基于臨床及影像組學資料建立模型預測前列腺癌生化復發(fā)的初步研究

楊浩 施頡

隨著我國經濟和生活水平的提高，富集飲食、吸煙或過量飲酒等所導致的前列腺癌(prostate cancer, PCa)發(fā)病率逐年升高，達6.63%。據統(tǒng)計，PCa在治療后3～5年內的復發(fā)率約為28%～34%，其主要特征表現(xiàn)為血清前列腺特異性抗原(prostate-specific antigen, PSA)的升高，即生化復發(fā)(biochemical recurrence, BCR)。目前，美國泌尿外科協(xié)會(American Urological Association, AUA)指南認為BCR是PCa臨床復發(fā)的前兆，在缺乏有效醫(yī)療干預的狀況下，約46%的病人會在BCR后12～24個月轉化為臨床復發(fā)甚至骨轉移。據報道，PCa的臨床分期、PSA梯度、根治方法、Gleason分級是PCa病人BCR的風險因素。但Mortezavi-hermanns等[1]認為即便PCa病人有≥5個以上與BCR有關的風險因素，其術后24～72個月的BCR率僅為32.9%，人群的假陰性率達47.5%，這代表以上這些風險因素預測BCR效果不佳。因此，針對個體差異較大的病人研發(fā)新的預測模型極為重要[2]。本研究采用超聲造影聯(lián)合剪切波彈性成像技術提取PCa病人BCR的數(shù)據，結合磁共振放射組學方法及臨床數(shù)據建立模型預測BCR，獲得了較好的收益，為臨床針對個體差異病人精準評估BCR提供了契機。

1 材料與方法

1.1 入組病例篩選標準 回顧性分析2018年1月至2020年2月181例在泰州市中醫(yī)院經超聲造影引導前列腺穿刺活檢或術后病理檢查確診為PCa病人的臨床及影像學資料，年齡65～91歲，平均(72.6±16.7)歲。納入標準：(1)符合歐洲泌尿外科協(xié)會及美國泌尿外科協(xié)會指南的PCa診斷標準；(2)磁共振及超聲可見的單發(fā)病灶；(3)未治療的原發(fā)性PCa；(4)臨床以及影像數(shù)據完備，依從性好。排除標準：(1)合并其他腫瘤病人；(2)合并先心病、心力衰竭、肝腎功能不全或過敏史等造影禁忌者；(3)認知功能障礙病人。本研究已獲得病人或家屬知情同意并簽署知情同意書。

1.2 研究方法

1.2.1 臨床病史資料收集：評估并收集PCa病人入院后完整的臨床病史資料，主要包括年齡、有無淋巴結轉移、有無遠處轉移、BMI、PSA等實驗室參數(shù)和腫瘤的TNM分期。

1.2.2 磁共振檢查：采用荷蘭飛利浦Achifa Nova雙源1.5T MRI掃描儀，具備6通道相控陣體線圈。病人采用仰臥位，首先定位中下腹部和盆腔，然后獲取膀胱及前列腺的橫向、矢狀面、冠狀面T2WI和矢狀面T1WI圖像。掃描范圍為膀胱底上方約2 cm到外陰。T2WI序列由單次激發(fā)快速自旋回波(SSTSE)和平衡式穩(wěn)態(tài)自由進動梯度回波序列(balance FFE)獲得。

影像組學分析過程：本研究采用3D slicer version 4.11.20210226(https://www.slicer.org/)或ITK-snap 3.8.0(http://www.itksnap.org/pmwiki/pmwiki.php)圖像分割軟件進行磁共振圖像感興趣區(qū)(ROI)劃定，然后進行紋理分析及數(shù)據提取。在確定firstorder、glcm、shape、ngtdm等候選紋理數(shù)據后，基于R語言對上述紋理數(shù)據進行l(wèi)asso回歸分析，提取有效紋理數(shù)據。

1.2.3 超聲造影過程：采用邁瑞昆侖 Resona R9和美國GE LOGIQ E9 掃描儀，經直腸電子凸陣探頭(頻率范圍4.5～9.5 MHz)。囑病人簡易灌腸清潔腸道后，以醫(yī)用安全套或者探頭套包裹探頭，然后伸入直腸。首先進行經直腸前列腺常規(guī)檢查，觀察前列腺密度分布、血流信號，測量前列腺內外腺三徑大小、腫瘤直徑，存圖標記其位置及血供程度等，然后再進行彈性成像分級評分。病人無明顯不適后，采用意大利博萊科(Bracco)公司SonoVue超聲造影劑行造影檢測，取病灶最大截面積切面作為基點并不時切換觀察方位，經肘部正中靜脈脈沖式注射2.4～3.0 mL造影劑，然后用5～15 mL的9 mg/mL氯化鈉溶液快速沖洗，在推注同時進行造影檢查并實時觀測記錄PCa超聲造影增強強度(低-中-高)、增強均勻性(均勻強化，邊緣強化，中央強化或漸進性強化)。約觀察3～5 min，期間將原生dicom圖像及視頻存入東軟pacs系統(tǒng)，機載視頻存儲后啟動造影分析軟件(TIC analysis)，記錄ROI時間強度曲線的峰值強度(PI)、升支斜率(∑)、降支斜率(γ)、達峰時間(TTP)、到達時間(AT)、AUC。所有檢查由2位超聲副主任醫(yī)師獨立進行，若有分歧，請第三位高級職稱超聲醫(yī)師商量一致后出具報告[3]。

1.2.4 病理取材分級：病人經直腸超聲穿刺活檢取材3～6塊送病理檢查，確診PCa后進行Gleason評分。

1.2.5 PCa治療方法：采用PCa根治手術，全麻后，分離前列腺后直腸間隙暴露前列腺尖部、膀胱前間隙及恥骨后間隙，切除前列腺后重建膀胱頸并吻合尿道。隨后進行內分泌治療：常規(guī)藥物去勢附加抗雄激素或睪丸手術，然后接受戈舍瑞林聯(lián)合比卡魯胺治療[4-5]。

1.2.6 隨訪與預后觀察：隨訪截至2022年3月。術后囑病人定期門診復查PSA：2年內于術后第1個月并之后每隔3個月復查并隨訪；2年后每半年復查并隨訪，必要時行磁共振檢查。隨訪期間PSA升高≥2次且PSA≥0.2 ng/mL納入BCR組(研究組)，其余病例納入對照組。

2 結果

2.1 隨訪結果 隨訪結束時，181例PCa病人中失訪3例，拒絕隨訪2例，合并其他腫瘤或肝腎功能不全7例；65例病例臨床診斷為BCR(研究組)，104例無BCR(對照組)，PCa病人BCR率為38.46%(65/169)

2.2 影像組學紋理結果分析 基于3D slicer軟件勾畫的ROI共提取了874組紋理數(shù)據，然后基于R語言的Lasso回歸法共篩選出了14組有用數(shù)據(一階特征-中位數(shù)、灰度共生矩陣特征-均方差、灰度相關矩陣特征-小依賴強調區(qū)域、灰度共生矩陣特征-平均差、灰度共生矩陣特征-和熵、灰度共生矩陣特征-小依賴高灰度強調區(qū)域、一階特征-最大值、一階特征-方差、灰度區(qū)域大小矩陣特征-逆差矩、灰度共生矩陣特征-逆方差、灰度區(qū)域大小矩陣特征-小區(qū)域高灰度強調范圍、灰度行程矩陣特征-行程方差、鄰域灰度差矩陣特征-信噪比對比度、鄰域灰度差矩陣特征-信噪比強度)，然后進行正態(tài)分布檢驗和獨立樣本t檢驗、Logistic回歸，最終篩選出了3組有意義數(shù)據，即灰度區(qū)域大小矩陣特征-小區(qū)域高灰度強調范圍[OR(95%CI)= 1.419(1.052～1.906)]、灰度行程矩陣特征-行程方差[OR(95%CI)= 0.442(0.227～0.861)]和鄰域灰度差矩陣特征-信噪比對比度[OR(95%CI)= 0.746(0.571～0.977)]。

2.3 一般臨床資料分析 單因素分析顯示，研究組臨床T分期、淋巴結轉移、遠處轉移、腫瘤大小、Gleason分級、術前PSA濃度、治療方式與對照組比較，差異有統(tǒng)計學意義(P<0.05)；多因素分析顯示，淋巴結轉移、術前PSA濃度、治療方式是PCa病人BCR的獨立風險因素，見表1。

表1 基于臨床特征預測BCR的多因素回歸分析

2.4 超聲結果分析 單因素分析顯示，研究組超聲造影時間強度曲線的PI、AT、TTP以及彈性成像分級與對照組比較，差異有統(tǒng)計學意義(P<0.05)。多因素分析顯示，彈性成像分級是PCa病人BCR的獨立風險因素，見表2。

表2 基于超聲造影特征預測BCR的多因素回歸分析

2.5 術前超聲-磁共振成像特征及臨床資料建立的組合模型預測BCR的多因素分析 多因素Logistic回歸分析結果提示：腫瘤直徑、術前PSA濃度、治療方式、彈性成像分級、灰度區(qū)域大小矩陣特征-小區(qū)域高灰度強調范圍、灰度行程矩陣特征-行程方差是 PCa病人BCR的獨立影響因素，見表3。

表3 基于術前超聲-磁共振成像特征及臨床資料預測BCR的多因素回歸分析

2.6 建立多種預測模型和外部驗證 基于上述風險因素在訓練集中建立一般資料模型、超聲造影模型、磁共振組學模型和組合模型,并比較四種模型的預測效能，結果提示組合模型預測價值最大[AUC：0.907(95%CI：0.844～0.969)]，明顯高于一般資料模型[AUC：0.792(95%CI：0.698～0.885)]、超聲造影模型[AUC：0.741(95%CI：0.641～0.841)]、磁共振組學模型[AUC：0.729(95%CI：0.626～0.831)],見圖1。R語言決策曲線也證實組合模型凈收益明顯高于其他模型；最終，預期結果也在測試集中獲得了驗證：組合模型預測效能(AUC=0.917)明顯高于一般資料模型(AUC=0.737)、超聲造影模型(AUC=0.680)和磁共振組學模型(AUC=0.752)，見圖2。

圖1 訓練集(a)和測試集(b)的不同預測模型的ROC曲線

圖2 基于風險因素在訓練集(a)和測試集(b)的不同預測模型的決策曲線分析

3 討論

據報道，早期診斷PCa術后病人的BCR并采取有效的醫(yī)療干預能明顯阻止或降低其臨床復發(fā)及轉移的發(fā)生率[6-7]。本研究基于臨床-超聲-磁共振組學參數(shù)建立的預測模型獲得了良好的預測收益，基于上述影響因素建立的組合模型也明顯優(yōu)于其他模型。

本研究隨訪了泰州市中醫(yī)院169例PCa病人的病歷資料，結果提示PCa病人3～5年內的BCR率高達38.46%，故在PCa手術后長期密切隨訪病人的預后且探索早期預測BCR的模型十分有必要。本研究多因素Logistic回歸分析結果顯示，腫瘤直徑、術前PSA濃度、治療方式、彈性成像分級、灰度區(qū)域大小矩陣特征-小區(qū)域高灰度強調范圍、灰度行程矩陣特征-行程方差是PCa病人BCR的獨立危險因素。據報道，治療方法、Gleason評分、術前PSA濃度和淋巴結遠處轉移是目前已知的PCa病人BCR的重要危險因素。但在本研究中，上述因素的獨立預測能效均較差，更無法對某些個體差異較大的病人提供有效的預警信息，這與臨床影像診斷誤差、治療方式取舍不同或者疾病的演變也有關系。治療前PSA濃度是可用的定量指標，但其特異度較差，受試劑靈敏度、年齡或其他附加疾病的影響(泌尿系感染、前列腺炎、內分泌代謝性疾病等)，因此PSA單獨預測BCR較為單薄。

彈性成像值作為潛在預測指標，客觀反映了腫瘤的硬度或密度等，從而與腫瘤病理亞成分關聯(lián)，極大地描述了PCa內在特性，與文獻報道類似[8]。影像組學概念最早由荷蘭學者Lambin在2012年提出并首先應用于X線方面，而且計算機視覺處理明顯優(yōu)于人眼識別系統(tǒng)。目前哈佛大學等高校合作開發(fā)的3D slicer及ITK-snap軟件已經將組學概念擴展到超聲、CT、磁共振及病理等方向。因此，本研究引入了影像組學參數(shù)并獲得了良好的收益，在勾畫169例PCa術前MRI資料的ROI并經過篩選后，我們共提取了3組可靠的影像組學數(shù)據：灰度區(qū)域大小矩陣特征-小區(qū)域高灰度強調范圍、灰度行程矩陣特征-行程方差和鄰域灰度差矩陣特征-信噪比對比度，這些數(shù)據分別代表病灶的磁共振信號強度、組織密度/硬度、灰度增強區(qū)域以及灰階圖像差值等，系統(tǒng)地區(qū)分了腫瘤的紋理特性。筆者基于上述所有風險因素建立了4種預測模型，并選擇了訓練集和測試集進行了訓練-驗證，獲得了一致性的結果；最后，DCA結果證實組合模型預測效果佳，AUC明顯高于其他模型。這可能是由于組合模型結合了臨床-超聲-磁共振組學指標從而獲取了基于PCa病人個體化差異的參數(shù)，因而提高了預測的準確率。預測模型將有助于臨床早期預測BCR，及早調整干預治療方案，減少BCR的惡性進展，提高病人的生存質量和生存率[9-10]。局限性：本研究數(shù)據較少，將來需要多中心研究以完善結果；沒有加入病理組學數(shù)據，沒有基于超聲造影的結果進行影像組學提取，因而對于超聲-病理數(shù)據的挖掘不夠完美。

總之，基于臨床-超聲-磁共振組學參數(shù)建立的組合模型為預測PCa病人BCR提供了契機，為臨床個體化病例及早調整干預治療方案提供了依據。