基于超聲影像組學(xué)特征列線圖模型術(shù)前鑒別早期與中晚期宮頸鱗癌

王雪瑩,張茂春

(1.川北醫(yī)學(xué)院附屬醫(yī)院超聲科,2.婦產(chǎn)科超聲室,四川 南充 637000)

宮頸癌是最常見女性生殖系統(tǒng)惡性腫瘤之一[1],宮頸鱗癌在其中占比高達(dá)90%以上[2],對女性身心健康造成極大威脅。對宮頸癌進(jìn)行準(zhǔn)確分期具有重要臨床意義。國際婦產(chǎn)科聯(lián)盟(International Federation of Gynecology and Obstetrics,FIGO)2018版建議對Ⅰ～ⅡA期宮頸癌進(jìn)行手術(shù)治療,而對ⅡB～Ⅳ期推薦采用同步放化療[3]。經(jīng)陰道超聲檢查是篩查女性宮頸疾病的最常用影像學(xué)手段,但存在操作者依賴性等不足,難以僅依據(jù)超聲表現(xiàn)進(jìn)行宮頸鱗癌分期。近年來新興的影像組學(xué)為分期診斷宮頸鱗癌提供了新思路。本研究觀察基于經(jīng)陰道超聲影像組學(xué)特征建立的列線圖模型術(shù)前鑒別早期與中晚期宮頸鱗癌的價(jià)值。

1 資料與方法

1.1 研究對象 回顧性收集2020年12月—2022年11月227例經(jīng)術(shù)后病理確診的宮頸鱗癌患者,年齡27～82歲、平均(54.8±10.1)歲。納入標(biāo)準(zhǔn):①術(shù)后病理證實(shí)宮頸鱗癌;②術(shù)前1個(gè)月內(nèi)經(jīng)陰道超聲發(fā)現(xiàn)病灶,且圖像資料完整;③超聲檢查前未接受相關(guān)治療;④臨床資料完整。排除標(biāo)準(zhǔn):①超聲圖像質(zhì)量差;②腫瘤較小,無法準(zhǔn)確勾畫ROI;③合并其他惡性腫瘤。根據(jù)FIGO 2018指南,將其中159例Ⅰ～ⅡA期宮頸鱗癌患者歸為早期組,包括ⅠA期13例、ⅠB期90例、ⅡA期56例;68例ⅡB～Ⅳ期歸為中晚期組,包括ⅡB期20例、Ⅲ期44例、Ⅳ期4例。收集清晰顯示宮頸病變的二維聲像圖;記錄順產(chǎn)次數(shù)、剖宮產(chǎn)次數(shù)、流產(chǎn)次數(shù)等臨床資料。本研究獲院倫理委員會批準(zhǔn)(2022ER451-1),檢查前所有患者均知情同意。

1.2 儀器與方法

1.2.1 儀器 采用GE Voluson S8彩色超聲診斷儀,配備3.0～9.0 MHz IC9-RS經(jīng)陰道探頭。確認(rèn)受檢者有性生活史后,囑其取膀胱截石位、平靜呼吸,行常規(guī)經(jīng)陰道超聲檢查,觀察宮頸、子宮體及雙側(cè)附件大小、形態(tài)及回聲等后,留取清晰顯示宮頸病變的二維聲像圖并以DICOM格式存放于PACS系統(tǒng)中。

1.2.2 提取影像組學(xué)特征 將二維聲像圖以DICOM格式導(dǎo)入3D-Slicer軟件(https://www.slicer.org),由1名具有4年工作經(jīng)驗(yàn)的住院醫(yī)師和1名具有20年以上工作經(jīng)驗(yàn)的主任醫(yī)師手動勾畫病灶ROI(圖1),得到837個(gè)影像組學(xué)特征,包括一階特征、灰度共生矩陣(gray level co-occurrence matrix,GLCM)、灰度游程長度矩陣(gray level run length matrix,GLRLM)、灰度尺寸區(qū)域矩陣(gray level size zone matrix,GLSZM)、鄰域灰度差矩陣(neighbourhood gray tone difference matrix,NGTDM)及灰度依賴矩陣(gray level dependence matrix,GLDM)等;10天后隨機(jī)抽取30例重復(fù)上述操作。對一致性較好的影像組學(xué)特征進(jìn)行歸一化處理。

圖1 于二維聲像圖中勾畫宮頸鱗癌ROI示意圖 A.病灶最大徑切面二維聲像圖; B.勾畫ROI

1.2.3 構(gòu)建影像組學(xué)模型 采用R 4.2.3軟件(https://www.R-project.org),以7∶3比例隨機(jī)將227例分為訓(xùn)練集(158例,含早期111例、中晚期47例)及驗(yàn)證集(69例,含早期48例、中晚期21例);參考文獻(xiàn)[4]方法,針對正態(tài)或偏態(tài)分布計(jì)量特征分別采用Pearson或Spearman相關(guān)性分析剔除相關(guān)系數(shù)>0.9的含重復(fù)信息特征,再以10折交叉驗(yàn)證下最小絕對收縮和選擇算子(least absolute shrinkage and selection operator,LASSO)回歸加以篩選,以所獲特征構(gòu)建影像組學(xué)模型并計(jì)算Radscore評分;以單因素logistic回歸分析評估臨床資料,將其與Radscore評分納入多因素logistic回歸分析,建立列線圖模型。

1.3 統(tǒng)計(jì)學(xué)分析 采用SPSS 25.0和R 4.2.3統(tǒng)計(jì)分析軟件。以±s描述正態(tài)分布計(jì)量資料,行獨(dú)立樣本t檢驗(yàn);以中位數(shù)(上下四分位數(shù))描述偏態(tài)分布計(jì)量資料,組間行Mann-WhitneyU檢驗(yàn)。以例(百分比)描述計(jì)數(shù)資料,組間行χ2檢驗(yàn)或Fisher精確概率法。以受試者工作特征(receiver operating characteristic,ROC)曲線的曲線下面積(area under the curve,AUC)評估2模型鑒別早期與中晚期宮頸鱗癌的效能,采用DeLong檢驗(yàn)比較其AUC差異。P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 基本資料 早期組與中晚期組患者年齡、順產(chǎn)次數(shù)及流產(chǎn)次數(shù)差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05),而剖宮產(chǎn)次數(shù)差異無統(tǒng)計(jì)學(xué)意義(P>0.05),見表1。訓(xùn)練集與驗(yàn)證集患者年齡、順產(chǎn)次數(shù)、剖宮產(chǎn)次數(shù)及流產(chǎn)次數(shù)差異均無統(tǒng)計(jì)學(xué)意義(P均>0.05),見表2。

表1 早期與中晚期宮頸鱗癌患者基本臨床資料比較

表2 訓(xùn)練集與驗(yàn)證集宮頸鱗癌患者基本臨床資料比較

2.2 影像組學(xué)特征 共提取837個(gè)影像組學(xué)特征,經(jīng)過歸一化處理、冗余性分析、10折交叉驗(yàn)證及最小方差條件下LASSO回歸(圖2)降維處理,最終得到18個(gè)影像組學(xué)特征,含原始圖像的1個(gè)一階特征和派生圖像的17個(gè)灰度相關(guān)小波特征,包括Original_firstorder_Minimum、wavelet.LLH_firstorder_Minimum、wavelet.LLH_glcm_MCC、wavelet.LLH_glrlm_ShortRunHighGrayLevelEmphasis、wavelet.LLH_glszm_ZoneEntropy、wavelet.LHL_glszm_SmallAreaEmphasis、wavelet.LHL_glszm_SmallAreaLowGrayLevelEmphasis、wavelet.LHL_glszm_ZoneEntropy、wavelet.LHH_gldm_DependenceNonUniformityNormalized、wavelet.LHH_gldm_GrayLevelVariance、wavelet.LHH_glszm_LowGrayLevelZoneEmphasis、wavelet.LHH_glszm_SmallAreaEmphasis、wavelet.HLL_glcm_Imc2、wavelet.HHH_firstorder_Mean、wavelet.HHH_glszm_SmallAreaHighGrayLevelEmphasis、wavelet.LLL_firstorder_Kurtosis、wavelet.LLL_glcm_InverseVariance、wavelet.LLL_glrlm_RunEntropy;以之構(gòu)建影像組學(xué)模型并計(jì)算Radscore評分(圖3)。

圖2 通過LASSO回歸篩選影像組學(xué)特征 A.λ參數(shù)選值圖; B.特征系數(shù)變化圖

圖3 訓(xùn)練集與驗(yàn)證集中,早期與中晚期宮頸鱗癌患者的Radscore 圖4 鑒別早期和中晚期宮頸鱗癌的ROC曲線 A.影像組學(xué)模型; B.列線圖模型

2.3 影像組學(xué)模型 訓(xùn)練集與驗(yàn)證集中,早期與中晚期患者Radscore差異均有統(tǒng)計(jì)學(xué)意義(Z=-6.734、-3.208,P均<0.05)。影像組學(xué)模型術(shù)前鑒別訓(xùn)練集早期與中晚期宮頸鱗癌的AUC為0.839,在驗(yàn)證集為0.744(圖4A)。結(jié)合單因素logistic回歸分析結(jié)果,聯(lián)合臨床資料及Radscore評分進(jìn)行多因素logistic回歸,以年齡、流產(chǎn)次數(shù)及Radscore評分聯(lián)合構(gòu)建列線圖模型(圖5),其在訓(xùn)練集和驗(yàn)證集的AUC分別為0.882及0.776(圖4B)。DeLong檢驗(yàn)顯示,影像組學(xué)模型與列線圖模型在訓(xùn)練集的AUC差異有統(tǒng)計(jì)學(xué)意義(Z=-2.114,P<0.05),而在驗(yàn)證集的AUC差異無統(tǒng)計(jì)學(xué)意義(Z=-0.733,P>0.05)。Hosmer-Lemeshow檢驗(yàn)結(jié)果顯示,列線圖模型在訓(xùn)練集和驗(yàn)證集的校準(zhǔn)度均佳(χ2=5.053、7.063,P均>0.05),見圖6;決策曲線分析(decision curve analysis,DCA)顯示閾值取0.01～1.00時(shí),列線圖模型凈收益均相對較大(圖7)。

圖6 術(shù)前鑒別早期與中晚期宮頸鱗癌列線圖模型的校準(zhǔn)曲線 A.訓(xùn)練集; B.驗(yàn)證集 圖7 術(shù)前鑒別早期與中晚期宮頸鱗癌列線圖模型的DCA圖

3 討論

MANGANARO等[4]通過回顧文獻(xiàn)發(fā)現(xiàn)宮頸癌影像組學(xué)分析大多基于CT或MRI,可用于預(yù)測腫瘤分期[5]、組織學(xué)分型[6]、淋巴結(jié)轉(zhuǎn)移[7]、放化療效果[8]及復(fù)發(fā)[9]等。而經(jīng)陰道超聲檢查作為最常用于篩查宮頸疾病的影像學(xué)方法,具有價(jià)廉且方便等優(yōu)點(diǎn),且已有大量聲像圖數(shù)據(jù)可供影像組學(xué)分析。

本研究獲得18個(gè)可能與宮頸鱗癌分期相關(guān)的影像組學(xué)特征,包括1個(gè)原始圖像一階特征和17個(gè)派生圖像灰度相關(guān)小波特征,與MAO等[10]及楊易等[11]的結(jié)果相似。不同分期宮頸鱗癌表現(xiàn)具有異質(zhì)性。灰度超聲圖像由從組織結(jié)構(gòu)或器官返回的回波信息組成,病灶影像組學(xué)特征與其異質(zhì)性密切相關(guān)[12],基于超聲圖像提取相關(guān)信息建立影像組學(xué)模型對于宮頸鱗癌分期具有一定意義。

宮頸癌多見于中老年婦女,但近年發(fā)病年齡逐漸降低,呈現(xiàn)一定年輕化趨勢。本研究發(fā)現(xiàn)患者年齡、流產(chǎn)次數(shù)對預(yù)測宮頸鱗癌分期有一定意義,與周永進(jìn)等[13]的觀點(diǎn)相符,而與楊易等[11]的結(jié)果不一致。ROURA等[14]分析激素因素對宮頸癌及癌前病變風(fēng)險(xiǎn)的影響,發(fā)現(xiàn)流產(chǎn)次數(shù)增多可增加宮頸癌風(fēng)險(xiǎn)。本研究納入患者年齡、流產(chǎn)次數(shù)及Radscore評分共同構(gòu)建的列線圖模型區(qū)分訓(xùn)練集早期與中晚期宮頸癌的AUC高于影像組學(xué)模型,但在驗(yàn)證集與后者無明顯差異;且列線圖模型的校準(zhǔn)度較好,DCA結(jié)果顯示其在閾值為0.01～1.00時(shí)均可獲得較大診斷效益。以上結(jié)果表明,本研究所獲列線圖模型用于鑒別早期與中晚期宮頸鱗癌具有良好臨床價(jià)值。

綜上,基于經(jīng)陰道超聲影像組學(xué)特征建立的列線圖模型可于術(shù)前較好地鑒別早期與中晚期宮頸鱗癌。但本研究為單中心、回顧性研究,且僅基于二維聲像圖進(jìn)行組學(xué)分析,有待后續(xù)通過大樣本、多參數(shù)及多模態(tài)研究加以完善。

利益沖突:全體作者聲明無利益沖突。

作者貢獻(xiàn):王雪瑩研究實(shí)施、圖像處理、統(tǒng)計(jì)分析、撰寫文章;張茂春研究實(shí)施、圖像處理、指導(dǎo)、審閱文章。