食道CT 平扫纹理分析预测食道癌化疗预后的可行性研究

彭芳芳，邵 针

（济宁市兖州区人民医院影像科 山东 济宁 272100）

食道癌是一种病死率极高的恶性肿瘤，其主要治疗方式为手术切除，但对于食道上段较大的肿瘤手术较难完成，需进行化疗后手术或直接放疗、化疗联合治疗[1]。目前评估食道癌病变的依据主要包括食道内超声、CT、MRI、PET 等[2]，以上检查对于食道癌化疗后是否能都达到减小肿瘤并进一步手术治疗仍无明确方法[3]。因此，如何判断化疗后是否能缩小肿瘤，为化疗后指定手术方案提供影像学证据是目前需要解决的临床问题。图像纹理特征分析是一种能区分病变的异质性的处理方法，其通过量化肿瘤CT 图像内高通量数据，进一步分解肿瘤内无法被肉眼观察的生物学信息，从而达到预测化疗敏感性的目的[4]。食道癌组织病理不同表示存在不同化疗敏感性的病变，在不同组织病理中肿瘤的血管生成与坏死程度也不相同，因此利用图像纹理特征对肉眼无法观察的细微肿瘤血管生成、坏死等信息提取，侧面反映不同化疗敏感性，从而达到分析食道癌肿瘤放疗疗效的目的。本研究拟采用食道CT 平扫图像纹理特征进行预测食道癌化疗预后效果，帮助临床判断上段较大的肿瘤是否能通过化疗后缩小肿瘤并进行手术。

1 资料与方法

1.1 一般资料

回顾性收集2021 年10 月—2023 年2 月在济宁市兖州区人民医院临床诊断为食道癌患者85 例的CT 图像及临床资料。纳入标准：①术前6 周内进行过食道CT扫描；②患者规范化化疗3 个疗程后进行食道CT 平扫复查。排除标准：同时联合了化疗、放疗的食道癌患者。所有患者均签署知情同意书。

1.2 方法

1.2.1 分组方法 以规范化化疗3 个疗程后食道CT数据进行分组，参照WHO实体瘤疗效标准，分为完全缓解、部分缓解、无变化、进展4 级标准。完全缓解：患者肿瘤消失，连续4周以上无复发；部分缓解：肿瘤缩小50%以上，维持4 周无增长；无变化：肿瘤体积减小未达50%；进展：肿瘤增加25%。将完全缓解、部分缓解患者定义为化疗预后好，并设为A 组；将无变化、进展定义化疗预后差，定义为B 组，记录患者糖类抗原125、糖类抗原199。

1.2.2 设备 采用通用电气256 排螺旋CT（GE Revoulution 256 CT），使用1 024×1 024 高分辨率矩阵，层厚0.6 mm，层间距0.6 mm，螺距0.5，管电压120 kV，管电流200 mAs。

1.3 纹理特征提取

利用Omni-Kinetics 软件将食道CT 平扫原始进行逐层ROI 勾画，将所有勾画层面融合成三维ROI，利用软件内置提取功能提取特征，共提取67 个纹理特征，见图1。

图1 感兴趣区特征提取、建模流程图

1.4 化疗方案

选取140 mg/m2紫杉醇混合500 mL 5%葡萄糖溶液静脉滴注治疗，滴注3 h 内完成；化疗1 ～3 天，后选择30 mg/m2顺铂混合100 mL 0.9%氯化钠注射液静脉滴注治疗，滴注2 h 内完成。化疗3 周为1 个疗程，共计3 个疗程[5]。

1.5 统计学方法

采用MedCalc®统计软件进行数据处理，符合正态分布的计量资料以均数±标准差（± s）表示，采用t检验，非正态分布以中位数（四分位间距）[M（Q1，Q3）]表示，使用秩和检验。计数资料以频数（n）、百分率（%）表示，采用χ2检验，使用皮尔逊相关系数进行有统计学差异纹理特征参数降维，P＜0.05 为纹理特征参数具有相关性，剔除具有相关性的纹理参数纳入二元Logistics 回归分析，筛选预测食道癌化疗预后的最佳参数组合并建立预测模型。对食道癌患者化疗预后风险因素与Logistics 模型采用受试者操作特征（receiver operating characteristic，ROC）曲线分析诊断效能。

2 结果

2.1 两组一般资料比较

两组患者年龄、性别比例、糖类抗原125、糖类抗原199 差异均不具有统计学意义（P＞0.05），见表1。

表1 两组患者一般资料、实验室检查资料比较

2.2 特征比较

食道CT 平扫提取67 个肿瘤纹理特征，6 个特征值差异具有统计学意义（P＜0.05），见表2，其中差分熵与同质性（r=-0.72，P=0.04）、正像素分布第90 个百分位点（r=0.77，P=0.01），能量特征与最大限度（r=-0.81，P=0.02）、同质性（r=-0.88，P=0.03），相关性与同质性（r=0.82，P=0.04）参数存在相关性，61 个纹理特征值无显著差异（P＞0.05）。

表2 纹理特征值比较[M（Q1，Q3）]

2.3 模型建立

Logistics 回归方程结果显示TotalEnergy、Maximum与Homogeneity为预测食道癌化疗预后的独立风险因素，见表3，其预测模型为：Logit（P）=-1.876+Maximum×3.975+TotalEnergy×- 4.537+Homogeneity×4.245，Logit（P）的ROC 曲线下面积为0.878，取阈值为0.534 56 时，灵敏度及特异度分别为89.6%、84.2%，见表4、图2。

表3 独立风险因素二元Logistics 回归分析

表4 独立分析因素与二元Logistics 的ROC 分析

图2 危险因素与联合模型Logit（P）预测食道癌化疗预后ROC 曲线图

3 讨论

食道癌患者是否能够进行手术切除与肿瘤大小、侵犯范围有关。部分食道癌患者无法直接手术，需要进行化疗后，肿瘤缩小到一定程度才可进行手术。早期预测患者食道癌化疗预后可为临床提供更多有效信息。本研究两组患者肿瘤标志物差异无统计学意义，与以往研究结果类似[6]，表明肿瘤标志物无法预测食道癌化疗预后情况。本研究中提取67 个纹理特征值中，发现差分熵、同质性、正像素分布第90 个百分位点、能量特征、最大限度、相关性6 个食道癌纹理特征能够进行化疗预后的预测，此6 个特征可提供食道癌大小、稳定性、侵袭性等信息，从而预测化疗预后。

朱宗明等[7]进行CT 纹理分析预测食道癌T 分期发现，肿瘤纹理能够通过血供情况、基底膜完整性、黏膜层扩散性等预测出食道癌的T 分期，主要是纹理分析可以反映肿瘤的异质性相关信息。食道癌不同分期化疗效果不同，因此本研究利用肿瘤的纹理分析进行预测化疗疗效。纹理分析能预测肿瘤化疗敏感性的主要原因是不同分化程度、血管情况的食道癌对化疗药物的敏感性不同，而纹理分析则可很好定量肉眼无法观察的肿瘤分化程度、血管情况，因此能够一定程度预测化疗效果[8-9]。本研究利用CT 平扫图像为基础提取肿瘤特征显示能量特征、最大限度、同质性为独立分析因素，其中能量特征、最大限度表示病变特征能量分布对称性大小、频率变化等，病变的血管生成、肿瘤分化程度不同导致肿瘤的能量特征改变[10]，在食道癌的化疗中病变的血管简单、分化程度越高则预示化疗效果较好，这些病变能影响相关纹理特征值的变化，此信息由纹理特征中的能量特征、最大限度反映出来。同质性则表示图像在各相邻灰阶中的一致性与相关程度，肿瘤若邻近同质性越大表示肿瘤内出血、钙化等病变越少，本研究中A 组预后较好患者同质性较大，表明化疗预后较好的患者肿瘤内出血与钙化等病变较少。相关性表示局部纹理特征内强度变化和同质区域的分布情况，被证明在不同肿瘤中都具有鉴别良恶性、基因型等能力，在本研究中相关性单因素中具有差异，但与同质性具有相关性，因此被排除在模型外。

综上所述，对于食道癌患者行CT 平扫纹理分析可快速获得肿瘤内部重要信息，对于无法直接手术的食道癌患者提供化疗的影像学证据，为临床手术与后续治疗方案提供影像学信息。