CT紋理分析聯合臨床病理信息預測進展期胃癌術后復發的價值

黃列彬，劉昱，黃文斯，陳欽賢，薛慧敏，馮寶，龍晚生，李榮崗

據統計，胃癌于2015年成為我國第二大常見癌癥，其死亡率在所有癌癥中排第三[1]。目前，手術仍是胃癌的主要治療手段，然而術后復發率居高不下。據文獻報道，胃癌術后復發率從20.1%到50.7%不等[2,3]，嚴重影響患者預后,如何降低胃癌患者術后復發率成為改善預后的關鍵。目前主要依據TNM分期系統來制定治療方案及評估預后，Ⅱ期以上的胃癌患者均建議接受術后化療[4]，然而即使是同一TNM分期的患者，其臨床結果也常常不同[5]。準確篩選出高復發風險的患者對實現精準個體化治療、降低復發率及改善預后很有幫助。CT紋理分析是影像組學中的一個領域，可從CT圖像中提取肉眼無法辨別的定量特征，進而反映腫瘤異質性等情況[6]，在腫瘤分期及預后評估等方面應用較廣[7-10]。本研究旨在探討CT紋理分析聯合臨床病理信息在預測進展期胃癌術后復發中的價值。

材料與方法

1.研究對象

回顧性搜集2009年9月-2014年8月間于本院住院，并經手術病理證實為進展期胃癌的患者。病例納入標準：①有完整的術前腹部增強CT圖像；②術前CT檢查與手術時間的間隔小于兩周；③經手術病理證實為胃腺癌，且腫瘤浸潤深度分期為T2及以上分期；④臨床資料完整；⑤除外復發的病例，其余病例隨訪時間≥5年。病例排除標準：①CT圖像質量差，病灶顯示不清；②同時合并其他惡性腫瘤。

2.檢查方法

所有病例均采用東芝Aquilion One-64 CT進行掃描，掃描參數：管電壓120 kV，自動管電流，準直寬度64×0.625 mm，螺距0.7，距陣512×512，層厚3 mm，層間隔3 mm，重建層厚3 mm。先行平掃，后采用高壓注射器注射對比劑碘普羅胺(拜耳先靈)，劑量1.5 mL/kg，流率3.0～3.5 mL/s，分別于注射對比劑后30 s及60 s行動脈期及靜脈期掃描。

3.病理評估

由1位具有豐富胃癌病理診斷經驗的醫生依據AJCC第八版癌癥分期系統對所有入組病例的病理切片重新評估。評估內容包括病理分級、Lauren分型、Borrmann分型、脈管侵犯、T分期、N分期、TNM分期等。

4.復發定義及隨訪

復發包括局部復發、腹膜轉移和遠處轉移。局部復發包括發生在吻合口、殘胃、十二指腸殘端和/或胃區域淋巴結的復發；腹膜轉移包括發生在腹膜、網膜、腸系膜的轉移灶；遠處轉移是發生在其他器官和非胃區域淋巴結的轉移灶[11]。吻合口、殘胃的復發通過胃鏡活檢病理證實。胃區域淋巴結、十二指腸殘端的復發主要通過術后增強CT隨訪動態觀察來確定。在術后增強CT隨訪中，出現胃區域淋巴結增大伴壞死，或動態隨訪時胃區域淋巴結逐漸增大，在除外結核等因素后，則認為區域淋巴結復發。術后CT檢查發現腹膜、網膜、腸系膜結節狀或腫塊狀增厚，且腹水檢查癌細胞陽性或腹膜病灶活檢發現癌細胞，則認為腹膜轉移。遠處轉移通過術后增強CT檢查確診。

本研究的終點是復發，除外復發的病例，其余病例隨訪時間≥5年。患者前2年每3～6個月隨訪1次，以后3年每6～12個月隨訪1次，然后每年1次。主要隨訪檢查手段有腹部增強CT、胃鏡檢查和腫瘤生物標志物檢查等。

5.腫瘤分割及紋理特征提取

本研究采用靜脈期圖像進行腫瘤分割。由兩位放射科醫師采用基于Matlab2016(Mathworks，Natick，MA，USA)編寫的程序對腫瘤邊緣進行手動勾畫，勾畫時盡量避開胃腔氣體、液體或胃周脂肪。醫師1勾畫全部病例，醫師2在訓練集隨機勾畫30例患者，隨后利用勾畫好的圖像重建腫瘤立體圖(圖1)，進而提取紋理特征。采用組間相關系數(Intraclass correlation coefficients，ICC)評估2位醫師提取的紋理特征的可重復性和穩定性，ICC值大于0.75的紋理特征認為是可靠的。為提高特征的可重復性和魯棒性，采用不同權重下的小波帶通濾波[權重系數=(0.5，0.67，1，1.5，2)]、各向同性重采樣[重采樣系數=(0.9，1，1.2，1.5，2)]和灰度離散化[量化算法=(Equal，Lloyd)，灰度級=(8，16，32，64)]。通過軟件分析腫瘤3D圖像，提取10320個紋理特征，包括720個全局紋理特征、2160個灰度共生矩陣特征(Gray Level Co-occurrence Matrix，GLCM)、3120個灰度游程矩陣特征(Gray Level Run Length Matrix,GLRLM)、3120個灰度區域尺寸矩陣(Gray Level Size Zone Matrix，GLSZM)和1200個鄰域灰度差分矩陣(Neighbouring Gray Tone Difference Matrix,NGTDM)。

圖1 胃癌手工分割結果。a)靜脈期手動分割的病灶；b)三維重建的病灶體積。

6.特征篩選及模型構建

以術后5年復發為終點事件，采用(LASSO)logistic回歸進行紋理特征選擇，非零系數特征被認為是胃癌術后復發有價值的預測因子。隨后，所選的非零系數紋理特征被用于構建紋理標簽。

除外CT紋理標簽，本研究亦對病例的臨床、病理相關指標進行分析，構建臨床預測模型。此外，通過結合對預測胃癌復發有統計學意義的獨立預測因子和紋理標簽構建組合模型，并通過放射列線圖的形式直觀展示，以便于應用。

7.統計學分析

采用SPSS 19.0軟件及R語言統計分析軟件進行統計學分析。分類變量(如性別)的組間比較采用卡方檢驗和費舍爾精確檢驗，而連續變量(如年齡)的組間比較采用秩和檢驗。采用受試者工作特征(receiver operating characteristic，ROC)曲線和決策曲線分析(decision curve analysis,DCA)評價不同模型的預測效果。以P<0.05為差異具有統計學意義。

結 果

1.復發組及未復發組患者的基本信息

本研究最終納入162例患者，其中52例在隨訪過程發生復發(單純原位復發14例，原位復發合并肺轉移3例，肝、肺及其他遠處轉移35例)。本組病例以隨機數字表法按5：3比例將患者分為訓練集(n=100)和驗證集(n=62),162例患者的基本信息見表1。

表1 復發組及未復發組患者的基本信息 (例)

2.紋理特征提取及紋理標簽構建

對訓練集和驗證集數據進行U檢驗，再進行ICC檢驗，得到有統計學意義且有較好一致性的48個特征(P<0.05，ICC>0.750)。采用LASSO回歸方法最終選出8個與復發相關的特征，分別為GLSZM-LGZE_0.5_0.9_Lloyd_64、GLRLM-SRHGE_0.67_1_Equal_64、GLRLM-LGRE_0.67_1.2_Lloyd_8、GLCM-Variance_0.67_2_Equal_32、NGTDM-Contrast_1.0_0.9_Lloyd_64、GLSZM-SZE_1.0_2_Lloyd_32、GLSZM-SZE_2.0_1_Equal_8和GLSZM-LGZE_2.0_1.2_Lloyd_64，進而構建紋理標簽。

3.臨床模型及組合模型的構建

對復發組及未復發組有統計學差異的臨床病理指標進行多因素回歸分析并構建臨床模型，最終膽汁酸返流、TNM分期、脈管侵犯等3個指標經Logistic回歸篩選出來并具備統計學差異(P<0.05，表2)。

表2 臨床病理指標多因素邏輯回歸分析結果

將上述3個指標與紋理標簽作為組合模型的輸入特征，進行多因素分析并構建組合模型，其中膽汁酸返流和紋理標簽被篩選出來且具有統計學意義(表3)。結合這2個獨立因素，構建組合模型并以放射組學列線圖形式表示(圖2a)。使用校準曲線確定訓練集和驗證集中預測值與實際值之間的關系(圖2b、2c)。

圖2 放射組學列線圖的性能和各模型決策曲線分析。a)結合紋理標簽和臨床因素的放射組學列線圖；b)組合模型在訓練集中的校準曲線；c)組合模型在驗證集中的校準曲線；d)各種模型的決策曲線分析。

表3 多因素分析構建組合模型

4.評估模型的效能

臨床模型、紋理標簽和組合模型在訓練集的曲線下面積(area under curve，AUC)分別為0.748、0.809及0.841，在驗證集的AUC分別為0.786、0.799及0.840。

采用凈重分類指數(net reclassification index，NRI)評估紋理標簽是否優于臨床模型，結果顯示紋理標簽的預測效果優于臨床模型，在驗證集中兩模型比較時，NRI=0.325，P=0.011。DCA分析結果表明，組合模型在閾值概率為0.31～0.87時，預測胃癌復發效果更佳(圖2d)。

5.基于紋理標簽的無瘤生存率分析

以紋理特征標簽中位數為界，分別對訓練集與驗證集的數據進行分組，再進行無瘤生存率分析，結果顯示小于紋理特征標簽中位數及大于中位數患者的5年DFS差異有統計意義(P<0.05,圖3)

圖3 a)訓練集的生存曲線；b)驗證集的生存曲線。

討 論

對胃癌患者進行準確的預后評估及風險分層是實施個體化精準治療的關鍵。目前臨床上主要依據TNM分期系統對胃癌患者進行預后評估及制定治療方案。Chu等[12]的研究結果顯示TNM晚期的胃癌患者無病生存期較短，復發風險較高。Pan等[13]的研究結果顯示，TNM分期是胃癌切除術后患者預后的獨立預測因子，其預測胃癌患者術后5年生存期的AUC為0.721。本研究結果顯示，TNM分期為胃癌患者術后復發的獨立預測因子，與文獻報道相仿。此外，本研究結果顯示膽汁酸返流及脈管侵犯亦是胃癌術后復發的獨立預測因子。膽汁酸可激活法尼醇X受體(FXR)/核因子κB(NF-κB)信號通路，誘導粘蛋白2(一種腸上皮化生標志物)及尾端相關同源盒轉錄因子2(一種腸道特異性轉錄因子)在正常胃上皮細胞中的異位表達，在誘導胃腸化生和胃癌發生中起著重要的作用[14]。既往研究顯示，脈管侵犯是胃癌患者術后復發的獨立預后因素，是淋巴結轉移和遠處轉移的起始環節，對預后有著重要影響[15]。本研究對上述3個獨立因素構建的臨床預測模型進行評估，結果顯示臨床模型對預測胃癌患者術后復發有一定效能，但其效能仍相對較低。筆者結合文獻分析認為，這或因TNM分期系統主要是依據腫瘤解剖特征進行評估，并未包含腫瘤異質性及患者相關個體化預測信息，難以做到個體化精準評估[5]。

CT紋理分析是影像組學的一個領域，它可以提取、分析和解釋定量成像特征，客觀評估病變和器官的異質性及反映有關組織微環境等信息，已廣泛應用于腫瘤良惡性鑒別、療效評估及預后評估等方面[6]。黃裕存等[16]的研究結果顯示腫瘤最大徑及體積特征可用于胃癌患者術后危險分層，構建的紋理特征標簽預測胃癌患者3年總生存期(Overall Survival，OS)的AUC為0.72。Giganti等[9]研究發現能量、熵、偏度及平均絕對偏差等特征與預后相關，CT紋理分析可以提高胃癌危險分層多變量預后模型的性能。

本研究從靜脈期CT圖像中提取了10320個紋理特征，通過LASSO回歸模型篩選出8個與復發相關的紋理特征，并構建紋理標簽。結果顯示該標簽對預測胃癌術后復發具有較好的效果(AUC=0.799)，其預測效果優于單純臨床模型。組合模型是通過結合紋理標簽和臨床病理信息綜合診斷的一種方法，通過將紋理標簽的預測值和臨床模型篩選出來的臨床病理指標作為特征，應用多因素LASSO邏輯回歸進行特征篩選并構建組合模型，選出與復發相關聯的特征(紋理標簽和膽汁酸返流)。研究結果表明，組合模型預測胃癌術后復發的效果最佳(AUC=0.840)。這進一步說明胃癌術后復發是受多方面因素影響、復雜的進程，結合不同因素及手段對其進行預測可提高其預測效果。本研究在構建組合模型時，膽汁酸返流進入了模型，而TNM分期及脈管侵犯卻沒能進入模型;筆者分析其原因認為，紋理標簽是由病灶的術前CT圖像中提取特征組成，這些由完全分割腫瘤圖像提取的特征或已包含有TNM分期及脈管侵犯等信息，故在篩選了紋理標簽的情況下，TNM分期及脈管侵犯未能同時進入模型。另一方面，膽汁酸返流作為誘導胃腸化生和促進胃癌發生的重要因素[14]，作用在吻合口及殘胃，主要促進原位局部復發的發生。本組病例共有17例發生了原位復發，因而膽汁酸返流被篩選入模型作為相應信息補充。總而言之，基于CT的紋理分析作為一種非侵入性的腫瘤特征分析方法，可與臨床病理相關信息相互補充，有助于提高胃癌術后復發的預后評估，為臨床決策及個體化精準治療提供一定幫助。

本研究存在以下局限性：首先,本研究樣本量相對較小；其次,本研究為回顧性研究，且為單中心數據，數據偏倚難以完全避免。

綜上所述，CT紋理分析對評估胃癌術后復發有一定價值。聯合CT紋理標簽及相應臨床病理因子構建組合模型，可更好地對胃癌患者進行術后復發風險評估，為個體化精準治療提供依據。