上皮性卵巢癌患者淋巴结转移预测模型的构建
卵巢癌是妇科致命性癌症之一，据统计，全球每年新发卵巢癌患者人数约为23万，因卵巢癌死亡患者人数约为15万［1］，且卵巢癌患者确诊后5年生存率仅为46%［2］。盆腔与主动脉旁淋巴结切除是早期卵巢癌患者分期手术的标准程序之一［3］，但早期卵巢癌淋巴结阳性率仅为13%~20%［4］，且有随机对照试验证实系统淋巴结清扫（systemic lymph node dissection，SLND）并未明显提高卵巢癌患者生存率［5］。因此，术前准确评估卵巢癌淋巴结转移情况非常重要。
目前，临床医生对卵巢癌淋巴结转移的评估多依赖于影像科医生基于经验、医学影像的视觉评估结果，有一定主观性与不确定性。影像组学技术是一种从医学影像中提取定量特征并进行量化的方法，已被作为多种癌症术前预测淋巴结转移情况的无创手段［1-2］，但关于其在妇科癌症领域应用效果的研究报道较少。本研究采用基于18F-氟代脱氧葡萄糖正电子发射计算机体层摄影-CT（18F-fluorodeoxyglucose positron emission tomography with integrated computed tomography，18F-FDG PET/CT）的影像组学技术构建上皮性卵巢癌患者淋巴结转移预测模型，旨在为临床医生制订患者个体化治疗方案、评估患者预后等提供参考。
1 对象与方法
1.1 研究对象
选取2020年9月—2022年12月在中南大学湘雅二医院妇科住院的上皮性卵巢癌患者98例，其中浆液性囊腺癌89例、子宫内膜样癌5例、黏液性囊腺癌2例、透明细胞癌2例。纳入标准：（1）经病理学检查证实为上皮性卵巢癌；（2）曾接受过淋巴结取样或切除术；（3）可获取术前14 d内医学数字成像和通信（digital imaging and communications in medicine，DICOM）格式的PET/CT影像；（4）病例资料完整，可获取相关临床特征。排除标准：（1）其他类型卵巢癌；（2）伴有其他恶性肿瘤或复发性上皮性卵巢癌；（3）严重心、肝、肾功能不全。本研究为回顾性研究，经中南大学湘雅二医院研究伦理委员会审核批准，无须征得患者知情同意。
本研究患者筛选流程见图1，影像组学技术流程见图2。
1.2 分组方法
通过查阅电子病历分析所有患者临床特征，包括人口学特征、实验室检查结果、病理检查结果、影像学检查结果等，并根据淋巴结转移情况将其分为淋巴结转移组65例与非淋巴结转移组33例，同时按照7∶3比例进行随机抽样后分为训练集68例与验证集30例。
1.3 放射组学技术
采集所有患者术前14 d内18F-FDG PET/CT影像：首先，基于CT影像进行PET影像的衰减校正；其次，采用迭代法重建影像以获得冠状位、矢状位、横断位CT、PET、PET-CT影像并将其传输至MMWP工作站；最后，将影像保存为DICOM格式并刻录至光盘。
仪器设备：西门子Biography mCTx PET/CT扫描仪（序列号：11057，128层螺旋CT/52环PET）；针对PET/CT影像的示踪剂18F-FDG由中南大学湘雅二医院统一生产，放化纯度>95%；CT扫描参数：电压120 kV，层厚3.75 mm；PET 3D影像采集速度为2 min/床位，共采集6~7个床位。
由2名放射科医生采用3DSlicer 4.11.20210226软件（3D Slicer image computing platform）进行影像分割：首先，采用半自动方法勾画出肿瘤边界，并使用PET-IndiC模块获取肿瘤的最大标准摄取值（maximum of standard upatake values，SUVmax）；其次，将40% SUVmax作为阈值并自动勾画出感兴趣区（region of interest，ROI）；最后，采用Radiomics模块在原始影像基础上使用小波变换进行影像特征提取，即在x、y、z轴上分别采用高（H）、低（L）通滤波得到8个分解影像：低低低（LLL）、低低高（LLH）、低高低（LHL）、低高高（LHH）、高低低（HLL）、高低高（HLH）、高高低（HHL）、高高高（HHH）。
本研究随机选取30幅PET影像并由2名放射科医生进行分割，以评估观察者之间一致性，之后选取其中20幅PET影像并间隔2周后由同一名放射科医生进行再分割，以评估观察者内部一致性。以类内相关系数（intraclass correlation coefficient，ICC）>0.75表示观察者之间或观察者内部一致性较好，本研究仅保留ICC>0.75的影像特征。
以淋巴结转移情况作为结果标签进行模型构建。
1.4 上皮性卵巢癌淋巴结转移预测模型的构建
首先，进行冗余性分析：选择ICC>0.75的影像特征并进行正态性检验，满足正态分布的影像特征采用Pearson相关性分析并计算相关系数（r值），不满足正态分布的影像特征采用Spearman秩相关分析并计算秩相关系数（rs值）。本研究仅纳入r值或rs值<0.9的影像特征。
其次，采用LASSO回归分析（α=1.00）对经过冗余性分析后的影像特征进行数据降维：选择回归系数非零的最具预测性的影像特征，调谐正则化参数最优调节权重（λ）后采用基于最小标准的5倍交叉验证；将所选影像特征与其非零回归系数进行线性组合以构建影像组学特征，并根据影像组学特征计算所有患者的影像组学评分（Radscore），采用受试者工作特征（ROC）曲线下面积（AUC）对Radscore的性能进行分析。
再次，依据AUC最大处截断值对所有患者糖类抗原125（CA125）水平、人附睾蛋白4（HE4）水平进行划分，并结合年龄、原发灶位置、淋巴细胞计数、淋巴细胞分数、SUVmax进行单因素分析、多因素Logistic回归分析以构建临床预测模型。
最后，将所有患者临床特征与Radscore均作为自变量并进行多因素Logistic回归分析，构建联合预测模型并绘制Nomogram图。
1.5 统计学方法
采用R 4.0.2软件（The R Project for Statistical Computing）、WPS软件完成统计学处理。采用Levene's检验进行方差齐性分析，符合正态分布的计量资料以（x±s）表示，采用Student's t检验；不符合正态分布的计量资料以M（QR）表示，采用Mann-Whitney U检验。计数资料以相对数表示，采用χ2检验或Fisher's确切概率法。R软件包：（1）采用“irr”软件包计算ICC；（2）采用“glmnet”软件包完成LASSO回归分析；（3）采用“pROC”“ROCR”软件包完成ROC曲线分析、DeLong's检验；（4）采用“rms”软件包完成Nomogram图、Hosmer-Lemeshow H检验、校准曲线；（5）采用“rmda”软件包完成决策曲线分析（DCA），以评估预测模型的预测效能、量化预测模型在不同阈值概率下的净效益。采用双侧检验，以P<0.05为差异有统计学意义。
2 结果
2.1 淋巴结转移组与非淋巴结转移组患者临床特征比较
本研究上皮性卵巢癌患者淋巴结转移率为66.3%（65/98）。淋巴结转移组与非淋巴结转移组患者年龄、血型、国际妇产科联合会（Federation International of Gynecology and Obstetrics，FIGO）分期、CA125水平、病理类型、病理分级、腹腔积液细胞学检查结果、淋巴细胞计数、淋巴细胞分数、SUVmax比较，差异无统计学意义（P>0.05）；淋巴结转移组与非淋巴结转移组患者HE4水平、原发灶位置比较，差异有统计学意义（P<0.05）。
2.2 影像组学特征
经影像组学技术提取到1 023个影像特征，其中原始特征279个，小波特征744个；在训练集中，根据最小化准则，LASSO回归分析的λ为0.132，识别出3个回归系数非零的最具预测性的影像特征（图3A、B），分别为HHH小波滤波的灰度区域大小矩阵特征的小区域低灰度强调（wavelet.HHH glszm Small Area Low Gray Level Emphasis，X1）、LLL小波滤波的灰度相关矩阵的灰度方差（wavelet.LLL gldm Gray Level Variance，X2）、LLL小波滤波的邻域灰度差矩阵的对比度（wavelet.LLL ngtdm Contrast，X3），据此，Radscore=-2.098 712 1×X1+0.753 170 6×X2+0.701 089 0×X3+0.792 843 7。Radscore预测训练集、验证集中上皮性卵巢癌患者淋巴结转移的AUC分别为0.77、0.68（图3C），表现良好，可以将Radscore作为一项预测因素用于联合模型的构建。
通过计算每名患者Radscore发现，淋巴结转移组患者Radscore为（0.3±0.3）分，高于非淋巴结转移组患者的（0.2±0.2）分，差异有统计学意义（t=3.071 5，P=0.003），见图4。
2.3 临床预测模型与联合预测模型的构建
将单因素分析结果中差异有统计学意义的2个变量HE4水平（赋值：<343 pmol/L=0，≥343 pmol/L=1）、原发灶位置（赋值：单侧=1，双侧=2）纳入多因素Logistic回归分析，结果显示，HE4水平、原发灶位置是上皮性卵巢癌患者淋巴结转移的预测因素（P<0.05）。据此以HE4水平、原发灶位置构建临床预测模型。
进一步将HE4水平（赋值：<343 pmol/L=0，≥343 pmol/L=1）、原发灶位置（赋值：单侧=1，双侧=2）、Radscore（赋值：实测值）纳入多因素Logistic回归分析，结果显示，HE4水平、原发灶位置、Radscore是上皮性卵巢癌患者淋巴结转移的预测因素（P<0.05）。据此以HE4水平、原发灶位置、Radscore构建联合预测模型。
2.4 临床预测模型与联合预测模型的验证
Delong's检验结果显示，联合预测模型预测训练集中上皮性卵巢癌患者淋巴结转移AUC为0.80（95%CI=0.70~0.90），高于临床预测模型的0.73（95%CI=0.61~0.85），差异有统计学意义（Z=-2.025，P=0.042）；联合预测模型、临床预测模型预测验证集中上皮性卵巢癌患者淋巴结转移AUC分别为0.80（95%CI=0.57~0.99）、0.76（95%CI=0.54~0.98），两者比较差异无统计学意义（Z=-0.873，P=0.383），见图5。
校准曲线显示，联合预测模型通过校准度检验（P=0.990），具有良好的区分能力（图6A）；DCA分析结果显示，临床预测模型、联合预测模型的预测效能良好，但联合预测模型的净效益较高（图6B）。
2.5 Nomogram图
联合预测模型预测上皮性卵巢癌患者淋巴结转移的Nomogram图见图7。
3 讨论
SLND包括盆腔和腹主动脉旁淋巴结清扫，其自1988年以来一直作为完整卵巢癌分期手术的一部分［6］。对于早期上皮性卵巢癌患者，SLND的目的是发现隐匿性淋巴结转移并指导手术与病理分期［7］，但有研究显示，仅20%~30%的早期上皮性卵巢癌患者存在淋巴结转移，这意味着至少70%的早期上皮性卵巢癌患者经历了无效的淋巴结清扫。此外，SLND操作较复杂，患者术后并发症发生风险较高。有研究显示，约26.9%的SLND患者出现围术期并发症，如失血量增多等；约54.7%的SLND患者出现术后并发症，主要为淋巴囊肿［8］。一项针对639例早期卵巢癌患者的多中心、回顾性研究发现，SLND虽可提高患者无病生存率，但并不能提高患者总生存率［9］。一项基于人群的研究发现，对于早期上皮性卵巢癌患者，SLND的价值更多的在于病理分期，而非治疗益处［10］。
近年来，研究者不断探索可用于识别淋巴结转移的影像学技术，如腹腔镜下前哨淋巴结显影技术［11］，以提高影像学技术对淋巴结转移的识别准确度，但多为有创性。本研究采用基于18F-FDG PET/CT的影像组学技术成功构建预测上皮性卵巢癌患者淋巴结转移的联合预测模型，涉及3个影像组学特征和2个临床特征，在临床特征方面与既往研究结果一致［12-13］，提示HE4水平较高、原发灶位置为双侧的上皮性卵巢癌患者淋巴结转移风险较高。经ROC曲线分析，联合预测模型预测训练集、验证集中上皮性卵巢癌患者淋巴结转移AUC均为0.80，表明该模型稳健性较高；经Delong's检验，联合预测模型预测训练集中上皮性卵巢癌患者淋巴结转移AUC高于临床预测模型；经校准曲线与DCA分析，联合预测模型具有良好的区分能力与较高的净效益。需要指出的是，本研究未将病理分级纳入联合预测模型，与赵晓娟等［12］研究结果不同，其原因如下：淋巴结转移意味着病理分级升高，但病理分级一般是在术后获得的，不符合本研究术前预测上皮性卵巢癌患者淋巴结转移的目的。此外，有研究发现CA125水平也是卵巢癌患者淋巴结转移的预测因素［12］，但在本研究单因素分析中淋巴结转移组与非淋巴结转移组患者CA125水平无统计学差异，且未能进入多因素Logistic回归分析，分析其原因可能与本研究样本量较小、CA125水平检测标本采集时间不同有关。
值得注意的是，虽然目前影像组学技术对上皮性卵巢癌患者淋巴结转移的预测价值尚难以从机制角度进行解释，但笔者认为影像组学特征主要与肿瘤异质性有关，通过影像组学技术获得的高维数据可以在细胞水平上反映肿瘤异质性［14-15］。既往研究证实，影像表型与肿瘤内蛋白质表达模式差异相关［16］，基因组异质性越大的肿瘤越容易产生耐药性和淋巴结转移，这与肿瘤异质性越大则预后越差的概念有关，而基因组异质性表现可反映肿瘤异质性，可以通过影像组学技术进行评估［17-18］。YU等［19］研究发现，基于术前磁共振成像建立的影像组学模型识别早期乳腺癌患者淋巴结转移识别的AUC>0.9，提示影像组学特征与实体肿瘤淋巴结转移相关；HUANG等［19］研究发现，结合影像组学技术参数Radscore、CT检查结果淋巴结状态、癌胚抗原水平的预测模型对结直肠癌患者淋巴结转移具有良好的识别能力（C指数为0.736）［20］。
CHEN等［21］基于CT影像组学技术建立了包含Radscore、CT检查结果淋巴结状态的预测卵巢癌患者淋巴结转移的Nomogram图，结果发现其识别性能较好，AUC达到0.80。与CHEN等［21］研究相比，本研究具有如下优势：（1）将HE4水平、原发灶位置这两个临床特征纳入联合预测模型，更符合临床实践需求；（2）在勾画ROI时使用40%的SUVmax作为阈值进行半自动勾画，相较医生手动勾画ROI的稳定性更好；（3）在卵巢癌原发病灶中勾画ROI并以40%的SUVmax作为阈值进行分割，这对早期卵巢癌患者亦适用；（4）除使用原始影像外，还使用小波变换提取影像组学特征，可以提供更多关于肿瘤异质性的信息［22］。本研究局限性：（1）样本量较小，且晚期患者居多，存在一定选择偏倚；（2）未针对不同病理类型、病理分级患者进行分层分析；（3）为回顾性研究，未进行外部验证。
总之，本研究采用基于18F-FDG PET/CT的影像组学技术成功构建上皮性卵巢癌患者淋巴结转移的联合预测模型，且模型稳健性较高、区分能力良好、净效益较高，可为临床医生制订患者个体化治疗方案、评估患者预后等提供参考。
参考文献略
最后编辑于 02-13 · 浏览 924
