MRI紋理分析在單囊狀胰腺囊腺瘤鑒別診斷中的價值

王希恒， 薛華丹， 成思航， 李娟， 孫照勇， 金征宇

胰腺囊腺瘤分為漿液性囊腺瘤(serous cystadenoma,SCA)和粘液性囊腺瘤(mucinous cystic neoplasm,MCN)，SCA分為寡囊型和微囊型，與微囊型SCA不同，寡囊型SCA(macrocystic serous cystade-

noma,MaSCA)的囊少且大，由于囊腔較大，在臨床閱片過程中，MaSCA與MCN常難以鑒別[1]。SCA通常為良性腫瘤，很少發生惡變，只有引起臨床癥狀時建議手術[2,3]，而MCN具有惡變潛能，國際共識指南建議手術切除[4]，歐洲循證指南建議≥4 cm的MCN手術切除，<4 cm的MCN終身隨訪[5]，鑒于SCA和MCN的臨床診療措施差異很大，故術前對兩者鑒別非常重要。

紋理分析及影像組學是指對大量的醫學圖像特征進行綜合量化，廣泛用于疾病診斷、術前評估及預后隨訪等目的，為臨床決策支持提供很大幫助，近年來已逐漸應用于醫學影像領域[6-8]。磁共振成像(magnetic resonance imaging,MRI)無創、無輻射，在胰腺囊性病變診斷及影像征象識別具有較高準確性[9]，本研究旨在建立術前MRI紋理分析模型，證實其對MaSCA和MCN的鑒別診斷價值，輔助影像診斷，為臨床治療提供參考。

材料與方法

1.臨床及影像資料

回顧性搜索本院影像歸檔和通信系統(picture achiving and communication system，PACS)及病理系統2015年6月-2019年12月經手術切除、病理證實為囊腺瘤患者資料。納入標準：①病變經手術病理證實；②MRI掃描前未經放、化療等治療。排除標準：①圖像偽影重；②無術前MRI圖像。根據以上納排標準，排除病理證實為微囊型SCA(5例)及無術前MRI檢查(74例)患者，最終入組68例，包括32例MaSCA(男：女=9：23，平均年齡47.0歲)和36例MCN(男：女=0：36，平均年齡41.9歲)。搜集患者MRI壓脂T1加權圖像(fat suppression T1weighted imaging,FS-T1WI)和壓脂的T2加權圖像(fat suppression T2weighted imaging,FS-T2WI)數據。

2.掃描方法

使用西門子3.0T MRI掃描儀(Magnetom Skyra,Siemens Healthcare)，18通道線控陣表面線圈及部分32通道脊柱線圈，橫軸面FS-T1WI (T1-Dixon)掃描參數為重復時間4.11 ms，回波時間1.31 ms，層厚3 mm，翻轉角12°，視野420×420 mm；橫軸面FS-T2WI (T2-BLADE)掃描參數：重復時間2390 ms，回波時間85 ms，層厚6 mm，翻轉角100°，視野360 mm×360 mm。

3.圖像分析

影像特征分析:兩位影像科醫師進行雙盲法閱片，共同評估病變的大小、位置、形狀、囊壁厚薄(>2 mm或≤2 mm)、分隔有無及厚薄(>2 mm或≤2 mm)、壁結節，意見不一致時協商達成共識。

紋理分析基于68例胰腺病變FS-T1WI和FS-T2WI原始DICOM圖像，一位影像科醫師標注病變最大層面并送達紋理分析工作站(TexRAD有限公司，www.texrad.com,part of Feedback Plc,劍橋，英國)，在工作站沿著病變邊緣手動標注病變輪廓，標注結果均經另一位高年資醫師審核(圖1)。使用TexRAD軟件對MRI圖像進行紋理特征分析，利用高斯-拉普拉斯帶濾波算法對濾值或寬度進行細微調整，選擇性地提取出不同空間過濾標準的FS-T1WI和FS-T2WI病變區域紋理圖像，空間比例因子(spatial scaling factor,SSF)代表濾過，定義SSF=0表示無濾過，SSF=2 mm表示濾過后得到精細紋理，SSF=3～5 mm表示中等紋理，SSF=6 mm表示粗糙紋理。每個SSF值最終得到的量化紋理參數包括平均灰度值(Mean)，標準差(standard deviation,SD)，熵(Entropy)，正像素的平均值(mean of positive pixels,Mpp)，偏度(Skewness)和峰度(Kurtosis)。最終，每個病變在兩個序列均分別提取36個紋理特征。

圖1 患者，女，胰體尾部MCN。a) 基于FS-T2WI圖像標注的病變輪廓； b) SSF=2提取的紋理特征； c) SSF=4提取的紋理特征； d) SSF=6提取的紋理特征。

4.統計學分析

利用獨立樣本t檢驗、卡方檢驗或Fisher確切概率法比較MaSCA和MCN影像征象之間的差異。利用獨立樣本t檢驗或Mann-Whitney檢驗兩組數據各紋理參數之間的差異，利用ROC曲線(receiver-operating characteristic curve)評估有統計學差異者診斷性能。利用多變量Logistic回歸分析，選取有差異影像特征構建診斷MCN的影像診斷模型，選取ROC曲線下面積(area under the curve，AUC)最大的紋理參數構建診斷MCN的紋理分析模型，影像特征及紋理特征組合構建組合模型，利用ROC曲線評估各模型的預測性能，記錄AUC、95%的置信區間(confidence interval,CI)、敏感性及特異性。符合正態分布的計量資料以“均數±標準差”表示，偏態分布的以“中位數(四分位間距)”表示。統計學軟件采用SPSS 25.0。P<0.05認為差異有統計學意義。

結 果

1.臨床及影像特征

對比MaSCA和MCN患者的臨床資料，兩組在年齡差異無統計學意義，性別差異有統計學意義(P=0.001)。對比兩者影像特征，兩組在形狀、分隔厚薄及壁結節上均無統計學差異，在囊腫大小(P=0.003)、位置(P=0.001)、囊壁厚薄(P=0.019) 及分隔有無(P=0.031)上有統計學差異(表1)，MCN直徑>MaSCA，通常分布于體尾部，囊壁較厚，MaSCA內常見分隔。

表1 MaSCA及MCN的臨床及影像特征比較

2.MRI紋理分析

基于FS-T1WI提取的紋理參數中，MaSCA和MCN在Mean(SSF=0)、SD(SSF=0、3、4、5、6)、Entropy(SSF=0)、Mpp(SSF=0、2、3、4、5、6)、Skewness(SSF=0)、Kurtosis(SSF=0、4、5、6)上的差異均有統計學意義，在以上有統計學差異的參數中Mean(SSF=0)、Entropy(SSF=0)和Skewness(SSF=0)的AUC分別為0.674、0.645和0.688，SD(SSF=0)、Mpp(SSF=3、4)和Kurtosis(SSF=0)取得最大AUC分別為0.652、0.693、0.770(表2)。

表2 基于FS-T1WI紋理分析中兩組差異有統計學意義的參數

基于FS-T2WI提取紋理參數中MaSCA和MCN在Skewness(SSF=0)、Kurtosis(SSF=0、5、6)上的差異均有統計學意義，在以上有統計學差異參數中Skewness(SSF=0) AUC為0.776，Kurtosis(SSF=0)取得最大AUC為0.820(表3)。

表3 基于FS-T2WI紋理分析中兩組差異有統計學意義的參數

3.模型診斷性能

以囊腫大小、位置、囊壁厚薄及分隔有無為自變量構建診斷MCN影像模型AUC為0.849，敏感度較高，為86.1%，特異度較低，為68.7%。以Mean(SSF=0，T1WI)、SD(SSF=0，T1WI)、Entropy(SSF=0，T1WI)、Mpp(SSF=3、4，T1WI)、Skewness(SSF=0，T1WI)、Kurtosis(SSF=0，T1WI)及Skewness(SSF=0，T2WI)、Kurtosis(SSF=0，T2WI)作為自變量構建診斷MCN的紋理分析模型AUC為0.887，敏感度及特異度均較高，分別約80.6%、84.4%。組合模型的AUC、敏感度及特異度均最高，分別約0.958、88.9%、90.6%(表4，圖2)。

圖2 ROC曲線示各模型鑒別MaSCA和MCN效能

表4 影像模型、紋理分析模型及組合模型診斷性能

討 論

在本研究我們構建了影像模型、紋理分析模型及組合模型用于鑒別MaSCA和MCN，同時比較三者的診斷效能，紋理分析模型略高于影像模型，但組合模型明顯高于前兩者。紋理分析以無創的方式對胰腺囊腺瘤進行危險分層，在輔助臨床影像診斷及為臨床決策提供指導方面有很大的應用潛能及價值。

胰腺SCA及MCN發病具有明顯性別傾向，SCA男女發病比例約3：1，平均發病年齡60～65歲[10,11]，MCN男女發病比例約20：1，高發于47～50歲[12,13]。與既往研究一致，在該研究中MaSCA發病年齡高于MCN且均好發于女性，但是性別分布比例及發病年齡與文獻報道均有所差異，考慮與兩組患者病例數少及SCA中僅納入MaSCA患者有關。影像特征與既往研究相符[1,14]，MCN體積大、好發于體尾部且囊壁厚，MaSCA體積小、好發于胰頭且囊壁薄。文獻報道[14,15]MCN及MaSCA在形狀上差異顯著，MCN通常為類圓形而MaSCA多分葉狀且兩者是否存在分隔無統計學差異，這與本研究結果兩組均多見分葉狀外形且差異不顯著、MaSCA多見分隔且差異顯著的結果相佐，考慮一方面為病例數所限，另一方面為影像檢查差異，本研究為基于MRI征象分析，相較于既往CT檢查，具有較高的組織分辨率，對細微征象觀察清晰。

腫瘤從大體到細胞水平、遺傳到表觀水平都是不均勻的，在細胞密度、血管生成和壞死均存在空間異質性，因此，術前無創性評估腫瘤內異質性對臨床價值很大。MaSCA囊壁由扁平或立方上皮細胞組成且有導管分化趨勢，囊腔充滿漿液[1]。MCN上皮由分泌粘蛋白的柱狀細胞構成，上皮細胞與異型增生或浸潤性癌相關，上皮細胞下存在卵巢樣基質，MCN囊腔充滿粘液。MaSCA和MCN在組織學層面的差異反映在MR圖像上是紋理分析的基礎[16]。紋理分析是指利用各種數學方法，定量評估圖像的灰度強度和像素的位置獲取各種紋理特征，從而反映腫瘤內部異質性特點[17,18]。本研究獲取的6種紋理參數中，平均灰度值代表ROI內像素的平均值；標準差代表平均值離散度；偏度指像素分布不對稱的平均量度；峰度指直方圖像素強度的峰值[19]；熵反映組織的不規則度或復雜度[20]；正像素平均值表示高于閾值零的平均灰度強度，減少了圖像中暗物質的影響[21]。

本研究基于FS-T1WI提取有統計學差異紋理參數中MaSCA的平均灰度值、標準差、熵、正像素平均值均高于MCN，其中熵常用來反映組織的異質性。梁萌等[22]基于CT進行囊液紋理分析結果顯示MCN的熵顯著高于SCA，與本研究不同，考慮差異一方面在于ROI范圍，前研究避免囊壁及鈣化成分，本研究ROI包括整個病變輪廓，涵蓋成分復雜。另一方面，本研究在對影像征象進行分析時MaSCA的分隔特征顯著高MCN，對最終結果也有一定影響。本研究結果顯示基于FS-T1WI MCN的偏度和峰度明顯高于MaSCA。Li等[23]利用MRI紋理分析技術鑒別具有惡性潛能的胰腺無功能神經內分泌腫瘤與良性或低度惡性的實性假乳頭狀瘤，訓練集和驗證集兩組患者FS-T1WI偏度和峰度數據均無統計學差異，但Li等研究是基于實性腫瘤且應用于有明顯良惡性差異的病變。本研究基于FS-T2WI的紋理參數中SSF=0時MaSCA較MCN的偏度大、峰度小且有統計學差異。Lupean等[24]基于T2WI紋理分析鑒別卵巢良惡性囊腫，良性較惡性者偏度小、峰度大且有統計學差異。Cheng等[21]基于FS-T2WI提取紋理特征鑒別胰腺良惡性囊性病變，偏度和峰度均無統計學差異，以上相關研究與本研究存在差異，考慮原因為我們入組的MCN中未根據組織分化程度做進一步分類且胰腺囊性病變紋理參數意義還有待探索[20]。

本研究為鑒別MaSCA和MCN，基于MRI FS-T1WI和FS-T2WI分別構建了影像模型、紋理分析模型和組合模型，組合模型AUC高達0.958，結果充分表明MRI紋理分析能夠顯著提高MaSCA和MCN的診斷效能，紋理特征與影像特征綜合分析具有很重要的臨床意義。既往紋理分析研究多是基于實性腫瘤，對囊性病變鑒別少見。Cheng等[21]基于MRI紋理分析構建模型對鑒別胰腺良惡性囊性病變有一定價值。Xie等[15]分別構建影像模型、基于CT紋理分析技術的組學模型及組合模型，結果表明組合模型對MaSCA和MCN進行鑒別診斷有最好的性能，AUC達0.994，充分證實了CT紋理分析技術對術前鑒別胰腺囊腺瘤的價值。Wang等[25]基于MRI紋理分析構建回歸模型鑒別MCN和SCA，AUC高達0.879，與本研究結果近似。

本研究有一定局限性。首先，本研究為回顧性單中心研究，在前文中也提及樣本量小對結果有所影響，故設置內外驗證集的大樣本、前瞻性、多中心研究十分重要；第二，ROI的標注只是在病變最大的單一層面未涵蓋全部病變特點且我們僅基于最常見的MRI掃描序列進行紋理分析，未來研究中應納入多序列多層面組學分析會更有說服力；第三，ROI的標注是手工進行，標注偏差可能造成直方圖的混亂，未來基于自動分割或半自動分割ROI的標注，消除手工分割的主觀影響，在診斷的準確性會有所提高；第四，寡囊性囊腺瘤還應與胰腺假性囊腫及分支型導管內乳頭狀粘液性腫瘤(branch-duct intraductal papillary mucinous neoplasm,BD-IPMN)鑒別，假性囊腫通常伴有胰腺炎病史，BD-IPMN在MRCP上可見與胰管相通[26]，有助于兩者鑒別。

總之，本研究綜合影像特征和紋理特征的組合模型有助于術前無創性鑒別MaSCA和MCN，具有很高的診斷性能。