基于磁共振T2WI 影像组学在预测直肠癌术前淋巴结转移的应用研究

施 新，张菊香，黄 娟

（上海市第十人民医院崇明分院影像科，上海 202157）

直肠癌是消化道最常见的肿瘤之一，也是癌症死亡第二大原因[1]。直肠癌术前评估淋巴结是否存在转移可以为确定进行辅助治疗或追加手术切除等方面提供重要信息[2]。磁共振由于其高分辨率，广泛用于直肠癌的早期诊断及临床治疗指导。但磁共振评估淋巴结状态多基于形态学，如大小、形状等，识别淋巴结是否为转移的效能有限[3]。影像组学可以高通量地从医学图像中提取、挖掘肉眼无法检测的定量图像特征及代谢、生物信息，在肿瘤早期诊断、治疗评估和预后预测等方面发挥重要作用。本研究回顾性分析2018 年1 月—2020 年1 月经手术病理证实的67 例直肠癌患者，基于T2WI 序列建立影像组学模型，探讨该模型预测直肠癌淋巴结转移的价值。

1 资料与方法

1.1 一般资料 直肠癌患者67 例，其中男性45 例(67.2%)，女性22 例(32.8%)，年龄29～90 岁，平均63.6±12.2 岁；经手术病理证实，其中淋巴结转移39例，无淋巴结转移28 例。纳入标准：(1)术前2 周内行直肠MRI 检查；(2)行根治性手术，术后病理证实为直肠腺癌，并对所有淋巴结进行评估。排除标准：(1)T2WI 图像质量欠佳，影响图像分割及特征提取；(2)术前接受过靶向治疗或免疫治疗等。

1.2 磁共振检查方法 采用联影uMR-560 1.5T 核磁共振仪器及腹部相控阵线圈，患者检查前禁食4小时以上，检查前使用开塞露1 支以清洁肠道。主要扫描序列包括：横断面及矢状面T2WI，横断面T1WI、DWI 及增强扫描。横断面T2WI 扫描参数为：TR 3 500 ms，TE 101 ms，FOV 180 mm，矩阵320×320，层厚3 mm，层数25，无脂肪抑制。

1.3 影像组学分析

1.3 .1 病变分割及特征提取：将匿名化后的直肠癌病变T2WI 序列DICOM 图像导入Dr.Wise 科研平台(http：//keyan.deepwise.com)，由两名放射科医生(分别具有5 年及7 年直肠MRI 阅片经验)手动勾画病灶最大层面边界，随后向病灶上下层面自动拓展，自动生成病变的体积感兴趣区(volume of interest，VOI)，见图1。通过组间相关系数(intraclass correlation coefficient，ICC)评估其再现性，ICC＞0.8 说明两位观察者间组学特征提取的一致性较好。在平台上提取基于10 种图像预处理的7 类影像组学特征，包括一阶特征(first order features)、形状特征(shape features)、灰度共生矩阵(GLCM features)、灰度区域矩阵(GLSZM features)、灰度游程矩阵(GLRLM features)、灰度相依矩阵(GLDM features)和邻域灰度差分矩阵(NGTDM features)，共1 906 个特征。

图1 在Dr.Wise 科研平台上对病灶范围进行手动分割

1.3 .2 模型构建及评估：采用特征相关性分析方法对特征进行处理，当2 个特征的线性相关系数＞0.9时，移除其中一个特征，以达到缓解特征冗余性的目的。采用基于方差分析的特征筛选方法对特征进一步筛选。采用支持向量机的方法对纳入的特征进行分析建模，并采用受试者工作特征曲线(receiver op erating characteristic，ROC)评价模型在预测直肠癌术前淋巴结转移的诊断效能。

1.4 统计学处理 采用SPSS 22.0 统计学软件对数据进行分析。符合正态分布的计量数据以±s 表示。采用K 折交叉(K=5)验证将样本分为测试集与验证集，其思想是将样本分成5 份，轮流将其中4 份做训练、1 份做验证，循环5 次的结果取均值作为对算法精度的估计，最终在100%数据上训练模型，相比于随机拆分是一种更强的模型验证方法。在平台上对影像组学特征进行筛选后，采用支持向量机分析建模，绘制ROC 曲线，以曲线下面积(area under the curve，AUC)评估模型的诊断效能，并计算准确度、敏感度及特异度。P＜0.05 为差异具有统计学意义。

2 结 果

67 例直肠癌患者中出现淋巴结转移39 例，无淋巴结转移28 例。训练集及验证集的AUC 值分别为0.91(95%CI：0.85～0.97)和0.75(95%CI：0.63～0.87)。影像组学模型预测直肠癌术前淋巴结转移的敏感度、特异度、准确度、阳性预测值及阴性预测值在训练集分别为87%、64%、78%、77%和78%，在验证集分别为74%、50%、67%%、67%和58%。评价模型在预测直肠癌术前淋巴结转移的诊断效能的ROC 曲线见图2～3，决策曲线显示预测模型有临床获益，见图4。

图2 影像组学模型预测直肠癌术前淋巴结转移（训练集）

图3 影像组学模型预测直肠癌术前淋巴结转移（验证集）

图4 决策曲线评估临床获益

3 讨 论

高分辨率磁共振是识别直肠癌临床分期最常用的检查方法，国内外关于预测直肠癌淋巴结状态的研究大多基于磁共振影像组学。本研究通过提取直肠癌患者磁共振T2WI 图像病灶的影像组学特征，建立模型预测直肠癌患者淋巴结转移,结果显示，训练集和验证集中模型预测直肠癌患者术前淋巴结转移的ROC 曲线下面积分别为0.91 和0.75，训练集的敏感度为0.87，特异度为0.64，准确度为0.78；验证集的敏感度为0.74，特异度为0.50，准确度为0.67。说明该影像组学模型对直肠癌患者术前淋巴结转移具有良好的预测价值。

有学者建立基于增强CT 的影像组学模型用于预测直肠癌淋巴结状态，也获得较好效能[5-6]。张晓燕等[7]建立4 个基于MRI 影像组学模型预测淋巴结状态，其中最优模型在验证组中的AUC 值为0.795。YANG 等[8]建立磁共振影像组学模型预测淋巴结状态，在验证组的AUC 值为0.80。临床工作中常规使用的磁共振查序列，包括T1WI、T2WI、DWI 及增强T1WI 等。ZHOU 等[9]建立基于多参数(包含T1WI、T2WI、ADC 及增强T1WI)的磁共振图像的影像组学模型，对预测淋巴结状态具有较好的诊断效能，在验证组的AUC 值为0.783，结合临床指标后的合并模型的AUC 值为0.801。李梦蕾等[10]通过建立临床-影像组学列线图术前预测结直肠癌淋巴结转移，显示该模型也具有良好的鉴别和校正能力。但大多数学者在研究磁共振影像组学预测淋巴结转移中采用T2WI 序列，T2WI 图像主要突出组织间横向弛豫的差别，反映磁场微环境波动特征的不同，自旋质子间频率差异不大，因此能量传递更快，图像对比度较大，能较好显示正常组织与病变组织的差异。LI 等[11]基于T2WI 图像建立预测淋巴结转移模型，其验证组的AUC 值为0.749。本研究也采用T2WI 图像进行影像组学建模预测淋巴结状态，验证集的AUC 值为0.75，同样达到较好的诊断效能。

大多数影像组学分析通常在病灶最大层面进行分割，为了提高组学模型的预测性能，本研究采用手动方法进行三维VOI 分割，其原因一方面是熟练的放射科医生能精准分割病灶边界[12]，另一方面是关于直肠癌病变的自动或半自动分割方法尚不完善。本研究选择的影像组学特征包括2 类，一类是基于特征类，包括一阶统计量特征、形态特征及，纹理特征；另一类是基于过滤器类，包括小波分析、对数特征等。一阶特征及形态学特征我们易于理解，但纹理特征及小波分析等高阶统计特征通常无法通过肉眼直观检查，但可能与潜在的病理特征或基因突变、分子通路等有关，能够反映肿瘤的生物学特性和异质性。最后，临床决策曲线显示该模型在临床中是有获益的。

综上所述，基于磁共振T2WI 的影像组学模型在预测直肠癌患者术前淋巴结转移中具有较好价值，有助于推进个体化精准治疗。本研究为单中心回顾性研究，样本量较少，未结合临床特征，也未分析瘤周组织，结合瘤周磁共振影像组学特征可能有助于提高直肠癌淋巴结转移的识别效果，今后还需开展多中心、前瞻性、大样本量的深入研究。