毛海佳，张冰倩，黄亚男，赵振华

绍兴市人民医院放射科，浙江绍兴 312000； *通讯作者 赵振华 zhao2075@163.com

胃肠道间质瘤（gastrointestinal stromal tumor，GIST）具有恶性潜能，发病率呈逐年上升趋势[1]。依据肿瘤大小和核分裂数等指标，间质瘤可分为低、中、高危3 类[2]。部分中-高危GIST 患者发现时已失去手术机会，即使行手术治疗，术后复发也较常见[3]。间质瘤的危险度分级也是靶向治疗的重要依据，且危险度分级需要组织标本病理检测。由于GIST 瘤体质地软脆，无法手术及多发病灶患者活检可致肿瘤种植播散甚至出血破裂，一般不主张行穿刺活检。因此，寻找一种无创、可靠的危险度评价方法具有重要意义。

影像组学的发展为应用影像学方法评价GIST 提 供了可能。MRI 对于肿瘤定位与明确侵袭程度具有重要价值[4]；且功能核MRI，尤其是扩散加权成像（DWI）和表观扩散系数（ADC）在肿瘤的分级评估中更具优势。既往研究将基于ADC 图像的放射组学分析应用于膀胱癌的分级[5]。本研究拟通过提取GIST 患者肿瘤ADC 图像特征纹理，与病理学组织危险度分级进行分析，评价该参数评估GIST 危险度的价值。

1 资料与方法

1.1 研究对象 收集2015年1月—2018年12月在绍兴市人民医院行CT 扫描，且诊断为GIST 的35 例患者。纳入标准：①肿瘤最大直径≥2 cm。②患者签署知情同意书。排除标准：①无手术指征，如远处转移、 肿瘤侵犯重要器官等；或存在手术禁忌，如凝血功能障碍及心、肺、肝、肾功能障碍等。②无法进行MRI检查的患者，如体内有金属植入物、幽闭恐惧症等。③术后经组织学、免疫组化及基因检测证实非GIST。最终纳入26 例GIST 患者，其中16 例肿瘤位于胃内，6 例位于肠道内，4 例位于腹腔内。

核分裂计数：每例病例计数50 个高倍视野的核分裂数，共5次。根据不同核分裂数（≤5/50HPF、>5/50HPF）将肿瘤分为低危组9 例、中-高危组17 例。组间患者年龄、体重差异无统计学意义（P>0.05）；中-高危组患者体重指数与肿瘤最大径均大于低危组，差异有统计学意义（P<0.05，表1）。

表1 两组不同病理危险度GIST 患者的一般特征比较

1.2 扫描方法 患者检查前12 h 禁食、禁水，口服水800～1000 ml充盈胃腔。扫描前10 min肌注654-2 10 mg。询问患者有无口干，观察面色有无潮红等。患者平卧于检查床后进行呼吸训练2～3 次。DWI 扫描参数：ASSET 校正，SE-EPI 采集，b=0、800 s/mm2，呼吸门控，TR 1300 ms，TE 73 ms，层数24，层厚6 mm，间隔0.5 mm，视野（FOV）360 mm×380 mm，带宽2442 Hz/px，矩阵256×256，平均采集2 次。T1：TR 3.25 ms，TE 1.13 ms，层数24，层厚3.5 mm，FOV 360 mm ×380 mm；T2：TR 1200 ms，TE 81 ms，层数24，层厚8 mm，FOV 360 mm×380 mm。定位参数均直接复制T2WI 参数，保证图像的一致性。所有图像传输至后处理工作站Analysis Kit 分析（GE 公司）。

1.3 纹理参数计算 采用Analysis Kit 软件对患者ADC 图像进行影像组学分析。由2 名影像科副主任医师划取病灶感兴趣区（ROI），避开囊变、坏死以及正常组织，共划取全层病灶。软件通过3 种参数计算方法输出纹理参数，取两者的平均值，纹理参数包括灰度共生矩阵、行程矩阵及形状因子参数。

1.4 统计学方法 采用SPSS 19.0 软件，符合正态分布的纹理参数以表示，组间比较采用独立样本t检验；不符合正态分布者以M（P25，P75）表示，组间比较采用Kruskal-Walls 检验、Mann-WhitneyU检验。筛选出差异有统计学意义的纹理参数进行Logistic 回归分析；并通过ROC 曲线评价鉴别效能。P<0.05 表示差异有统计学意义。

2 结果

2.1 GIST 患者纹理参数分析 共筛选出5 项参数在两组间差异有统计学意义（P<0.05），包括相关、灰度共生矩阵能量、灰度共生矩阵熵、最大三维直径、短距离强度（表2）。

2.2 ROC 曲线及多变量Logistic 回归评估纹理特征参数 相关、灰度共生矩阵能量、灰度共生矩阵熵、短距离强度及最大三维直径的ROC 曲线下面积（AUC）分别为0.804、0.797、0.752、0.908、0.784。5 项纹理参数进行拟合效果检验获得AUC 为0.928。多变量Logistic 回归分析结果显示，短距离强度可作为肿瘤危险度分级的影响因素（P=0.026，表3、图1）。

表3 多因素Logistic 回归分析纹理特征参数对肿瘤危险度分级的影响

图1 单项纹理参数及纹理参数拟合后鉴别GIST 低危组与中-高危组的ROC 曲线

3 讨论

GIST 起源于控制胃肠蠕动的Cajal 间质细胞，具有向平滑肌、神经分化及不定向分化的多向分化特征，是起源于消化道的常见间叶性肿瘤，影响其预后及复发的因素主要包括原发肿瘤大小、核分裂数和发生部位，同时也是GIST 靶向药物治疗的重要依据[6]。因此，评价GIST 危险度至关重要。有研究通过分析不同危险度GIST 的CT 增强表现，评估影像学表现与肿瘤危险度的相关性[7]。本研究通过计算肿瘤ADC 图像的特征，并提取相关纹理参数，使用无创性方法评估GIST 的危险度分级。

既往研究对GIST的CT图像进行形态学特征描述，发现肿瘤大小、边界、生长模式（内生性/外生性）、强化方式在不同危险等级患者间存在差异[8]。但以上特征均为非定量参数，缺乏定量指标。本研究提取的定量特征参数特异性更强，对于鉴别GIST 的危险度更有优势。

Ning 等[9]利用肿瘤的CT 图像将放射组学模型提取的肿瘤整体特征与基于深卷积神经网络选择的局部特征结合，并建立模型分类器，用于GIST 的危险度分级。本研究将MRI 扫描所得肿瘤的ADC 图像与 传统CT 图像纹理特征提取相比，无射线损害，且对坏死囊变区更加敏感，在划取ROI 时可更好地避免囊变坏死部位，使参数结果更好地反映肿瘤的异质性。

灰度共生矩阵是通过改变每对体素之间的位移矢量，计算一个灰度值体素与另一个灰度值体素联合出现的次数[10]，其优点是可以改变两个体素之间的距离与角度，计算各个方向与空间内体素之间的关系。纹理特征参数相关是度量相邻体素灰度值的线性相关性，表明在整个图像上体素与其毗邻体素的相关程度。熵是对ROI 内体素随机性的度量，表示体素的混乱程度，肿瘤异质性越高，体素相对混乱，熵值越大。Tsujikawa 等[11]利用纹理参数评估子宫肿瘤异质性，结果发现肉瘤组的相关、灰度共生矩阵熵值大于肌瘤组，考虑与肿瘤内部异质性相关。恶性程度越高，肿瘤内部异质性越大，该参数值越大。本研究发现，中-高危组患者相关值显著大于低危组，表明中-高危组中肿瘤病灶的异质性较大，符合肿瘤的生物学特性。颜智敏等[12]研究发现，熵值是CT 纹理分析判断直肠癌淋巴结性质的独立预测因素，对淋巴结的良恶性鉴别具有较好的效能。Zhang 等[5]对膀胱癌患者的ADC图像进行分析，发现肿瘤ADC 图像的灰度共生矩阵特征可描述ROI 内强度模式的对比度、复杂性和异质性，对癌症分级具有更好的鉴别能力，尤其是灰度共生矩阵熵值，与本研究中发现灰度共生矩阵熵在组间存在显著差异，且与中-高危组大于低危组相符合，间接提示中-高危组肿瘤ROI 内的纹理异质性大于低危组[13]。肿瘤体素的混乱程度大，肿瘤异质性越高。

此外，本研究两组间灰度共生矩阵能量差异也存在统计学意义，且中-高危组值小于低危组。灰度共生矩阵能量值反映了图像的均一性。图像内的体素一致性越高，该值越大。既往研究发现灰度共生矩阵能量在用于评估乳腺癌分级中，两者呈负相关，即灰度共生矩阵能量值越小，乳腺癌恶性程度越高[14]，与本研究结果一致。

灰度游程矩阵是通过测量肿瘤内具有相似灰度值的分布和面积量化异质性，提供关于区域异质性的信息[15]。本研究中长距离强调在两组间差异均有统计学意义，且低危组高于中-高危组，推测与中-高危组肿瘤病灶异质性较高有关。

形状因子是对肿瘤区域的三维尺寸和形状描述。其中最大三维直径参数值可间接代表肿瘤的体积。结果表明中-高危组肿瘤体积大于低危组，符合肿瘤的生物学特性[16]。

此外，本研究对5 项参数进行拟合后通过ROC曲线分析其诊断效能，发现短距离强度的AUC 值较其他参数最大，表明其可较好地反映肿瘤图像体素的差异，间接说明肿瘤内部的异质性。对于筛选出来的5 项参数进行拟合模型计算AUC 为0.928，大于单项参数AUC，提示模型检验效能高于单项参数。进一步研究需要扩大样本量，比较两者间的差异。对5 项参数进行多变量Logistic 回归分析表明，短距离强度可作为肿瘤危险度分级的独立预测因素。

本研究存在一定的局限性：①样本量较小，尤其是低危组GIST 病例数较少；②ROI 并不能完全代表肿瘤区域。今后的研究需要扩大样本量，特别是低危组患者。

总之，通过提取GIST 肿瘤图像的特征纹理可作为一种非侵袭性的无创方法用于评估肿瘤的危险度。