基于PET影像组学鉴别鼻咽癌及原发鼻咽淋巴瘤

林莉莉 李昂 季仲友 蒋韩 福建医科大学附属协和医院PET/CT室 （福建 福州 350001）

内容提要：目的：探讨PET影像组学方法对鼻咽癌及原发鼻咽淋巴瘤鉴别诊断的意义。方法：回顾性分析89例鼻咽癌（NPC）原发鼻咽淋巴瘤（PNL）患者，提取PET影像组学特征，进行Logistic回归建模，得到模型参数，并建立模型方程。结果：NPC患者58例，PNL患者31例（NK/T细胞淋巴瘤10例，弥漫大B细胞淋巴瘤21例），采用低方差滤波法及LASSO法，将PET影像组学特征缩减到12个，共有4个特征（Small Dependence High GrayLevel Emphasis、Run Percentage、Short Run Low Gray Level Emphasis、Short Run Low Gray Level Emphasis）的系数具有统计学意义（P＜0.05）。模型AUC为0.913（95%CI：0.857～0.969），灵敏度0.935，特异度0.724，准确度0.798。结论：PET影像组学方法可以作为鉴别NPC和PNL的可用方法。

鼻咽癌（Nasopharyngeal Carcinoma，NPC）和鼻咽淋巴瘤（Primary Nasopharyngeal Lymphoma，PNL）是最常见的两种鼻咽恶性肿瘤。由于NPC和PNL可能有相类似的临床症状，如鼻出血，鼻塞，头痛等，二者的鉴别诊断比较困难。并且这两种肿瘤在生物学行为、治疗以及预后方面都有很大不同。准确的诊断对于优化个体治疗方案至关重要。因此早期鉴别NPC和PNL具有重要的临床意义。目前，鼻咽部肿瘤的影像诊断主要包括MR，CT和PET/CT。前两者可以提供局部的解剖信息及血流信息，而PET/CT除了能提供全身的解剖信息外，还可以提供肿瘤的代谢信息，这对于鼻咽部肿瘤的分期、治疗和疗效评估方面更具优势。然而，NPC和PNL通常具有相似的影像学表现，因此在影像学诊断上有一定困难[1]。影像组学可以提供医学图像上更深层次的纹理信息，目前在肿瘤的鉴别诊断、疗效评估及预后方面都有较多的研究。本次回顾性研究采用影像组学方法，建立基于PET影像组学诊断模型来鉴别NPC及PNL，为二者的鉴别诊断提供新思路。

1.资料与方法

1.1 临床资料

收集2015年1月～2020年12月在本院行18F-FDG PET/CT显像并经病理确诊为NPC及PNL的89例患者，年龄30～84岁，平均（52±14.2）岁；所有患者均于检查前签署了知情同意书，本研究获得了单位伦理委员会的批准。

纳入标准：①治疗前接受PET/CT检查；②经鼻咽镜和/或淋巴结活检，病理确诊为NPC和PNL（NK/T细胞淋巴瘤或弥漫大B细胞淋巴瘤）；③PET结果呈阳性，显示SUVmax＞2.5。排除标准：①术前经过其他方法治疗，如化疗、放疗、免疫治疗等；②既往有恶性肿瘤病史或同时存在其他原发性肿瘤；③病理诊断不明，或为其他类型鼻咽恶性肿瘤；④PET结果呈阴性或SUVmax＜2。

1.2 PET/CT显像

采用GE公司生产Discovery LS PET/CT，18F-FDG购自南京江原安迪科正电子研究发展有限公司福州分公司（辐射安全许可证编号：闽环辐证[00203]）。患者在检查前需禁食6h以上，控制血糖范围在3.9～7.5mmol/L。经静脉注射185～370 MBq18F-FDG后，安静休息约45～60min，排尿后仰卧位上机扫描。范围自颅顶部至大腿根部，采取头颈部和躯干分段扫描，CT扫描采集条件分别为120kV，150mA，矩阵512×512，层厚4.25mm。PET以2.5min/床位的速度采集。应用CT数据进行衰减校正。

1.3 图像分割

每例患者均由两名有5年工作经验的PET/CT医师共同确认及勾画靶病灶。在3D Slicer 4.11.2软件上对治疗前PET/CT图像在PET图像上手动勾画鼻咽部病灶的VOI，对每个VOI均提取PET影像组学特征，包括一阶特征、形状特征、纹理特征以及小波滤波后的特征。

1.4 统计学分析

采用R4.0.3软件，用Shapiro-Wilks检验确定参数正态性，用低方差滤波法以及LASSO法剔除冗余特征，用Logistic回归建模。计算模型的准确性，灵敏度、特异度、以及模型的ROC曲线下面及AUC。P＜0.05表示有统计学意义。

2.结果

共89例患者，NPC患者58例，PNL患者31例（NK/T细胞淋巴瘤10例，弥漫大B细胞淋巴瘤21例），每个患者提取PET纹理特征128个，通过低方差滤波法及LASSO法剔除冗余特征，得到12个特征参数，包括一阶特征个2个（X90Percentile、Kurtosis）、形状特征3个（Flatness、Least Axis Length、Minor Axis Length），gldm特征1个（Small Dependence High Gray Level Emphasis），glrlm特征4个（Long Run High Gray Level Emphasis、Run Percentage、Short Run High Gray Level Emphasis、Short Run Low Gray Level Emphasis），glszm特征2个（Small Area High Gray Level Emphasis、Small Area Low Gray Level Emphasis）。见表1。

表1.PET影像组学参数及其系数

将上述参数纳入Logistic回归方程，4个参数（Small Dependence High Gray Level Emphasis、Run Percentage、Short Run Low Gray Level Emphasis、Short Run Low Gray Level Emphasis）的系数有统计学意义。见表1。

最终建立的模型为：

Radioscore=10.50175-213.661*SmallDependenceHigh GrayLevelEmphasis-13.8054*RunPercentage+5.02078*Short RunHighGrayLevelEmphasis-12.7318*ShortRunLowGrayLevelEmphasis。

影像组学预测模型的ROC曲线下面积（AUC）为0.913（95%CI：0.857～0.969），灵敏度0.935，特异度0.724，准确度0.798。见图1。

图1.影像组学预测模型的ROC曲线

3.讨论

NPC是来源于鼻咽上皮细胞的肿瘤，发病率因地理位置而异，主要流行于东南亚[2]。NPC的年龄分布呈双峰型，多发生在青少年及55～59岁中年群体中[3]。NPC的治疗主要以放疗及化疗为主。PNL是一种少见的结外淋巴瘤，具有多种组织病理学亚型，不同地区不同亚型的发病率差异很大，弥漫大B细胞淋巴瘤和NK/T细胞淋巴瘤是两种最常见的病理类型[4,5]。NPC和PNL的鉴别诊断，国内外已经有较多的研究，大多研究集中在MR和CT诊断方面[6-8]。在PET/CT方面，NPC和PNL的鉴别诊断的研究多是用传统PET半定量参数，如SUVmax，SUVmean，MTV，TLG等，但其诊断效能较低，无法成为鉴别诊断的要点[9]。PET/CT对二者的鉴别诊断更依赖于病变形态、范围、深部结构浸润、淋巴结坏死等方面表现进行综合评估[10]。

影像组学可用于捕获组织和病变特性，例如形状和异质性，以及在连续成像中，它们随时间的变化。在肿瘤学上，组织异质性的评估是特别重要的，基因组分析已经证明，肿瘤异质性程度是生存预后决定的[11]。研究表明，影像组学特征与细胞水平的异质性指数密切相关。并且影像组学特征也与肿瘤侵袭性有关。目前，影像组学特征也被建议用于预测临床终点，如生存和治疗反映，并与基因组、转录组或蛋白质组特征直接相关。

本研究有意义的参数一个来自灰度依赖性矩阵（Gray Level Dependence Matrix，GLDM），3个属于灰度游程矩阵（Gray Level Run Length Matrix，GLRLM）。灰度依赖性矩阵（GLDM）反映的是中心像素或体素与其邻域之间的灰度关系。其中Small Dependence High Gray Level Emphasis反映的是高灰阶像素依赖中心像素的小依赖性。灰度游程矩阵（GLRLM）给出了每个灰度级的均匀游程的大小，描述了灰度级在指定的方向上连续出现的次数，其反映的是图像纹理的均匀性。其中Run Percentage是测量均匀游程的同质性；Short Run High Gray Level Emphasis是测量高灰度级的短期均匀游程的分布，主要反映的是高灰阶像素的分布特点。Short Run Low Gray Level Emphasis是测量高灰度级的短期均匀游程的分布，主要反映的是低灰阶像素的分布特点。

本研究得到的模型参数均为深层次的纹理特征，这可能与纹理特征可以一定程度上反映肿瘤的异质性及组织学来源差异的有关。模型的灵敏度表现较好，特异度尚有待提高，总体准确度接近80%。PET影像组学方法可以作为鉴别NPC和PNL的可用方法。

本研究的不足之处：①样本量较少，没有对NK/T细胞淋巴瘤及弥漫大B细胞淋巴瘤进行分层；②影像组学模型未经外部验证；③影像组学模型仅是单一中心研究，尚需多中心进行验证。