MRTA及影像組學在子宮肌瘤中的應用研究進展

張九茹，李苧郡，趙 媛，劉護麗 綜述，宋 廉△ 審校

(1.江蘇大學醫學院醫學影像學1701班，江蘇 鎮江 212001；2.江蘇大學附屬醫院影像科，江蘇 鎮江 212001)

子宮肌瘤是女性最常見的良性腫瘤，發病率可達20%～30%[1-2]。子宮肌瘤的發病機制尚不完全明確，但已有報道顯示，年齡、既往婦科炎癥史、生育史、家族病史、飲食習慣、社會心理因素及環境等是子宮肌瘤的危險因素[3]。磁共振成像(MRI)是子宮肌瘤診斷中最主要的影像檢查方法之一，可以有效判斷瘤體大小、形態、肌瘤與子宮肌壁層的位置關系，評估瘤體組織成分(如纖維、出血、囊變等)。近年來，磁共振紋理分析(MRTA)技術及影像組學可通過分割感興趣區、提取紋理特征、高通量挖掘和分析影像數據等來提高診斷的準確性；同時，MRTA技術及影像組學可與子宮肌瘤的關聯基因聯合，為臨床提供有價值的影像生物標志物，指導臨床治療決策和預后預測，從而實現個體化治療。

1 子宮肌瘤的臨床特征及其診斷

基于中國人口流行病學調查研究顯示，至少25%～40%的女性患有子宮肌瘤，且子宮肌瘤患病率隨年齡的增長而增加，40～49歲女性患病率最高，可達19.12%[4-6]。患者臨床癥狀主要包括：經量增多及經期延長、下腹包塊、白帶增多、壓迫癥狀、腹痛、不孕或流產。約25%患者的癥狀會明顯其影響生活質量。子宮肌瘤的主要病理表現為子宮實質性球形包塊，表面光滑，質地較硬，常壓迫周圍肌壁纖維形成假包膜；鏡下觀子宮肌瘤由旋渦狀排列的平滑肌細胞和數量不等的纖維結締組織分隔所構成[7]。

影像檢查技術是子宮肌瘤診斷和指導臨床治療決策的主要方法[7]。超聲是子宮肌瘤的重要篩查手段，主要表現為子宮不規則增大或局限性隆起，肌瘤結節多呈類圓形低回聲或等回聲區，界限較清楚，周邊有假性包膜形成的低回聲暈。彩色多普勒超聲可見肌瘤周圍有環狀、半環狀血流信號[2,7]。然而，超聲對肌瘤確切定位性能欠佳，存在誤診或漏診，尤其是對微小病灶(病灶小于2 cm)的檢出率偏低。

子宮肌瘤計算機斷層掃描(CT)表現為子宮增大；病灶多呈低密度，且隨組織成分變化而變化；增強后強化程度略低于正常子宮[8-9]。MRI檢查具有軟組織和空間分辨率高、可多方位成像等優勢，對于子宮肌瘤診斷的特異度和敏感度均較高，能準確診斷肌瘤大小、位置和數目[9]。MRI研究報道：MRI可以檢出小至3 mm的子宮肌瘤，且可以準確區分黏膜下、肌層內或漿膜下肌瘤[6]。子宮肌瘤在T1加權成像(WI)上信號強度類似子宮肌層；T2WI上呈明顯低信號，邊界清楚，與周圍子宮肌層信號形成明顯對比。T2WI高信號環狀影為肌層受壓后擴張的淋巴管、靜脈或水腫[2]。隨著動態增強MRI(CE-MRI)、彌散加權成像(DWI)等新技術的研發，MRI在子宮肌瘤診斷中的價值越來越高，還可以有助于指導臨床決策[10]。

2 MRTA及影像組學

紋理分析(TA)是通過分割感興趣區域、提取紋理特征、對比組織病理學等，經過統計學處理，篩選出與病變具有相關性的紋理特征,進而構建疾病診斷及預測模型[11]。因此，MRTA可定量或定性描述感興趣區組織結構的細微變化。MRTA是通過對MR圖像后處理,基于復雜數學運算將圖像量化不為人眼識別的信息,進一步提取體素信號強度和空間分布特征[12]。影像組學是通過計算機軟件從CT、PET或MRI等醫學影像圖像中高通量地提取海量影像信息，對其進行深層次的挖掘、預測和分析，將疾病的視覺影像信息轉化為深層次、可量化的影像紋理特征。影像組學基本步驟包括標準醫學影像數據獲取和篩選、病灶識別、圖像分割、特征提取、特征選擇、建立模型及應用[13]。兩者相輔相成。TA依賴于組織的圖像形狀、粗糙度、平滑度、顆粒度、均勻性或周期性方面的變化[14]。MRI圖像來源主要有T1WI、T2WI、MRI液體衰減反轉恢復序列(FLAIR)、增強T1WI、DWI、表觀擴散系數(ADC)圖等。由于MRI圖像的信息量較大，因此常需要紋理特征提取方法來實現TA參數量化。紋理特征提取方法包括統計法、基于模型法、結構分析法、信號處理法等[15-16]。其中，統計法是MRI紋理特征提取中最常應用的方法。

MRTA及影像組學優勢在于成像圖像清晰,軟組織分辨率高[17],成像序列多,且每個序列圖像都可以獨立開展TA,多個序列圖像一起TA又能實現聯合評判。

3 MRTA及影像組學在子宮肌瘤中的應用

3.1MRTA及影像組學在子宮肌瘤診斷及鑒別診斷中的應用 早期診斷對于子宮肌瘤患者預后具有重要的臨床意義。初迎幸等[18]基于54例(58個病灶)子宮肌瘤患者連續性增強MRI直方圖表現和病理結果對照發現，連續性增強MRI直方圖信號特征與子宮肌瘤的分型相關，普通型肌瘤信號一般是規則和均勻的，富細胞型和退變型肌瘤的信號則不均勻。同時，研究證實通過應用多參數和定量MRI(T2-mapping、ADC圖、DWI、增強T1WI及T2WI)，以及Funaki分類、信號強度分級(SSI)可以區分子宮肌瘤的不同類型[19-20]。

MRTA及影像組學有助于對子宮肌瘤與子宮肉瘤、子宮腺肌病等疾病進行鑒別診斷。GERGES等[21]利用T2WI、增強T1WI和ADC圖對子宮平滑肌肉瘤和子宮平滑肌瘤進行鑒別診斷。結果顯示，T2WI中子宮肉瘤和子宮肌瘤平均值、偏度、熵、底部第10百分位的平均值(mean0-10)差異有統計學意義(P<0.05)；T1WI增強圖像中，2個疾病的mean0-10、mean10-25和mean25-50差異有統計學意義(P<0.05)；ADC圖中，2個疾病相關指標差異無統計學意義(P>0.05)。廖俊杰等[22]分析20例子宮肉瘤患者和52例子宮肌瘤患者ADC直方圖參數(ADCmean、ADCmin、ADCmax、ADC-5th、ADC-25th、ADC-50th、ADC-75th、ADC-95th、偏度及峰度值)。結果顯示，子宮肉瘤組主要以正偏態分布為主，而子宮肌瘤組以負偏態分布為主；子宮肉瘤組的ADCmean、ADCmin、ADC-5th、ADC-25th、ADC-75th和ADC-95th均低于子宮肌瘤組。XIE等[23]應用3種不同感興趣區進行基于ADC圖的影像組學分析，比較子宮肉瘤及子宮肌瘤的術前診斷效能。手動分割ADC圖上腫瘤、腫瘤和小塊圍繞的組織、整個子宮等不同區域，從每個感興趣區中提取紋理和非紋理特征，再以圖像分割的方式構建基于不同圖像特征、不同組合的20個logistic回歸模型。研究證實，隨著感興趣區的擴大，圖像具有最佳放射組學的敏感度、特異度、準確性和受試者工作特征曲線(ROC曲線)的曲線下面積(AUC)。較大的感興趣區不僅涵蓋了腫瘤的特征，也包括了腫瘤以外的其他預測特征，具有更好的鑒別診斷效能。吳國華[24]應用MRTA直方圖參數、灰度共生矩陣參數，繪制ROC曲線對子宮肌瘤與子宮腺肌病進行回顧性分析，發現子宮肌瘤患者T2WI最大值，T1WI、T2WI、ADC圖的標準差均顯著高于子宮腺肌病。MRTA直方圖參數中以ADC偏度值的AUC值最高，其以大于2.071為截斷值，診斷子宮肌瘤、子宮腺肌病的敏感度、特異度分別為87.76%、88.24%。子宮肌瘤T2WI顯著低于子宮腺肌病，T1WI、T2WI、ADC圖的熵值均顯著高于子宮腺肌病。灰度共生矩陣參數診斷子宮肌瘤、子宮腺肌病時，以ADC圖熵值的AUC值最高，其以大于6.57為截斷值，敏感度、特異度分別為73.47%、76.47%。研究證實，在子宮肌瘤與子宮腺肌病的鑒別診斷中，以ADC偏度值效最佳。由此表明，MRTA及影像組學利用T2WI、T1WI、ADC圖的研究在子宮肌瘤診斷與鑒別診斷中具有重要的臨床意義。

3.2MRTA及影像組學在子宮肌瘤治療評估及預后中的應用 子宮肌瘤的臨床治療手段包括藥物治療、手術治療、介入治療、磁共振引導的高頻超聲共聚焦治療(MRgHIFUS)等。選擇合適的治療方案，實現個體化、精準化治療具有重要價值。研究表明，MRTA能為評估子宮肌瘤無創性治療及預后提供有價值的影像學依據。蘇佰燕等[25]回顧性分析16例接受MRgHIFUS的子宮肌瘤患者T1WI增強序列圖像，并進行相關紋理參數分析，包括平均值、標準差、熵、正性像素平均值、偏度、峰度。結果顯示，治療前、后的峰度差異有統計學意義(P<0.05)，表明對比增強T1WI圖像上的紋理參數與子宮肌瘤的治療效果間具有一定的相關性，可采用治療前的熵、治療后即刻峰度和偏度來預測MRgHIFUS的治療效果。

LUO等[26]收集409例接受子宮動脈栓塞(UAE)治療患者的T1加權對比增強序列圖像和T2加權序列圖像，并進行TA，構建預測臨床結果的ResNet模型。結果表明,ResNet模型的測試精確度為0.847，敏感度為0.932，特異度為0.462。因此，基于ResNet模型的深度學習方法在預測UAE治療結果方面具有較高的準確度。KURBAN等[27]收集75例患者(包含212個子宮肌瘤)并成功進行UAE治療，基于T2WI信號強度比例、增強比例、T2WI異質性比例、位置、肌瘤基線體積等5種變量開發出可預測ROC模型，同時結合TA及放射組學，準確反映了子宮肌瘤治療后的體積響應，AUC為0.85，敏感度為82%，特異度為71%。因此，T2WI圖像上信號的異質性能作為有效預測經UAE治療后子宮肌瘤體積響應的因子。

3.3基于MRTA及影像組學的生物學在子宮肌瘤中的應用 腫瘤發生、發展、增殖、侵襲與轉移等生物學行為與基因的異常表達、免疫組織的化學變化、顯微組織結構的改變、腫瘤微環境的變化密切相關[28]。BARANOV等[29]系統闡述了子宮肌瘤的病理基因組學，發現許多新的基因網及生物學途徑，包括起源、轉錄和表觀遺傳型、細胞間質及微小干擾RNA(microRNA)的影響。研究發現，HPGD、MED12[30]、HMGA2[31]、ACE2[32]、MMP-2[33]、EGF[33]等基因在子宮肌瘤中表達上調，而MBD2基因在子宮肌瘤中表達下調[34-35]。李麗等[36]運用動態對比增強MRI(DCE-MRI)檢查并測量各定量灌注參數[包括容量轉運常數(Ktrans)、速率常數(Kep)、血管外細胞間隙容積分數(Ve)、血管間隙容積分數(Vp)]的直方圖參數(中位數、平均值、偏度、峰度、能量、熵)，區分子宮肌瘤的病理分型(退變型、普通型、富細胞型)。DCE-MRI定量分析通常采用平均值及中位數來描述腫瘤的生物學特征，直方圖參數反映腫瘤特點，特別是腫瘤異質性。富細胞型子宮肌瘤因肌細胞增生活躍、排列緊密、腫瘤微血管生成較多且細胞內皮細胞排列紊亂，血管滲透力差異大。這些灌注參數尤其是Ktrans(中位數、平均值)具有較高的診斷效能。在不同病理類型子宮肌瘤中，DCE-MRI定量灌注直方圖參數尤其對富細胞型子宮肌瘤具有較高診斷價值，其在MRI的脂肪抑制T2WI序列上多表現為高信號、稍高信號或等信號，在DWI上常表現為高信號、稍高信號，而行病理免疫組織化學檢測時，其Ki-67表達水平較高。目前，影像組學研究在多種實體瘤中得到了廣泛的關注[37]。但是其在子宮肌瘤的相關研究卻鮮見報道。因此，MRTA及影像組學在子宮肌瘤生物學方面的研究仍有廣闊的空間。

4 MRTA及影像組學在子宮肌瘤影像研究中的優勢及存在的問題

MRTA及影像組學近年來被廣泛應用于腫瘤影像領域，具有巨大的潛力。MRI紋理特征及影像組學可反映內部組織結構和分布，反映器官內部組織結構的變化。因此，相較于傳統的影像診斷，MRTA及影像組學在子宮肌瘤病灶特征提取和量化方面能提供更客觀信息，對于疾病的診斷、鑒別診斷和治療評估具有意義[31]。除此之外，腫瘤時空異質性與腫瘤的預后密切相關，MRTA是一種量化分析空間異質性的有效方法，可通過降低光子噪聲的方法來凸顯出腫瘤的生物學異質性。在子宮肌瘤關聯基因的相關性研究方面，影像組學已被證實可以表征腫瘤內異質性，從而在提高疾病的診斷、預后和治療反應的預測中具有重要價值[38]。

盡管MRTA及影像組學在子宮腫瘤診斷和治療決策制定中具有廣闊的前景，但在真正運用于臨床實踐中仍面臨諸多問題和挑戰。(1)圖像分割方式的多種多樣造成了處理結果的偏差。手動分割準確度高但主觀差異的影響較大。因此，通過計算機輔助來自動或半自動選定勾畫感興趣區，可以減少主觀結果的偏差。(2)TA軟件及算法之間存在差異。隨著計算機技術和醫學工程技術的快速發展，能提取紋理參數的軟件越來越多，不同的軟件對于圖像的格式，紋理參數的提取、分析及算法都不盡相同，使得目前已發表的研究之間可重復性較差。下一步應制定標準化的TA技術處理流程、TA方法和紋理參數[39]。(3)影像數據的來源標準不一樣。MRTA比使用CT和PET數據集的影像組學更復雜，部分原因是MRI的標準化和校準在本質上比基于光子檢測的技術更復雜。此外，紋理特征還受不同掃描儀和參數的影響。與CT和PET比較，MRTA復雜性的因素包括采集協議和空間分辨率的可變性。通過對不同系統獲得的MRI數據進行后處理，能減輕患者間強度范圍的差異，并重新采樣至均勻的體素大小，一定程度上能降低這種影響[40]。(4)大多數已發表的研究多為單中心回顧性研究[41]，樣本數量有限，數據受限于樣本量不足，且大多缺乏外部驗證，在真正運用到臨床實踐之前，還需要進行更大樣本量的前瞻性多中心研究來驗證MRTA及影像組學的預測模型和診斷效能。

隨著時代的變遷，醫學的發展經歷了從經驗醫學、循證醫學到現在以人工智能和大數據為代表的智能化診療的演變過程。MRTA及影像組學能夠深入挖掘圖像生物學本質并定量化分析腫瘤異質性，從而提供臨床決策支持。其在疾病診斷、治療、預后等方面具有重要的指導意義，能實現智能輔助診斷，擁有廣闊的應用前景。