原始研究的文章

前面。Radiol。,20October 2022
秒。心胸成像
卷2 - 2022 | https://doi.org/10.3389/fradi.2022.911179

unenhanced之间的相关分析和增强CT radiomic肺癌的特征表现为固体结节及其疗效预测肺门和纵隔淋巴结转移

Huanchu元 ¹,

Yujian邹^{1 *},

云高¹,

Shihao张²,

小林郑¹和

Xiaoting你¹

¹放射学、东莞人民医院、东莞、中国
²病理学系、东莞人民医院、东莞、中国

目的:如果肺门和纵隔淋巴结转移发生在固体肺癌结节肿瘤分期至关重要,这决定了病人的治疗策略和预后。我们旨在建立一个有效的模型来预测肺门和纵隔淋巴结转移固体肺癌结节的利用纹理特征。

方法:二百一十八固体结节患者的CT图像进行回顾性分析。使用ITK-SNAP软件3 d肿瘤划定。从unenhanced Radiomics特征提取和增强CT图像基于正义与发展党软件。unenhanced radiomics特征之间的相关性和增强CT图像进行了分析和斯皮尔曼等级相关分析。根据病理结果,患者分为无淋巴结转移组和淋巴结转移组。所有患者随机分为培训组和测试组在7:3的比例。选择有价值的功能。多变量逻辑回归是用来构建预测模型。建立了两种预测模型与unenhanced和增强CT图像。ROC分析被用来估计模型的预测效率。

结果:总共7个类别的功能,其中包括107特性,提取。之间存在着高度的相关性特征的7类unenhanced CT图像和增强CT图像(所有r> 0.7,p< 0.05)。其中,形状特征相关性最强的(意思r= 0.98)。有5特性增强模型和unenhanced模型,预测有重要意义。分别auc是0.811和0.803。没有显著差异在两个模型的预测性能(德龙的测试,p= 0.05)。

结论:我们的研究模型取得了更高的精度预测肺门和纵隔淋巴结转移固体肺癌结节和有价值的在促进肺癌分期的准确性。我们的结果表明,CT radiomics功能潜力预测肺门和纵隔淋巴结转移固体结节性肺癌。此外,增强和unenhanced CT radiomics模型类似的预测能力在预测肺门和纵隔淋巴结转移。

背景

肺癌是世界上最常见的恶性肿瘤;根据中国癌症协会的统计数据在几年前,肺癌的发病率和死亡率排名第一(1)。肺癌的分期确定治疗策略的合理性,预测患者的预后及影响分析治疗结果的准确性(2)。因此,它是至关重要的实现真正的肺癌的分期在诊所。CT扫描是诊断肺癌的最重要手段。长期的临床观察和研究表明,纯毛玻璃或subsolid结节CT显示早期癌症,包括癌症原位或microinvasive癌手术和组织病理学证明,一般没有淋巴结转移和预后良好,手术治疗(3- - - - - -5)。然而,在固体肺癌结节,有巨大差异在早期癌症分期没有转移有利于手术治疗中、晚期肺癌与肺门和纵隔淋巴结转移应该全面区别对待(4- - - - - -6)。据统计,8.5%的早期癌症患者显示固体结节在有淋巴结转移的CT发现病理检查。这导致疗效的阻止和减少病人的存活率(7)。因此,固体结节的CT分期肺癌临床是一个难点。其他的考试,如正电子发射断层扫描(PET)和transbronchial超声波纵隔淋巴结活检,也有一些局限性。宠物的价格是昂贵的,和图像分辨率低。此外,在transbronchial超声波纵隔淋巴结活检,不足的材料可以收集。

Radiomics是一种新技术,CT、磁共振成像(MRI)和PET图像输入计算机,和内部的像素灰度特征提取的具体高通量算法来发掘大量的内部信息无法辨认的人眼(8)。这种技术的深刻理解有助于肿瘤的生物学特性。目前,radiomics一直在强调不同学科。在一项研究(7,9,10),人工智能和深度学习应用于预测肺门和纵隔淋巴结转移的肺癌,和各种模型的预测精度达到0.81 - -0.82;然而,尽管预测能力稍有改善,一些限制是不可避免的。目前,不准确的分期在诊所的速度达到8.5% -10% (11,12),它不提高疗效。上面,不知道这个方法适合一般临床应用的和稳定的。病理类型而言,非小细胞肺癌(nsclc)占多数的情况下(13),所以在我们的研究中,固体结节肺癌患者符合入选标准被用于radiomic研究中,我们比较了unenhanced之间的相关性和增强CT成像,提取radiomic特点和建立有效的预测模型肺门和纵隔淋巴结转移,促进固体结节的CT分期的准确性在非小细胞肺癌肺癌。

材料和方法

我们医院审查委员会批准了当前的研究。要求书面知情同意放弃了回顾性队列。

病人

899与非小细胞肺癌患者的手术或组织病理学确认从2007年12月到2019年7月在我们医院都包括在内。入选标准如下:(1)患者unenhanced和增强CT图像,和切片厚度unenhanced和增强CT图像不大于2毫米;(2)固体节点的直径大于3毫米允许分割的精度;(3)患者肺部病变的组织病理学和免疫组织化学结果;和(4)是否存在肺门和纵隔淋巴结转移手术,证实了针吸活组织检查或胸腔镜检查。

少数患者有典型的宠物的表现肺门和纵隔淋巴结转移(14)。患者图像质量差和不完整的信息从我们的研究被排除在外。

共有218名患者终于注册,其中包括109名男性和109名女性,年龄在27到85岁,平均年龄为59.9±11.1年(平均年龄,62年)。

CT扫描协议

使用东芝CT图像获得Aquilion 4-row螺旋CT扫描仪和飞利浦256年辉煌iCT扫描仪。Unenhanced和增强检查。unenhanced CT扫描期间,患者深吸气后所有人都屏住了呼吸。扫描参数如下:螺丝距1片1 - 2毫米,厚度和层距离矩阵512×512,120千伏管电压、管电流300毫安,和扫描范围从顶端pulmonis低于隔膜。增强扫描,对比剂(Ultravist解决方案,150、300、300 mgI /毫升)是通过手背静脉或尺侧静脉注射的剂量的1.5毫升/公斤体重与注射速度3 - 3.5毫升/秒的力量注入器(Medrad VCT610, Kanggao实业有限公司,有限公司,美国或YOUWO Bliztwing,广州YOUWO医疗有限公司,有限公司,中国)。水中成像的动脉相收购一个二十五秒延迟从一开始的造影剂注射,和静脉成像阶段获得了75秒的延迟。一个过滤器投影算法用于图像重建。高分辨率的算法用于肺窗口,窗口宽度为1250胡锦涛和胡500年水平的窗口。标准算法用于纵隔窗口,窗口宽度为250胡锦涛和窗口的奖金的。

病理诊断和组织病理学验证

从手术,获得肿瘤样本针吸活组织检查或胸腔镜与10%甲醛溶液固定,嵌入在石蜡和制成病理部分,细胞被染色的苏木精和伊红(他),并在显微镜下观察到。免疫组织化学、CK CK7、TTF-1 EGFR,波形蛋白,CK5/6, CK14, CK20, Villin、P63和Ki67进行了研究。

成像观察和组织病理学的方法验证

观察和分析CT成像是由两个胸部放射学家(10年的经验,advice-senior职称和高级职称)。这两个胸部放射学家观察肺部病变的CT表现和门的andmediastina和记录数据进行统计分析。组织病理学和免疫组织化学分析的坚实肺结节进行所有的病人。共有114例病人接受了删除操作的肺门和纵隔淋巴结或胸腔镜活检来确定淋巴结表现出异常,和组织病理学诊断。另一个5患者没有组织病理学数据数量肺门和纵隔淋巴结增大,增强CT观察静脉阶段。与此同时清楚地观察高代谢状态的宠物。

Radiomic特征提取

肿瘤分割

ITK-SNAP的snake-shaped分割工具软件(版本3.8.1,www.itksnap.org)(15)被用来跟踪实体肿瘤的轮廓剖面纵隔窗的CT图像。所示图1,一片一片的三维分割整个肿瘤进行增强和unenhanced图像。part-solid结节,固体部分被调整窗宽、窗杆。静脉期图像采用增强扫描。分割的结节是由两个胸部以上的放射科医生咨询。

图1

图1。(一个)使用ITK-SNAP snake-shaped分割工具的软件(版本3.8.1,www.itksnap.org)跟踪等高线的实体肿瘤的CT纵隔窗。固体的左肺结节增强(静脉阶段,切片厚度2毫米)和减少肿瘤边缘(箭头所指)。(B)这部分固体对肺结节是增强(静脉阶段,切片厚度2毫米)。磨砂玻璃部分和固体部分给出的节点在肺窗成像(箭头所指)。固体部分被显示在纵隔窗(箭头)和分割是沿着固体部分的保证金(箭头所指)。

特征提取

CT图像和分割文件导入到AK软件(人工智能工具,版本3.3.0,通用电气医疗集团)(16特征提取)(图2)。总共107年7类别提取特征,包括14个一阶特性5形状特性,18个灰度共生矩阵法应用灰度共生矩阵建立()特性,16个灰度运行长度矩阵(GLRLM)特性,16个灰度大小带矩阵(GLSZM)特性,24灰度相关矩阵(GLDM)特性和14个邻国灰色基调不同矩阵(NGTDM)特性。

图2

图2。病人的CT扫描(女,77岁)显示一个坚实的结节的post-basal段下叶,这被证明是肺浸润癌。分割的三维成像(片)导入到正义与发展党软件(人工智能工具,版本3.3.0,通用电气医疗集团)(13)进行特征提取。unenhanced给出的成像成像:左侧上部图切成图像(箭头所指),左下图切成整个结节,和右边的上下数据垂直面和冠状面图像的结节。

中列出的功能的细节补充附录表1。

功能处理

首先,用方差等于0的特性被移除。然后,Z分数是用来规范radiomics特性。

数据分析和统计分析

相关分析进行特征提取unenhanced和增强CT成像用斯皮尔曼等级相关分析。根据肺门淋巴结转移的存在,患者分为一组淋巴结转移和non-lymph节点转移组。患者随机分为训练集和测试组在7:3的比例数量的训练和测试组分别为83和36例淋巴结转移组的培训和测试组分别为69和30例non-lymph节点转移组。的Mann-WhitneyU测试中,斯皮尔曼等级相关分析和最大relevance-minimum冗余(MRMR)算法被用于培训组的特征选择。在Mann-WhitneyU测试,功能明显不同淋巴结转移组和non-lymph节点转移组包括(p< 0.05)。斯皮尔曼等级相关分析是用来评估功能之间的相关性。两个特性之间的相关性大于0.75时,其中一个是随机保留。最后,我们采用了MRMR算法,和5最有价值的功能保留。多变量逻辑回归是用来构建预测模型。两个预测模型构建基于增强和unenhanced CT特征。曲线下的面积(AUC)、准确性、敏感性和特异性进行估计预测模型的预测效率。德龙的auc的测试是用来比较两个模型。

临床信息,分类变量表示为频率(百分比),组间比较采用卡方检验。连续变量表示为中位数(四分位范围)和使用Mann-Whitney组间比较U测试。本研究中所有统计分析进行了R(3.6.0版)。小动物——一张长有p值< 0.05显示统计学意义。

结果

一般CT形态特征、病理类型和组肺癌结节

218年有218结核患者,肿瘤位于两肺的各种叶。

结节主要由软组织,和一些包含毛玻璃组件和钙结节区。病理类型,有212例腺癌(包括胶质癌3例),1例鳞状细胞癌,adenosquamous癌5例。有119名患者没有肺门或纵隔淋巴结转移(图3)和99例肺门和纵隔淋巴结转移,这表现为同侧肺门和纵隔淋巴结肿大(图4)。基本的临床资料、CT表现及病理类型所示表1。

图3

图3。男,69岁,浸润在前一部分左上肺腺癌(中度分化程度)没有肺门和纵隔淋巴结转移。CT显示一个坚实的结节。左边的图(一个)显示unenhanced成像和坚实的结节(箭头)和图(B)显示增强成像和一个增强的结节(箭头所指)。

图4

图4。男,67岁,在内侧adenosquamous癌基底段的右下肺(中度分化度)与肺门和纵隔淋巴结转移。CT显示一个坚实的结节。左边的图(一个)显示unenhanced成像和坚实的结节(箭头所指)。正确的图(B)显示了不同类地增强成像和增强的结节(箭头所指)。图(C)显示在正确的肺门淋巴结肿大和subtuberances(箭头所指),淋巴转移由病理证实。

表1

表1。详细的临床资料、CT表现及病理类型。

unenhanced之间相关分析radiomic特性和增强CT图像

相关分析的结果显示在7类型的特性表2和图5从unenhanced图像显示的特性有很强的相关性增强图像的特性。其中,形状特征有强烈的相关性,相关系数(中位数(四分位范围))为0.98(0.97,0.98),和值范围是0.90 - -0.98。NGTDM的平均相关系数,GLRLM unenhanced之间和一阶特性和增强图像都大于0.8。灰度共生矩阵中值相关系数,GLSZM之间GLDM unenhanced和增强图像都大于0.7。

图5

图5。箱线图的相关价值unenhanced之间的各种类型的特性和增强的图像。形状特征表现出最高的相关性。

表2

表2。相关的各种特性unenhanced和增强成像。

预测模型预测肺门和纵隔淋巴结转移

详细的临床数据分布的病人在训练和测试组中显示表3。没有明显差异的变量之间的培训组和测试组(所有p> 0.05)。

表3

表3。患者的临床资料培训组和测试组。

91年unenhanced模型,20到5特性仍然Mann-Whitney后U测试中,斯皮尔曼等级相关分析和MRMR算法,分别。在增强模型中,93年,17岁和5特性仍然Mann-Whitney后U测试中,斯皮尔曼等级相关分析和MRMR算法,分别。表4介绍了在多变量逻辑回归系数的特性。radiomic分数的两个预测模型构建和如下:

表4

表4。系数unenhanced和增强特性的模型。

unenhanced公式预测模型:

\begin{aligned} Radscore & _u n e n h 一个 n c e d = U_原始_glrlm_灰度 \\ 不均匀性 * (0.196) \\ + U_原始_ngtdm_强度 * (- - - - - - 2 .722) \\ + U_原始_glszm_HighGrayLevelZone \\ 强调 * (0.415) \\ + U_原始_glrlm_GrayLevelNonUniformity \\ 归一化 * (0.644) \\ + U_原始_glrlm_RunEntropy * (0.371) + (- - - - - - 0 .563) 。 \end{aligned}

提高预测模型的公式:

\begin{aligned} Radscore & _{e} n h 一个 n c e d = E_原始_gldm_依赖 \\ 方差 * (0.343) \\ + E_原始_glszm_SmallAreaLowGrayLevel \\ 强调 * (- - - - - - 0.489) \\ + E_原始_glszm_SmallAreaEmphasis * (0.581) \\ + E_原始_一阶_TotalEnergy * (0.427) \\ + E_原始_gldm_DependenceEntropy * (1.373) \\ + (- - - - - - 0.504) \end{aligned}

预测unenhanced效率和增强模型肺门和纵隔淋巴结转移

radiomic得分有显著差异unenhanced和增强模型的淋巴结转移组和non-lymph节点之间的转移。图6显示的箱线图radiomic unenhanced和增强模型的得分。的auc unenhanced肺门和纵隔淋巴结转移预测模型分别为0.803和0.700的训练集和测试集,分别。增强模型预测的auc肺门和纵隔淋巴结转移是0.811和0.708在训练集和测试集,分别。的特异性和灵敏度两个预测模型所示表5和ROC曲线提出了图7。没有显著差异的预测效率两个预测模型(德龙的测试,p= 0.788为训练集和p测试集= 0.885)。

图6

图6。箱线图unenhanced Radscore值的增强(A)和(B)模型。

图7

图7。ROC曲线的unenhanced和增强模型。左边的图(一个)显示了ROC曲线的队列训练,和正确的图(B)所示的ROC曲线测试队列。之间没有显著差异的两个模型(包括训练和测试组p< 0.05)。

表5

表5。unenhanced和增强模型的预测效率。

讨论

Radiomics由人工智能基本能够达到像素灰度水平,提取更多的信息由肉眼看不见的,和获得各种各样的特征。因为获得信息可以量化,增加结果的客观性和准确性评估疾病较高的变化(8- - - - - -10)。我们的研究对象是peripheral-type肺癌,这表现为固体结节CT成像。提取radiomic特性的方法和建立预测模型被用来预测固体结节是否肺门和纵隔淋巴结转移。我们的研究使用ITK-SNAP软件提取所有片主要肿瘤unenhanced和增强CT图像(15),这些图像被输入到正义与发展党软件提取一阶特性和结构特性(16)。首先,相关分析之间的特性进行unenhanced和增强成像,和我们的研究结果表明,固体的radiomic特性结节有两组之间有高度的相关性。其中,形状特征相关性最高(r= 0.98,中位数),结果是符合临床观察。其次,基于固体unenhanced小结节的结构特性和增强图像,建立的模型能更好地预测肺门和纵隔淋巴结转移,这表明结构特性的应用促进了固体结节肺癌分期的潜力。因为我们的目标是研究肺癌的生物固体节点的行为,肺门和纵隔淋巴结转移的可靠性是非常重要的。淋巴结的CT和磁共振表现观察但不深入地分析。

在我们的研究中,总共有107提取功能分为7类,包括一阶和二阶结构特征。相关分析基于unenhanced和增强成像的radiomics很少被报道。在一些参考,作者进行了结构分析预测的主要肿瘤淋巴结转移的肺癌、直肠癌和建立分段模型,只有在肺癌unenhanced成像(7)或增强成像直肠的静脉期癌(17)被用于结构分析。没有相关研究或比较unenhanced和增强成像也有研究关注于建立模型unenhanced和增强成像作为我们的研究。由于血液供应状态会极大地影响肿瘤的生物学行为(18),我们认为重要的是探讨radiomics unenhanced和增强成像的特点。

我们的研究评估的能力radiomics预测肺门和纵隔淋巴结转移固体肺癌结节,发现从107年5特性提取特征在unenhanced预测价值和增强成像。两个预测模型的基础上,建立了多因子的回归unenhanced和增强成像。预测效率如下:在unenhanced成像,AUC为0.803培训组和敏感性和特异性分别为0.681和0.831,分别。测试组的AUC是0.7,敏感性和特异性分别为0.567和0.833,分别。在增强成像,AUC是0.811培训组和敏感性和特异性分别为0.667和0.819,分别。测试组的AUC是0.708,敏感性和特异性分别为0.533和0.861,分别。上述研究结果表明,预测模型具有较高的预测效率,效率是一致的培训组和测试组,显示,我们的方法是可重复的。此外,模型的预测效率之间的培训组和测试组unenhanced和增强成像进行了比较。结果没有显著不同(p> 0.05),表明建立的两个模型可以相互替换。

一帆钟山等人进行的一项研究肺门淋巴结转移的肺癌使用radiomic特性+深度学习模型(7),他们的预测模型与另一个3模型(19- - - - - -21)。他们发现几个模型的预测效率超过0.8。这个结果表明radiomic方法和建立的模型是可行的,稳定的,支持我们的结果。然而,在研究一帆钟山等人肺癌结节的CT表现包括固体结节和毛玻璃结节(7)。因为淋巴结转移的概率是非常小的和毛玻璃肺癌结节(22),它可以主观地提高预测效率和减少研究结果的客观性。此外,一帆钟等。7)没有列表结构特性所预测的意义,影响研究方法和结果的可理解性。值得一提的是,我们的研究毛玻璃结节,明确列出的变量与预测的意义和表示,每种类型的结构特性是不同unenhanced预测模型和增强的预测模型。unenhanced预测模型,5特性具有预测意义包括3种不同GLRLM特性,表达相似的灰度强度值,不确定性或随机性的灰度分布和水平异质性的纹理模式(22),分别为1和NGTDM-Strength GLSZM特性,表达越高灰度值的分布和区域的大小和变化的程度,分别为(23)。增强预测模型,5特性具有预测意义包括两种不同GLDM特性,测量比例和方向性的联合分布规模较小的区域图像中灰度值较低,两个不同GLSZM特性,表达一个无序状态gray-degree值的分布,和1阶特性,总能量,这表示图像的能量特性(24)。在我们的研究中,通过提取的纹理特征,灰度,一致性,不同,和能源的图像在像素级量化,深入揭示肿瘤的特征。这些特征相关的基因结构、组织学形态和肿瘤的生物学行为(8)。

我们的研究也有一些局限性。首先,关于病人的选择,以确保可靠性的研究中,对899例,患者只有218证明包括组织病理学和完整的临床数据,导致许多患者被排除在外,和观察到的数据可能有一些偏见。第二,大多数肿瘤包括在这项研究是腺癌,和其他病理类型,如鳞状细胞癌和adenosquamous癌,是十分罕见的没有被研究。最后,只有单中心的数据在我们的研究中使用。确认通过多中心数据仍应被执行,以确保我们的结果的概括。

总之,7种radiomic unenhanced和增强成像之间的相关特性。建立的两个模型有很高的预测效率预测肺门和纵隔淋巴结转移的肺癌结节,两种模型的auc超过0.8。这一结果表明我们的研究改进的关键在肺癌分期的准确性。此外,它应该有可能,unenhanced成像或增强成像可用于阶段肺癌结节和达到的目的更简化的CT检查。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

本研究回顾和东莞人民医院伦理委员会的批准,中国东莞。要求书面知情同意放弃了回顾性队列。

作者的贡献

:为什么调查和方法论。ZJ:概念化和数据管理。YG:可视化,收集和分析数据。深圳:病理观察和研究。翔泽:监督、验证、writing-review和编辑。XY:原创作品草稿,正式的分析。所有作者的文章和批准提交的版本。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fradi.2022.911179/full补充材料。

引用

1。陈W,郑R, Baade PD,张年代,曾H,布雷F,等。在中国癌症统计数据,2015年。CA癌症中国。(2016)66 (2):115 - 32。doi: 10.3322 / caac.21338