基于CT平扫影像组学模型预测食管癌淋巴结转移

余 鎏，黄玲玲，袁振亚，赵 泉*，印宏坤，于朋鑫，曹 颖

(1.重庆市开州区人民医院放射科，重庆 405400；2.推想医疗科技股份有限公司，北京 100025)

我国食管癌高发，死亡率亦高[1]。食管独特的黏膜下淋巴引流系统导致食管癌可呈“跳跃式”淋巴结转移[2]；而有无淋巴结转移是评估食管癌预后的重要因素[3]，亦是治疗决策的依据[4]。目前术前主要依靠影像学检查，尤其CT检查评估食管癌淋巴结转移，根据淋巴结短径>10 mm判断淋巴结转移[5]，但存在方法单一、不能精准定量分析等问题，且实际上部分转移淋巴结短径<9 mm[6]。影像组学已被证实可用于鉴别诊断良、恶性肿瘤及预测肿瘤淋巴结转移[7-8]；基于增强CT影像组学预测食管癌转移淋巴结有一定价值[9-10]。本研究评估术前基于CT平扫图像影像组学模型预测食管癌淋巴结转移的价值。

1 资料与方法

1.1 一般资料 回顾性分析2013年6月—2019年6月重庆市开州区人民医院368例食管癌患者，男279例，女89例，年龄41～87岁，平均(67.4±8.4)岁；均于术前2周接受胸部CT平扫检查，经内镜组织活检及术后病理确诊食管癌(均为单发病灶)，并接受食管癌切除术和淋巴结清扫术及相关病理结果。排除标准：①检查前接受放射治疗或/和化学药物治疗；②难以准确勾画CT图像中的食管癌病灶区域。368例中，100例淋巴结转移，268例无淋巴结转移；按3∶1比例将患者随机分为训练组(201例无淋巴结转移、75例淋巴结转移)和验证组(67例无淋巴结转移、25例淋巴结转移)。

1.2 仪器与方法 采用GE Revolution 64排螺旋CT仪，嘱患者仰卧，行胸部CT平扫，管电压120 kV，自动管电流，螺距1.45，准直器宽度1.5 mm，层厚5 mm，扫描范围自锁骨上缘水平至上腹部。

1.3 影像组学特征提取及模型建立

1.3.1 图像分割 扫描结束后由1名具有5年以上胸部影像学诊断经验的主治医师结合内镜结果及手术记录，参考文献[9]方法分割肿瘤，采用InferScholar科研平台(http://research.infervision.com/)逐层于平扫CT图像中沿病灶边界手动勾画ROI，即食管管壁厚度≥5 mm区域，尽可能避开管腔内空气及肿瘤坏死区域(图1)；由另1名具有同等资历的主治医师进行复核；意见分歧时与1名具有20年以上胸部影像学诊断经验的主任医师讨论后共同决定。

图1 勾画食管癌病灶ROI(黄色区域)示意图

1.3.2 提取及筛选影像组学特征 在工程师协助下采用pyradiomics工具包提取食管癌 ROI的影像组学特征，并以最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归行降维处理，通过对所有变量系数进行回归惩罚，将非重要影像组学特征的系数降为0，筛选出与食管癌淋巴结转移关联度高的特征参数。

1.3.3 模型建立及验证 以筛选出的特征参数矩阵作为输入信息，以有无淋巴结转移为输出结果，采用支持向量机方法在训练组中训练二分类机器学习模型，以验证组测试模型性能。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析模型预测食管癌有无淋巴结转移的效能，以曲线下面积(area under the curve,AUC)作为估评模型分类效能的指标，并获得相应的敏感度、特异度和准确率。

1.4 统计学分析 采用SPSS 22.0统计分析软件。以±s表示计量资料。采用独立样本t检验比较训练组和验证组有无淋巴结转移患者年龄差异。计数资料比较采用χ2检验。P<0.05为差异有统计学意义。

2 结果

2.1 患者一般资料比较 食管癌患者淋巴结转移发生率为27.17%(100/368)，训练组及验证组中有、无淋巴结转移患者间年龄、性别、吸烟史、饮酒史、肿瘤部位差异均无统计学意义(P均>0.05)，见表1。

表1 训练组及验证组有无淋巴结转移食管癌患者一般资料比较

2.2 影像组学特征 共提取3种类型、1 046个影像组学特征，包括14个形状特征、216个一阶统计特征及 264个灰度共生矩阵(gray-level co-occurrence matrix,GLCM)特征参数以及552个纹理特征阐述，即168个灰度相依矩阵(gray-level dependence matrix,GLDM)特征参数、192个灰度级长矩阵(gray-level run-length matrix,GLRLM)和192个灰度级带矩阵(gray-level size zone matrix,GLSZM)特征参数。经LASSO回归降维，最终筛选获得11个相关系数非零的影像组学特征参数，见图2及表2。

表2 最终筛选出的11个影像组学特征及其相关系数

图2 LASSO回归中影像组学特征系数与参数log(λ)的相关性

2.3 构建影像组学模型及评价效能 ROC曲线显示，影像组学模型鉴别训练组及验证组食管癌有无淋巴结转移的AUC分别为0.84[95%CI(0.79，0.88)]和0.82[95%CI(0.73，0.89)]，见图3。阈值为0.252 0时，模型在训练组的诊断敏感度、特异度及准确率分别为84.00%、75.12%、77.54%；在验证组中阈值为0.242 2时，敏感度、特异度及准确率分别为80.00%、77.61%及78.26%。

图3 影像组学特征术前预测食管癌淋巴结转移的ROC曲线 A.训练组；B.验证组

3 讨论

既往研究[11-13]显示，根据食管癌组织分化程度、浸润深度和有无脉管浸润可于术前预测淋巴结转移。P53和Ki67分子标记标志物是食管癌淋巴结转移的影响因素，其中P53分子标志物是其独立预测因素[14]。目前术前多基于影像学检查无创诊断食管癌淋巴结转移，如传统超声内镜、CT、FDG-PET及MRI。超声内镜检测淋巴结转移的敏感度为80%，特异度为70%[15]，但因穿透距离有限，且食管管腔狭窄、阻塞时其探头通过受限。CT检测淋巴结转移的敏感度为50%，特异度83%。FDG-PET可用于食管癌分期，其检测区域性淋巴结转移的敏感度为57%，特异度为85%[15]；MRI与之相似[16]。CT、FDG-PET及MRI虽然适用范围广，诊断特异度较高但敏感度较低，且PET检查费用较高，临床推广具有一定难度。

目前影像组学已广泛用于定性诊断肿瘤、评估疗效及预测预后[17-18]。朱宗明等[19]报道，纹理分析对术前食管癌T分期具有一定价值。基于胸部增强CT动脉期影像组学模型可辅助诊断食管癌淋巴结转移[9-10]，但往往需多期扫描，不适用于碘过敏和严重肾功能不全患者。

本研究基于胸部CT平扫评估影像组学模型预测食管癌淋巴结转移的价值，共提取病灶区域1 046个影像组学特征，通过LASSO降维选出11个与食管癌淋巴结转移关联度高的影像组学特征参数，包含1个形状特征、3个一阶统计特征和7个纹理特征，以避免预测模型的过度拟合。形状特征可描述肿瘤大小，肿瘤直径越大则浸润越明显，即发生淋巴结转移可能性越大[11-13]。本研究入选的一阶统计特征包括峰度、均匀性和偏度，纹理特征包括5个小波特征及2个三维特征。既往研究[20]证实，一阶统计特征和纹理特征可准确区分良、恶性纵隔淋巴结。本研究筛选获得的3种影像组学特征参数表明，食管癌淋巴结转移与平扫CT所示肿瘤形态、病灶内纹理特征、肿瘤内部异质性及灰度分布有关；11个影像组学特征中，10个为一阶统计特征或纹理特征，反映肿瘤内部细节是诊断食管癌淋巴结转移的重要因素；模型预测训练组和验证组淋巴结转移的AUC分别为0.84和0.82，表明模型在2组中的性能类似，均能较好地预测淋巴结转移，体现出良好的鲁棒性。模型在验证组的敏感度为80.00%，略低于训练组的84.00%，而特异度和准确率为77.61%和78.26%，略高于训练组(75.12%和77.54%)，主要为阈值不同(训练组0.252 0，验证组0.242 2)所致。本研究模型预测淋巴结转移的AUC高于TAN等[9]基于增强CT动脉期图像的研究结果(训练组和验证组AUC分别为0.758和0.753)，可能与本研究样本量较多、扫描参数不同、图像重建算法不同等有关。

总之，术前基于胸部CT平扫影像组学模型预测食管癌淋巴结转移具有较佳效能。本研究的主要局限性：①手动勾画病灶ROI，难免导致结果偏倚；②为单中心研究，有待扩大样本量并经多中心研究加以验证。