基于高分辨率T2WI的影像組學(xué)對直腸癌EGFR表達(dá)的預(yù)測價(jià)值

胡友強(qiáng),羅敏,董小娟,鄒龍權(quán),謝剛,張遠(yuǎn)林,劉文軍,姜萍

(自貢市第四人民醫(yī)院,1.放射科;2.病理科,四川 自貢 643000;3.自貢市第三人民醫(yī)院放射科,四川 自貢 643020)

結(jié)直腸癌是消化系統(tǒng)中常見的惡性腫瘤之一,其發(fā)病率在世界范圍內(nèi)高居惡性腫瘤的第三位[1]。在我國,結(jié)直腸癌中有近一半為直腸癌,且近年來死亡率呈上升趨勢,多數(shù)患者入院就診時(shí)腫瘤已表現(xiàn)為局部進(jìn)展期癌[2],我國抗擊直腸癌的形勢依然十分嚴(yán)峻。表皮生長因子受體(epidermal growth factor receptor,EGFR)作為一種跨膜糖蛋白受體,是表皮生長因子受體家族信號(hào)通路中的重要成員,具有酪氨酸激酶活性,活化后可激活下游通路,促進(jìn)血管生成,誘導(dǎo)細(xì)胞增殖[3]。在許多腫瘤中均見到EGFR表達(dá)升高,EGFR表達(dá)與腫瘤的發(fā)生、發(fā)展有關(guān)。隨著靶向EGFR藥物西妥昔單抗的應(yīng)用,有研究[4-5]顯示,轉(zhuǎn)移性結(jié)直腸癌化療聯(lián)合西妥昔單抗靶向治療的總體生存和無進(jìn)展生存均顯著高于單純化療。因此,EGFR表達(dá)狀態(tài)對直腸癌靶向治療及預(yù)后評(píng)估具有重要價(jià)值,但目前尚缺乏無創(chuàng)性預(yù)測EGFR表達(dá)狀態(tài)的可行辦法。

影像組學(xué)的快速發(fā)展使MRI圖像的定量化信息挖掘成為可能。目前,影像組學(xué)技術(shù)已廣泛應(yīng)用于腫瘤的精準(zhǔn)預(yù)測、早期診斷及預(yù)后評(píng)估等方面[6]。目前,影像組學(xué)在直腸癌術(shù)前TN分期、遠(yuǎn)處轉(zhuǎn)移及新輔助化療療效療效評(píng)估方面已取得諸多成果[7-9]。也有學(xué)者[10]開始探索影像組學(xué)在直腸癌生物學(xué)特征評(píng)估方面的價(jià)值,但對于直腸癌EGFR表達(dá)狀態(tài)的預(yù)測的研究尚未見報(bào)道。因此,本研究試圖建立并驗(yàn)證基于高分辨率T2WI的影像組學(xué)特征,以無創(chuàng)性預(yù)測直腸癌EGFR表達(dá)狀態(tài)。

1 資料與方法

1.1 一般資料

回顧性分析2018年6月至2020年6月自貢市第四人民醫(yī)院收治的208例直腸癌患者的臨床及影像資料。納入標(biāo)準(zhǔn):(1)術(shù)前1個(gè)月內(nèi)行MRI檢查,且有完整臨床及MRI資料;(2)術(shù)后病理確診為直腸腺癌;(3)病理資料中包含EGFR表達(dá)狀態(tài)。排除標(biāo)準(zhǔn):(1)MRI檢查前行抗腫瘤治療(新輔助化療、放療或者靶向治療等);(2)合并其他惡性腫瘤;(3)MRI圖像質(zhì)量不佳,無法進(jìn)行影像組學(xué)特征提取。其中年齡(67.00±10.20)歲。本研究經(jīng)自貢市第四人民醫(yī)院倫理委員會(huì)批準(zhǔn)。

1.2 儀器與方法

采用西門子3.0 T MRI成像系統(tǒng)。所有研究對象檢查前禁食時(shí)間>4 h,并在掃描前用開塞露(20 mL甘油)清潔腸道。直腸MR掃描主要序列包括:T1WI(橫軸面)、脂肪抑制T2WI(矢狀面)、高分辨率T2WI(斜橫軸面)、DWI及增強(qiáng)掃描。高分辨率T2WI掃描平面垂直于病灶處腸管的長軸。掃描參數(shù):TR 5 000 ms,TE 113 ms,FOV 160 mm,矩陣320×320,層厚3 mm,無層間距,無脂肪抑制技術(shù)。

1.3 免疫組化

病理學(xué)檢查與免疫組化結(jié)果均由我院病理科醫(yī)生完成,所有直腸癌腫瘤標(biāo)本放置在4%中性甲醛固定,經(jīng)石蠟包埋后連續(xù)切片,隨后進(jìn)行免疫組化染色。EGFR陽性評(píng)定標(biāo)準(zhǔn):以脂肪組織為對照,在胞質(zhì)及胞膜上棕黃色分布為陽性,若標(biāo)本中陽性細(xì)胞占比≥5%,為EGFR陽性,反之則為陰性。

1.4 圖像分割及特征提取

通過圖像存檔和通信系統(tǒng)上獲取MRI原始圖像,將軸位高分辨率T2WI序列圖像導(dǎo)入3D slicer軟件(https://www.slicer.org),由一名5年以上腹部放射學(xué)工作經(jīng)驗(yàn)的醫(yī)師沿腫瘤組織邊緣逐層手動(dòng)勾畫,由另一名具備10年工作經(jīng)驗(yàn)的高年資醫(yī)師審核,共同確認(rèn)得到病灶感興趣容積(volume of interest,VOI)。見圖1。應(yīng)用Radiomics函數(shù)包提取影像組學(xué)特征。上述提取的影像組學(xué)特征,分為以下兩類:(1)基于特征類,包括一階統(tǒng)計(jì)量特征(first order statistic)、形狀特征(shape-based)、紋理特征(texture)等;(2)基于過濾器類,包括小波分析(Wavelets)、拉普拉斯變換(Laplacian transforms)、對數(shù)特征(logarithm)、指數(shù)特征(exponential)等。最終,每例患者都提取了1 223個(gè)影像組學(xué)特征。

1.5 構(gòu)建影像組學(xué)模型

采用Fe Ature Explorer(Version 0.3.6)分析影像組學(xué)特征:(1)數(shù)據(jù)預(yù)處理,以上采樣法(Up Sampling)平衡樣本,并以Z-score法對影像組學(xué)特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;(2)特征降維,應(yīng)用Pearson相關(guān)系數(shù)(pearson correlation coefficients,PCC)分析影像組學(xué)特征的相關(guān)性,如兩個(gè)特征之一的PCC>0.99,則隨機(jī)刪除一個(gè);(3)構(gòu)建模型,建立模型之前,采用方差分析或遞歸特征消除方法篩選出基于高分辨率T2WI最優(yōu)影像組學(xué)特征,分別建立支持向量機(jī)(SVM)、邏輯回歸(LR)、隨機(jī)森林(RF)及線性判別分析(LDA)四種分類器學(xué)習(xí)模型。為確定模型的超參數(shù)(如特征的數(shù)量),在訓(xùn)練數(shù)據(jù)集上應(yīng)用5折交叉驗(yàn)證法,于訓(xùn)練集進(jìn)行訓(xùn)練,于測試集評(píng)估其效能。

1.6 統(tǒng)計(jì)學(xué)分析

2 結(jié)果

2.1 一般資料

208例患者中,EGFR陽性表達(dá)99例(47.6%)。EGFR陽性組與陰性組間患者性別、年齡差異均無統(tǒng)計(jì)學(xué)意義(P>0.05),而T分期、淋巴結(jié)轉(zhuǎn)移、分化程度差異有統(tǒng)計(jì)學(xué)意義(P<0.05)。見表1。二元Logistic回歸分析顯示低分化和淋巴結(jié)轉(zhuǎn)移是EGFR陽性表達(dá)的獨(dú)立危險(xiǎn)因素(P<0.05)。見表2。訓(xùn)練集與測試集的患者在性別、年齡、TN分期及分化程度差異均無統(tǒng)計(jì)學(xué)意義(P>0.05)。見表3。

表1 EGFR陽性組與陽性組一般資料比較

表2 影響直腸癌EGFR表達(dá)指標(biāo)二元Logistic回歸分析

表3 訓(xùn)練集與測試集患者及病灶一般資料比較

2.2 影像組學(xué)特征

觀察者內(nèi)和觀察者間基于高分辨率T2WI圖像勾畫直腸癌病灶VOI的一致性良好,ICC值為0.90(95%CI:0.81～0.95)。共提取1 223個(gè)影像組學(xué)特征,最終篩選出6個(gè)最優(yōu)影像組學(xué)特征。見表4。

表4 基于高分辨率T2WI最終篩選出的影像組學(xué)特征

2.3 分類器模型預(yù)測表現(xiàn)

4種影像組學(xué)模型均有一定的預(yù)測效能。見表5。ROC曲線顯示,SVM模型訓(xùn)練集與測試集的診斷效能均為最高:訓(xùn)練集AUC為0.803(95%CI:0.720～0.874),準(zhǔn)確率、敏感度、特異度分別為77.9%、82.6%、73.7%;測試集AUC為0.725(95%CI:0.587～0.849),準(zhǔn)確率、敏感度、特異度分別為71.4%、70.0%、72.7%。見圖2。

表5 4種分類器影像組學(xué)模型評(píng)估直腸癌EGFR表達(dá)的效能

3 討論

EGFR作為表皮生長因子受體家族信號(hào)通路中的重要成員,可促進(jìn)腫瘤血管生成,誘導(dǎo)細(xì)胞增殖[3],對直腸癌靶向治療及預(yù)后評(píng)估具有重要價(jià)值,但目前尚缺乏無創(chuàng)性預(yù)測EGFR表達(dá)狀態(tài)的可行辦法。本研究基于高分辨率T2WI圖像用直腸癌VOI提取特征,再通過4種分類器建立相應(yīng)影像組學(xué)模型用于直腸癌患者EGFR表達(dá)的預(yù)測研究。結(jié)果顯示,4種影像組學(xué)模型均有一定的預(yù)測效能,SVM模型訓(xùn)練集與測試集的診斷效能均為最高。

EGFR廣泛分布于器官組織中,在許多腫瘤中均見到EGFR表達(dá)升高。本研究中EGFR陽性表達(dá)率高達(dá)為47.6%,表明EGFR表達(dá)與直腸癌的發(fā)生密切相關(guān)。有學(xué)者[11]在非小細(xì)胞肺癌的研究中發(fā)現(xiàn),在癌前病變階段,患者的癌基因激活C-erbB-1 基因,隨后EGFR過度表達(dá),引起細(xì)胞異常分裂及增殖,導(dǎo)致不典型增生進(jìn)而產(chǎn)生癌變。本研究結(jié)果顯示,低分化和淋巴結(jié)轉(zhuǎn)移是EGFR陽性表達(dá)的獨(dú)立危險(xiǎn)因素,這與焦俊霞等[12]研究基本一致,表明EGFR過度表達(dá)與直腸癌淋巴結(jié)轉(zhuǎn)移和預(yù)后有關(guān)。

影像組學(xué)在直腸癌的研究主要集中在術(shù)前TN分期、遠(yuǎn)處轉(zhuǎn)移及新輔助化療療效療效評(píng)估方面[7-9]。對于直腸癌EGFR表達(dá)狀態(tài)的預(yù)測的研究尚未見報(bào)道。本研究4種影像組學(xué)模型中,SVM模型訓(xùn)練集與測試集的診斷效能均為最高。SVM 是機(jī)器學(xué)習(xí)中最受關(guān)注的、性能良好的二分類器。它的思想是能夠正確劃分訓(xùn)練數(shù)據(jù)集,且在研究樣本中找出幾何間隔最大的超平面[13]。王楠等[14]應(yīng)用4中分類方法進(jìn)行建模,對直腸癌術(shù)前T分期進(jìn)行預(yù)測,結(jié)果顯示SVM 是效果最優(yōu)的算法,其AUC高達(dá)0.968。本研究中4種分類方法,AUC均達(dá)到0.75以上,準(zhǔn)確率也都高于0.71,這與Lambin等[15]提出的觀點(diǎn)一致,好的影像組學(xué)特征應(yīng)用不同分類器計(jì)算都應(yīng)該獲得較好的結(jié)果。因此,我們研究基于 MRI 數(shù)據(jù)開發(fā)腫瘤本身隱藏的數(shù)據(jù)信息來預(yù)測直腸癌的EGFR表達(dá)狀態(tài)是有價(jià)值的。

本研究存在以下不足:(1)由于直腸癌腫瘤組織形態(tài)不規(guī)則,本研究采用手動(dòng)分割逐層勾畫興趣區(qū),該方法工作量大,不適用于大規(guī)模數(shù)據(jù)處理,基于深度學(xué)習(xí)的直腸癌興趣區(qū)自動(dòng)分割方法值得未來進(jìn)一步研究。(2)本研究僅選擇基于高分辨率T2WI圖像進(jìn)行評(píng)估,未來研究可加入多種MRI序列、多種影像學(xué)方法及實(shí)驗(yàn)室指標(biāo),構(gòu)建多模態(tài)影像組學(xué)模型,更綜合、更全面地探究術(shù)前預(yù)測直腸癌EGFR表達(dá)的問題。

綜上,基于高分辨率T2WI圖像的影像組學(xué)模型對直腸癌術(shù)前EGFR表達(dá)狀態(tài)預(yù)測的評(píng)估具有一定價(jià)值,從而有助于臨床醫(yī)生為直腸癌患者制定個(gè)體化治療方案和預(yù)后評(píng)估。