MRI紋理分析評估肝外膽管癌淋巴結轉移的價值

楊春梅， 舒健， 陸笑非， 蘇松， 周鐵軍

膽管癌是起源于膽管上皮的惡性腫瘤，包括肝內及肝外膽管癌[1]。肝外膽管癌(extrahepatic cholangiocarcinoma，ECC)起源于肝實質外的膽管，約占所有膽管癌的80%，其發(fā)病率及死亡率逐年上升，并且預后很差[2,3]。唯一有效的治愈方式為完整地外科手術切除[4]，但大多數(shù)患者切除后仍然可能局部復發(fā)或發(fā)生遠處轉移[5]，相關研究報道淋巴結轉移與其預后密切相關[6,7]。因此尋找一種無創(chuàng)、客觀的方法評估ECC的淋巴結轉移十分重要，有助于指導臨床選擇最佳治療策略并改善預后。目前ECC的診斷“金標準”是病理活檢，但其為有創(chuàng)性檢查，受采樣誤差、患者接受度及觀察者的主觀因素影響。

評估ECC傳統(tǒng)的影像學方法包括超聲、CT、正電子發(fā)射斷層顯像(positron emission tomography/computed tomography，PET/CT)、MRI及膽管造影等[8-12]，但這些傳統(tǒng)的方法均以主觀評估為基礎，并不能定量地評估ECC的淋巴結轉移，而且無法獲取其細胞、生理甚至基因層面的信息[13,14]。紋理分析可以定量、客觀地評估腫瘤的異質性，有助于臨床決策、風險預估及預后評估。近年來，膽管癌尤其是肝內膽管癌的紋理分析及影像組學分析已有初步研究[15-19]，但單獨對于ECC的紋理分析國內外尚未見類似的報道。本研究旨在探討MRI紋理分析評估ECC淋巴結轉移的價值。

材料與方法

1.研究對象

回顧性搜集2011年1月至2020年3月我院ECC患者的臨床病理資料。病例納入標準：①術前行腹部3.0T MRI檢查；②行外科手術切除并行病理學檢查。病例排除標準：①MRI圖像缺失及病灶無法識別。②無完整病理學資料，如缺失淋巴結是否轉移。③檢查前做過其他治療，如放療、化療等。④有多種腫瘤病史。最終本研究共納入110例ECC患者。搜集患者的臨床及病理資料并記錄，包括年齡、性別、腫瘤位置(肝門、遠端)、腫瘤大小(為軸面上腫瘤最大層面的長徑)、病理分化程度以及淋巴結是否轉移(手術清掃的淋巴結組織中觀察到癌細胞即可證實為轉移)。所有患者的病理學資料由一位有10年診斷經(jīng)驗的病理科醫(yī)師進行評估。

2.MRI掃描方法

所有患者術前均行腹部MRI掃描，掃描設備為Philips Achieva 3.0T(Amsterdam,Netherlands)雙梯度超導高場磁共振掃描儀，16通道相控陣腹部線圈。掃描前患者禁食4～8 h，并進行呼吸訓練，于吸氣末屏氣時進行腹部掃描，不能屏氣者采用呼吸觸發(fā)掃描?；颊呷⊙雠P位，掃描范圍從膈頂至肝臟下緣。掃描序列包括軸面T1高分辨各向同性容積激發(fā)序列(T1-weighted imaging，T1WI)、軸面快速自旋回波脂肪抑制序列(T2-weighted imaging，T2WI)、冠狀面快速自旋回波T2WI序列、軸面擴散加權成像(diffusion weighted imaging，DWI)、軸面雙回波化學位移成像序列及T1動態(tài)增強MRI。T1WI序列掃描參數(shù)：TE 1.44 ms，TR 3.1 ms，視野280 mm×305 mm，矩陣244×186，層厚3 mm，層間距-1.5 mm，翻轉角10°，激勵次數(shù)1次，層數(shù)120層。T2WI序列掃描參數(shù)：TE 70 ms，TR 1610 ms，視野280 mm×305 mm，矩陣176×201，層厚7 mm，層間距1.0 mm，翻轉角90°，激勵次數(shù)2次，層數(shù)24層。DWI序列掃描參數(shù)：TE 52 ms，TR 934 ms，視野280 mm×305 mm，矩陣100×124，層厚7 mm，層間距1 mm，翻轉角90°，激勵次數(shù)4次，層數(shù)48層，b值取800 s/mm2。

3.圖像處理

將所有符合納入、排除標準患者的MRI圖像傳輸至后處理工作站Philips Extended MR Workspace 2.6.3.4，獲取軸面T1WI、T2WI及DWI圖像，并選取病灶最大截面的MRI圖像以BMP格式保存，用作下一步的紋理特征提取及分析。

4.圖像分割及紋理特征提取

將所有患者病灶最大截面的MRI圖像依次導入MaZda軟件(version 4.6, http://www.eletel.p.lodz.pl/programy/mazda/)，使用MaZda軟件進行圖像的標準化處理，即將圖像的標準化范圍控制在(μ-3SD, μ+3SD)(μ為平均灰度/信號強度值，SD為標準差)，以縮小不同序列MRI圖像對比度及明亮度差異的影響。由一位經(jīng)驗豐富的放射科醫(yī)師在病灶最大層面手動勾畫ECC的感興趣區(qū)(region of interest，ROI)，避開鄰近的血管及膽管(圖1)。為了縮小部分容積效應，沿腫瘤邊緣1～2 mm進行病灶勾畫。每例患者選取軸面T1WI、T2WI及DWI圖像進行勾畫，得到3個ROIs。最終本研究中100例患者得到了300個ROIs。

圖1 ECC患者MRI圖像上ROI的勾畫。采用MaZda軟件手動勾畫ROI，避開鄰近的血管及膽管。為了縮小部分容積效應，沿腫瘤邊緣1～2mm進行病灶勾畫。a) 軸面T1WI圖像； b) 軸面T2WI圖像； c) 軸面DWI圖像。

MaZda軟件可以提取六大類紋理特征，包括灰度直方圖(histogram)、絕度梯度(absolute gradient，GRA)、灰度共生矩陣(gray-level co-occurrence matrix，GLCM)、運行長度矩陣(run-length matrix，RUN)、自回歸模型(autoregressive model，ARM)及小波轉換(wavelet transform，WAV)。本研究中每個ROI可以提取300種紋理特征。

5.組內及組間一致性評估

本研究隨機選取20例研究對象的T1WI、T2WI及DWI圖像，由兩位經(jīng)驗豐富的放射科醫(yī)師進行組內及組間的一致性研究。對于組內一致性評估，由第一位放射科醫(yī)師按照一定方法及步驟勾畫20例患者T1WI、T2WI及DWI圖像上的ROI并提取病灶的紋理特征，于2周內用同樣方法及步驟再次勾畫這20例患者T1WI、T2WI及DWI圖像上的ROI并提取紋理特征，然后將兩次提取的20例患者的紋理特征進行組內相關分析。與此同時第二位放射科醫(yī)師按照相同方法及步驟勾畫這20例患者T1WI、T2WI及DWI圖像上的ROI并提取相應的紋理特征，將第二位放射科醫(yī)師提取的病灶紋理特征與第一位放射科醫(yī)師第一次勾畫病灶提取的紋理特征進行組間相關分析。用組內/組間相關系數(shù)(inter- and intra-class correlation coefficient，ICC)值評估組內及組間分析的一致性。ICC>0.75表明組內或組間分析的一致性較好。

6.紋理特征的降維與選擇

使用MaZda軟件提供的費希爾參數(shù)法(fisher coefficient，F(xiàn)isher)、最小分類誤差與最小平均相關系數(shù)法(minimisation of both of both classification error probability combined with average correlation coefficients，POE+ACC)及相關信息測度法(mutual information，MI)三種特征選擇方法分別對T1WI、T2WI及DWI圖像的300種紋理特征進行降維，每種序列得到30種最佳紋理特征。

7.統(tǒng)計學分析

圖2 本研究紋理分析的流程圖。選取ECC患者的軸面T1WI、T2WI及DWI圖像(病灶最大層面)，使用MaZda軟件手動勾畫感興趣區(qū)，并提取腫瘤的紋理特征(包括6大類，約300種紋理特征)。三種MRI序列使用Fisher法、最小分類誤差與最小平均相關系數(shù)法及相關信息測度法等三種降維方法分別選擇了30種最佳紋理特征。采用多層感知器分析90種最佳紋理特征，建立相應的模型預測ECC的淋巴結轉移，并采用受試者工作特征曲線評估模型性能。

結 果

1.臨床資料

本研究共納入110例ECC患者，其中男60例，女50例，年齡28～83歲，平均(57.6±9.9)歲。所有腫瘤病灶均經(jīng)病理學證實為腺癌，其中31例被病理學證實有淋巴結轉移(淋巴結轉移組，圖3)，79例無淋巴結轉移(淋巴結無轉移組)。淋巴結轉移組與無轉移組病灶的病理分化程度(P=0.036)及大小差異有統(tǒng)計學意義(P=0.002)，而兩組患者的年齡、性別及腫瘤位置差異無統(tǒng)計學意義(表1)。

圖3 遠端膽管癌伴淋巴結轉移患者，女，56歲。藍箭頭所指為肝外膽管癌病灶，黃箭頭所指為淋巴結。a) T1WI圖像； b) T2WI圖像; c) DWI圖像。

表1 ECC患者的臨床病理學特征

2.組內及組間一致性評估

本研究隨機選取了20例患者進行組內及組間一致性評估，從病灶中提取的300種紋理特征均有較好的一致性。組內相關性分析的平均ICC值為0.97 (0.774～1.000,P<0.001)，組間相關性分析的平均ICC值為0.93 (0.751～1.000,P<0.001)。

3.特征選擇及模型構建

T1WI、T2WI及DWI三種MRI序列提取的特征經(jīng)降維后總共得到90種最佳的紋理特征，包括Histogram紋理特征5種，GRA紋理特征5種，GLCM紋理特征43種，RUN紋理特征19種，ARM紋理特征4種，WAV紋理特征14種。ROC曲線分析結果顯示，使用多層感知器建立的預測模型其平均AUC為0.895(0.748～0.996，圖4)，在訓練集及測試集中的預測準確率分別為83.4%(67.8%～100%)、85.0%(64.0%～100%)，表明該模型能較好地預測ECC的淋巴結轉移。

圖4 多層感知器模型預測ECC淋巴結轉移的ROC曲線。1代表淋巴結無轉移，2代表淋巴結有轉移；a) 最小AUC為0.748； b) 最大AUC為0.996。

討 論

至今為止，ECC仍是預后很差的惡性腫瘤，且淋巴結轉移是其重要的預后因素。因此，淋巴結轉移的判定對ECC治療策略的選擇及預后評估均有重要意義。但目前仍然缺乏準確、無創(chuàng)及定量的評估ECC淋巴結轉移的方法。相關文獻報道，CT、MRI及PET/CT已經(jīng)用于膽管癌淋巴結轉移的診斷與評估[10,20,21]，由于MRI無輻射，軟組織分辨率高，被認為是目前評估ECC最精確無創(chuàng)的檢查方法[11]。相關研究表明，與CT相比，MRI及PET/CT診斷膽管癌淋巴結轉移的準確率較高，分別約66.0%[21]、72.7%[10]。但這些影像學征象的評估都是基于放射科醫(yī)師主觀的認知和判定，并不能精確定量地評估ECC的淋巴結轉移，無法完全滿足臨床的需求。因此，需要尋找一種無創(chuàng)、定量的方法準確評估ECC的淋巴結轉移，有助于指導最佳治療方案的選擇及評估患者預后。紋理分析通過提取影像圖像上(如CT、MRI、PET/CT)病灶內的紋理特征，定量分析病灶內的異質性，有助于疾病的診斷、鑒別診斷、臨床決策及預后評估[22]。紋理特征反映的是腫瘤內部的異質性，包括基因、蛋白質、細胞、微環(huán)境、組織和器官等各個層次。本研究通過紋理分析，從提取的特征中發(fā)掘出人眼不能識別的ECC病理生理方面的信息，尋找出一種無創(chuàng)、客觀、準確的方法來評估ECC的淋巴結轉移。相關研究表明，紋理分析有助于評估腫瘤的淋巴結轉移[23-25]。對于膽管癌，許多學者已經(jīng)提取出腫瘤的紋理特征，并對膽管癌進行紋理分析，或者基于紋理特征建立相應的影像組學模型，用于膽管癌的診斷、鑒別診斷及預后評估[15-19]。在一項回顧性研究中，研究者發(fā)現(xiàn)某些紋理參數(shù)與膽管癌表皮生長因子受體及血管內皮生長因子受體密切相關，表明基于CT的紋理分析可以預測膽管癌的蛋白質表達，指導臨床治療及評估預后[15]。除此之外，基于紋理特征的影像組學分析也可用于預測部分肝臟切除術后肝內膽管癌的早期復發(fā)，有助于臨床選擇合適的治療方案[16]。Peng等[26]建立了基于腫瘤紋理特征的超聲影像組學模型，可用于評估肝內膽管癌的多種生物學行為，有助于患者預后的評估及個體化治療。目前基于增強CT及MRI的影像組學模型已經(jīng)被建立用于預測膽管癌的淋巴結轉移，并顯示了較好的預測效能，其最高AUC值為0.89[17]。但目前大多數(shù)基于紋理特征的影像組學分析是關于肝內膽管癌的研究，很少有文獻單獨對ECC進行紋理分析或建立影像組學模型來預測其淋巴結轉移的情況。由于肝內膽管癌與ECC在起源、生長模式、發(fā)生率、致死率、影像學表現(xiàn)及預后方面均存在很大差異[27]，而且基于我們前期對于ECC的MRI影像組學研究[28]，因此使用紋理分析來判斷ECC的淋巴結轉移情況并評估其預測效能。

多層感知器是一種前向的神經(jīng)網(wǎng)絡，它的輸入是一組向量，輸出為另一組向量。多層感知器由輸入層、隱藏層和輸出層構成，其中隱藏層又可以包含多層。每層由多個節(jié)點構成，每層又可以傳遞給下一層，直到輸出層，同時在迭代過程中不斷調整權重以訓練學習算法，使得預測誤差最小化。因此本研究首先選取了ECC患者的T1WI、T2WI及DWI序列的軸面圖像，從每個ROI中提取出300種紋理特征，并進行降維選取90種最佳紋理特征，再采用多層感知器建立相應的模型來預測ECC的淋巴結轉移。對于ECC的淋巴結轉移，本研究的多層感知器模型在訓練集及測試集中的預測準確率分別83.4%(67.8%～100%)、85.0%(64.0%～100%)，其平均AUC達到了0.895，最大為0.996，優(yōu)于傳統(tǒng)影像學方法的評估，如MRI、PET/CT[10,21]及CT[29,30]等，表明基于多層感知器的MRI紋理分析能夠較好地預測ECC的淋巴結轉移。筆者查閱文獻發(fā)現(xiàn)，本研究是第一個基于紋理分析并采用多層感知器來評估ECC淋巴結轉移的研究，并達到了較好的預測效能;這是本研究的創(chuàng)新之處，表明紋理分析在ECC的術前評估是很有潛力的，可以作為一種新的定量工具用于預測ECC的淋巴結轉移，有助于ECC患者最佳治療方案的選擇并改善其預后。

本研究存在以下局限性：①本研究是回顧性研究且樣本量較少，需要前瞻性及大樣本的研究進一步建立相應的預測模型評估ECC的淋巴結轉移；②本研究屬于單中心研究，并不能代表不同地區(qū)ECC淋巴結轉移的分析結果，因此在未來的工作中，我們會采取多中心研究進一步驗證預測模型的診斷效能和可重復性；③本研究對ECC病灶進行二維紋理分析，而不是三維分析，可能導致腫瘤內部分信息的缺失，因此，我們需要在以后的工作中對病灶整體進行分析；④本研究的紋理分析只納入了腫瘤的紋理特征，其他臨床、病理、影像學特征甚至基因相關的特征應該被整合進來以建立更好的預測模型；⑤本研究缺乏外部驗證集來驗證模型的診斷效能，因此在進一步研究中，我們將納入外部驗證集來評估模型的效能。

綜上所述，基于MRI的紋理分析能很好地預測ECC的淋巴結轉移，在ECC的無創(chuàng)性診斷及預測中具有重要應用價值，有助于臨床治療方案的選擇及預后評估。