基于18F-FDG PET/CT纹理分析预测胰腺癌脉管侵犯状态

高艳 周维燕 黄琪 沈忱 谭忠华 孙春锋

胰腺导管腺癌（pancreatic ductal adenocarcinoma，PDAC）是常见恶性肿瘤之一，手术切除是PDAC唯一的根治性治疗手段，尽管辅助化疗有助于提高其远期生存率，但PDAC的5年生存率仅7%左右。因此，明确影响PDAC患者预后的因素有助于帮助患者更好地进行危险度分层并采取预防化疗措施等。既往研究称脉管侵犯（lymphovascular invasion，LVI）是影响PDAC预后的重要因素之一，脉管侵犯的患者更容易出现远处转移［1-2］。

手术病理切片是明确PDAC有无脉管侵犯的金标准，对于局部进展期PDAC患者来说，内镜超声引导下细针穿刺是获得病理学诊断的重要手段，该技术为有创性检查且获得的肿瘤组织较为有限，往往不足以评估脉管侵犯情况。18F-FDG PET/CT全身检查对于胰腺癌的全身评估具有重要作用，既往基于术前PET/CT的PDAC病灶代谢体积（metabolic tumor volume，MTV）以及总糖酵解（total lesion glycolysis，TLG）可用于无创性预测胰腺癌LVI［3］，并且LVI是胰腺癌预后及术后肝转移的重要危险因素［4］。目前18F-FDG PET/CT在PDAC诊断、再分期、预后及术后复发评估中发挥了重要作用，但在无创性预测胰腺癌脉管侵犯相关研究较少，近些年兴起的影像组学为探讨这一问题提供了新的思路。本研究将基于可切除PDAC原发灶PET/CT纹理特征构建组学模型以预测胰腺癌脉管侵犯情况，并同18F-FDG PET传统半定量参数进一步对比分析。

方 法

1. 临床资料

回顾性分析2016年6月至2021年1月间在南通大学附属医院核医学科接受18F-FDG PET/CT全身检查的胰腺占位患者。纳入标准：①18F-FDG PET/CT显像阳性且影像学图像质量满意；②经手术病理诊断证实为胰腺导管腺癌，且有明确的病理学分级、脉管浸润、神经侵犯、淋巴结转移情况等。排除标准：①手术病理为非胰腺导管腺癌；②18F-FDG PET/CT显像前已接受其他非手术治疗者。共纳入24例未接受治疗的胰腺导管腺癌患者，其中男12例、女12例，中位年龄63岁，年龄范围50～81岁。全身18F-FDG PET/CT显像与后续肿瘤手术间隔中位时间为5.5（1～27）d。本回顾性研究设计和方法学遵循《赫尔辛基宣言》的原则。

2. 检查方法

18F-FDG由上海原子科兴药业有限公司提供，18F-FDG放化纯＞95%，无菌热源检测合格。18F-FDG PET/CT显像前患者禁食至少4～6 h，按体重3.70～4.44 MBq/kg静脉注射18F-FDG，静息50～60 min后行PET/CT扫描（美国GE Discovery TM PET/CT 710机，配置64排128层高端螺旋容积CT），范围从颅顶至股骨中段；CT采集参数：管电压140 kV，管电流100 mA，层厚3 mm，螺距1.375∶1，矩阵512×512；PET数据使用三维采集模式，共6～8个床位，体部每个床位2～3 min，头部采集5 min，矩阵192×192，应用低剂量CT数据对PET图像进行衰减校正，采用有序子集最大期望值迭代法重建，获得横断面、冠状面及矢状面PET、CT及PET/CT 融合图像。

3. 图像分析

纹理特征提取由LIFEx（https：//www.lifexsoft.org/）软件实现，提取前将图像重新分割设定分辨率为2 mm×2 mm×2 mm。按照SUVmax40%阈值半自动勾画18F-FDG PET/CT图像上的肿瘤感兴趣体积（volume of interest，VOI），由另一位高年资核医学医师进行确认，获得肿瘤的最大标准摄取值（SUVmax）、平均标准摄取值（SUVmean）、MTV以及TLG。对肿瘤VOI PET图像共计提取3个类别63个影像组学特征，包括5个形状和大小特征、26个一阶特征和32个纹理特征；进一步将VOI拷贝至同机融合平扫CT，相同方法获取CT组学特征。其中，纹理特征提取方法包括灰度共生矩阵（gray level co-occurrence matrix，GLCM）、灰 度 游 程 矩 阵（gray-level run length matrix，GLRLM）、灰度区域大小矩阵（gray-level zone length matrix，GLZLM）和相邻灰度差分矩阵（neighborhood gray-level difference matrix，NGLDM）。

4. 特征选择、模型构建和组学评分（radiomic score，RS）的计算

针对18F-FDG PET/CT影像纹理特征，应用最大相关性最小冗余度（maximum relevance minimum redundancy，mRMR）以及最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）算法，分别筛选出与LVI密切相关的PET和CT影像组学特征。其中通过mRMR算法降维保留10个特征，LASSO回归采用五折交叉验证，选择交叉验证二项偏差最小的最优特征数据集，将最终获得的非零特征及相应系数进行加权，计算每个胰腺癌病灶的PET-RS和CT-RS；最后将PET和CT特征合并后使用相同方法筛选参数获得联合PETCT-RS。

5. 统计学分析

采用R4.0.5软件进行统计分析，其中mRMRe包完成mRMR算法、glmnet包实现LASSO算法。符合正态分布的定量资料用±s表示，不符合正态分布的定量资料用M（P25，P75）表示；定性资料以百分数表示；组间比较采用Mann-WhitneyU检验，定性资料比较则采用精确卡方检验。应用受试者工作特征（receiver operating characteristic，ROC）曲线评估各参数对LVI预测效能，并确定最佳阈值，计算准确性等诊断效能，采用DeLong检验对两者诊断效能进行比较，由pROC包完成。当P＜0.05时为差异有统计学意义。

结 果

1. 一般资料及半定量参数的比较

纳入的24例患者中，男性12例、女性12例。其中脉管浸润阳性者15例，阴性者9例。

LVI阳性组与LVI阴性组18F-FDG PET半定量参数比较中，LVI阳性组的SUVmax、SUVmean、MTV（cm3）和TLG（g）显示出高于LVI阴性组的趋势。LVI阳性组前述参数分别为8.470（7.440，10.23）、4.660（3.940，6.100）、8.000（3.690，16.08）和36.30（16.30，67.00）；LVI阴性组分别4.350（3.425，6.430）、2.490（1.910，3.645）、6.350（3.325，15.67）和13.10（9.800，44.80）。其 中SUVmax、SUVmean的差异存在统计学意义（P=0.021 2，0.014 8），TLG的 差 异＞0.05但＜0.1（P=0.085 7），两组MTV的差异均无统计学意义（P=0.849 6）。

2. 筛选的影像组学特征与RS

分别筛选获得鉴别LVI状态的2个PET影像特征构 建PET-RS，分 别 为PET_DISCRETIZED_std和PET_CONVENTIONAL_Skewness，其相应权重系数分别为0.342 2和-0.060 3，常数项为-0.557 2；纳入2个CT影 像 组 学 特 征 构 建CT-RS，即CT_DISCRETIZED_Q2和CT_GLRLM_LGRE，其相应权重系数分别为42.970 2和-37 717.02，常数项为-40.373 9；联合RS模型则纳入4个纹理参数，包括PET_DISCRETIZED_std、 CT_CONVENTIONAL_ExcessKurtosis、CT_DISCRETIZED_Q2以及PET_CONVENTIONAL_Skewness，其权重系数分别为0.314 4、0.005 7、0.245 9和-0.161 4，常数项为-25.891 6。经计算，LVI阳性者及LVI阴性组患者的PET-RS，CT-RS以 及PETCT-RS分 别 为0.667 8（0.506 9，1.257）和-0.036 30（-0.129 2，0.462 6）（P=0.008），0.789 1（0.333 7，0.804 2）和0.224 5（-0.235 0，0.768 5）（P=0.008），0.855 2（0.391 9，1.349）和0.001 4（-0.460 1，0.493 9）（P=0.003）。

3. FDG半定量参数同RS相关性分析

PET-RS、PETCT-RS同SUVmax、SUVmean均呈高度相关，相关系数＞0.9，均P＜0.001；而与TLG呈中度相关，相关系数范围0.45～0.50，均P＜0.05；CT-RS同SUVmax、SUVmean中度相关，相关系数均为0.55，均P＜0.05；PET-RS、CT-RS同PETCT-RS三者均存在相关性，相关系数范围0.53～0.96，均P＜0.001；MTV与三个RS均未见明显相关。各参数之间相关性矩阵详见图1。

图1 FDG半定量参数同三种RS相关性矩阵

4. 对LVI阳性的预测效能

影像组学模型PET-RS、CT-RS、PETCT-RS、SUVmean及SUVmax对LVI阳性预测有统计学意义，而TLG的预测效能对应P值处于临界区间（P=0.081 8），ROC分析结果详见图2及表1。PETCT-RS的AUC虽然高于PET-RS（0.852与0.822；Z=0.554，P=0.579 6）、CT-RS（0.852与0.822；Z=0.608，P=0.543 0）、SUVmean（0.852与0.800；Z=0.870，P=0.384 5）以及SUVmax（0.852与0.785；Z=0.881，P=0.378 6），但差异无统计学意义。

表1 18F-FDG PET常用半定量参数及影像组学RS对LVI阳性的预测效能

图2 各参数诊断效能ROC曲线

5. 脉管侵犯同淋巴结转移关系

脉管浸润阳性15例患者中，共计14例有淋巴结转移结果，其中7例阳性，7例阴性，9例脉管浸润阴性者中2例淋巴结转移阳性，7例淋巴结转移阴性；脉管浸润阳性者淋巴结转移比例高于脉管浸润阴性者，7/14∶2/9，精确卡方检验P值为0.228。

讨 论

PDAC是一种进展快、预后差的消化道恶性肿瘤，脉管侵犯是对PDAC病理微观侵袭性的进一步评估。研究表明胰管导管病变的主要间质成分是星状细胞（或肌成纤维细胞样细胞）、神经（包括胶质细胞）和微血管（血管/周细胞和淋巴管）［5］。在肿瘤临床分期中，淋巴管浸润或淋巴结转移已被用作评估肿瘤细胞侵袭性的一个重要预后因素［6］。PDAC的淋巴结转移在一定程度上可以体现淋巴管与胰腺导管性病变进展的关系［7］，胰腺癌微环境免疫组化分析显示淋巴管生成生长因子C和D过度表达［8］，该基因的过表达为淋巴管生成和淋巴扩散提供了有利条件。因此，评估脉管侵犯可在一定程度上弥补活检淋巴结数不充分或组织病理学评估不充分对PDAC淋巴结分期造成的偏倚。在本研究中，脉管侵犯阳性病例的淋巴结转移比例高于脉管侵犯阴性病例，虽然精确卡方检验P值没有统计学意义，但在一定程度上仍提示脉管侵犯可能会增加PDAC淋巴结转移风险。

有国外研究分析了51例可切除PDAC病例术前18F-FDG PET/CT图像，证实脉管侵犯阳性组与阴性组MTV和TLG存在差异（P＜0.05），虽然SUVmax在脉管侵犯阳性组要高于阴性组，但无统计学差异（P=0.096）［3］。我们发现LVI阳性与阴性组的PET传统参数SUVmax、SUVmean差异存在统计学意义，而两组间TLG存在一定差异，MTV的差异无统计学意义。分析其可能原因如下：①勾画肿瘤体积方法不一样，文献中采用SUV＞2.5固定阈值法或本研究中SUVmax的40%百分比阈值法；②本组病例部分病灶为早期胰腺癌，SUVmax并不是很高，如果以SUV＞2.5存在则可能存在低估MTV的可能。

目前FDG PET影像组学在胰腺癌领域进行了相关研究。Hyun等［9］通过研究137例确诊PDAC患者PET/CT影像组学特征与预后关系发现，PET相关的反映肿瘤内代谢异质性的一阶纹理学参数“熵”是影响患者预后的独立因素，且优于常规PET参数（MTV、TLG、SUV）。Toyama等［10］通过随机森林法筛选发现纹理特征灰度不均匀性（gray-level non-uniformity，GLNU）是唯一可预测PDAC患者预后的PET参数，和TLG联合应用可对PDAC患者进行危险度分层；Yue等［11］发现局部代谢纹理特征，包括均质性变化（variations of homogeneity）、方差（variance）和群集趋势（cluster tendency）可作为评价和预测胰腺癌患者放疗效果独立预测因子。纹理组学通过计算机方法深度挖掘肉眼难以获取的相关特征来探讨评估肿瘤异质性［12］，基于MTV获得的PET纹理参数反映了胰腺癌细胞FDG代谢的空间异质性，同时我们证实同机平扫CT纹理分析对LVI也有一定预测价值。联合PET及CT双模态纹理分析提高了诊断AUC，虽然P值无统计学差异。恶性程度高、分化差由于侵袭性较强，无论FDG代谢或CT细胞密度异质性更强，所以理论上利用FDG PET/CT纹理分析预测PDAC病理学相关特征如脉管侵犯是可行的。

本文所构建的3个RS模型所纳入特征均反映了肿瘤内部FDG代谢或CT组织密度的异质性，需要注意的是，PETCT-RS所纳入CT参数与CT-RS中并不完全一致。mRMR是一种应用较多的特征筛选方法，它能以更可靠的系数和更少的冗余对影像学特征进行降 维［13］，LASSO是 一 种 采 用 了L1正 则 化（L1-regularization）的线性回归方法，采用了L1正则会使得部分学习到的特征权值为0，从而达到进一步精简和特征选择、构建模型的目的［14］。根据各自权重计算获得的RS对LVI具有预测作用，并且其预测效能AUC略高于传统PET代谢参数。此外，相关性分析结果提示三种RS同SUVmax、SUVmean、TLG均有不同程度相关性，再次说明基于18F-FDG PET/CT获得的三种RS同传统代谢参数具有一致性。

本研究存在一些局限性：第一，样本量较少，尚需进一步扩大样本量深入研究印证；第二，缺乏外部验证，本研究仅采用内部交叉验证方式进行自验证以建立获得稳定的模型，PET纹理学特征受到采集条件、重建方式、后续纹理提取方法等多方面影响，需要联合多中心研究、扩大样本量、设定统一的操作标准［15］。本研究中通过同机低剂量平扫CT获得相应纹理参数，我们也期待后续研究中联合增强CT以充分验证多模态影像纹理分析对PDAC生物行为学评估作用［12］。