基于CT影像组学模型鉴别腺性膀胱炎与膀胱癌

陈鹏飞，俞咏梅，吴 琦，陈基明

(皖南医学院弋矶山医院影像中心，安徽 芜湖 241001)

腺性膀胱炎(cystitis glandular, CG)是呈肿瘤样表现的膀胱黏膜增生性良性病变，而膀胱癌是膀胱最常见恶性肿瘤，二者治疗和预后不同，但临床及影像学表现类似，鉴别诊断常感困难[1-2]。目前临床主要采用CT及膀胱镜活检鉴别诊断CG与膀胱癌，但CT诊断准确率较低，而膀胱镜活检为侵入性检查，视野及取材范围受限，难以全面诊断病变[2]。影像组学通过从医学影像中提取高通量组学特征，以非侵入性方式探查病变异质性，可提高诊断效能[3-4]。本研究观察基于CT影像组学模型鉴别诊断CG与膀胱癌的效能。

1 资料与方法

1.1 一般资料 回顾性分析2011年8月—2020年10月40例CG(CG组)和70例膀胱癌患者(膀胱癌组)；CG组男33例，女7例，年龄28～83岁，平均(53.6±13.7)岁；膀胱癌组男62例，女8例，年龄41～82岁，平均(65.3±10.1)岁。纳入标准：①膀胱单发病灶；②经病理明确诊断；③术前1周接受盆腔平扫及增强CT扫描。排除标准：①病灶过小(直径小于<3 mm)，不利于勾画ROI；②有其他恶性肿瘤及严重疾病史；③泌尿系手术史、放射及化学治疗史；④CT图像质量差，存在运动伪影(包含膀胱充盈欠佳)。按7∶3比例将所有病例随机分为训练集和测试集。

1.2 仪器与方法 检查前嘱患者大量饮水以充盈膀胱。采用Siemens SOMATOM Definition Flash CT仪，行盆腔平扫和三期增强扫描，管电流400～500 mAs，管电压120 kV，层厚5 mm。采用高压注射器以流率3.5～4.0 ml/s注入对比剂碘佛醇(350 mgI/ml，100 ml) 1.5 ml/kg体质量，分别于注入对比剂后25～30 s、55～60 s、180 s采集动脉期、静脉期及延迟期图像。

1.3 图像分割及特征提取 由2名医师分别阅片。医师A将DICOM格式多期图像导入ITK-SNAP后处理软件，避开病灶内囊变坏死区及钙化区勾画病灶，略去病灶刚出现和即将消失的2个层面(图1、2)，并融合成三维容积感兴趣区(volume of interest, VOI)，使其边缘与病灶边缘距离约1～2 mm；B医师随机对20例勾画VOI。将包括VOI的图像导入A.K.(Analysis-Kinetics, version 3.2.0, GE Healthcare)分析软件，提取其特征[5]。

图1 于动脉期CT图像(A)勾画CG病灶ROI(B)，并融合成VOI(C)

1.4 特征筛选和模型建立 对数据行归一化后，采用最小冗余最大相关方法(maximum relevant, minimum reduandency, mRMR)、最小绝对收缩和选择算法(least absolute shrinkage and selection operator method, LASSO)及5折交叉验证对训练集的影像组学特征进行降维，以模型误差最小λ+1个标准误作为最优λ，保留系数不为0的特征，构建Logistic回归模型。

1.5 统计学分析 采用R语言软件(Version 4.0.2)对数据进行分析。以CG患者为阳性病例，计算模型的受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve， AUC)和敏感度、特异度。使用Delong检验评价各模型诊断效能的差异。以决策曲线分析评价模型的临床应用价值。采用Hosmer-Lemeshow拟合优度检验评价模型的校正能力，以校正曲线表示。采用组间相关性系数(intraclass correlation coefficient,ICC)评价观察者间提取影像组学特征的一致性，ICC>0.80为一致性良好。P<0.05为差异有统计学意义。

2 结果

观察者间提取影像组学特征一致性检验的ICC>0.80，即观察者间一致性良好。

2.1 筛选影像组学特征及建立模型 分别于平扫、动脉期、静脉期、延迟期CT图像中提取1 316个影像组学特征，采用mRMR法筛选25个互不冗余及与标签相关性较高的特征，经LASSO及5折交叉验证在误差最小λ+1个标准误时保留权重非零的特征，分别基于平扫、动脉期、静脉期、延迟期影像组学特征建立4个模型，即模型1、2、3、4(分别纳入4、7、5及6个特征)，见表1及图3。模型2的特征中，小依赖性高灰度级强调、平均绝对偏差、游程长度不均匀性标准化是CG的危险因素，球形度和均方根是CG的保护因素，而游程熵不能认为与疾病存在关联(图4)。

表1 各模型的组学特征及权重系数

图2 于动脉期CT图像(A)勾画膀胱癌病灶ROI(B)，并融合成VOI(C)

图3 基于动脉期数据筛选特征 A.对训练集数据以LASSO降维及5折交叉验证，选择误差最小λ+1个标准误作为最优参数，λ=0.11； B.影像组学特征系数收敛图，曲线代表不同影像组学特征，虚线为使用λ=0.11时绘制，得到7个非零特征

图4 模型2保留的7个特征系数的OR值及其95%CI (红线代表OR值)

2.2 鉴别诊断效能 ROC曲线结果显示，4个模型鉴别诊断CG与膀胱癌的AUC均>0.80(表2)，且Delong检验表明不同模型间AUC值差异无统计学意义(P均>0.05)。模型2在测试集的AUC最高，为0.939。HosmerLemeshow拟合优度检验显示，模型2的预测结果与实际结果差异无统计学意义(训练集：χ2=8.75，P=0.36；测试集：χ2=4.72，P=0.79)。校正曲线显示模型2的拟合效果较好(图5)。决策曲线分析表明模型2用于临床鉴别CG与膀胱癌的净获益最高(图6)。

表2 各模型对CG与膀胱癌的鉴别诊断效能

图6 不同模型的决策曲线

3 讨论

CG是一种慢性炎性病变，即在慢性刺激因素(如感染、结石等)作用下，膀胱移行上皮细胞增殖，并凹入膀胱固有层内，转化为腺上皮并分泌黏液，发挥自身保护作用[6]。CG是良性可逆性病变，而膀胱癌是起源于尿路上皮的恶性肿瘤，二者治疗方法及预后均有显著差异[7-9]。

CG与膀胱癌CT均可表现为膀胱壁隆起性病变或丘状增厚，临床常将CG误诊为膀胱癌。既往研究[10-12]表明，CT或MRI影像组学可用于鉴别诊断良恶性肿瘤及评估肿瘤分级。本研究采用LASSO及Logistic回归分析对多期CT图像影像组学特征进行特征筛选并建模，以获得最佳诊断模型；基于盆腔动脉期影像组学特征建立的模型诊断效能最佳，可带来更多临床净获益。CG增强扫描中呈轻度强化，而膀胱癌血供丰富，增强后明显强化，故CG与膀胱癌病灶在动脉期差异最为明显。

既往研究[13]报道，CG的CT表现多为膀胱壁呈片状增厚，膀胱癌则多呈菜花状、结节状表现。在基于动脉期影像组学模型的具体特征中，球形度反映VOI形状与球形的接近程度，其值越大，说明病灶越接近球形。本研究结果显示膀胱癌形态更易呈球形。小依赖性高灰度级反映高灰度值导致的图像不均匀性，其值越小，代表病灶的高灰度值分布越丰富；均方根是所有平方强度值的平均值的平方根，反映图像灰度。本研究中，小依赖性高灰度级强调值越小、均方根值越大，诊断膀胱癌的可能越高，可能由于膀胱癌血供丰富，动脉期CT值更高，病灶区域更亮，与杨甜等[14]的结果相符。平均绝对偏差是所有强度值与图像阵列平均值之间的平均距离，该值越小，表示病灶内部密度差异越小；游程长度不均匀性标准化描述图像行程长度的相似性，其值越小，整幅图像的行程长度越相似。本研究中，平均绝对偏差和游程长度不均匀性标准化值越大越可能诊断为CG，原因可能为CG由膀胱移行细胞转化为腺上皮细胞，分泌黏液，导致病灶内密度差异更大。游程熵为反映游程长度和灰度等级分布不确定性/随机性的指标，表示病灶内部异质性。DAVNALL等[15]认为瘤细胞、血管生成、血管外细胞外基质和坏死区空间变异均导致肿瘤在组织病理学水平存在明显异型性。本研究游程熵结果不能认为与疾病有关，或与样本量较小相关。

本研究的主要局限性：手动勾画VOI，存在一定误差；为单中心回顾性研究，样本量小，需进一步扩大样本量进一步观察。

综上所述，基于盆腔CT各时相影像组学模型均可用于鉴别诊断CG与膀胱癌，其中基于动脉期影像组学模型的诊断效能最高。