基于多模态MRI 影像组学特征构建胃癌淋巴结转移预测模型

胡文锋，邱剑，方俊

九江市第三人民医院 （江西九江 332000）

胃癌是世界性重大健康问题，是癌症死亡的第三大原因[1]。胃癌淋巴结转移是胃癌预后差的主要风险因素之一，对指导治疗方案的选择具有重要意义[2-3]。随着微创内镜技术的发展，对于无淋巴结转移的早期胃癌患者，临床推荐使用内镜下黏膜切除术或内镜下黏膜剥离术进行治疗，而非D2 淋巴结清扫术。内镜下黏膜剥离术可导致患者管理方案效果较差及出现淋巴结转移[4-6]。前哨淋巴结技术被用于治疗多种肿瘤，可避免不必要的淋巴结清扫[7-10]，但术中前哨淋巴结清扫假阴性率较高[11]。淋巴结形态学改变与胃癌淋巴结转移病理结果并非强相关，如小淋巴结可能已经出现胃癌转移，但大的淋巴结可能只表现出炎症反应，易导致淋巴结转移误诊[12-15]。因此，临床迫切需要一种更加精确的方法预测淋巴结转移。目前，基于MRI 影像组学特征预测胃癌淋巴结转移的研究较少。本研究旨在基于多模态MRI 影像组学特征建立胃癌淋巴结转移预测模型，为胃癌的精准治疗提供更多依据，现报道如下。

1 资料与方法

1.1 一般资料

选取2020 年2 月至2022 年2 月我院172 例胃癌患者，依据病理结果分组，发生淋巴结转移为转移组（112 例），未发生淋巴结转移为未转移组（60 例）。

纳入标准：患者均行MRI 检查；愿意接受内镜检查且需行胃癌手术；均为早期胃癌；均具有随访条件。排除标准：具有全身合并症无法耐受内镜检查及胃癌手术。

1.2 方法

1.2.1 收集患者资料

收集患者基本信息（性别、年龄、身高、体质量、体质量指数、血压、脉搏等）、病史（高血压、糖尿病、手术史、遗传病史、传染病史、用药情况等）、相关血清学指标、多模态MRI 影像信息。行内镜检查，术中对患者胃壁外的淋巴结进行细针抽吸术，采集活检标本后迅速放入带有组织固定液的标本瓶，择日进行胃癌手术，手术标本迅速固定并送病理科检测。

1.2.2 多模态MRI 影像特征的提取及标准化

根据本研究中心的标准化多模态MRI 流程，获取多模态MRI 影像数据，保存为DICOM 格式文件，导入3D-Slicer 软件。由2 位具有5 年以上工作经验的副主任影像医师对多模态MRI 图像进行胃部靶区标记。采用Pyradiomics 软件提取影像特征。该特征符合图像生物标志物标准化倡议（Image Biomarker Standardization Initiative，IBSI），并采用Z 值评分进行数据标准化。影像特征包括First Order Statistics、Shape-based（2D）、Gray Level Cooccurence Matrix（GLCM）、Gray LevelRun Length Matrix（GLRLM）、Gray LevelSize Zone Matrix（GLSZM）、Neigbouring Gray Tone Difference Matrix（NGTDM）、Gray LevelDependence Matrix （GLDM），并对由2 位医师同一影像标记提取的影像特征进行内部一致性信度检验。

1.2.3 构建多模态MRI 影像组学评分系统

基于多模态MRI 影像组学数据并结合临床数据，使用R 语言筛选影像特征变量，构建多模态MRI 影像组学评分系统，并采用十折交叉验证改进模型。

1.2.4 模型评估及测试

通过受试者工作特征（receiver operating characteristic，ROC）曲线分析评估诊断性能，并使用Delong 验证比较不同模型曲线下面积（areas under curve，AUC）。模型诊断数据和病理确诊胃癌淋巴结转移数据间的差异通过Calibration 校准曲线和Hosmer-Lemeshow 试验评估。最终，通过对整个队列中不同阈值概率下的净效益进行量化，进行决策曲线分析（decision curve analysis，DCA），确定模型的临床有效性。通过诊断测试集，测试所构建的胃癌淋巴结转移多模态MRI 影像组学评分系统的诊断效能。

1.3 观察指标

（1）比较转移组与未转移组临床资料；（2）分析胃癌淋巴结转移预测模型的诊断效能。

1.4 统计学处理

采用SPSS 25.0 统计软件进行数据分析。计量资料以±s表示，采用t检验。计数资料以率表示，采用χ2检验。P＜0.05 为差异有统计学意义。

2 结果

2.1 转移组与未转移组临床资料比较

转移组与未转移组性别、年龄、糖类抗原、癌胚抗原水平、肿瘤大小、肿瘤位置、Lauren 分型、分化程度、浸润深度、脉管癌栓、溃疡指标比较，差异均无统计学意义（P＞0.05）；转移组血红蛋白水平高于未转移组，差异有统计学意义（P＜0.05），见表1。

表1 转移组与未转移组临床资料比较

2.2 转移组临床参数的多因素Logistic 分析

多因素Logistic分析显示，胃癌淋巴结转移与肿瘤大小、分化程度、浸润深度、脉管癌栓均相关（P＜0.05），见表2。

表2 训练集转移组患者临床参数的多因素Logistic分析

2.3 胃癌淋巴结转移预测模型的建立与评估

利用肿瘤大小、分化程度、浸润深度、脉管癌栓4 个影响因素建立预测列线图模型。重复抽样纳入1 000 次数据后，采用校准曲线对该模型进行精确度验证，并用ROC 曲线对模型的区分度进行检验，预测值与实际结果几乎相等；C-index 分数（95%CI）为0.833（0.815～0.851），Calibration 验证曲线几乎呈对角对应关系，C-index 趋势为1。该预测列线图模型具有较好的精确度、区分度，见图1。

图1 列线图预测模型的校准曲线

3 讨论

影像组学是一种从医学影像数据中提取高维量化数据的新兴定量影像分析方法，有助于消除个体差异导致的实验偏移，可从图像中获得大量人肉眼无法识别的信息，经过筛选后得到更加符合疾病特征的信息，构建稳定性更强、准确率更高、预测性更强的模型。影像组学常被应用于提取肿瘤组织的微观特征特性，预测分析肿瘤诊断和预后[16-17]。研究发现，基于影像组学方法可改善胃癌淋巴结转移预测的精确度[18-20]。研究表明，血清标志物不能作为胃癌淋巴结转移的预测标准[21-22]。多模态MRI 是指采用多种加权模式下特别时功能序列采集患者图像，可综合分析检查部位的形态和功能状况。弥散加权成像（diffusion-weighted imaging，DWI）是利用分子的布朗运动反映活体组织器官形状、功能的检测序列，对不同肿瘤的良恶性病变具有强大的分辨能力[23]。T2加权像可更好地反映患者组织层次特征。T1加权像可反映患者组织的大体形态。但MRI 各序列与淋巴结转移间的相关性尚未完全明确。基于多模态MRI 图像的影像组学特征中某些量化特征虽对癌症预测具有令人惊讶的效果，但准确性分析仍需验证，以期满足临床需求[23-25]。

多模态MRI 影像组学特征分析可消除传统检查结果中的个体差异性，深度分析和挖掘潜在的MRI 数据特征。本研究结果表明，转移组与未转移组的性别、年龄、糖类抗原、癌胚抗原水平、肿瘤大小、肿瘤位置、Lauren 分型、分化程度、浸润深度、脉管癌栓、溃疡指标比较，差异均无统计学意义（P＞0.05），转移组血红蛋白水平高于未转移组（P＜0.05）。多因素Logistic分析显示，胃癌淋巴结转移与肿瘤大小、分化程度、浸润深度、脉管癌栓均相关（P＜0.05）；利用肿瘤大小、分化程度、浸润深度、脉管癌栓4 个影响因素建立预测列线图模型，预测值与实际结果几乎相等，具有较好的精确度、区分度。在胃癌手术前，进行胃癌淋巴结转移预测，有助于制定更合理的手术方案，缩短患者治疗时间，提高治愈率，降低术后并发症发生率，帮助患者尽快恢复，具有重要的社会效益[26]。

综上所述，基于多模态MRI 影像组学构建的胃癌淋巴结转移预测模型，有助于为胃癌淋巴结转移诊断提供快速、无创、简便的辅助检查手段，为患者提供更好的医疗服务，避免过度治疗。