術(shù)前預(yù)測結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的臨床-影像組學(xué)列線圖的建立和驗證

李夢蕾，張 敬，淡一波，楊 光，姚葉鋒，童 彤

1.復(fù)旦大學(xué)附屬腫瘤醫(yī)院放射診斷科，復(fù)旦大學(xué)上海醫(yī)學(xué)院腫瘤學(xué)系，上海 200032；

2.華東師范大學(xué)上海市磁共振重點實驗室，上海 200062

結(jié)直腸癌是全世界第三大癌癥，其死亡率位居全球第四［1］。淋巴結(jié)轉(zhuǎn)移是其主要轉(zhuǎn)移途徑之一，也是造成結(jié)直腸癌患者術(shù)后癌癥復(fù)發(fā)及死亡的主要危險因素之一［2］。目前，手術(shù)治療是結(jié)直腸癌的首要治療方案，但手術(shù)切除具有侵入性及成本高等缺點，且具有一定的手術(shù)風(fēng)險。據(jù)報道，結(jié)直腸癌患者術(shù)后死亡率為3%～6%［3］。此外，由于早期結(jié)直腸癌（黏膜和黏膜下浸潤性癌）的淋巴結(jié)轉(zhuǎn)移率較低（3.6%～16.2%），因此對于無淋巴結(jié)轉(zhuǎn)移的患者，可采用局部治療如內(nèi)鏡下局部切除術(shù)等治療方法，以免過度治療［4］。另一方面，淋巴結(jié)轉(zhuǎn)移也是結(jié)直腸癌患者最重要的預(yù)后指標(biāo)，多項研究顯示，淋巴結(jié)轉(zhuǎn)移率是評估結(jié)直腸癌預(yù)后的重要預(yù)測因素［5］。因此，術(shù)前準(zhǔn)確的淋巴結(jié)狀態(tài)評估對于結(jié)直腸癌患者的腫瘤分期、治療、預(yù)后和生存都至關(guān)重要。

目前，大多數(shù)研究試圖從臨床特征方面探究結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的相關(guān)危險因素［4，6-7］。但是由于一些危險因素（如黏膜下浸潤深度、淋巴管侵犯及血管侵犯等）與組織病理學(xué)特征有關(guān)，因此無法在術(shù)前獲得以輔助治療決策。在臨床實踐中，CT是最常用的結(jié)直腸癌術(shù)前影像學(xué)檢查方法。然而，傳統(tǒng)CT檢查的局限性在于它無法對淋巴結(jié)的良惡性進(jìn)行判定［8］。因此，需要開發(fā)更強大、更敏感的術(shù)前診斷工具，以提高術(shù)前預(yù)測結(jié)直腸癌淋巴結(jié)狀態(tài)的準(zhǔn)確率。

近年來，基于大數(shù)據(jù)的影像組學(xué)研究已成為一種新興的有前景的研究方向［9］。目前，一些研究已經(jīng)證明了影像組學(xué)在預(yù)測結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移等方面的可行性。Huang等［10］建立了一個術(shù)前評估結(jié)直腸癌淋巴結(jié)狀態(tài)的影像組學(xué)模型，該模型由影像組學(xué)特征、CT報告的淋巴結(jié)狀態(tài)和獨立的臨床危險因素三部分組成。然而，他們只提取和分析了原發(fā)灶的影像組學(xué)特征，而沒有對淋巴結(jié)本身的影像組學(xué)特征進(jìn)行探索。因此，本研究試圖對臨床危險因素和影像組學(xué)特征（包括原發(fā)灶和淋巴結(jié)）進(jìn)行比較和分析，并建立和驗證一種用于術(shù)前個體化預(yù)測結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的臨床-影像組學(xué)列線圖，以輔助臨床決策。

1 資料和方法

1.1 研究對象

回顧性收集復(fù)旦大學(xué)附屬腫瘤醫(yī)院2012年5月—2015年12月經(jīng)手術(shù)后病理學(xué)檢查證實為結(jié)直腸癌的767例患者，其中女性330例，男性437例，年齡范圍19～87歲，平均年齡（58.96±12.03）歲。納入標(biāo)準(zhǔn)：①經(jīng)病理學(xué)檢查證實為結(jié)直腸癌；② 術(shù)前10 d內(nèi)行腹部或盆腔增強CT檢查，并有完整的CT增強掃描圖像；③行淋巴結(jié)清掃術(shù)，淋巴結(jié)檢出數(shù)量至少12枚；④ 完整的臨床資料及病理學(xué)信息。排除標(biāo)準(zhǔn)如下：①術(shù)前行新輔助放療或化療；② 同時患有其他腫瘤性疾病。患者以7∶3的比例被隨機分配至實驗組及驗證組。

1.2 臨床資料

收集患者的臨床資料及病理學(xué)檢查數(shù)據(jù)，包括年齡、性別、術(shù)前癌胚抗原（carcinoembryonic antigen，CEA）水平、術(shù)前糖類抗原19-9（carbohydrate antigen 19-9，CA19-9）水平、病理學(xué)分級、組織學(xué)類型、腫瘤位置、腫瘤大小和M分期等。CEA的正常參考值為0～5 ng/mL；CA19-9的正常參考值為0～27 U/mL。

1.3 圖像采集和分割

所有患者均采用Brilliance CT（荷蘭Philip公司）或Sensation 64 CT掃描儀（德國Siemens公司）行腹部或盆腔增強CT掃描。掃描參數(shù)為：管電壓120 kV；管電流200 mA；層厚5 mm；機架轉(zhuǎn)速0.5 s/周；螺距1.4或0.9；視場（field of view，F(xiàn)OV）4.11 cm；矩陣512×512。經(jīng)肘靜脈以5.0～5.5 mL/s的速度注射碘對比劑碘普羅胺（含碘370 mg/mL）80～100 mL，于造影劑注射35～45 s后采集CT增強圖像。將圖像以DICOM格式導(dǎo)出，以5.0 mm的厚度進(jìn)行圖像重建。

將從復(fù)旦大學(xué)附屬腫瘤醫(yī)院的圖像存檔和通信系統(tǒng)（picture archiving and communication systems，PACS）中檢索并獲取的門靜脈期CT圖像導(dǎo)出至ITK-SNAP軟件以進(jìn)行圖像分割。由1名放射科醫(yī)師在每個連續(xù)層面上沿著病變輪廓分別對原發(fā)灶及周圍淋巴結(jié)（原發(fā)灶鄰近的系膜內(nèi)及邊緣血管旁直徑＞2 mm的淋巴結(jié)）的感興趣區(qū)（region of interest，ROI）進(jìn)行半自動3D勾畫，去除氣體、脂肪、血管和周圍正常組織區(qū)域（部分淋巴結(jié)由于體積較小，則進(jìn)行單層2D勾畫）；再由1名高年資放射科醫(yī)師進(jìn)行檢查。將分割的原發(fā)灶和周圍淋巴結(jié)的ROI導(dǎo)出存儲為DICOMG格式的圖像。

1.4 影像組學(xué)特征提取

使用Pyradiomics（http://pyradiomics.readthedocs.io/en/latest/index.html）從每個ROI中提取影像組學(xué)特征。所提取的影像組學(xué)特征包括形狀特征、一階紋理特征、灰度共生矩陣、灰度區(qū)域矩陣、灰度游程長度矩陣、灰度色差矩陣和灰度相關(guān)矩陣等。對于部分2D勾畫的淋巴結(jié)ROI，其3D特征顯示為“無”。對于多ROI的淋巴結(jié)，以所有ROI的影像組學(xué)特征值的平均值作為整體的特征值。最終從每個原發(fā)病灶及周圍淋巴結(jié)的ROI圖像中分別提取了112個影像組學(xué)特征。

1.5 統(tǒng)計學(xué)處理

1.5.1 一般資料比較

對患者年齡、腫瘤大小進(jìn)行正態(tài)性和方差齊性檢驗，采用t檢驗或Mann-WhitneyU檢驗進(jìn)行兩組間的差異對比；采用χ2檢驗比較兩組患者間性別、術(shù)前CEA水平、術(shù)前CA19-9水平、病理學(xué)分級、組織學(xué)類型、腫瘤位置和M分期的差異。P＜0.05為差異有統(tǒng)計學(xué)意義。

1.5.2 特征篩選和模型建立

通過ANOVA、Relief和遞歸特征消除（recursive feature elimination，RFE）對潛在相關(guān)危險因素（包括112個原發(fā)灶影像組學(xué)特征、112個周圍淋巴結(jié)影像組學(xué)特征和9個臨床特征）進(jìn)行特征選擇，在排名前20的特征中，利用邏輯回歸分析在五折交叉驗證中的分類結(jié)果來選擇出最優(yōu)的特征組合。采用one-standard-error準(zhǔn)則作為后向選擇的停止準(zhǔn)則。

本研究共建立6個預(yù)測模型，分別是1個只采用臨床特征的臨床模型、2個只采用影像組學(xué)特征的影像組學(xué)模型（原發(fā)灶影像組學(xué)模型和周圍淋巴結(jié)影像組學(xué)模型）、3個同時采用影像組學(xué)特征和臨床特征的組合模型（臨床-原發(fā)灶影像組學(xué)模型、臨床-周圍淋巴結(jié)影像組學(xué)模型和臨床-原發(fā)灶影像組學(xué)-周圍淋巴結(jié)影像組學(xué)模型）。

1.5.3 模型的比較與驗證

采用受試者工作特征（receiver operating characteristic，ROC）曲線分析來說明模型在實驗組和驗證組中的表現(xiàn)，并通過曲線下面積（area under curve，AUC）進(jìn)行量化。采用特異度、靈敏度、準(zhǔn)確率、陽性預(yù)測值和陰性預(yù)測值來評價模型的診斷性能。并用Delong檢驗進(jìn)行模型間AUC的比較。通過量化隊列中一系列閾值概率的凈收益來進(jìn)行決策曲線分析（decision curve analysis，DCA），并將結(jié)果在驗證組中進(jìn)行驗證，最后以最優(yōu)模型生成影像組學(xué)列線圖，實現(xiàn)模型可視化，以利于臨床應(yīng)用。

2 結(jié)果

2.1 臨床基本資料比較

實驗組和驗證組的淋巴結(jié)轉(zhuǎn)移率分別為44.32%和44.35%。在實驗組和驗證組中，除了腫瘤大?。≒＜0.05，實驗組＞驗證組）外，患者的年齡、性別、術(shù)前CEA水平、術(shù)前CA19-9水平、病理學(xué)分級、組織學(xué)類型、腫瘤位置和M分期等的差異均無統(tǒng)計學(xué)意義（P＞0.05，表1）。

表1 實驗組和驗證組患者的臨床資料比較Tab.1 Comparison of clinical features in the training and testing cohorts

經(jīng)多元邏輯回歸分析，年齡、性別、病理學(xué)分級、組織學(xué)類型、術(shù)前CA19-9水平、術(shù)前CEA水平在臨床模型中均為獨立預(yù)測因子。

2.2 特征篩選和模型建立

從CT圖像中提取的原發(fā)灶及周圍淋巴結(jié)ROI的影像組學(xué)特征分別112個。此處使用開源的組學(xué)分析軟件FAE。首先，用ANOVA、Relief和RFE進(jìn)行特征選取，最終前20個特征被保留下來（圖1）。通過5倍交叉驗證，最終篩選確定5 個臨床特征（年齡、M 分期、術(shù)前CA19-9水平、術(shù)前CEA水平和病理學(xué)分級）、10個原發(fā)灶影像組學(xué)特征（lesion_CT_original_glcm_cluster prominence、lesion_CT_original_ngtdm_coarseness、lesion_CT_original_shape_elongation、lesion_CT_original_ngtdm_complexity、lesion_CT_original_glcm_cluster shade、lesion_CT_original_glcm_contrast、lesion_CT_original_glcm_difference variance、lesion_CT_original_gldm_small dependence high gray level emphasis、lesion_CT_diagnostics_image.original_minimum、lesion_CT_diagnostics_image.original_maximum）和1個淋巴結(jié)影像組學(xué)特征（lymph_CT_original_gldm_gray level non uniformity）作為淋巴結(jié)轉(zhuǎn)移的獨立危險因素。

圖1 最優(yōu)模型選擇Fig.1 Feature selection

應(yīng)用上述選取特征，我們共建立6個預(yù)測模型，包括1個臨床模型、2個影像組學(xué)模型（原發(fā)灶影像組學(xué)模型和周圍淋巴結(jié)影像組學(xué)模型）及3個組合模型（臨床-原發(fā)灶影像組學(xué)模型、臨床-周圍淋巴結(jié)影像組學(xué)模型和臨床-原發(fā)灶影像組學(xué)-周圍淋巴結(jié)影像組學(xué)模型）。

2.3 模型的比較與驗證

通過對6個模型進(jìn)行比較，發(fā)現(xiàn)臨床-原發(fā)灶影像組學(xué)-周圍淋巴結(jié)影像組學(xué)模型無論在實驗組還是驗證組均具有最高AUC（實驗組AUC=0.7464；驗證組AUC=0.7430）和最高準(zhǔn)確率（實驗組準(zhǔn)確率=0.7020；驗證組準(zhǔn)確率=0.7174，表2、3，圖2），因此被確定為結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的最佳預(yù)測模型。該組合模型在臨床表現(xiàn)方面也優(yōu)于其他模型（圖3）。依據(jù)該最優(yōu)模型生成列線圖實現(xiàn)模型可視化（圖4），通過該列線圖可以實現(xiàn)結(jié)直腸癌患者發(fā)生淋巴結(jié)轉(zhuǎn)移的個體化預(yù)測，計算得出的數(shù)值越高，患者發(fā)生淋巴結(jié)轉(zhuǎn)移的可能性越高。

與影像組學(xué)特征相比，臨床特征具有較高的特征系數(shù)權(quán)重；其次是淋巴結(jié)影像組學(xué)特征，它的加入使得AUC從0.6970增加到0.7305；然后再加入原發(fā)灶影像組學(xué)特征，AUC略微提高到0.7430（圖5）。

表2 實驗組模型比較Tab.2 Model comparison of training cohort

表3 驗證組模型比較Tab.3 Model comparison of testing cohort

圖2 6個預(yù)測模型在驗證組中的ROC曲線Fig.2 ROC curves of 6 prediction models in the testing cohort

圖3 決策曲線Fig.3 Decision curve analysis

圖4 臨床-原發(fā)灶影像組學(xué)-周圍淋巴結(jié)影像組學(xué)列線圖Fig.4 The clinical-primary lesion radiomics-peripheral lymph node radiomics nomogram

圖5 最優(yōu)模型的特征系數(shù)權(quán)重Fig.5 Weight of feature coefficients of the optimal model

3 討論

本研究建立了一種用于術(shù)前個體化預(yù)測結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的臨床-影像組學(xué)模型，該模型由臨床危險因素和影像組學(xué)特征（包括原發(fā)病灶和周圍淋巴結(jié)）構(gòu)成。首先，對9個臨床特征、112個原發(fā)灶影像組學(xué)特征和112個周圍淋巴結(jié)影像組學(xué)特征進(jìn)行多因素邏輯回歸分析，篩選出了5個臨床危險指標(biāo)、1個淋巴結(jié)影像組學(xué)特征和10個原發(fā)灶影像組學(xué)特征作為獨立危險因素。然后，應(yīng)用上述獨立危險因素分別構(gòu)建了6個預(yù)測模型并進(jìn)行比較。結(jié)果發(fā)現(xiàn)臨床-原發(fā)灶影像組學(xué)-周圍淋巴結(jié)影像組學(xué)模型預(yù)測淋巴結(jié)轉(zhuǎn)移的準(zhǔn)確率最高，因此被確定為最優(yōu)模型。最后通過構(gòu)建列線圖實現(xiàn)模型可視化。本研究結(jié)果表明，該臨床-影像組學(xué)列線圖有潛力作為術(shù)前預(yù)測結(jié)直腸癌患者淋巴結(jié)轉(zhuǎn)移的臨床工具。

在臨床特征方面，本研究發(fā)現(xiàn)，年齡、M分期、術(shù)前CA19-9水平、術(shù)前CEA水平和病理學(xué)分級是與結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移相關(guān)的獨立危險因素，這也與許多其他研究結(jié)果相一致［6，10-12］。在5個潛在的臨床危險因素中，CEA和CA19-9水平一直被認(rèn)為是與結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移密切相關(guān)的臨床指標(biāo)［10］。本研究表明，術(shù)前高CA19-9水平和高CEA水平是結(jié)直腸癌患者淋巴結(jié)轉(zhuǎn)移的重要預(yù)測因子。這可能是由于CEA和CA19-9水平越高，其TNM分期越晚、腫瘤細(xì)胞的增殖能力越強，提示著腫瘤分化差、病理類型呈浸潤性、轉(zhuǎn)移性越強［13］。另外，本研究發(fā)現(xiàn)年輕的結(jié)直腸癌患者出現(xiàn)淋巴結(jié)轉(zhuǎn)移的可能性更大，這可能與年輕患者的機體代謝較旺盛、腫瘤細(xì)胞分化程度多較低有關(guān)。但因為年輕患者大多癥狀不明顯或未積極進(jìn)行健康體檢，導(dǎo)致臨床檢出率較低，一般發(fā)現(xiàn)時大多處于晚期，預(yù)后較差，因此應(yīng)該倡導(dǎo)年輕人積極實行早篩查、早診斷從而早治療的預(yù)防策略。

除了評估臨床特征外，本研究還試圖在增強CT圖像上探索更多的影像學(xué)信息。與傳統(tǒng)的影像學(xué)方法僅能從解剖結(jié)構(gòu)改變的層面上進(jìn)行分析相比，影像組學(xué)的優(yōu)勢在于通過高通量的計算，能夠從ROI中提取大量的定量特征，從而在圖像中發(fā)掘出更多的信息，反映病灶的內(nèi)在異質(zhì)性，目前已被廣泛應(yīng)用于臨床診斷、療效評估、預(yù)后評價等多個方面［14-16］。2016年Huang等［10］提出了一個聯(lián)合影像組學(xué)特征及臨床指標(biāo)的結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測模型，但該研究僅對原發(fā)灶的影像組學(xué)特征進(jìn)行了分析，本研究創(chuàng)新點在于，不僅分析了原發(fā)灶，并且對淋巴結(jié)本身的影像組學(xué)特征也進(jìn)行了探索，從而獲取更多的影像組學(xué)信息。本研究采用最小絕對緊縮與選擇算子（least absolute shrinkage and selection operator，LASSO）回歸方法，從篩選出的224個影像組學(xué)特征（原發(fā)灶112個，周圍淋巴結(jié)112個）中分別選取了1個淋巴結(jié)影像組學(xué)特征和10個原發(fā)灶影像組學(xué)特征。而且，本研究發(fā)現(xiàn)該淋巴結(jié)影像組學(xué)特征的權(quán)重系數(shù)在所有特征中高居第二，它的加入極大地提高了最終優(yōu)化模型的AUC。最后，為了方便臨床應(yīng)用，本研究構(gòu)建了結(jié)合影像組學(xué)特征和術(shù)前可獲得的臨床特征的臨床-影像組學(xué)列線圖。通過該評分系統(tǒng)生成淋巴結(jié)轉(zhuǎn)移概率，從而實現(xiàn)臨床醫(yī)師術(shù)前對結(jié)直腸癌的淋巴結(jié)轉(zhuǎn)移風(fēng)險進(jìn)行個體化預(yù)測，這符合當(dāng)前個體化精準(zhǔn)醫(yī)療的趨勢。

總之，建議年齡較小、發(fā)生遠(yuǎn)處轉(zhuǎn)移、病理學(xué)分級較低、術(shù)前CA19-9及CEA水平較高的患者定期隨訪，密切監(jiān)測以及時掌握病變進(jìn)展情況。此外，建議通過列線圖篩選出有較高淋巴結(jié)轉(zhuǎn)移風(fēng)險的患者，作為潛在手術(shù)候選人以延長生存期。臨床應(yīng)用該列線圖可以減少后續(xù)診斷成本，幫助制定更合理、有效的治療方案，防止患者預(yù)后不良。

本研究的局限性在于：①本研究結(jié)果來自于單一機構(gòu)，因此需要多中心驗證來擴(kuò)展實驗結(jié)果的通用性；② 本研究中只使用了一種圖像模式，導(dǎo)致提取的影像組學(xué)特征數(shù)量有限，若結(jié)合更多的圖像模式（如MRI和PET/CT等）將有效擴(kuò)大特征池，獲得更多有價值的影像組學(xué)信息；③本研究為回顧性研究，可能存在不可避免的選擇性偏倚。

綜上所述，本研究建立了一個聯(lián)合臨床危險因素和影像組學(xué)特征（包括原發(fā)灶和周圍淋巴結(jié)的影像組學(xué)特征）的臨床-影像組學(xué)列線圖，可作為個體化術(shù)前無創(chuàng)性預(yù)測結(jié)直腸癌患者淋巴結(jié)轉(zhuǎn)移的臨床工具，輔助臨床治療決策，實現(xiàn)精準(zhǔn)醫(yī)療。