基于MRI 的放射組學模型預測中晚期肝癌患者TACE 后腫瘤反應

顧萃華，潘仕文，邱 玨，王進進

目前，經導管動脈化療栓塞（transcatheter arterial chemoembolization，TACE）已成為治療局限性進展性肝細胞癌（hepatocellular carcinoma，HCC）的重要選擇，其操作簡單、并發癥少、療效確切，可降低腫瘤負荷，獲取手術切除機會，提高患者生存率［1-2］。然而，由于HCC 的生物學行為具有高度的細胞異質性，對TACE 的療效差異很大，TACE 反應的異質性也導致局部腫瘤的高復發率，治療后2 年、3 年和5年的復發率高達46%、58%和63%［3-4］。因此，臨床需要準確預測HCC 對TACE 的反應性，篩選最佳適應證患者以提高臨床療效，實現精準個性化診療。磁共振成像（magnetic resonance imaging，MRI）對HCC診斷、臨床分期、療效評估以及預后隨訪發揮重要作用［5］。但是，臨床上主要依賴放射科醫師對MRI圖像的人工分析，經驗依賴性較高，耗時較長，變異度較大；尤其對于HCC 較高的腫瘤異質性更難以得出客觀、 準確的分析，從而影響診療過程［6］。MRI 具有較高的時間和空間分辨率，尤其對軟組織分辨率較高，具有動態對比劑增強（dynamic contrast enhancement，DCE）和彌散加權成像（diffusion weighted imaging，DWI）等多個序列［7-8］，能夠提供腫瘤更多的組織學和功能學信息。目前，放射組學越來越受到關注，軟件通過圖像自動提取定量特征來表征不同疾病的表型，發現人工無法識別的微小變化，從而實現半自動化或者自動化的疾病診斷，加快分析過程，提高診斷準確率［9］。Wang 等［10］研究開發了一款基于MRI 的放射組學列線圖模型，但是MRI 成像僅包含常規序列和對比增強兩種；而且臨床因素只納入了C 反應蛋白和治療方法，未納入與腫瘤特征密切相關的臨床分期和肝功能分級等。因此，本研究主要基于臨床特征和多模態MRI 成像的放射組學紋理分析技術開發一款列線圖模型，指導評估預測中晚期HCC 患者TACE 后3 個月的腫瘤反應，為臨床個性化制定TACE 策略和評估臨床療效提供便捷化的工具。

1 材料與方法

1.1 研究對象

納入2017 年1 月至2021 年12 月蘇州市第九人民醫院病理確診中晚期HCC 患者105 例，男性61 例，女性44 例，年齡（56.2±5.9）歲。根據巴塞羅那臨床肝癌（Barcelona clinical liver cancer，BCLC）分期系統B 期61 例，C 期44 例；TACE 常規藥物49 例，藥物洗脫珠56 例。本研究經過醫院倫理委員會批準（WJYY-2017003）。

納入標準：①年齡大于18 歲，KPS 大于75 分；②符合HCC 的診斷標準； ③符合TACE 適應證，化療順利完成，患者康復出院；④MRI 圖像清晰；⑤至少完成3 個月的臨床隨訪，資料完整。排除標準：①肝轉移瘤，肝癌遠處轉移；②化療前應用放療或者免疫治療；③對化療藥物和造影劑過敏；④嚴重心肺腎等功能障礙。

1.2 研究方法

化療后3 個月根據改良的實體瘤反應評估標準（modified response evaluation criteria in solid tumors，mRECIST）分為反應組63 例（包括完全緩解和部分緩解），無反應組42 例（包括疾病穩定和腫瘤進展）。其中完全緩解為腫瘤完全消失，部分緩解為殘余腫瘤直徑總和至少減少30%，腫瘤進展為殘余腫瘤直徑總和至少增加20%，疾病穩定介于部分緩解和腫瘤進展之間。105 例隨機分為訓練組63 例和驗證組42 例，訓練組40 例出現腫瘤反應，23 例為無反應；驗證組23 例出現腫瘤反應，19 例為無反應。

記錄性別、年齡、化療前Child-Pugh 分級、BCLC分期、HBsAg 陽性、腫瘤最大直徑、血清TBil、AFP、ALT 和白蛋白水平以及TACE 治療方式。

1.3 TACE 流程

根據患者身體狀況、腫瘤特征、醫生經驗以及患者意愿等綜合評估后，選擇TACE 藥物。參照相關指南意見進行操作，確保治療過程的標準化。常規藥物有碘油、明膠海綿顆粒和聚乙烯醇，DEB（江蘇恒瑞醫藥有限公司）直徑為100～300 μm，裝載60～80 mg 表柔比星、吡柔比星或多柔比星。在數字減影血管造影監測下，通過導管將栓塞劑注入肝動脈血管系統，復查造影未發現腫瘤中對比劑染色時，確定栓塞成功。化療后常規管理，包括水合、止吐、疼痛控制和監測肝功能變化等。

1.4 MRI 掃描和放射組學分析

化療前使用3.0T MRI 采集T1WI、T2WI、DCE和DWI 多個序列，A.K.軟件提取紋理特征。儀器使用Philips ENGENIA 型3.0T MR 掃描儀，序列和參數設置：①頻譜預飽和，反轉恢復T2 加權序列，重復時間/回波時間=3 000/200 ms，層厚7 mm，層間隙1 mm，矩陣200×195；②屏息未增強和對比增強的DIXON-T1WI（水）序列，每千克體重注射0.1 mmol 釓噴酸二甲葡胺（廣州康晨制藥有限公司），重復時間/回波時間1/回波時間2=3.6/1.31/2.2 ms，視野400～314 mm，厚度5 mm，間隙2.5 mm，矩陣224×166，掃描4 個動態期，即肝動脈期15 s、門靜脈期50 s、實質期90 s 和延遲期180 s； ③屏氣擴散加權回波平面序列，視野400～343 mm，矩陣116×97，重復時間/回波時間=2 500/64 ms，厚度7 mm，間隙1 mm，b 值取0 和800 s/mm2。

術前T2 加權圖像導入ITK-SNAP （www.ITKSNAP.org）描繪腫瘤區域的感興趣體積（VOI），由兩名經驗豐富的放射科醫生獨立完成，確保觀察者內和觀察者間分割的再現性（見圖1）。然后，利用人工智能工具包軟件（A.K.軟件，GE Healthcare）計算VOI的定量特征［11］，對提取的特征進一步降維處理，使用Z 分數進行標準化，消除每個特征數據的單位限制，將所有異常值替換為中位數。采用LASSO 邏輯回歸算法進行特征選擇，篩選出高度相關的特征。最后計算Rad-score。隨機挑選10 例患者（5 例腫瘤反應和5 例未反應）分別由2 名放射科醫師獨立進行放射組學分析，計算Rad-score，評估觀察者間的一致性；每例患者間隔1 個月后由同一名放射科醫師重新分析并計算Rad-score，評估觀察者內的一致性，以組內相關系數（ICC）表示。

1.5 統計學方法

采用SPSS 22.0 統計學軟件。正態分布的計量資料以均數±標準差表示，比較采用t檢驗；計數資料以例（%）表示，比較采用χ2檢驗，P＜0.05 為差異有統計學意義。LASSO 回歸篩選放射組學的最優預測因子，并計算Rad-score； ROC 計算腫瘤無反應的AUC，比較采用Z檢驗；多因素logistic 回歸模型篩選腫瘤無反應的危險因素，采用逐步后退法；R 軟件建立列線圖模型，校正曲線進行吻合度驗證。

2 結果

2.1 患者一般資料比較

訓練組與驗證組患者的臨床資料比較差異無統計學意義（P＞0.05）； 無反應組比反應組Child-Pugh 分級B 和BCLC 分期C 增多，血清AFP 水平升高，差異有統計學意義（P＜0.05），見表1。

表1 患者一般資料比較

2.2 影像特征參數篩選

A.K.軟件共提取MRI 紋理特征396 個，這些特征分為5 類，包括直方圖、形狀因子、灰度大小區域矩陣（GLSZM）、灰度共生矩陣（GLCM）和游程矩陣（RLM）。利用LASSO 回歸篩選最優預測因子6 個，根據各因子對應的非零系數相乘的線性組合計算放射組學評分（Rad-score），見表2 和圖2。

表2 放射組學特征參數及對應系數

圖2 中晚期肝癌多模態MRI 的放射組學紋理分析LASSO 回歸

2.3 放射組學評分

ROC 計算Rad-score 預測TACE 后腫瘤無反應的AUC 分別為0.842 和0.803，見表3。

表3 各模型預測TACE 后腫瘤無反應的ROC

2.4 logistic 回歸分析腫瘤無反應的危險因素

多因素logistic 回歸模型顯示，AFP≥50 ng/mL、Child-Pugh 分級B、BCLC 分期C 和Rad-score 是腫瘤無反應的獨立危險因素（P＜0.05），見表4。

表4 logistic 回歸分析腫瘤無反應的危險因素

2.5 預測模型建立及比較

ROC 顯示，臨床-放射組學結合預測腫瘤無反應的AUC 最高（Z＞3.659，P＜0.01）。

2.6 列線圖的建立

R 軟件開發基于臨床-放射組學的列線圖模型，總分110 分，見圖3。

圖3 預測TACE 后腫瘤無反應的列線圖

2.7 列線圖的驗證

校正曲線顯示列線圖的吻合度較好，見圖4。

圖4 列線圖的校正曲線

3 討論

HCC 是我國主要的原發性肝癌類型，有較高的發病率和病死率，且呈年輕化趨勢［12］。50%～80%患者確診時已處于中晚期，無手術根治機會。Cezanne 和細胞因子信號3 甲基化被證實與TACE 腫瘤反應的高度異質性相關［13-14］，但是預測TACE 腫瘤反應和患者預后的效能依然有限。TACE 是一種局部姑息性介入治療，通過阻塞腫瘤供血動脈導致廣泛壞死和抑制腫瘤進展，在中晚期肝癌治療中發揮著關鍵作用。然而，肝癌患者對TACE 的臨床反應往往表現出很大的個體差異性，因此TACE 前準確評估腫瘤反應尤為重要。

本研究顯示，中晚期肝癌TACE 后3 個月腫瘤無反應率為40.0%。MRI 放射組學的紋理分析共篩選出396 個組學特征，包括42 個直方圖特征、9 個形狀因子特征、11 個GLSZM 特征、180 個RLM 特征和154 個GLCM 特征。基于直方圖特征能夠反映腫瘤的強度信息，形狀因子特征可以描述腫瘤區域的三維大小和形狀，GLSZM 特征反映具有特定灰度級別的像素與灰度值的另一個像素發生的次數，表示特定像素的聯合概率，RLM 特征為具有不同灰度像素的運行次數和給定方向的運行長度［15-16］。這些特征在人工分析中往往無法被識別，體現出放射組學的優越性。LASSO 縮小回歸系數進一步整合形成Rad-score，包含有效的生物學信息，反映腫瘤的異質性。Rad-score 與腫瘤的生物學特性高度相關，可以有效預測患者的預后，與Kong 等［17］的研究結果一致。

本研究顯示，無反應組Child-Pugh 分級B 和BCLC 分期C 增多，血清AFP 水平升高。BCLC 分期和Child Pugh 分級被多個指南推薦作為HCC 患者預后和治療的分層依據［18］，實驗室指標（如AFP、HBsAg）與HCC 預后也有重要聯系［19］。多因素logistic回歸顯示，AFP ≥50 ng/mL、Child- Pugh 分級B、BCLC 分期C 和Rad-score 是腫瘤無反應的獨立危險因素。臨床Rad-score 預測腫瘤無反應有更高的效能。ROC 證實，臨床-放射組學結合預測腫瘤無反應的AUC 最高。列線圖將模型可視化，方便臨床實踐。校正曲線顯示列線圖預測概率與實際無反應發生率有較好的吻合度，提示列線圖能夠為臨床早期準確篩選腫瘤無反應患者，調整治療方案，改善臨床療效。目前，尚缺乏關于常規藥物與DEB 在化療療效差異性方面的強效循證醫學證據［20］。

本研究仍有一些局限性：首先，是單中心回顧性研究，選擇偏差不可避免；其次，樣本量相對較小，需要外部驗證和較大的數據集來完善結果。未來，應進行大樣本、多中心隊列和多模式研究，驗證該放射組學特征的預測價值。

綜上所述，多模態MRI 的放射組學紋理分析量化評分對預測中晚期HCC 患者TACE 后3 個月的腫瘤無反應有一定價值，結合臨床因素構建的列線圖模型有較好的可視化效果和臨床實踐潛能。