食管鱗癌淋巴結(jié)轉(zhuǎn)移的影像組學(xué)與預(yù)后的關(guān)聯(lián)

陳小琪, 徐華霞, 王小玥, 李銳進, 邱明鏈, 邱模良, 吳凱明, 胡志堅

我國是食管癌(esophageal carcinoma, EC)的高發(fā)地區(qū),發(fā)病率為11.130/100 000,居我國腫瘤發(fā)病率第六位;其死亡率為8.280/100 000,居我國腫瘤死亡率第五位[1]。EC的病理類型包括鱗狀細胞癌和腺癌,我國約90% EC為食管鱗癌(esophageal squamous cell carcinoma, ESCC)[2]。淋巴結(jié)轉(zhuǎn)移(lymph node metastasis, LNM)是ESCC的主要轉(zhuǎn)移方式,是TNM分期中重要的病理特征之一,也是影響ESCC患者總生存期的關(guān)鍵性預(yù)后指標[3]。由于獨特的淋巴引流方式,EC極易在食管黏膜及黏膜下層豐富的淋巴管網(wǎng)內(nèi)發(fā)生廣泛或跳躍性轉(zhuǎn)移[4],具有較高的LNM發(fā)生率[5],導(dǎo)致患者預(yù)后不佳。因此,識別ESCC患者是否發(fā)生LNM并評估患者預(yù)后顯得尤為重要。

影像組學(xué)作為一種非侵入性方法,能夠從醫(yī)學(xué)影像中挖掘出定量特征,并結(jié)合統(tǒng)計學(xué)方法篩選出最有價值的影像特征,用于疾病的診斷、療效評估及預(yù)后預(yù)測,包括乳腺癌、肺腺癌、結(jié)直腸癌等惡性腫瘤的診斷及預(yù)后評估[5-6],特別是用于識別原發(fā)性腫瘤是否伴有LNM[7]。已有研究[8-9]證實,影像組學(xué)在預(yù)測ESCC LNM和預(yù)后方面的潛在價值。然而,這些研究僅僅關(guān)注原發(fā)性腫瘤的影像特征,未探討淋巴結(jié)影像特征與LNM的關(guān)聯(lián)。同時,這些研究大多使用人工手動法對影像特征進行分割與提取[10-12]。人工手動分割不僅耗時,且受經(jīng)驗與主觀因素影響比較大,難以適用于大規(guī)模的病例研究[12]。與人工手動分割相比,用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)獲取到的特征可以讓復(fù)雜的內(nèi)部信息得到更好的描述,能夠發(fā)現(xiàn)更深層次的特征[13],適用于大數(shù)據(jù)研究。本研究基于CNN分割提取到的淋巴結(jié)影像組學(xué)特征,探討LNM相關(guān)的影像組學(xué)特征與ESCC LNM及預(yù)后的關(guān)聯(lián),為ESCC淋巴結(jié)的識別及預(yù)后判斷提供理論依據(jù)。……