基于CT 平扫的影像组学列线图模型对高密度胸腺囊肿和低危胸腺瘤的鉴别诊断价值

叶勇军，胡玉敏，孔春丽，吴徐璐，陈家骏，尚 飞，卢陈英

（浙江省丽水市中心医院/温州医科大学附属第五医院放射科，浙江 丽水 323000）

随着胸部CT 体检的普及，纵隔肿物的检出率明显提高。胸腺囊肿，尤其是高密度胸腺囊肿，易误诊为低危胸腺瘤。Ackman 等［1］统计，在不必要的胸腺切除术中，胸腺囊肿占24.3%。影像组学是从医学图像中高通量提取定量特征（纹理特征、强度特征、形状特征及高阶特征等信息），转化为可采集的组学数据，对其进行分析，并达到判断病变性质的目的［2］。本研究探讨基于CT 平扫的影像组学列线图模型鉴别高密度胸腺囊肿和低危胸腺瘤的价值。

1 资料与方法

1.1 一般资料 回顾性分析2015 年6 月至2020 年12 月经手术病理证实的88 例胸腺肿物患者，其中高密度胸腺囊肿40 例，男17 例，女23 例；年龄26～78 岁，平均（53.7±13.6）岁。低危胸腺瘤48 例，男20 例，女28 例；年龄29～80 岁，平均（57.3±12.4）岁。肿块最大径0.8～5.5 cm，平均（2.7±1.6）cm。纳入标准：①术前行CT 平扫，扫描参数统一；②CT 表现为高密度的胸腺囊肿，病理类型为A、AB 和B1 型的低危胸腺瘤；③纵隔肿物为单发病灶，直径＞0.5 cm。排除标准：①CT 平扫图像质量不佳，无法用于分析；②病理类型为B2、B3 和C 型的中高危胸腺瘤；③前纵隔合并其他肿瘤性疾病。采用分层抽样法将88 例患者随机分为训练集70 例和验证集18 例。

1.2 仪器与方法 采用Philips Brilliance iCT 扫描仪。扫描参数：120 kV，150 mAs，准直128×0.625 mm，螺距1，转速0.5 s/r，重建层厚5.0 mm；窗位、窗宽：肺窗为-450、1 500 HU、纵隔窗为30、500 HU。

1.3 图像分割、特征提取及一致性评价 所有图像均以DICOM 格式输出，用于图像特征提取。由2 位分别有4 年和10 年工作经验的放射科医师对所有平扫图像进行评价，最终结果由2 名医师共同商议决定。除外符合以下任意一项者：CT 图像质量差，影响ROI 的勾画；病灶在平扫图像上表现为明显囊变、坏死；肿瘤与周围结构分界不清，难以勾画。将目标病灶术前的纵隔窗平扫图像导入ITK-SNAP 软件获得肿瘤的三维图像。2 名医师独立逐层勾画纵隔窗肿物的ROI（图1），获得病灶的ROI 容积（volume of interest，VOI），包含小范围坏死、囊变。随后将肿瘤的ROI 保存为边界文件（.nii 格式），在1～2 个月后重新勾画ROI。将边界文件及肿瘤的DICOM 格式数据同时导入GE 公司的人工智能工具包（AI Kit，Version：3.0.1.A）计算影像组学特征，包括直方图特征、形态学特征及二阶纹理特征（灰度共生矩阵、游程矩阵等），最后共计算396 个影像组学特征。依次利用ANOVA+Kruskal-Wallis 检验、单因素逻辑回归分析、相关性分析（去冗余r＞0.9）、LASSO 回归分析对影像组学特征降维。2 周后按随机顺序再次勾画，评估ROI 内每个影像组学特征不同时间的一致性。

图1 前纵隔胸腺囊肿（图1a）与胸腺瘤（图1b）CT 平扫图像上的ROI 区域 图2 3个不同影像组学特征及Radscore 在训练集（图2a）和验证集（图2b）的ROC 曲线 图3 基于Radscore 综合评分获得的列线图模型 图4，5 训练集和验证集在列线图模型的校准曲线（横坐标表示预测的可能性，纵坐标表示胸腺囊肿的实际发生率。对角线虚线表示理想的评估，实线和虚线分别表示校正后的偏差和表观偏差的性能；拟合越接近对角线虚线，求值效果越好）

1.4 统计学分析 采用SPSS 26.0 及R 软件进行数据分析。2 组计量资料采用t 检验及Mann-Whitney U 检验比较，计数资料采用χ2检验及Fisher 精确概率法。用验证组数据测试模型。应用多因素logistic回归用于影像组学建模，并使用逐步向后法准则进行变量选择的模型简化，形成可视化列线图。采用组内相关系数（intraclass correlation efficient，ICC）评价2 名医师提取肿物ROI 影像组学特征的一致性。0.4≤ICC≤0.59 为一致性一般；0.59＜ICC≤0.75 为一致性较好；ICC＞0.75 为一致性良好［6］。采用ROC 曲线评估影像组学模型鉴别高密度胸腺囊肿和低危胸腺瘤的效能。以P＜0.05 为差异有统计学意义。

2 结果

2.1 训练集和验证集中2 种胸腺肿物的一般情况（表1，2）训练集70 例（高密度胸腺囊肿32 例，低危胸腺瘤38 例）中，2 种胸腺肿物的病灶边缘差异有统计学意义（P＜0.05）；年龄、性别、病灶直径及病灶形态差异均无统计学意义（均P＞0.05）。验证集18 例（高密度胸腺囊肿8 例，低危胸腺瘤10 例）中，2 种胸腺肿物的病灶直径、病灶边缘、病灶形态、年龄、性别差异均无统计学意义（均P＞0.05）。

表1 训练集中2 种胸腺肿物的一般情况

表2 验证集中2 种胸腺肿物的一般情况

2.2 观察者内和观察者间影像组学特征提取的一致性评价 2 名观察者内的ICC 为0.813～0.889，观察者间的ICC 为0.776～0.933，均＞0.75，一致性良好。

2.3 模型的建立及检验效能评价 在396 个影像组学特征中，最终3 个具有统计学意义的影像组学特征纳入模型，即Sphericity、SizezoneVariability、Short RunEmphasis_AllDirection_offset1_SD。基于这3 个特征计算每例患者的影像组学得分（Radscore）。将每例患者的Radscore 计算为所选特征的线性组合，并建立logistic 回归模型。然后建立基于影像组学评分的可视化微分列线图模型。

该模型在训练集中具有良好的校准和较高的鉴别能力，AUC 为0.916（95%CI 0.825～0.969），敏感度为100.0%，特异度为71.1%；在验证集中，AUC 为0.963（95%CI 0.753～1.000），敏感度为100.0%，特异度为80.0%（图2）。在该模型中，将患者的Radscore 数值在横轴上定位，以该点做一垂线，该垂线在分数轴上的交点为变量的分数，相应在可能性轴上的交点标记为胸腺囊肿的概率值（图3）。该列线图模型在训练集和验证集都得到了良好的校准，具有良好的一致性（图4，5）。

3 讨论

胸腺囊肿是较少见的纵隔病变，占纵隔肿物的2%～3%［3］。而胸腺瘤是最常见的纵隔肿瘤之一，根据WHO 的分类，胸腺瘤根据上皮细胞的形状和淋巴细胞与上皮细胞的比例分为5 种类型（A、AB、B1、B2 和B3），其中A、AB 和B1 型是预后良好的低危胸腺瘤，B2 和B3 型是预后差的高危胸腺瘤［4-5］。随着MSCT 的广泛应用，无症状前纵隔结节检出率明显提高，其中胸腺囊肿占很大比例。由于病理检查（如肿块活检）具有局限性，影像学检查，特别是CT 检查，是术前诊断胸腺囊肿的最重要依据［6］。但胸腺囊肿易误诊为胸腺瘤，导致患者接受不必要的手术治疗［7］。误诊原因主要是胸腺囊肿的密度大于一般意义的囊肿，其CT 值＞20 HU，属实性密度病灶的范畴，导致术前误诊［8］。此外，Yamazaki 等［5］认为，低危胸腺瘤在形态上接近球形或椭圆形，也增加了误诊率。本研究中，胸腺囊肿均表现为实性病灶；胸腺囊肿及胸腺瘤形态上多表现为圆形或椭圆形（78/88）。

胸腺囊肿内通常含有不同浓度的蛋白质，较高的蛋白质水平或合并出血是胸腺囊肿CT 表现为实性密度的主要原因［9］。近期研究认为，实性密度胸腺囊肿病理表现为有分泌功能的假复层纤毛柱状上皮或纤毛柱状上皮覆盖，囊壁上皮细胞排列较密实，囊液浑浊；胸腺结节密度值不能作为判断胸腺囊肿和胸腺肿瘤的依据［10-11］。本组患者多为基于CT 平扫的肿瘤筛查偶然发现，病灶相对较小，且无明显临床症状，因此，开发一种基于CT 平扫影像组学特征的诊断列线图预测模型有较高的临床应用价值。

影像组学能够提供基于灰度分布不受主观分析影响的定量异质性测量，其能够比传统方法提取更多数量的不可见病变特征，且具有更好的重复性［12］。纹理分析可应用于各种数字图像，从而提供更多信息，以鉴定具有相似形态特征的2 种肿瘤，有助于揭示肿瘤行为的独特信息［13］。研究表明，影像组学特征或许能成为肿瘤病变检测、亚型分类、治疗反应和预后评估的成像标志物［14-15］。本研究以胸腺囊肿和胸腺瘤为研究对象，获得了396 个组学特征，其中关联最好的3 个特征包括Sphericity、SizezoneVariability、ShortRunEmphasis_AllDirection_offset1_SD，这些特征是区分胸腺病变病理类型的独立因素，其通过LASSO回归分析后计算得到影像组学得分。本研究中，高密度胸腺囊肿及低危胸腺瘤多为偶然发现，缺乏临床特异征象，CT 平扫征象差异亦无统计学意义，因此影像组学列线图中未将上述征象列入，但结果也显示出良好的预测效果（训练集AUC 为0.916，验证集AUC 为0.963），敏感度及特异度均较高。训练集和验证集的预测校准曲线与理想曲线一致性较高。决策曲线分析表明，影像组学列线图在本研究中具有一定的临床应用价值。

本研究的局限性：①样本量小导致验证集患者较少，可能导致结果不稳定。②勾画ROI 时，因部分肿块边缘欠清晰或部分容积效应的影响，导致准确率降低，且病灶坏死、囊变会在一定程度上影响影像组学的分析结果。③考虑到本模型应用的广泛性及经济性，未将CT 增强扫描图像纳入分析，但结果表明基于CT 平扫图像的影像组学列线图模型已具有较高的诊断效能。

总之，影像组学通过从CT 图像中提取潜在的重要数据及特征，对高密度胸腺囊肿和低危胸腺瘤有重要的鉴别诊断价值，提供了一种新的无创性方法。基于CT 平扫的影像组学特征的可视化列线图模型可作为偶然发现的纵隔肿瘤一种新的辅助诊断方法，可能具有良好的临床应用前景。