斷效能，還具有良好的穩(wěn)定性，在實際應(yīng)用中，LASSO 篩選特征和RF 進行分類的有機結(jié)合，可以在影像組學(xué)的研究中有效協(xié)作[23，24]。

本研究存在一定的局限性：①模型的可重復(fù)性差，本研究ROI 全部為人工勾畫，部分肝癌病灶與正常肝組織分界不清，在MRI 圖像上分割腫瘤時容易導(dǎo)致分割不準問題；②本研究對T2WI 進行影像組學(xué)分析，結(jié)果中體現(xiàn)出來的信息及預(yù)測效能有一定的局限性，在以后工作中應(yīng)繼續(xù)收集病例，以期獲得標準化、大樣本量的影像數(shù)據(jù)，繼續(xù)對功能成像及增強掃描圖像進行更加全面的影像組學(xué)分析。另外，本研究旨在選擇那些對肝癌RFA 治療后早期復(fù)發(fā)最有預(yù)測價值的影像特征，而通過LASSO 降維算法選取的8 個影像組學(xué)特征參數(shù)，可能會拒絕一些潛在有預(yù)測價值的特征參數(shù)。

綜上所述，基于治療前T2WI 影像組學(xué)的預(yù)測模型在預(yù)測肝細胞癌預(yù)后方面具有較高的價值，可為肝癌RFA 術(shù)后早期復(fù)發(fā)預(yù)測提供新的手段，具有較好的臨床應(yīng)用前景。