食管癌影像组学研究

彭慧 综述 冯峰 审校

食管癌是全球第七大常见肿瘤疾病，也是第六大癌症死亡原因[1]。由于起病隐匿，大约一半食管肿瘤患者诊断时已为中晚期，错过了最佳手术切除时机，大部分患者通常采取放化疗为主的综合治疗[2]。如何早期诊断、准确分期及合理治疗使患者最大获益成为研究热点。肿瘤发展过程中由于基因、生理微环境和生活方式等个体化差异存在高度异质性。常规影像诊断方式如食管钡餐造影、CT、MRI以及PET/CT在食管癌临床分期、放化疗疗效评估和预后预测等方面有重要指导作用，但对于食管肿瘤异质性研究仍存在一定局限性。新兴影像组学(Radiomics)能更好地描述肿瘤本身异质性及生物学特性[3]，在一定程度上弥补了常规影像诊断方法的不足，对于个体化治疗方案制定及调整至关重要。

影像组学

1.影像组学概念和特征

疾病的变化是由患者个体的基因、生理微环境、生活方式和生存环境等诸多因素共同决定的。若在常规影像学诊断基础上通过深度挖掘数据，寻找出疾病内涵特征，反映人体组织、细胞和基因水平的变化，将会对临床医学产生一定影响。基于这一理论，影像组学应运而生[4]。2012年，荷兰学者Lambin[5]首次提出影像组学概念，其思想来源于肿瘤异质性。Kumar等[6]将影像组学定义为“高通量地从CT、MRI和PET中提取并分析大量高级的定量影像学特征”。影像组学包括图像采集与重建、图像分割与渲染、特征提取与鉴定、数据库和数据共享以及个体数据分析5个步骤。

影像组学特征包括形态特征、语义特征及纹理特征等。形态特征是通过计算感兴趣区域(regions of interests ，ROI)描述肿瘤特征，其中常用的有紧密度、三维直径、球形不均匀度、球形度、表面积和体积等。常用语义特征有尺寸、形状、位置、血管分布、毛刺和坏死等。但是，形态特征及语义特征并不涉及肿瘤的异质性，纹理特征却可获得更多关于肿瘤异质性的信息[7]。纹理分析通过计算病灶图像纹理特征反映了图像中微观异质性的程度，而异质性往往也是区别肿瘤与正常组织或良性病变的重要特征之一。基于影像学图像肿瘤异质性，通过定量分析其与肿瘤生物学特性的关系可以为癌症患者的诊疗提供重要信息。不同的纹理分析方法被用来量化肿瘤的异质性，包括基于模型、基于结构和基于统计的方法，其中最常用的是统计法，其一阶特征基于直方图分析包括平均、最小和最大强度、标准偏差、偏度和峰度等；二阶特征基于共生矩阵包括灰度共生矩阵(grey-level co-occurren cematrices，GLCM)、灰度游程步长矩阵(grey-level run length matrices，GLRLM)等。GLCM又包括熵、能量、对比度、均匀性、相异性和相关性等；高阶特征包括邻域灰度差值矩阵(neighborhood graytone difference matrix，NGTDM)、灰度区域大小矩阵(gray-level size zone matix，GLSZM)等[8-10]。影像组学特征提供了潜在肿瘤生物学和行为的额外信息预测，这些特征可单独使用或与其他相关病理数据、基因组数据等一起使用，反映肿瘤表型、预测治疗反应和预后。

2.ROI勾画

影像组学分析是基于体素在预定义的ROI中的空间排列，准确的ROI勾画将决定正确的特征提取。由于提取方式不精确，除肿瘤区域以外的成分如水肿、空气、伪影等也可能被提取出来，造成靶区勾画的不确定性，所以如何进行病灶靶区的勾画在食管癌影像组学研究中十分重要。目前暂无食管癌ROI勾画具体标准，应用较多的为病灶全体积和单一最大层面两种勾画方法，通过目视检查原发肿瘤范围，手动调整感兴趣的区域，排除食管腔内气体及病灶邻近的水、空气、脂肪及正常组织，以避免与邻近的非肿瘤结构或其他类型病变重叠，尽量减小误差[11,12]。食管癌全体积ROI勾画包括了肿瘤的实性成分、囊性成分、坏死成分等，可以更全面的反映食管癌的病理生理情况，提供一个更具代表性的肿瘤异质性评估，但是耗时较长，操作较复杂。食管癌最大层面上的ROI勾画操作简便，节约时间便于研究和应用，但是由于食管为空腔脏器，且食管癌形状多不规则，只选择病变最大层面可能无法代表其实际形状，在全病灶分析方面会有所欠缺[13,14]。一项直肠癌影像组学研究显示从T2加权中通过全体积及最大层面两种方法中提取病灶影像组学参数在评价预后时无统计学差异[15]。因此，两种不同的ROI勾画方式在食管癌影像组学分析中是否存在差异还有待进一步研究。

影像组学在食管癌中应用

1.CT影像组学在食管癌中的应用

CT是食管癌临床分期、放化疗疗效评估和预后预测常用影像学方法，主要反映食管肿瘤的形态学信息。近来研究表明基于CT图像影像组学可以提供额外的信息进一步量化食管肿瘤异质性。其中，CT纹理分析是最为常用的CT影像组学分析方法。

T分期:CT是食管癌术前临床T分期的主要手段。食管癌T分期取决于食管病灶的侵犯深度及周围侵犯情况，与患者治疗方式的选择高度相关从而影响患者的预后。由于CT上食管壁的对比分辨率差，很难区分不同的组织层尤其是早期食管癌病灶较小，范围多局限于黏膜下层，临床主要靠内镜或手术病理确定分期。常规CT上食管癌侵犯外膜诊断为T3期，脂肪间隙消失并侵犯邻近结构诊断为T4期食管癌，而食管周脂肪因人而异导致确定肿瘤T3或T4期有时存在困难。贾明选等[16]利用常规平扫及增强CT诊断食管癌，结果显示T1-2期准确率为66.67%，T3期和T4期准确率分别为77.78%、96.30%。反映了常规CT依据形态学改变评价食管癌T分期尚存在一定局限性。研究报道CT影像组学可通过提取和量化图像特征诊断食管癌T分期。但是，影像组学ROI勾画也是基于常规CT图像，对于早期小病灶同样存在确定病灶范围困难的问题，临床应用价值不大。目前研究主要集中在≤T2和>T2期。朱宗明等[17]对40例食管癌患者进行胸部CT平扫及增强扫描，根据病理结果将T1-2期食管癌设为A组(21例)，T3期食管癌设为B组(19例)，纹理分析后发现角二阶矩、逆差距、熵组间差异有统计学意义(P<0.05)。Liu等[11]纳入了73例食管鳞癌患者，手动勾画CT平扫及增强图像最大层面的肿瘤ROI，对ROI进行纹理分析后生成6个纹理参数，并将T分期分为两组(T1-2组和T3-4组)，结果显示基于平扫CT图像通过比较受试者操作特征( receiver-operating characteristic，ROC)，峰度和熵区分两组病例的曲线下面积(the area under the curve，AUC)分别为0.652和0.653；基于增强CT图像熵区分两组病例的AUC为0.637。而三维勾画肿瘤ROI能更好的反映肿瘤的整体特征。Wu等[18]三维勾画154例食管鳞癌患者的动脉期增强CT图像的肿瘤ROI，研究发现基于GLCM、GLRLM、GLSZM等建立的多参数模型可以区分T1-2期和T3-4期食管癌，其训练组AUC为0.795，验证组为0.762。因此，CT影像组学有助于鉴别≤T2和>T2期食管癌，但是目前文献报道较少，不同于常规CT观察形态学变化影像组学采用定量参数判断食管癌T分期，主要临床作用在于提供了常规CT之外的额外信息。在此基础之上，两者联合提高食管癌T分期诊断准确率值得期待。

N分期:目前，CT上仍以淋巴结短径≥10 mm作为转移性淋巴结判定标准。然而，以淋巴结大小来判断转移性淋巴结的阈值尚无确切定论。病理正常大小的淋巴结可能是恶性的，而增大的淋巴结可能是炎性或反应性增生。因此，在鉴别是否为淋巴结转移时使用客观定量指标来辅助判断很有必要。CT影像组学可通过分析原发食管病灶ROI内像素灰度值分布模式及变化规律揭示病灶内潜在的病理异质性，更好地鉴别及预测淋巴结转移。Liu等[11]手动勾画了73例食管鳞癌患者的CT增强图像肿瘤最大层面的ROI，通过纹理分析鉴别是否有淋巴结转移，结果发现熵可以区分有无淋巴结转移，相应AUC为0.815。另一方面，基于影像组学特征所建立的列线图预测模型可提高鉴别淋巴结转移的准确性。Shen等[19]分析197例食管癌患者的术前增强CT图像的肿瘤全体积ROI，构建基于影像组学特征的列线图模型，比较CT报告和影像组学对淋巴结转移的诊断准确性，结果显示CT报告的淋巴结转移数的准确率很低(59%)，假阴性率偏高(64%)。而根据筛选后所得的13个组学特征建立的列线图预测模型得到训练组的AUC为0.806(敏感度67.9%，特异度82.7%)；验证组的AUC为0.771(敏感度76.7%，特异度61.2%)。由此可见，CT影像组学参数对鉴别淋巴结转移具有较高的诊断效能。

放化疗疗效评估:食管癌放化疗后肿瘤细胞可发生凋亡、破裂、溶解等一系列改变，从而使肿瘤细胞密度减低以及细胞内部特征发生改变，通过影像组学可以反映肿瘤内部异质性的变化，从而评价疗效。Yip等[20]对31例食管癌患者新辅助化疗前后的动脉期增强CT图像的纹理参数进行对比分析发现化疗后平均灰度强度、熵、峰度及直方图标准差这些参数下降，均匀性增加，并且较低的熵和较高的均匀性表明治疗后肿瘤内异质性较低，因此认为CT纹理参数可作为食管癌治疗效果的预测性影像组学诊断指标。这些量化指标的引入为食管癌疗效评价提供了更多的信息。Zhen等[21]利用支持向量机(support vector machine，SVM)和人工神经网络(artificial neural network，ANN)算法建立治疗反应预测模型，对49例食管鳞癌患者放化疗前的增强CT图像进行纹理分析，根据实体瘤疗效评价标准评价肿瘤完全缓解(complete response，CR)、部分缓解(partial response，PR)、稳定期疾病(stable disease，SD)和进展期疾病(progressive disease，PD)，其中CR或PR患者被归类为应答者，而SD或PD患者被归类为无应答者，研究发现这两种模型可区分无应答者和应答者，AUC分别为0.818和0.927。

预后预测：CT图像异质性分析也用于判断预后。研究[22]纳入了36例食管癌患者，对其治疗前后的动脉期增强CT图像的组学特征进行对比分析发现治疗后熵明显降低，均匀性明显提高，并且治疗后熵与5年生存率呈负相关。不足的是上述研究只提取了较少的纹理特征进行研究，无法全面评估肿瘤的表型，建立多参数预测模型可能更有助于提高预后预测的准确性。Yan等[23]提取了61例接受放疗的食管癌患者放疗前后的平扫CT图像纹理特征，研究放疗前后CT纹理变化与生存率之间的关系，将患者分为生存时间较短(<13个月)和生存时间较长(>36个月)两组，结果得到患者放疗前后平均CT值变化的中位数为3.43 HU，放疗前后平均CT值降低幅度<3.43 HU时存活率较高，并且纹理特征与生存率的相关性分析发现治疗前后糙度和强度呈增加趋势的患者生存时间较长。以上研究提示定量组学分析有望补充常规CT对食管癌的预后预测。

2.PET/CT影像组学在食管癌中应用

最大标准化摄取值(maximumstandardized uptake value，SUVmax)是18F-FDG PET/CT图像分析中应用最广泛的参数之一，已被证明对食管癌患者的临床分期、预后和疗效预测有价值。但是由于肿瘤坏死、细胞增殖、微血管密度和缺氧等因素的影响，肿瘤内摄取18F-FDG通常不均一。因此，肿瘤内异质性可能使18F-FDG摄取的准确评估复杂化，并且从单一体素中提取的SUVmax不能表征整个肿瘤摄取18F-FDG的总活动性和异质性。最近，PET/CT影像组学被提出用来表征肿瘤内18F-FDG摄取的异质性，能提供比SUVmax更有用的信息。PET/CT影像组学有助于量化肿瘤内18F-FDG的分布，并且与其他空间图像信息如代谢性肿瘤体积、总病变糖酵解、肿瘤形态等在食管癌的诊断和治疗预测中具有一定的互补作用。

临床分期：食管癌的治愈率和生存率与肿瘤壁侵袭、淋巴管受累和转移扩散高度相关。然而，根据浸润深度或淋巴结转移的临床诊断并不总是准确的，这增加了通过肿瘤-淋巴结转移分期系统来识别术后复发风险高的患者难度。研究表明PET/CT影像组学有助于提高食管癌分期的准确性。在一项基于的PET/CT影像组学研究[24]自动勾画40例食管鳞癌患者术前PET图像肿瘤全体积ROI并手动调整，对其进行纹理分析，探索纹理分析、SUVmax和肿瘤TNM分期的关系，结果发现T分期及N分期与SUVmax、熵呈正相关，与能量呈负相关。此外，ROC曲线显示熵可以预测Ⅱ期以上肿瘤，最佳截断值4.699，AUC0.789，敏感度77.8%(95%CI:52.4～93.6)，特异度72.7%(95%CI:49.8～89.3)。只有纹理特征是Ⅱ期以上肿瘤显著预测因子。这一发现提示影像组学特征比常规PET/CT更好的协助临床进行肿瘤分期，有可能成为预测局部肿瘤侵袭程度、淋巴结转移状况和肿瘤分期的新方法。

放化疗疗效评估：虽然新辅助放化疗提高了食管癌患者的5年生存率，但并非所有患者都能从中获益。Van等[25]交叉试验表明29%的患者有完全反应，52%有部分反应，18%没有肿瘤反应。对于完全反应者来说可能无需手术干预，接受定期复查即可。充分反应预测对开展食管癌个性化治疗具有重要意义。在一项纳入了52例食管鳞癌患者研究中Nakajo等[26]探讨PET/CT纹理分析对食管癌化疗疗效的预测价值，根据实体瘤疗效评价标准CR或PR患者被视为应答者，SD或PD患者被视为无应答者，研究发现34例无应答者的GLSZM强度变异性、GLSZM大小区域变异性以及标准体积参数如代谢性肿瘤体积和总病变糖酵解显著高于18例应答者。另一项[27]纳入了97例晚期食管癌患者的回顾性分析中得出PET来源的GLRLM和CT衍生纹理特征运行百分比的AUC 0.74，较预测治疗反应的SUVmax(AUC为0.54)高。由此可见，PET/CT组学参数有助于提高食管癌放化疗疗效评估效能。

预后预测：传统预测预后的PET影像学指标依赖于病变SUV和肿瘤体积的量化，但是，PET的空间分辨率较低，其单一体素边长为5 mm，难以对体积较小的肿块进行分析，并且由于空间异质性，即使是小肿瘤活检也缺乏完整的分子特征。基于PET/CT成像中的肿瘤异质性可能允许更好的组织特征提取及图像分割为患者预后预测提供更多有用信息。Desbordes等[28]从65例食管癌患者放化疗前后的PET/CT图像中提取出45个特征，经筛选后得到的28个特征采用随机森林模型预测食管癌放化疗后患者的3年总生存率，发现来自共生矩阵的均匀性参数是较好的预测因子，相应的AUC值约为0.84。另外，结合传统PET/CT参数和组学参数可提高食管癌预后预测的有效性。Chen等[29]使用Matlab软件对44例食管鳞癌患者治疗前和新辅助放化疗后的PET/CT图像进行纹理分析，并结合纹理特征和传统参数预测食管鳞癌的总生存率。多因素生存分析结果显示治疗前原发性肿瘤代码相似度≤0.0235，SUVmax降低率≤0.76，以及通过手术病理检查发现的残余肿瘤是缩短总生存率和无病生存率的独立危险因素，并且新辅助放化疗后SUVmax的降低率比治疗前更能准确预测食管癌患者的生存率。此外，将接受新辅助化疗的患者分为病理完全缓解(pathological complete response，pCR)和非pCR两组，研究发现非pCR组的总生存率和无病生存率明显低于pCR组。另一项涉及403名患者研究Foley等[30]发现总病变糖酵解直方图能量和峰度与总体生存率独立相关。以上研究显示基于PET/CT这种分子影像的影像组学研究具有更广泛的研究前景。

3.MRI影像组学在食管癌中的应用

MRI目前在食管癌中的应用包括常规成像和功能成像。研究显示MR功能成像如扩散加权成像(diffusion weighted imaging，DWI)、动态增强磁共振成像(dynamic contrast-enhanced MRI，DCE-MRI)的影像组学可以对食管肿瘤异质性进行分析，从而提高MR监测放化疗疗效和预测预后的效能。但是目前食管癌影像组学在MR常规成像方面的应用研究较少。

放化疗疗效评估：放化疗联合治疗使食管癌患者获得更好的局部控制率和生存率，但是由于具有诸如骨髓抑制、肺炎、心包炎等副作用，一些患者不能从放化疗中获益。早期预测肿瘤反应可以让医生确定患者是否受益于放化疗，随后为患者制定个体化治疗方案，同时避免不必要的治疗。基于像素分布的直方图分析可以提供关于肿瘤异质性和个体化治疗的定量信息，从而进行食管癌疗效评估。Sun等[31]通过DCE-MRI直方图分析法预测和评估72例局部晚期食管鳞癌患者的放化疗反应，根据实体瘤疗效评价标准将肿瘤反应分为CR组和非CR组两组，用ROC分析评估直方图参数的诊断性能。研究发现CR组放化疗后容量转移常数(Ktrans)直方图参数(中位数、平均值、标准差、第10和90百分位)明显降低(P<0.05)，非CR组则无明显变化，同时发现经治疗后肿瘤异质性降低，故Sun认为MR组学参数可作为评价疗效的良好指标。在一项报道了58例食管鳞癌患者的回顾性研究[32]10例pCR患者较48例非pCR者有更低的表观扩散系数(apparent diffusion coefficient，ADC)平均值、更高的峰度和偏度(P<0.01)，并且ROC分析表明偏态性是pCR的最佳预测因子(AUC为0.86)，截止值0.50，准确度86.2%。

预后预测：食管癌因其高转移潜能和高侵袭性而预后较差，5年总生存率在15%～25%[33]。研究表明食管癌肿瘤异质性与预后相关,ADC直方图分析通过显示和量化像素或体素的分布能更好的显示肿瘤异质性。Hirata等[32]纳入58例术前放化疗的食管癌患者，参照轴向T2加权图像排除肉眼可见血管和坏死成分后手动逐层勾画轴向ADC图像肿瘤ROI，用ADC直方图预测术前放化疗5年生存率，研究发现术前偏斜度较高(≥0.50)的肿瘤患者无复发生存率较高(P=0.032)，且偏斜度是无复发生存率独立预测因子。Li等[34]结合72名患者的放疗剂量及从治疗前ADC图像中提取的6种纹理特征预测患者放化疗后的1年和2年生存率，结果显示ADC纹理特征(直方图特征、GLCM特征)和放疗剂量与生存率显著相关。ADC纹理特征可作为预测食管鳞癌患者放化疗后生存率的有用生物标志物。

放射基因组学

最近的基因组分析突出了食管癌中存在的遗传异质性是导致治疗结果和反应异质性差异的根本原因[35]。近年来，有一种将基因检测与医学影像相结合的放射基因组学正在兴起。Bauman等[36]于2003年首次提出放射基因组学的概念，主要指研究肿瘤组织及瘤周正常组织对放射治疗敏感性及其与基因的关系并将影像学特征与基因特征进行相关研究。放射基因组学包括通过定性和/或定量成像识别具有特定遗传特征的表型，这有可能显著提高治疗方案的精准选择，从而改善患者预后。目前，放射基因组学在消化道肿瘤直肠癌中已有初步应用。Horvat等[37]探讨65例直肠腺癌患者MRI定性和定量特征与基因突变的关系，其中定量评估是通过计算T2加权图像上的34个纹理特征所得，结果得到环周切缘阳性患者ATM突变频率较高，淋巴结阴性患者BRCA2突变频率较高，肿瘤长度与FLT4突变相关，肿瘤位置与APC和RASA1突变相关。虽然这项研究发现MRI定性和定量特征与基因突变之间的联系，但经过多次比较验证后没有保持显著的相关性，还需要更加深入的研究。Badic等[38]纳入了64例直肠癌患者，研究原发性结直肠癌门脉期增强CT影像学特征和基因表达数据的潜在预后互补价值，发现ABCC2基因表达与来自GLCM的熵有显著相关性，并且ABCC2的表达是无进展生存率的预后因素(P=0.035)。以上报道都是初步研究，存在样本量小及所得结果评估不充分等不足。基于放射基因组学在消化道肿瘤直肠癌中的应用，其在食管癌中可能也存在一定的研究价值，有待进一步探究。

总结和展望

食管癌仍是目前发病率较高的癌症之一。提取食管癌影像图像中更加细微的特征，更深入地分析有助于食管病灶诊断的影像学特征成为现今的研究热点。影像组学通过从多模态影像中提取大量特征，定量分析特征参数，为解决肿瘤异质性这一难题提供了思路，也对发展精准医疗产生了一定的推动作用。虽然食管癌影像组学的研究方法相对复杂，但其操作具有无创性，患者接受度高。影像组学已在食管癌临床分期、疗效评价及预后评估等方面得到了一定的成果，并且越来越多的研究将食管癌影像组学技术与临床及病理结果相结合，这更有利于临床医师的诊疗及影像组学技术的推广。目前食管癌影像组学仍处于研究阶段，其发展仍然面临着研究样本量较小，所得结论缺乏广泛验证等挑战。该技术在临床应用中仍需进一步研究和规范，但有望成为食管癌诊疗过程中的一种有价值的量化分析手段。