基于CESM的影像組學在乳腺癌診斷中的價值研究

文/高寶娟

近年來，乳腺癌發病率呈逐漸上升趨勢，已成為全球女性的第二大死因。乳腺癌的早期發現、診斷和治療是改善預后的重要因素。美國學者Gillies于2010年首次提出“影像組學”的概念，后經荷蘭學者Lambin進一步完善。對比增強能譜乳腺X線攝影（contrast-enhanced spectral mammography, CESM）通過靜脈注射含碘對比劑后進行X線投照，經過處理后可獲得低能圖和減影圖，減影圖像中病灶顯示更加清晰。有研究結果顯示，CESM能克服傳統X線攝影中正常腺體組織和病變組織重疊的局限性，同時提供了病灶的血供情況，提高了診斷的敏感度、特異度和準確度。本研究旨在探討基于CESM的影像組學在乳腺癌診斷中的可行性研究。

1 資料與方法

1.1 臨床資料

回顧性分析本院2017年6月-2020年12月經手術病理證實的乳腺良性腫瘤183例和乳腺癌208例，年齡17-70歲，平均年齡47.53±15.07歲，均為女性患者。納入標準：初診患者，病灶未經穿刺及放化療者；所有患者術前均行CESM檢查；均行手術治療，術后均行病理檢查。排除標準：臨床資料不全者及合并其他乳腺疾病者；圖像質量不佳，影響觀察病灶的。

1.2 CESM檢查方法

檢查儀器采用美國GE Senographe DS全數字化乳腺機, 其中對比劑為碘海醇（350mg I/ml），劑量為1.5ml/kg。檢查前先通過高壓注射器經上臂靜脈注射對比劑，注射流率為3.0ml/s。在對比劑注射完成后 2 min進行乳腺X線攝影。按常規乳腺攝影時的壓迫方法，分別對雙側乳腺行頭尾位（CC）及內外斜位（MLO）投照，在 5 min內完成雙側乳腺共4個體位的視圖采集。每個投照體位攝片時，在一次壓迫的1.5S內可獲得一次低能和一次高能曝光。每個攝片體位在工作站上均獲得2張圖像，即低能圖像和經過特殊后處理的減影圖像。

1.3 圖像分割及特征提取

1.3.1 ROI分割

由2名影像科醫師在Radcloud平臺（http://radcloud.cn/）在CESM減影圖像中沿病變邊緣手動勾畫ROI，應盡量包全病灶的腫瘤部分。如兩位影像科醫師的勾畫結果出入較大時，則以高年資影像醫師結果為準。見圖1，圖2。

圖1 低能圖像

圖2 減影圖像

1.3.2 特征參數選取及將維

共從 Radcloud 平臺（http://radcloud.cn/）的 MG 圖像中提取了 2818 個特征參數，可以分為一階統計、形狀和大小特征及紋理特征三組。為了減少冗余功能，通過功能選擇方法方差閾值（方差閾值 = 0.8）、SelectKBest 和LASSO 進行降維處理，最終篩選出26個具有最佳功能特征。

1.4 統計分析

統計分析是在Radcloud平臺（http://radcloud.cn/）上進行的。根據所選特征，有幾個分類器可用于分類分析，這些分類器創建模型，試圖分離或預測與結果或表型有關的數據。在本研究中，利用支持向量機（SVM）構建基于影像組學的模型，并通過驗證的方法提高模型有效性。為了評估預測性能，以受試者操作特征（receiver operating characteristic ，ROC）曲線評價預測模型的影像組學評分訓練組和測試組中乳腺癌診斷的效能，獲得準確度、靈敏度、特異度及ROC曲線下面積（area under curve ，AUC），并進行十次十折交叉驗證取其平均值作為最后結果。

2 結果

見圖3。

圖3 SVM訓練集和測試集受試者操作特征（ROC）曲線下面積（AUC）

訓練集的ROC曲線下面積為0.94、靈敏度為0.86、特異度為0.86、準確度為86%，測試集的ROC曲線下面積為0.85、靈敏度為0.67、特異度為0.78、準確率為72%。

3 討論

乳腺疾病的早期發現及正確診斷對患者的預后至關重要，乳腺癌是女性最常見的惡性腫瘤，目前臨床上最常用的檢查方法是乳腺超聲和乳腺X線攝影，超聲檢查安全、無輻射，但其診斷準確性主要依靠個人經驗，假陽性率高。常規乳腺X線攝影，由于受到腺體組織重疊干擾，不能清晰的顯示病灶組織，易造成漏診。CESM 技術是近年發展起來的一項新技術，由于乳腺腫瘤增生活躍、血供豐富，在瘤體內及其周圍血管密集，通過在常規X線攝影基礎上經血管注入含碘對比劑，可清晰的顯示病變組織血供情況，通過進一步的減影處理，可排除正常腺體干擾，發現更小的病灶，提高診斷的準確性及敏感性。CESM 技術的原理是碘的邊緣效應，即碘在33.2keV處X線吸收顯著衰減現象，通過高能（高于33.2keV）和低能（低于33.2keV）攝像進行疊加后減影處理，可獲得乳腺組織清晰的血供圖。國內研究發現CESM 技術在診斷乳腺癌方面顯著優于常規X線攝影及B超檢查[1]。

雖然CESM 技術比較先進，但由于受腫瘤類型、大小及惡性程度不同等影響，其影像學特點亦呈多樣化，人為地將良、惡性圖像特征進行歸類整理，不僅耗時、費力，且需要一定的學習曲線。而影像組學正好解決了這一難題。它通過計算機實現了上述步驟，通過計算機進行輔助診斷，排除了人為干擾，進一步提高了診斷的準確性。影像組學是一門新興的科學，近年已成為國內外專家學者的研究熱點。多項研究表明，影像組學在診斷及辨別良惡性腫瘤方面具有顯著優勢。有研究發現[2]基于CESM的影像組學對乳腺良性及惡性病變鑒別的診斷效能AUC可達0.802。另一項基于紋理分析的研究發現，通過影像組學可提供腫瘤組織學分型等信息。

綜上，我們認為影像組學可全面、無創、定量觀察觀察腫瘤形態，對腫瘤的發展過程隨時進行監測，從而對腫瘤的診斷提供可靠依據。同時為乳腺 MRI 禁忌癥患者（如幽閉恐懼癥、體內金屬置入、心臟起搏器的）提供了一種更有效、更方便、更廉價的檢查方法。本研究屬于回顧性研究，樣本量較小，尚需大樣本相關研究進行證實。