基于多模態MRI 影像組學特征構建胃癌淋巴結轉移預測模型

胡文鋒，邱劍，方俊

九江市第三人民醫院 （江西九江 332000）

胃癌是世界性重大健康問題，是癌癥死亡的第三大原因[1]。胃癌淋巴結轉移是胃癌預后差的主要風險因素之一，對指導治療方案的選擇具有重要意義[2-3]。隨著微創內鏡技術的發展，對于無淋巴結轉移的早期胃癌患者，臨床推薦使用內鏡下黏膜切除術或內鏡下黏膜剝離術進行治療，而非D2 淋巴結清掃術。內鏡下黏膜剝離術可導致患者管理方案效果較差及出現淋巴結轉移[4-6]。前哨淋巴結技術被用于治療多種腫瘤，可避免不必要的淋巴結清掃[7-10]，但術中前哨淋巴結清掃假陰性率較高[11]。淋巴結形態學改變與胃癌淋巴結轉移病理結果并非強相關，如小淋巴結可能已經出現胃癌轉移，但大的淋巴結可能只表現出炎癥反應，易導致淋巴結轉移誤診[12-15]。因此，臨床迫切需要一種更加精確的方法預測淋巴結轉移。目前，基于MRI 影像組學特征預測胃癌淋巴結轉移的研究較少。本研究旨在基于多模態MRI 影像組學特征建立胃癌淋巴結轉移預測模型，為胃癌的精準治療提供更多依據，現報道如下。

1 資料與方法

1.1 一般資料

選取2020 年2 月至2022 年2 月我院172 例胃癌患者，依據病理結果分組，發生淋巴結轉移為轉移組（112 例），未發生淋巴結轉移為未轉移組（60 例）。

納入標準：患者均行MRI 檢查；愿意接受內鏡檢查且需行胃癌手術；均為早期胃癌；均具有隨訪條件。排除標準：具有全身合并癥無法耐受內鏡檢查及胃癌手術。

1.2 方法

1.2.1 收集患者資料

收集患者基本信息（性別、年齡、身高、體質量、體質量指數、血壓、脈搏等）、病史（高血壓、糖尿病、手術史、遺傳病史、傳染病史、用藥情況等）、相關血清學指標、多模態MRI 影像信息。行內鏡檢查，術中對患者胃壁外的淋巴結進行細針抽吸術，采集活檢標本后迅速放入帶有組織固定液的標本瓶，擇日進行胃癌手術，手術標本迅速固定并送病理科檢測。

1.2.2 多模態MRI 影像特征的提取及標準化

根據本研究中心的標準化多模態MRI 流程，獲取多模態MRI 影像數據，保存為DICOM 格式文件，導入3D-Slicer 軟件。由2 位具有5 年以上工作經驗的副主任影像醫師對多模態MRI 圖像進行胃部靶區標記。采用Pyradiomics 軟件提取影像特征。該特征符合圖像生物標志物標準化倡議（Image Biomarker Standardization Initiative，IBSI），并采用Z 值評分進行數據標準化。影像特征包括First Order Statistics、Shape-based（2D）、Gray Level Cooccurence Matrix（GLCM）、Gray LevelRun Length Matrix（GLRLM）、Gray LevelSize Zone Matrix（GLSZM）、Neigbouring Gray Tone Difference Matrix（NGTDM）、Gray LevelDependence Matrix （GLDM），并對由2 位醫師同一影像標記提取的影像特征進行內部一致性信度檢驗。

1.2.3 構建多模態MRI 影像組學評分系統

基于多模態MRI 影像組學數據并結合臨床數據，使用R 語言篩選影像特征變量，構建多模態MRI 影像組學評分系統，并采用十折交叉驗證改進模型。

1.2.4 模型評估及測試

通過受試者工作特征（receiver operating characteristic，ROC）曲線分析評估診斷性能，并使用Delong 驗證比較不同模型曲線下面積（areas under curve，AUC）。模型診斷數據和病理確診胃癌淋巴結轉移數據間的差異通過Calibration 校準曲線和Hosmer-Lemeshow 試驗評估。最終，通過對整個隊列中不同閾值概率下的凈效益進行量化，進行決策曲線分析（decision curve analysis，DCA），確定模型的臨床有效性。通過診斷測試集，測試所構建的胃癌淋巴結轉移多模態MRI 影像組學評分系統的診斷效能。

1.3 觀察指標

（1）比較轉移組與未轉移組臨床資料；（2）分析胃癌淋巴結轉移預測模型的診斷效能。

1.4 統計學處理

采用SPSS 25.0 統計軟件進行數據分析。計量資料以±s表示，采用t檢驗。計數資料以率表示，采用χ2檢驗。P＜0.05 為差異有統計學意義。

2 結果

2.1 轉移組與未轉移組臨床資料比較

轉移組與未轉移組性別、年齡、糖類抗原、癌胚抗原水平、腫瘤大小、腫瘤位置、Lauren 分型、分化程度、浸潤深度、脈管癌栓、潰瘍指標比較，差異均無統計學意義（P＞0.05）；轉移組血紅蛋白水平高于未轉移組，差異有統計學意義（P＜0.05），見表1。

表1 轉移組與未轉移組臨床資料比較

2.2 轉移組臨床參數的多因素Logistic 分析

多因素Logistic分析顯示，胃癌淋巴結轉移與腫瘤大小、分化程度、浸潤深度、脈管癌栓均相關（P＜0.05），見表2。

表2 訓練集轉移組患者臨床參數的多因素Logistic分析

2.3 胃癌淋巴結轉移預測模型的建立與評估

利用腫瘤大小、分化程度、浸潤深度、脈管癌栓4 個影響因素建立預測列線圖模型。重復抽樣納入1 000 次數據后，采用校準曲線對該模型進行精確度驗證，并用ROC 曲線對模型的區分度進行檢驗，預測值與實際結果幾乎相等；C-index 分數（95%CI）為0.833（0.815～0.851），Calibration 驗證曲線幾乎呈對角對應關系，C-index 趨勢為1。該預測列線圖模型具有較好的精確度、區分度，見圖1。

圖1 列線圖預測模型的校準曲線

3 討論

影像組學是一種從醫學影像數據中提取高維量化數據的新興定量影像分析方法，有助于消除個體差異導致的實驗偏移，可從圖像中獲得大量人肉眼無法識別的信息，經過篩選后得到更加符合疾病特征的信息，構建穩定性更強、準確率更高、預測性更強的模型。影像組學常被應用于提取腫瘤組織的微觀特征特性，預測分析腫瘤診斷和預后[16-17]。研究發現，基于影像組學方法可改善胃癌淋巴結轉移預測的精確度[18-20]。研究表明，血清標志物不能作為胃癌淋巴結轉移的預測標準[21-22]。多模態MRI 是指采用多種加權模式下特別時功能序列采集患者圖像，可綜合分析檢查部位的形態和功能狀況。彌散加權成像（diffusion-weighted imaging，DWI）是利用分子的布朗運動反映活體組織器官形狀、功能的檢測序列，對不同腫瘤的良惡性病變具有強大的分辨能力[23]。T2加權像可更好地反映患者組織層次特征。T1加權像可反映患者組織的大體形態。但MRI 各序列與淋巴結轉移間的相關性尚未完全明確。基于多模態MRI 圖像的影像組學特征中某些量化特征雖對癌癥預測具有令人驚訝的效果，但準確性分析仍需驗證，以期滿足臨床需求[23-25]。

多模態MRI 影像組學特征分析可消除傳統檢查結果中的個體差異性，深度分析和挖掘潛在的MRI 數據特征。本研究結果表明，轉移組與未轉移組的性別、年齡、糖類抗原、癌胚抗原水平、腫瘤大小、腫瘤位置、Lauren 分型、分化程度、浸潤深度、脈管癌栓、潰瘍指標比較，差異均無統計學意義（P＞0.05），轉移組血紅蛋白水平高于未轉移組（P＜0.05）。多因素Logistic分析顯示，胃癌淋巴結轉移與腫瘤大小、分化程度、浸潤深度、脈管癌栓均相關（P＜0.05）；利用腫瘤大小、分化程度、浸潤深度、脈管癌栓4 個影響因素建立預測列線圖模型，預測值與實際結果幾乎相等，具有較好的精確度、區分度。在胃癌手術前，進行胃癌淋巴結轉移預測，有助于制定更合理的手術方案，縮短患者治療時間，提高治愈率，降低術后并發癥發生率，幫助患者盡快恢復，具有重要的社會效益[26]。

綜上所述，基于多模態MRI 影像組學構建的胃癌淋巴結轉移預測模型，有助于為胃癌淋巴結轉移診斷提供快速、無創、簡便的輔助檢查手段，為患者提供更好的醫療服務，避免過度治療。