• 中国科技论文统计源期刊
  • 中国科技核心期刊
  • 中国高校优秀期刊
  • 安徽省优秀科技期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

双能量CT虚拟平扫结合影像组学在诊断肺鳞状细胞癌与肺腺癌中的价值

李想 陈艾琪 曹胜男 李伟 唐聪聪 杜小萌 马宜传

引用本文:
Citation:

双能量CT虚拟平扫结合影像组学在诊断肺鳞状细胞癌与肺腺癌中的价值

    作者简介: 李想(1995-), 男, 硕士研究生
    通讯作者: 马宜传, 57688754@qq.com
  • 基金项目:

    安徽省中央引导地方科技发展资金项目 2020b07030008

    安徽省临床医学研究转化专项立项项目 202304295107020072

  • 中图分类号: R734.2

Value of dual-energy CT virtual plain scanning combined with radiomics in the diagnosis of lung squamous cell carcinoma and lung adenocarcinoma

    Corresponding author: MA Yi-chuan, 57688754@qq.com
  • CLC number: R734.2

  • 摘要: 目的探讨双能量CT虚拟平扫结合影像组学在术前诊断肺鳞状细胞癌与肺腺癌中的价值,指导临床制定个体化治疗方案。方法回顾性分析经病理证实接受治疗的肺鳞癌与肺腺癌病人共162例。其中肺鳞癌54例,肺腺癌108例,按照3∶2随机分为训练组与测试组,采用达尔文智能科研平台(http://122.115.38.132:7043/manage/project-manage)分析术前双能量CT(管电压70 kVp及120 kVp)平扫图像,勾画感兴趣区,建立预测模型,通过受试者操作特性曲线验证预测模型,评价影像组学特征在预测肺鳞状细胞癌与肺腺癌中的价值。结果训练组中,曲线下面积(AUC)值为0.77,准确率为71.13%,特异性为0.75,敏感性为0.69,95%置信区间(CI)为0.67;测试组中,AUC值为0.74,准确率为64.62%,特异性为0.59,敏感性为0.67~0.90,95%CI:0.53~0.93。结论双能量CT虚拟平扫结合影像组学可以作为辅助手段鉴别肺鳞癌与肺腺癌,对于肺癌病人的临床治疗方案具有指导意义。
  • 图 1  虚拟平扫图像

    图 2  组成logstic回归分类预测模型的7个特征维度

    图 3  训练组(A)与测试组(B)ROC曲线图

    图 4  K折交叉模型验证结果图

    表 2  2组AUC、准确率及95%CI

    项目 AUC 敏感性 特异性 准确率/% 95%CI
    训练组 0.77 0.75 0.69 71.13 0.67~0.90
    测试组 0.74 0.59 0.67 64.62 0.53~0.93
    下载: 导出CSV
  • [1] MCGUIRE S. World Cancer Report 2014. Geneva, Switzerland: World Health Organization, International Agency for Research on Cancer, WHO Press, 2015[J]. Adv Nutr, 2016, 7(2): 418. doi: 10.3945/an.116.012211
    [2] FREDDIE B, JACQUES F, ISABELLE S, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2018, 68(6): 394. doi: 10.3322/caac.21492
    [3] 周平辉, 赵志强, 杨婧, 等. 超声联合CT引导下经皮穿刺活检对周围型肺癌诊断的作用[J]. 影像科学与光化学, 2020, 38(4): 652.
    [4] LAMBIN P, RIOS-VELAZQUEZ E, LEIJENAAR R, et al. Radiomics: extracting more information from medical images using advanced feature analysis[J]. Eur J Cancer, 2012, 48 (4): 441. doi: 10.1016/j.ejca.2011.11.036
    [5] 王大鹏, 杨晓光, 赵磊, 等. 基于CT的影像组学分析在鉴别肺鳞癌与肺腺癌中的应用[J]. 临床放射学杂志, 2019, 38(11): 2055.
    [6] 吴一龙. 精准医疗及伴随诊断在肺癌中的临床应用[J]. 生物产业技术, 2018, 2(3): 35.
    [7] KHORRAMI M, PRASANNA P, GUPTA A, et al. Changes in CT radiomic features associated with lymphocyte distribution predict overall survival and response to immunotherapy in non-small cell lung cancer[J]. Cancer Immunol Res, 2020, 8(1): 108. doi: 10.1158/2326-6066.CIR-19-0476
    [8] 廖烨, 赵丽娜, 石梅. 多模态功能影像及放射组学预测食管癌早期放化疗反应性研究进展[J]. 中华放射肿瘤学杂志, 2019, 28(4): 314.
    [9] PARK H, LIM Y, KO ES, et al. Radiomics signature on magnetic resonance imaging: association with disease-free survival in patients with invasive breast cancer[J]. Clin Cancer Res, 2018, 24(19): 4705. doi: 10.1158/1078-0432.CCR-17-3783
    [10] 肖吝生, 王雪梅, 邓金苹. 吉西他滨联合顺铂对晚期肺鳞癌、肺腺癌的临床疗效分析[J]. 上海医药, 2018, 39(23): 42.
    [11] DIGUMARTHY SUBBA R, PADOLE ATUL M, GULLO ROBERTO LO, et al. CT texture analysis of histologically proven benign and malignant lung lesions[J]. Medicine, 2018, 97(26): e11172.
    [12] RODRIGUEZ EF, PASTORELLO R, OSMANI L, et al. ultrasound-guided transthoracic fine-needle aspiration: a reliable tool in diagnosis and molecular profiling of lung masses[J]. Acta Cytologica, 2019, 64(3): 208.
    [13] LAO Y, TULI R, DAVID J. Discriminating lung adenocarcinoma from lung squamous cell carcinoma using respiration-induced tumor shape changes[J]. Phys Med Biol, 2018, 63(21): 215027.
    [14] 张周芳, 黄洁惠, 邵国良. 双源CT双能量成像在肺癌病理类型鉴别中的应用价值[J]. 肿瘤学杂志, 2015, 21(5): 392.
    [15] CHENGDI W, SHUANGYAN T, WEN-RONG L, et al. RNA-Seq profiling of circular RNA in human lung adenocarcinoma and squamous cell carcinoma[J]. Mol Cancer, 2019, 18(1): 134.
    [16] 徐晓莉, 宋伟, 隋昕, 等. 双能量CT在肺癌中的应用及发展前景[J]. 中国医学科学院学报, 2019, 41(2): 273.
    [17] MAYERHOEFER ME, MATERKA A, LANGS G, et al. Introduction to radiomics[J]. J Nucl Med, 2020, 61(4): 488.
    [18] 叶钉利, 姜雯, 吴佳妮, 等. 基于CT影像组学模型预测肺原位腺癌及微浸润腺癌与浸润性腺癌[J]. 中国医学影像技术, 2020, 36(9): 1345.
    [19] HYUN WOO G, JIN MO G. Dual-energy CT: new horizon in medical imaging[J]. Korean J Radiol, 2017, 18(4): 555.
    [20] YOSHIKO K, TAKAKO M, YURIE S, et al. The quality of life of patients with suspected lung cancer before and after bronchoscopy and the effect of mirtazapine on the depressive status[J]. Internal Med, 2020, 59(13): 1605.
  • [1] 李健维杨昭王小雷张书海谢宗玉 . CT影像组学联合临床特征在预测肺腺癌EGFR突变中的价值. 蚌埠医学院学报, 2021, 46(8): 1103-1108. doi: 10.13898/j.cnki.issn.1000-2200.2021.08.030
    [2] 唐聪聪陈艾琪曹胜男李伟李想杜小萌马宜传 . CT影像组学在非小细胞肺癌病理分级中的应用. 蚌埠医学院学报, 2023, 48(6): 783-786. doi: 10.13898/j.cnki.issn.1000-2200.2023.06.017
    [3] 刘德顺徐鹤王小雷杨昭李伟刘浩谢宗玉 . CT影像组学在预测非小细胞肺癌淋巴结转移中的价值. 蚌埠医学院学报, 2021, 46(9): 1239-1243, 1247. doi: 10.13898/j.cnki.issn.1000-2200.2021.09.023
    [4] 王祥芝张书海徐敏汤晓敏刘浩谢宗玉 . 多模态影像组学预测肿块型乳腺癌术前淋巴结转移的价值. 蚌埠医学院学报, 2021, 46(5): 652-656. doi: 10.13898/j.cnki.issn.1000-2200.2021.05.024
    [5] 陈路陈艾琪刘浩于娟高之振谢宗玉 . 磁共振影像组学在鉴别中低危和高危前列腺癌中的应用. 蚌埠医学院学报, 2022, 47(1): 90-93, 98. doi: 10.13898/j.cnki.issn.1000-2200.2022.01.023
    [6] 于娟谢宗玉陈艾琪陈路刘浩马宜传 . 基于mp-MRI影像组学预测前列腺癌Gleason分级的价值探讨. 蚌埠医学院学报, 2022, 47(12): 1729-1732. doi: 10.13898/j.cnki.issn.1000-2200.2022.12.025
    [7] 王玲玲李程辉杨丽汤晓敏朱芸谢宗玉赵楠楠 . 基于钼靶影像组学列线图预测乳腺癌Her-2表达状态. 蚌埠医学院学报, 2023, 48(10): 1421-1426. doi: 10.13898/j.cnki.issn.1000-2200.2023.10.021
    [8] 陈艾琪谢宗玉刘浩曹胜男于娟陈路张书海王小雷马宜传 . 多参数MRI影像组学在鉴别诊断T3a与T3b期前列腺癌中的价值. 蚌埠医学院学报, 2022, 47(5): 652-655. doi: 10.13898/j.cnki.issn.1000-2200.2022.05.024
    [9] 张慧赵楠楠朱芸张舒妮李阳杨静茹汤晓敏杨丽王玲玲谢宗玉 . 基于DCE-MRI影像组学列线图预测乳腺浸润性导管癌PD-L1表达状态的研究. 蚌埠医学院学报, 2023, 48(8): 1090-1097. doi: 10.13898/j.cnki.issn.1000-2200.2023.08.017
    [10] 王震寰孙静黄瑜秦登友 . AJCC/ATS胸内淋巴结影像分区中某些重要界线的确定——断层解剖与CT、MRI对照研究. 蚌埠医学院学报, 2004, 29(3): 189-192.
    [11] 徐敏马宜传张书海王祥芝汤晓敏杨丽刘浩谢宗玉 . 基于双模态MRI影像组学术前预测浸润性乳腺癌腋窝淋巴结转移. 蚌埠医学院学报, 2021, 46(12): 1763-1767. doi: 10.13898/j.cnki.issn.1000-2200.2021.12.031
    [12] 钱朝霞何艳高忠和齐保龙 . CT引导下细针多方向经皮肺穿刺活检的临床应用. 蚌埠医学院学报, 2010, 35(2): 149-151.
    [13] 刘金良庞军孙志红张连策庞红艳张兆福李晓冬 . 胸部CT定量技术对慢性阻塞性肺疾病病人心肺功能的评估价值. 蚌埠医学院学报, 2021, 46(3): 382-387. doi: 10.13898/j.cnki.issn.1000-2200.2021.03.028
    [14] 徐加利刘斌 . 高分辨率CT诊断肺内孤立性结节的价值探讨. 蚌埠医学院学报, 2013, 37(1): 87-89.
    [15] 魏欣扬董江宁 . CT靶重建技术在肺腺癌脏层胸膜侵犯诊断中的应用. 蚌埠医学院学报, 2022, 47(1): 99-101. doi: 10.13898/j.cnki.issn.1000-2200.2022.01.025
    [16] 沈澍秦淑国 . 多肿瘤标志物蛋白芯片在肺癌血清学诊断中的价值. 蚌埠医学院学报, 2012, 36(5): 587-588.
    [17] 王斌 . 弥漫浸润型细支气管肺泡癌与粟粒型肺结核的影像学比较. 蚌埠医学院学报, 2013, 37(9): 1189-1191.
    [18] 高一凡王永鹏李兴华唐建武 . 吲哚胺-2,3-双加氧酶在非小细胞肺癌的表达及其意义. 蚌埠医学院学报, 2009, 34(5): 384-387.
    [19] 梁中波嵇迎春朱萌李曦颖黄礼年 . GPD2基因敲减对肺癌细胞H1299生物学功能的影响. 蚌埠医学院学报, 2020, 45(7): 845-849. doi: 10.13898/j.cnki.issn.1000-2020.07.002
    [20] 胡守紫徐云侠陈汝洁任立梅刘超陈余清 . CT引导射频消融术治疗肺癌11例的护理. 蚌埠医学院学报, 2011, 36(12): 1404-1406.
  • 加载中
图(4)表(1)
计量
  • 文章访问数:  1259
  • HTML全文浏览量:  619
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-30
  • 录用日期:  2023-05-30
  • 刊出日期:  2023-11-15

双能量CT虚拟平扫结合影像组学在诊断肺鳞状细胞癌与肺腺癌中的价值

    通讯作者: 马宜传, 57688754@qq.com
    作者简介: 李想(1995-), 男, 硕士研究生
  • 1. 蚌埠医学院 研究生院, 安徽 蚌埠 233030
  • 2. 蚌埠医学院第一附属医院 放射科, 安徽 蚌埠 233004
  • 3. 蚌埠医学院第一附属医院 呼吸与危重症医学科, 安徽 蚌埠 233004
  • 4. 安徽省呼吸系统疾病(肿瘤)临床医学研究中心, 安徽 蚌埠 233004
基金项目:  安徽省中央引导地方科技发展资金项目 2020b07030008安徽省临床医学研究转化专项立项项目 202304295107020072

摘要: 目的探讨双能量CT虚拟平扫结合影像组学在术前诊断肺鳞状细胞癌与肺腺癌中的价值,指导临床制定个体化治疗方案。方法回顾性分析经病理证实接受治疗的肺鳞癌与肺腺癌病人共162例。其中肺鳞癌54例,肺腺癌108例,按照3∶2随机分为训练组与测试组,采用达尔文智能科研平台(http://122.115.38.132:7043/manage/project-manage)分析术前双能量CT(管电压70 kVp及120 kVp)平扫图像,勾画感兴趣区,建立预测模型,通过受试者操作特性曲线验证预测模型,评价影像组学特征在预测肺鳞状细胞癌与肺腺癌中的价值。结果训练组中,曲线下面积(AUC)值为0.77,准确率为71.13%,特异性为0.75,敏感性为0.69,95%置信区间(CI)为0.67;测试组中,AUC值为0.74,准确率为64.62%,特异性为0.59,敏感性为0.67~0.90,95%CI:0.53~0.93。结论双能量CT虚拟平扫结合影像组学可以作为辅助手段鉴别肺鳞癌与肺腺癌,对于肺癌病人的临床治疗方案具有指导意义。

English Abstract

  • 肺癌是当今世界最具侵袭性的癌症之一[1],据估计,2019年全球将新增肺癌病例210万例,超过所有癌症病例的十分之一[2],其中60岁及以上人群非小细胞肺癌(non-small cell lung cancer, NSCLC)发生率呈上升趋势。NSCLC病人中肺鳞状细胞癌与腺癌是两个主要病理类型,评估NSCLC病人是否为肺鳞癌与肺腺癌对诊断、制定治疗方案及评价预后具有重要意义。目前纤维支气管镜与CT、超声引导的肺活检[3]是诊断肺鳞癌与肺腺癌的主要方法, 结果较准确, 但有创,并发症较多。美国国立综合癌症网络(national comprehensive cancer network,NCCN)在最新2020版肺癌筛查指南中推荐低剂量CT扫描筛查肺癌高危人群, 但是普通CT获得图像信息较少,双能量CT可以获得碘图、虚拟平扫图像、有效原子序数图像、单能谱图像和能谱曲线等信息,具有更高的诊断价值。双能量CT可通过定量参数预测肺癌亚型及预测NSCLC的表皮生长因子受体(epidermal growth factor receptor,EGFR)突变状态,还可以进行化疗疗效评估,但未见能谱成像相关影像组学的研究报道。影像组学(亦称放射组学)最早由荷兰研究者LAMBIN等[4]提出。影像组学从(CT、MRI、PET等)影像中高通量提取大量图像特征,从而产生诊断、预后和预测模型。本研究使用双能量CT虚拟平扫结合影像组学建立预测模型,可以作为辅助手段鉴别肺鳞癌与腺癌,对于肺癌病人的治疗方案具有临床指导意义。

    • 回顾性分析2019年1月至2020年11月于蚌埠医学院第一附属医院经手术病理证实为肺鳞癌(54例)与肺腺癌(108例)的病人共162例,且均行双能量CT管电压为70 kVp及120 kVp平扫,然后按3∶2随机划分为训练组97例和测试组65例。纳入标准: 术前接受胸部双能量CT管电压为70 kVp及120 kVp平扫;CT扫描前未接受放射及化学等治疗。排除标准: 肺鳞癌或肺腺癌伴阻塞性肺炎的病人;病灶最大径≤1 cm或为纯磨玻璃样病变;扫描区域存在伪影或图像质量差,并影响病灶显示。2组病人年龄、性别等一般资料差异无统计学意义,具有可比性。

    • 使用GE 256排Revolution CT采用能谱成像模式(gemstone spectral imaging,GSI)行胸部平扫,扫描前嘱咐病人进行常规呼吸训练,扫描范围自甲状软骨至肋膈角水平。双能量CT扫描条件为: A球管电压为70 kVp, B球管电压为120 kVp,管电流为365 mA,自动毫安技术以0.5 ms瞬时切换, 层厚及层距为5 mm,螺距0.984,准直器为64×0.625。病人仰卧位,从头侧向足侧扫描。

    • 本实验采用双能量CT以管电压为高、低能量(70 kVp与120 kVp)平扫,为保证图像质量,由一位具有三年以上工作经验的影像科技师从PACS上筛选原始图像,通过后处理软件进行标准化处理,重建为层厚和层距均为0.625mm的薄层图像。将所有筛选过的医学数字成像和通信(digital imaging and communications in medicine,DICOM)数据导入达尔文智能科研平台(http://122.115.38.132:7043/manage/project-manage),由两位工作五年以上的影像诊断医师采用双盲法手动勾画感兴趣区(region of interest,ROI),勾画时选取肿瘤的最大层面,尽可能完整的勾画肿瘤的边界,同时尽可能避开大血管、支气管及钙化(见图 1)。ROI勾画完毕后,由一位有二十年工作经验的主任医师进行审核,尽可能保证ROI的准确、真实。

      图  1  虚拟平扫图像

    • 通过达尔文智能科研平台共提取1 878个影像组学特征,通过样本方差F值,以10%比率来评估特征与类别标签的线性相关性,第一次降维得到57个特征维度。通过最大绝对值归一化和最优特征筛选,将每一维度特征线性拉伸到[-1, 1]之间, 需要保留的特征维数占总维数的3%进行第二次降维,得到7个特征维度(见图 2),以多因素logistic回归分析构建影像组学模型, 绘制ROC曲线评价模型诊断效能。

      图  2  组成logstic回归分类预测模型的7个特征维度

    • 利用2组的受试者操作特性曲线(ROC)的曲线下面积(AUC)分别评价logistic模型的效能。训练组AUC为0.77, 准确率为71.13%,特异性为0.75,敏感性为0.69,95%置信区间(CI)为[0.67~0.90];测试组AUC值为0.74, 准确率为64.62%,特异性为0.59,敏感性为0.67,95%CI为[0.53~0.93](见表 2图 3)。同时采用5折交叉验证评估预测模型和实际的理论频数分布是否相符,平均AUC=0.73(见图 4)。

      项目 AUC 敏感性 特异性 准确率/% 95%CI
      训练组 0.77 0.75 0.69 71.13 0.67~0.90
      测试组 0.74 0.59 0.67 64.62 0.53~0.93

      表 2  2组AUC、准确率及95%CI

      图  3  训练组(A)与测试组(B)ROC曲线图

      图  4  K折交叉模型验证结果图

    • 肺癌是全球癌症死亡的主要原因之一,5年生存率为15%,NSCLC约占肺癌病理类型中的85%[5],其中肺鳞状细胞癌与腺癌是NSCLC的两个主要病理类型。由于大部分居民的健康体检意识不强,基层医院的诊断技术水平较低,肺癌确诊时大多数为中晚期[6],加上病人的年龄较大,病人多失去了根治的机会。影像组学通过提取大量的图像特征,从而生成诊断、预后和预测模型,是一种无创、准确、低成本的辅助技术。影像组学可应用于许多生物医学领域,在肿瘤学中应用较广,比如肺癌[7]、食道癌[8]、乳腺癌[9]等,其在肿瘤个体化治疗中有很好的应用前景。肺鳞癌首选治疗方案为吉西他滨联合顺铂,腺癌则根据基因检测结果选择不同的药物[10]。因此,为了最大限度提高疗效,对肺癌进行预处理病理学诊断是非常有必要的。然而,目前的影像学技术主要集中于病灶的检出及良恶性鉴别[11],无法对肿瘤组织亚型进行诊断。

      目前肺鳞癌与腺癌的诊断主要依赖于纤维支气管镜与CT引导的肺活检,前者对周围型肺癌的诊断能力不足,后者则容易引发严重的并发症,如: 凝血功能障碍、气胸、感染[12]等。LAO等[13]利用呼吸诱发的肿瘤形态变化鉴别肺鳞癌和腺癌,在4D-CT上对肿瘤轮廓进行勾画,由于图像伪影的影响不能完全消除,导致图像边缘产生相当大的变形,导致此研究的敏感性不足。张周芳等[14]使用双能量CT增强扫描,分析各期CT净增值及时间-密度曲线鉴别肺鳞癌和腺癌,但是部分病人碘对比剂过敏、扫描时间长、辐射剂量大,限制了其应用。CHENGDI等[15]使用环状RNA的RNA序列分析来区分肺鳞癌与腺癌,具有较高的特异性和敏感性,但使用的是生物标志物侵入性检查且费用较为昂贵。

      本研究提出了一种基于术前行双能量CT虚拟平扫来区分肺鳞癌与腺癌的影像组学方法,利用提取大量的2D图像特征,构建风险预测模型,来评估162例肺鳞癌与腺癌的病人。徐晓莉等[16]提出双能量CT在肺癌亚型诊断及预测,评估肿瘤位置、大小、形状、边缘、强化特征、肿瘤内部及周围结构, 以及其他相关征象,但未能联合影像组学进行研究。传统的影像学仅能从组织对比及解剖结构改变方面对病变进行诊断,而影像组学的优点[17]在于通过采集大量影像学图片,在ROI中提取大量的特征维度,在传统影像学图片中挖掘更多资料,反映不同疾病之间的差异性与特异性。叶钉利等[18]提出基于CT影像组学模型预测肺原位腺癌、微浸润腺癌及浸润性腺癌,但其使用的是16排CT平扫,软组织分辨力较差。本研究使用256排双能量CT,70 kVp管电压能更好地显示软组织差异,120 kVp能消除金属伪影。双能量CT虚拟平扫与常规单能量CT相比,不仅可以降低辐射暴露及扫描时间,而且可以提供客观、定量的多参数信息, 包括碘浓度、能谱曲线斜率、有效原子序数等[19]。双能量CT虚拟平扫与常规CT增强相比,既避免了病人碘对比剂过敏的风险,又降低了病人的经济负担,非侵入式检查还可以减轻病人的心理压力[20]。本研究结果表明,双能量CT虚拟平扫结合影像组学建立的风险预测模型,作为一种辅助诊断技术,避免了晚期肺癌病人不必要的穿刺活检,可以更早地接受合理的化学治疗。但本研究仍有局限性: 首先本研究收集的病例数较少,尤其是肺鳞癌和腺癌之比为1∶2;其次本研究进行手动勾画ROI,具有一定的主观性;最后本研究未充分利用后处理获得的碘浓度、能谱曲线斜率等,有待改善。

      综上所述,本研究基于双能量CT虚拟平扫建立的肺鳞癌与腺癌预测模型,具有较高的准确性及稳定性,为制定个性化治疗方案提供帮助。

参考文献 (20)

目录

    /

    返回文章
    返回