基于胸部CT 平扫纹理特征预测肺癌Ki-67 表达水平的可行性研究

宋 晶，谢 利

（1 济宁市第三人民医院医学影像科 山东 济宁 272100）

（2 济宁市第三人民医院医学放疗科 山东 济宁 272100）

肺癌是我国高龄人群的高发癌症，肺癌的恶性程度与不可控细胞增殖直接相关[1]。目前Ki-67 的表达已被证实与多种肿瘤的细胞增殖有关，同时也被证明是肺癌的预后影响因子[2]。在治疗的选择中Ki-67 能起到早期诊断与制定个体化治疗方案的辅助作用[3]。因此，检查Ki-67 表达具有重要临床意义，然而，临床上Ki-67 只能通过免疫组化染色进行定量检测，对于不适于手术治疗与无法进行Ki-67 免疫组化染色的医院则无法获得Ki-67表达数据。

图像纹理特征分析是目前大量用于肿瘤研究中的量化图像手段，CT 平扫纹理分析能将肿瘤病变内不同细微像素变化的特征转为可视化数据的一种量化方法,能发现肉眼无法观察的组织病理病变[4]。本研究组提出科学假说，CT 平扫的肿瘤图像纹理特征能从肿瘤微观层面量化图像数据进一步反应Ki-67 的表达程度，因此，本研究拟采用胸部CT 平扫图像纹理特征进行Ki-67 高低表达的预测，帮助临床制定患者个体化治疗方案提供有效证据。

1 资料与方法

1.1 一般资料

本研究为回顾性研究，收集2021年1月—2022年10月在济宁市第三人民医院病理诊断为肺癌且进行Ki-67 免疫组化染色检测的患者胸部CT 平扫图像。

纳入标准：①术后获得肿瘤病理结果为肺癌的患者；②病理标本进行Ki-67 表达检测。排除标准：病理诊断属于肺部其他肿瘤的患者。所有患者签署知情同意书。

1.2 方法

1.2.1 分组方法 获得术后病理结果，将Ki-67 高表达分为A 组，Ki-67 低表达分为B 组，记录患者临床资料与实验室检查。

1.2.2 设备 采用美国通用电气256 排螺旋CT（GE Revoulution 256CT)扫描，管电流采用自适应毫安秒技术，管电压120 kV，矩阵512×512，扫描层厚0.6 mm，层间距为0.6 mm，机架转运速度0.6 s/r，螺距0.6，采用迭代重建技术重建。

1.2.3 纹理特征提取 将胸部CT 平扫软组织窗原始数据以DICOM 格式导入MaZda4.6 软件进行勾画（http://www.eletel.p.lodz.pl/mazda/），将肺部肿瘤所有层面ROI 融合成容积ROI，利用软件纹理特征提取功能，输出ROI 中的105 个图像纹理特征，特征包括：直方图特征（均值、方差、偏态系数、峰度等）、绝对梯度（均值、百分比梯度、方差等），游程长度非均匀性、灰度非均匀性、共生矩阵、差熵、逆差矩等。

1.2.4 肿瘤Ki-67 检测 所有手术后肿瘤病理按照使用说明书进行免疫组织化学EliVision plus 试剂盒及人Ki-67 单克隆抗体（厦门通灵生物E P R3611）行免疫组织化学染色，显微镜采用80 倍放大系数观察，Ki-67 阳性细胞数目大于50%为高表达，小于50%则为低表达[5]。

1.2.5 图像归一化与纹理特征降维 利用MaZda4.6 中的μ±3σ 进行归一化，归一化采用图像中所有ROI 原始灰度平均值进行动态范围缩减，最终限制变化为±3 μm 的图像灰度误差，已达到最大限度地减少不同ROI 中的对比度和明亮度对灰度值的影响。利用MaZda 中内置的优化选择纹理特征降维工具进行提取的特征降维，使用降维方法为最小分类误差与最小平均相关系数法。

1.3 统计学方法

使用SPSS 22.0、medcalc（https://www.medcalc.org/）统计软件处理数据。符合正态分布的计量资料以均数±标准差（）表示，采用t检验，不符合正态分布的计量资料以中位数（四分位间距）[M（Q1，Q3）]表示，采用Wilcoxon Mann-Whitney 秩和检验；计数资料以频数（n）、百分率（%）表示，采用χ2检验。数据特征提取算法采用MaZda4.6 中的Fisher 系数与交互信息算法筛选，筛出预测Ki-67 高低表达独立风险因素并建立模型。采用受试者工作特征（ROC）曲线分析预测模型诊断效能。以P＜0.05 为差异有统计学意义。

2 结果

2.1 两组患者一般资料比较

两组患者一般资料比较，差异均无统计学意义（P＞0.05），见表1。

表1 两组一般资料比较

2.2 两组患者纹理特征比较

共提取非小细胞肺癌图像ROI 中67 个特征，经过MaZda 中内置的优化选择纹理特征降维工具处理后获得4个纹理特征值，两组比较差异有统计学意义（P＜0.05），见表2。

表2 两组纹理特征值比较[M（Q1，Q3）]

2.3 预测模型建立

二元logistics 回归方程结果显示，FrequencySize（频率大小）、Compactness（致密度）、HaraEntroy（原始熵)为预测非小细胞肺癌Ki-67 表达高低的独立影响因素（P＜0.05），见表3，建立预测模型为：Logit（P）=1.713+ HaraEntroy×4.253+ FrequencySize×0.124+Compactness×1.356，Logit（P）的ROC 曲线下面积为0.897，取阈值为4.335 时，灵敏度及特异度分别为91.2%、86.7%，见图1。

3 讨论

Ki-67 核蛋白与细胞增殖相关，是常用的细胞增殖标志物，Ki-67 的表达期在有丝分裂期升高后降低，在分化较差的肺癌中Ki-67 表达水平高且与肿瘤的转移、侵袭相关[6]。目前尚无一种可靠的无创性检查肺癌Ki-67表达高低的方法，对于术前进行Ki-67 高低表达有利于联合靶向药物进行转移的抑制。本研究两组患者一般资料与肺癌肿瘤标志物癌胚抗原不具有统计学意义（P＞0.05），表明肺癌肿瘤标志物能预测肺癌发生但无法预测Ki-67 表达高低，本研究中联合肺癌纹理特征分析则能有效进行非小细胞肺癌的Ki-67 表达高低预测。

本研究中67 个纹理特征中经过MaZda 中内置的优化选择纹理特征降维工具处理后剩余4 个差异具有统计学意义的特征，可为非小细胞肺癌的Ki-67 表达高低进行预测。本研究所有患者均进行手术切除，术后取得病理切片进行免疫组织化学EliVision plus 检测肿物的Ki-67 表达高低，以Ki-67 表达高低进行分组研究，降维后单因素分析结果显示FrequencySize（频率大小）、Compactness（致密度）、HaraEntroy（原始熵）为预测非小细胞肺癌Ki-67 表达高低的独立分析因素，以独立风险因素建立模型为Logit（P）=1.713+ HaraEntroy×4.253+ FrequencySize×0.124+Compactness×1.356，Logit（P）的ROC 曲线下面积为0.897，最高诊断敏感性为91.2%、特异性为86.7%。在联合预测模型Logit（P）中的纹理特征FrequencySize 表示的是肿瘤图像中的像素分布频率大小，肿瘤像素频率分布的不均匀则表示肿瘤中异质性越大，因Ki-67 表达与肿瘤的增殖相关，肿瘤的增殖越频繁，则会导致肿瘤内部成分复杂、变化率高，所以图像特征表示为素频率分布的不均匀[1,7]。HaraEntroy、Compactness 则分别为肿瘤中密度的不同,会导致病变特征值分布不均匀，在Ki-67 表达高的组别中明显发现肿瘤存在内部像素、直方图分布不均，这与肿瘤的恶性程度相关，因肿瘤恶性程度高的Ki-67 表达高，导致肿瘤内部可能出现微小出血点与新生血管的生成，在细小出血中Compactness 可表示出血点的凝集与再发的过程[8-10]。因此在判断非小细胞肺癌预测Ki-67 表达中，FrequencySize、Compactness、HaraEntroy 能综合肿瘤的内部密度是否稳定、临近是否变化跨度大侧面反映肿瘤的Ki-67 表达，进一步达到预测的效果。

本研究局限性：样本量偏小且未进行肿瘤患者的预后分析，对于CT 平扫纹理特征预测Ki-67 表达指导临床合理治疗的预后需要进一步研究。

综上所述，对于非小细胞肺癌患者的纹理特征提取能有效预测Ki-67 表达的高低情况，可以为评估肿瘤及其侵袭性提供无创性技术手段。