APP下载

CT影像组学鉴别最大径≥1 cm良恶性胆囊息肉

2019-12-19杨晓东

中国医学影像技术 2019年12期
关键词:组学门静脉胆囊

杨晓东,刘 屹,郭 妍,牛 猛,徐 克*

(1.中国医科大学附属第一医院放射科,辽宁 沈阳 110001;2.GE医疗,上海 201203)

胆囊息肉样病变(polypoid lesions of the gallbladder, PLG)系指胆囊壁呈息肉样向腔内突起的一类病变,又称胆囊隆起性病变,简称胆囊息肉,在西方人群中发病率约为5%[1],国内发病率达4.2%~11.88%[2-4]。绝大部分PLG为良性,恶性只占3%~8%[5]。胆囊癌虽少见,但早期往往无明显症状,预后极差[6],5年生存率不足5%[7]。早期明确诊断良恶性PLG,对于选择手术方案、改善患者生存和预后至关重要[8]。目前诊断PLG的影像学手段主要有超声、CT及MRI,但鉴别良恶性PLG的效果并不理想[9-13]。影像组学是一门新兴且发展迅速的学科,利用现有医学图像,深度挖掘其潜在的高维信息,从而辅助临床决策。基于增强CT的影像组学目前已广泛用于研究肺癌[14]、肝癌[15]、结直肠癌[16]及头颈部癌[17]等,但利用影像组学鉴别分析良恶性PLG的相关研究尚少。本研究探讨基于CT影像组学鉴别诊断良恶性PLG的价值。

1 资料与方法

1.1 一般资料 回顾性收集2013年1月—2019年1月于我院接受胆囊切除术的145例PLG患者,男48例,女97例,年龄24~89岁,平均(58.3±11.9)岁。纳入标准:①术前3周内于我院接受腹部增强CT扫描;②病变最大径≥1 cm;③病理证实为PLG。排除标准:①病灶明显侵犯周围组织,如肝脏、肝门部淋巴结等,或伴远处转移;②术前接受放化疗、置管引流或其他治疗;③因急性胆囊炎、胆囊及周边大量渗出、呼吸运动伪影或巨大胆囊结石遮挡造成PLG显示不清;④PLG完全占据胆囊腔。

1.2 仪器与方法 采用Toshiba Aquilion one、Siemens Somatom Definition Flash或Philips Brilliance I CT机,扫描参数见表1。扫描时嘱患者仰卧,首先行CT平扫,之后经肘静脉注射80 ml对比剂碘己醇(350 mg/ml),流率3.0 ml/s,再以2.5 ml/s流率注射20 ml生理盐水,分别于对比剂注射后25~ 30 s(动脉期)、60~70 s(门静脉期)和160~180 s(延迟期)进行扫描。

1.3 图像分析 将原始CT图像导入Artificial Intelligence Kit平台的Image Preprocessing模块,将重采样体素大小设置为0.7×0.7×0.7,对原始图像进行预处理。将预处理后的门静脉期CT图像传至ITK-SNAP 软件(http://www.itksnap.org,版本3.6.0)中,由2名从事腹部影像学诊断工作10年以上的医师在不知晓病理结果的前提下协同使用ITK-SNAP软件,在同一窗宽、窗位(150 HU、80 HU)下手动分割门静脉期CT图像的3D ROI,意见不一致时请示上级医师决定。

1.4 影像组学特征提取及选择 将重采样门静脉期CT原始图像及勾画好的ROI文件导入AK平台进行组学特征提取,ROI自动生成基于病灶形态学、CT值大小的相关特征及基于一阶直方图、高阶纹理等相关的影像组学特征。按照7∶3的比例,将患者随机分为训练集和测试集。采用R语言3.5.2版(https://www.r-project.org)在训练集中选择影像组学特征。首先对所有组学特征的异常值及缺失值进行预处理,使用中位数替代异常值及缺失值。然后基于R语言3.5.2版中的“glmnet”包(广义线性模型),使用Lasso法降维,重复100次,对特征进行不断迭代选择,直至筛选得到系数不为0的特征。

1.5 影像组学模型建立 将筛选得到的影像组学特征作为自变量,以每例患者PLG的病理结果为因变量,采用向后逐步剔除法构建多因素Logistic回归模型,公式:Logit(P)=β0+β1x1+β2x2+……+βnxn,其中x={xi,i=1,2,……,n}表示所选择的组学特征;β={βi,i=0,1,……,n}表示回归系数。

1.6 预测模型评估 构建训练集模型之后,基于最大约登指数原则确认最佳诊断阈值,然后将独立的测试集数据代入到该模型中,检验其诊断效能和准确率。绘制ROC曲线,评价模型对于PLG良恶性的预测能力,计算在最佳诊断阈值下的SEN、特异度(specificity, SPE)、阳性预测值(positive predictive value, PPV)、阴性预测值(negative predictive value, NPV)、准确率(accuracy, ACC)及曲线下面积(area under curve, AUC)。

1.7 统计学分析 采用R语言3.5.2版软件进行统计分析。绘制ROC曲线,评估各模型对于良恶性PLG的预测效能:AUC≥0.9为准确率较高;0.7

表1 CT设备及扫描参数

表2 模型在测试集和训练集鉴别效能

2 结果

145例PLG中,恶性63例(图1),良性82例(图2),病灶最大径为1.0~7.0 cm,平均(2.06±1.00)cm。训练集101例,良性57例,恶性44例;测试集44例,良性25例,恶性19例。

图1 患者男,59岁,术后病理诊断为胆囊高分化腺癌 增强CT门静脉期图像示胆囊底部PLG,最大径1.8 cm 图2 患者女,65岁,术后病理诊断为胆囊腺瘤 增强CT门静脉期图像示胆囊颈部PLG,最大径2.8 cm

2.1 影像组学模型建立 基于PLG患者CT门静脉期ROI,共提取到396个影像组学特征,包括9个形态学特征、42个一阶直方图特征、154个灰度共生矩阵特征、180个灰度游程矩阵特征和11个灰度大小区域矩阵特征。经Lasso法降维后,得到15个系数非零的特征,再采用向后逐步剔除法,构建多元Logistic回归模型,最终筛选出7个影像组学特征,包括skewness、Correlation_AllDirection_offset4_SD、Correlation_angle45_offset7、HaralickCorrelation_angle135_offset7、LongRunHighGreyLevelEmphasis_AllDirection_offset4_SD、HighIntensitySmallAreaEmphasis和ZonePercentage。预测模型,即影像组学评分(radiomics score, Rad-score),计算公式为:Rad-score=-12.3-9.55×skewness+1.45×108×Correlation_AllDirection_offset4_SD+15200×Correlation_angle45_offset7+6.38×10-9×HaralickCorrelation_angle135_offset7-2.11×10-10×LongRunHighGreyLevelEmphasis_AllDirection_offset4_SD+0.000401×HighIntensitySmallAreaEmphasis+0.781×ZonePercentage。

2.2 预测模型效能评估Delong检验表明,预测模型在训练集和测试集中诊断效能无统计学差异(P>0.05),其中影像组学模型预测ALG良恶性的ROC曲线AUC分别为0.986、0.924,95%CI分别为(0.969,1.000)和(0.837,1.000),见图3。基于训练集所得最佳诊断阈值为0.370,预测模型在训练集中的SPE、SEN及ACC分别为0.965、0.977及0.970;将此阈值用于测试集,其SPE、SEN及ACC分别为0.880、0.895及0.886(表2)。

图3 模型预测良恶性PLG的ROC曲线

3 讨论

影响PLG的发病因素包括性别、年龄、乙型肝炎病毒感染、胆囊壁增厚、肥胖、高血脂、脂肪肝及并发结石等。目前外科普遍认为PLG病变直径≥1.0 cm时需行胆囊切除;然而有研究[18]显示,近83%外科手术切除的直径≥1.0 cm的PLG为良性。近年来胆囊的生理功能逐渐受到重视,胆囊切除后十二指肠胃返流、胃食管返流增加,可发生胆汁返流性胃炎等并发症。如何在出现胆囊外浸润征象前无创诊断良恶性PLG,是改善患者预后的关键。

超声可较好地显示PLG的数目、形状、大小及其与囊壁的关系,是目前诊断PLG的首选方法。CDFI可探及PLG内部血流变化,结合动脉频谱对鉴别PLG性质有提示意义,但对于基底血管较小的病变鉴别诊断效果不佳[19]。内镜超声(endoscopic ultrasound, EUS)可排除肠道气体、患者肥胖或胆汁黏稠度等因素的影响,清晰显示胆囊壁的组织结构,尤其对于鉴别泥沙样结石和PLG具有较高的准确率[20];但EUS属于有创检查,舒适度差,难以普及。CT是临床诊断PLG较为常用的方法,可显示PLG的形态、大小、基底宽度、其与周围邻近组织的关系以及周围淋巴结的状态,结合增强扫描可为定性诊断PLG提供帮助。Zhou等[10]利用胆囊癌的“延迟强化”效应,通过测量PLG在动脉期、门静脉期和延迟期病灶最大径所在层面的CT值,以门静脉期CT均值减去延迟期CT均值计算得到ΔCT值,发现ΔCT在良恶性息肉之间存在统计学差异,可较好地判断其良恶性;但对于局部癌变的PLG,因测量CT值时划定的ROI并不一定包括癌变部分,该法[10]存在一定片面性。MR DWI可反映微观水分子自由扩散的受限程度,不仅从细胞层次反映PLG的微观组织结构信息,还可通过测量表观扩散系数值定量分析良恶性病变[21]。2012年,Lambin等[22]正式提出影像组学的概念,即采取大量自动化数据特征化算法,将ROI内的影像数据转化为具有高分辨率、可发掘的空间数据。影像组学是医学影像和精准医学之间的桥梁[23],不仅可鉴别诊断良恶性肿瘤,还可评估预后、预测治疗应答和监测疾病进展状态[24-25]。

本研究基于CT影像组学,寻找能灵敏鉴别良恶性PLG的影像组学指标,最终筛选得到7个影像组学特征,并构建了评估良恶性PLG的影像组学模型;经验证,AUC值>0.9,SPE和SEN分别为0.880和0.895,证实基于CT的影像组学对于鉴别良恶性PLG的价值。影像组学具有经济、实用、客观及高效的优势,可克服传统方法单纯依靠肉眼分析医学图像的表面特征(如大小、形态、密度、边缘、强化等)并做出诊断的缺点;且提取特征前进行了预处理,以消除扫描设备的参数差异对组提取学特征的影响。

本研究的局限性:①人工勾画3D靶区,存在一定误差;②属于回顾性研究,未纳入临床特征,存在一定偏倚;③所建立的组学模型缺乏多中心大样本验证。

综上所述,基于CT影像组学可有效预测最大径≥1 cm的PLG的良恶性,可为临床决策、治疗和评估预后提供参考。

猜你喜欢

组学门静脉胆囊
影像组学在肾上腺肿瘤中的研究进展
儿童双胆囊畸形伴胆结石一例
东莨菪碱中毒大鼠的代谢组学
肝外型门静脉血管瘤1例
影像组学在核医学影像中的应用进展
蛋白质组学技术在胃癌研究中的应用
改良腹腔镜胆囊切除术应用于胆囊良性疾病中的效果观察
肝移植术后门静脉系统并发症的血管内介入治疗
哪些胆囊“要不得”
以门静脉-肠系膜上静脉为轴心的腹腔镜胰十二指肠切除术16例报道