CT或MRI纹理分析在肝局灶性病变中的研究进展

岑永义，鲍保成，梁 克，陆玉敏（通讯作者）

（1右江民族医学院 广西 百色 533000）

（2广西中医药大学第一附属医院放射科 广西 南宁 530023）

肝局灶性病变（focal liver lesions, FLL）是指医学影像上不同于背景对照而显示出的肝占位性病变，其对应的病理有组织细胞学上的改变。恶性FLL首选手术切除，同时根据不同的肿瘤分子特征和对治疗反应的差异进行个体化治疗，而良性FLL以定期观察为主。因此，FLL的精准诊断及其微环境评估等对临床治疗方案的选择至关重要。医学影像纹理分析作为近年来出现的后处理技术，在无需额外扫描仪、对比剂及扫描序列的情况下获取一系列量化病灶内部特点的参数，为肿瘤异质性的判断、相关生物学行为及微环境的评估以及肿瘤预后的预测提供了一个无创的影像学生物标志，也在一定程度上弥补了人眼无法识别细微差异的不足。因此，纹理分析在FLL中的应用也成为近年来大家研究的热点之一。

1 CT或MRI纹理分析的定义及原理

CT或MRI纹理分析指通过计算机分析CT或MR图像中的像素或体素强度的分布及规律，从而获得评估病灶异质性的量化参数。目前，常用的纹理分析方法包括统计法、结构法、模型法和频谱法4种，其中，统计法是医学影像纹理分析最常用的方法[1]。统计法主要包括：一阶统计、二阶统计和高阶统计。基于一阶的纹理描述有平均灰度强度、均匀度、熵、标准差、偏度、峰度等，主要反映单个像素的分布情况，而忽略其空间位置及空间相互联系。二阶统计是基于特定像素对的分布描述，其灰度共生矩阵（GLCM）是描述两个像素强度之间的关系，从而可以对一阶统计进行信息补充，包括熵、能量、对比度、逆差距和相关性等。高阶统计量通过相邻像素的灰度差描述强度变化或同质区的分布和排列，从而分析三个或更多像素之间的关系，包括对比度、粗糙度、繁忙度等。CT及MRI纹理分析能反映病灶中最基础的信息特征，这也许会对未来的诊疗手段提供重要的客观依据。

2 CT或MRI纹理分析在FLL中的研究进展

2.1 CT或MRI纹理分析与FLL的鉴别诊断

许多FLL的影像学征象有一定的重叠性，加上一些病灶的表现并不典型，常规影像学有时对其鉴别困难。不同FLL的成分及分布特点均存在一定的差异，而纹理分析可反映病变内部的体素强度及不均匀性，一定程度上减少了阅片者的经验及主观意识的影响，在FLL鉴别诊断的研究中也展现出了可靠的效果。对于肝硬化背景下小肝细胞癌（sHCC）和非典型增生结节（DNs）的鉴别，Xi Zhong等[2]发现T2纹理分析的鉴别能力（AUC=0.96）高于DWI（AUC=0.80）或Gd-EOB-MRI（AUC=0.86）的效能（P=0.025、0.008）。而黄燕琪等[3]的研究也证明了肝局灶性结节性增生、肝血管瘤、HCC、ICC（肝胆管细胞癌）、肝转移瘤5组疾病中，CT纹理分析对良恶性、两两恶性及良性之间的鉴别价值较高。

2.2 CT或MRI纹理分析与肝脏肿瘤分化程度

CT或MRI纹理分析还显示出表征肝脏肿瘤分化程度的潜力，为临床治疗方式的选择提供了新的证据。Wu Zhou等[4]进行一项MR纹理分析的研究发现，与高级别HCC相比，低级别HCC动脉期图像的平均强度升高，而四个方向（0°、45°、90°、135°）的灰度游程不均匀性（GLN）降低（P＜0.05），平均强度和四个方向GLN的AUC分别为0.918、0.846、0.836、0.827和0.838。而Mengmeng Feng等[5]对分化程度不同的HCC患者术前T2及增强图像进行纹理分析，发现非线性判别分析效果良好，高、中、低分化组间两两鉴别AUC范围为0.808～0.879。可见，影像纹理分析对HCC恶性程度的预测价值较高，但其对ICC等其他肝恶性肿瘤分化程度的预测价值仍然有待于进一步研究。

2.3 CT或MRI纹理分析与肝脏肿瘤的相关基因及免疫组化表达

肿瘤相关基因和免疫组化的异常表达与其增值、侵袭性等生物学行为有密切的联系，全面了解其表达情况对药物的选择有积极的指导意义。因此，有必要探索一个灵敏度及特异度好、推广价值高且检查成本低的新型无创性检测手段。目前，已有不少研究证明CT或MRI的纹理量化在肝肿瘤微环境的预测中有较高的应用价值。Jun Zhang等[6]对ICC患者术前T1动脉期图像进行纹理分析，用Logistic回归选出显著相关的特征并建立预测模型，结果三个小波和一个3D特征对CD8+T的表达情况有很好的识别能力，四者联合的预测AUC达0.919。Hongzhen Wu等[7]研究CT纹理分析与HCC P53突变情况的关系发现，P53突变与GLCM有关，其相关性和熵是最有望区分P53（-）和P53（+）的参数。

2.4 CT或MRI纹理分析与肝脏肿瘤微血管侵犯（MVI）的预测

除了临床分期、病理分级、相关基因及免疫组化表达等方面，MVI是与肝恶性肿瘤预后相关的另一个重要因素。纹理分析作为“虚拟活检”的手段，有望成为肝恶性肿瘤MVI预测的可靠无创性检查方法。Gregory C.Wilson等[8]从T1、T2、HAP、PVP图像中进行纹理分析，在Logistic回归中发现T1的均值和PVP的熵与HCC的MVI之间差异有统计学意义（P＜0.05），当二者标准都满足时，HCC的MVI预测准确率为87%。

2.5 CT或MRI纹理分析与肝脏恶性肿瘤的预后预测

当前，TNM分期是预测肝脏恶性肿瘤预后的最常用手段，但其存在一定的不足。因此，加入TNM分期以外的预后指标以提高预后预测的准确性对患者意义重大。近年来，纹理分析对肿瘤预后的预测也是人们研究的热点之一。一项研究[9]将100例HCC患者分为A组（直径＜3 cm）和B组（直径＞3 cm），根据术后1年疗效不同分为早期复发组（ER）和非早期复发组（NER），比较MR图像的纹理特征与疗效的关系。结果A组HAP图像的均匀性、熵和B组HAP图像的偏度、熵可作为ER的独立预测因子。此外，杨柏帅等[10]的研究也表明了MR纹理分析能有效地预测ICC经肝动脉灌注化疗的疗效。

3 CT或MRI纹理分析在FLL中的不足

尽管CT或MRI纹理分析在FLL的研究中显示出令人满意的结果，但在临床的应用上仍面临着很大的挑战[11]：（1）纹理分析需要经过病灶分割、特征提取、数据处理等一系列复杂的工作流程，而目前的研究所使用的软件、分割方法、后处理技术及提取纹理特征的数量和质量均不尽相同，而目前在这些问题上并没有形成统一的标准和共识。（2）在病灶最大层面上（2D）提取的纹理特征未必能最好地体现病变的异质性特点，而在容积上（3D）进行纹理分析会增加额外的人力和时间。（3）纹理特征反映的是图像像素及灰度的分布情况，从而间接反映肿瘤内部的异质性，对病变发生发展过程中潜在的病理生理过程的解释仍有待于进一步研究。（4）当前对FLL的纹理分析研究中，绝大多数都是小样本、单中心、回顾性研究，多中心及前瞻性研究仍有待于进一步完善。

4 小结

CT或MRI纹理分析作为医工结合的新学科，在FLL的研究中发展迅速、前景广阔。然而，如其他影像学新技术一样，纹理分析在软件和工作流程的指南上仍然一片空白，在临床的投入应用中仍需很大努力。同时，我们迫切需要更多有提高准确性和可解释性的研究，以更好地促进纹理特征解释和临床推广。