高晨 叶剑锋 吴林玉 陈愿君 王世威 许茂盛

肺癌是最常见的肿瘤之一，而肺腺癌是其中最主要的类型［1］。原位腺癌（adenocarcinoma in situ，AIS）和微浸润性腺癌（minimally invasive adenocarcinoma，MIA）如果进行完整切除，患者五年无病生存率接近100%［2］。目前在临床上，确定病灶性质的金标准仍然是病理学检查，包括穿刺和手术切除［3］。但是由于肿瘤具有异质性，所以来自穿刺或者病理观察的手术切除的肿瘤组织可能无法代表整个肿瘤的类型［4］。而影像组学是通过高通量的定量提取影像图像的特征，并对特征进行处理和统计分析，进而来帮助诊断和预测的一种新技术［5］。但是国际上在平扫和增强CT两种图像获取的影像组学特征的价值比较方面尚未有定论。故本研究旨在对比平扫和增强CT中获取的影像组学特征在区分肺腺癌浸润性方面的价值。

1 资料与方法

1.1 一般资料 收集2016年1月至12月在本院肺部手术符合文件的患者42例。纳入标准：（1）在本院病理结果为肺腺癌，肿瘤是原发性的；（2）CT资料需要有同次平扫和增强图像，重建层厚≤1mm；（3）在CT扫描前均未接受对该病灶活检、放化疗等操作和手术治疗；（4）需在CT检查后6周内进行手术治疗并获得病理结果。研究经医院伦理委员会批准同意。

1.2 CT扫描 采用多层螺旋CT扫描仪（日本东芝Aquilion ONE和德国西门子SOMATOM Sensation 64），扫描参数：管电压100～120kVp，管电流100～224mA，重建层厚分别为1mm（Aquilion ONE）和0.75mm（SOMATOM），矩阵512×512，增强扫描采用的双筒高压注射器于肘静脉注射40～70ml非离子型对比剂，注射速率3ml/s。

1.3 感兴趣区的勾画 将所有患者薄层平扫和增强CT图像（肺窗）导入ITK-SNAP（3.6.0版本）软件，由2名放射科高年资住院医师在不知病理结果的情况下对病灶逐层进行勾画，勾画的ROI大小尽可能与病灶的边缘一致，但血管以及胸膜不会被勾画入ROI。

1.4 影像组学特征的提取 将原始CT图像以及使用ITK-SNAP软件勾画的相应ROI，批量导入AK分析软件［6］（=GE），进行影像组学特征的自动提取。提取的影像组学特征包括基于ROI大小和密度等相关低阶参数以及涉及步长矩阵（RLM）和灰度共生矩阵（GLCM）等的高阶纹理特征参数。

1.5 建立预测模型及统计学分析 将AK分析软件中获取的平扫及增强图像的影像组学特征分别运用R软件进行处理。对影像组学特征数据进行预处理标准化。按照2∶1的比例，随机分为训练组31个病灶（14个AIS/MIA，17个IAC）和验证组15个病灶（7个AIS/MIA，8个IAC）。在R软件中，以训练组图像获得的特征值使用Lasso回归和逐步回归进行降维，得到剩余特征。利用R软件和剩余特征建立logistic回归模型，再以十折交叉验证方法对模型进行检验，得到受试者工作特征曲线（ROC曲线）和计算其鉴别肺腺癌浸润性的敏感度和特异度、准确度以及ROC曲线下面积（AUC）。利用R软件语言包“ROC.TEST”对两者ROC进行比较，P＜0.05表示差异有统计学意义。

2 结果

符合入组条件的病例共42例，男14例，女28例；年龄38～82岁，平均（60.2±10.2）岁。病灶数46个，均为腺癌，其中原位腺癌13个，微浸润性腺癌8个，浸润性腺癌25个。病灶大小范围0.6～2.9cm，均≤3cm。

AK软件提取的影像组学特征共385个，平扫CT图像的影像组学特征经过数据预处理，Lasso回归后得到6个特征（见图1、表1）。再进行逐步回归降维后获得3个最为有效的特征（见表1）。利用3个特征构建logistic回归模型并以十折交叉检验的方法进行检验。平扫CT图像验证组鉴别肺腺癌浸润性的敏感度、特异度、准确度和AUC分别为0.625、1.000、0.800、0.839（表2）。增强CT图像的影像组学特征经过数据预处理，Lasso回归后得到2个特征（见图2、表1）。利用2个特征构建logistic回归模型并以十折交叉检验的方法进行检验。增强CT图像验证组鉴别肺腺癌浸润性的敏感度、特异度、准确度和AUC分别为0.750、1.000、0.867、0.893（见表2）。利用R语言分别比较两者训练组和验证组的ROC曲线（见图3），分别得P值0.600，0.700，均＞0.05，表明两者模型ROC的差异均无统计学意义。

图1 平扫CT图像训练组影像组学特征经Lasso回归的降维图

图2 增强CT图像训练组影像组学特征经Lasso回归的降维图

表1 鉴别肺腺癌的IAC型和AIS型/MIA型的特征与方法

表2 IAC和AIS/MIA的统计结果

图3 左为训练组的模型ROC曲线；右为验证组的模型ROC曲线

3 讨论

临床上，判断肺腺癌浸润性最常用的方法是CT和病理检查。但是，CT图像病灶的判别主观性较强，且较病理检查不敏感。鉴别的准确性依赖于放射科医生拥有的知识以及经验。不同放射科医生，可能会对同一CT图像上的病灶有不同的看法。而且一些CT图像征象特异性不足也可能导致鉴别的准确性降低。

肺部病灶的病理一般来自穿刺活检以及手术切除，目前病理结果被视为金标准［3］。但是病理检查有其一定的局限性。第一，病理检查具有有创性，并且存在操作风险。第二，由于肿瘤具有异质性，来自穿刺活检或者手术切除的肿瘤病理切片结果，可能无法完全代表整个肿瘤的性质［4］。第三，穿刺活检的部位是有限的，而且不是所有患者都能耐受病灶的手术切除，此部分患者的病理结果较难或无法获得［7］。

随着技术的发展，影像组学作为一种新技术受到了医生们的关注。影像组学过程包括用计算机高通量提取感兴趣区的数据特征，并进行数据处理和降维，然后构建出模型来帮助医生诊断和预测疾病。目前，用影像组学来鉴别肺腺癌的病理类型的研究已有较大的进展。但是大部分肺部影像组学文章采用平扫薄层CT图像来勾画感兴趣区，较少有利用增强薄层CT图像来勾画感兴趣区。本研究由于病灶数量为46个，在平扫CT图像特征中，经Lasso回归降维后的特征为6个，为防止过拟合的现象，对选取的6个特征再进行逐步回归降维，得到3个特征。从本研究的结果可以看出，在鉴别IAC和AIS/MIA上，通过增强CT图像获得的影像组学特征经过建模后的模型性能总体上比平扫CT图像获得的影像组学特征模型好，但是差异无统计学意义。根据本研究结果，作者认为在影像组学特征鉴别IAC和AIS和MIA上，平扫CT图像可能在那些对造影剂过敏或者其他不适合增强CT检查的患者中具有与增强CT图像一样的效果。但国际上部分研究者认为平扫CT图像的影像组学特征更有意义。如有文献报道［8］，用分别获取自增强CT图像和平扫CT图像的同样的3个影像组学特征建模，使用增强CT图像的影像组学特征使模型鉴别肺原发肿瘤与肺部肉芽肿性病变的敏感性从88%降至38%。但是也有研究［9］表明增强CT图像的定量分析在区分IAC和AIS/MIA上更有价值。有研究者［10］认为，增强的造影剂可能会使纹理差异模糊，并且提出对比增强的影响不一定是二元的，还可能与对比剂灌注的速度、对比剂的型号、对比剂的用量、延迟扫描时间、患者的心功能和身体机能有关。而目前在国际上，关于经平扫CT图像和增强CT图像获得的影像组学特征的价值对比方面，尚未有定论，有待更多的研究者来研究。

本研究的局限性如下。第一：本研究是回顾性分析，并且是单中心的研究，样本存在一定的偏移，可能会降低本研究结论的准确性。第二：样本量过少可能会导致建模以及结果的偏移。第三：CT图像的参数不完全相同，可能会影响结果。第四：ROI的勾画是人工逐层勾画，可重复性不如半自动的ROI勾画，而且耗时较长。

综上所述，影像组学特征能帮助医生诊断和预测肺部病灶。本研究结果表明，在影像组学特征区分肺腺癌浸润性方面，平扫CT图像和增强CT图像都具有较高的价值，并且在不适合接受增强CT检查的患者中，平扫CT图像可提供价值相当的信息。当然目前影像组学领域以及增强CT图像的影像组学特征还需进一步研究。