文献速递腹部技术与安全CT

瘤内及瘤周影像组学预测进展期胃癌新辅助化疗后病理反应

Intratumoral and peritumoral radiomics predict pathological response after neoadjuvant chemotherapy against advanced gastric cancer.
PubMed 文献 · Insights Imaging · 2024-01-25

回顾性纳入231例进展期胃癌患者新辅助化疗前的增强CT静脉期图像,构建瘤内、瘤周及联合影像组学模型与临床模型。联合模型预测病理反应的AUC在训练组为0.949、验证组为0.815,联合临床模型最高(训练组0.960、验证组0.843),瘤周影像组学提供额外预测价值。

要点

  • 基于新辅助化疗前增强CT静脉期图像的瘤内联合瘤周影像组学模型,对进展期胃癌病理反应的预测效能优于单一瘤内或瘤周模型。
  • 瘤周影像组学(瘤周2 mm环带)在评估新辅助化疗后病理反应中提供额外预测价值。
  • 联合临床模型(年龄、Borrmann分型、Lauren分型)预测效能最高,训练组AUC 0.960、验证组0.843。

核心结论

  • 瘤周模型在评估进展期胃癌新辅助化疗后病理反应中提供额外价值,联合临床模型预测效能最高。

研究设计与样本

  • 回顾性收集2014年7月至2022年2月在本院接受新辅助化疗的231例进展期胃癌患者的临床、病理及CT数据,随机分为训练组161例和验证组70例。
  • 采用支持向量机分类器建立影像组学模型,基于筛选的临床指标建立临床模型,再将影像组学与临床模型联合生成影像组学-临床模型。
  • 使用64层CT扫描仪(Discovery CT 750 HD或Siemens Sensation 64 CT)行腹部增强CT,取静脉期薄层图像勾画感兴趣区。
  • 瘤内ROI沿病灶边缘逐层勾画并尽量避开明显坏死区,瘤周ROI由软件自动向外等距扩展2 mm形成。
  • 病理反应按Becker分级评估:1a级无残留肿瘤细胞、1b级残留肿瘤细胞<10%为良好反应,2级残留10–50%、3级残留>50%为不良反应。

关键影像表现/征象

  • 影像组学特征从原始及滤波图像中提取,包括一阶特征、形状特征、灰度共生矩阵、灰度尺寸区域矩阵、灰度游程长度矩阵、灰度依赖矩阵和邻域灰度差矩阵。

诊断标准与关键数值

  • 训练组中联合模型AUC为0.949、瘤内模型为0.943、瘤周模型为0.846;验证组中联合模型AUC为0.815、瘤内模型为0.778、瘤周模型为0.701。
  • 联合-临床模型AUC最高,训练组为0.960、验证组为0.843。
  • 临床模型基于年龄、Borrmann分型和Lauren分型构建,多因素logistic回归显示三者均为预测新辅助化疗后病理反应的独立危险因素。
  • 共提取瘤内和瘤周影像组学特征2107个、瘤内联合瘤周特征4214个;经ICC≥0.80筛选后分别为1618、1778和3288个,最终瘤内模型纳入36个特征、瘤周模型13个、联合模型29个。

临床应用与阅片要点

  • 作者认为瘤内及瘤周影像组学可无创预测进展期胃癌新辅助化疗后的病理反应,以指导早期治疗决策并为患者提供个体化治疗。
  • 作者指出影像组学-临床模型可指导早期治疗决策并改善患者预后。

局限性

  • 本研究为单中心回顾性研究,存在混杂因素且结果推广受限,需要进一步验证。
  • 验证组样本量小于训练组,训练组筛选出的独立危险因素未在验证组中重复验证。
全文中译18 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2024 Jan 25;15:23. doi: 10.1186/s13244-023-01584-6

背景

胃癌是全球第五大常见癌症,也是全球癌症相关死亡的第三大常见原因[1]。尽管胃癌的发病率持续下降,但2020年全球仍有1,089,103人被诊断为胃癌,其中中国约占44%的病例[2]。超过80%的病例在治疗时已处于晚期,预后较差[3]。新辅助化疗(NAC)可降低肿瘤分期、提高R0切除率、减少复发和转移,从而改善预后[4],因此,NAC现已成为晚期胃癌患者的推荐治疗选择[5]。美国国家综合癌症网络(NCCN)[6]和中国临床肿瘤学会(CSCO)[3]均推荐对晚期胃癌患者行NAC。然而,并非所有患者均从NAC中获益,至少20%的患者在NAC后未能达到病理缓解[7],这使患者暴露于潜在的副作用而无任何获益,导致手术延迟、肿瘤进展和预后不良。因此,早期判断NAC的病理反应对于减少化疗毒性、指导个体化治疗策略具有重要意义。

影像组学分析可基于高通量图像定量特征提取来表征肿瘤异质性,在疾病诊断、肿瘤分期和预后预测方面具有良好的应用潜力[8–12]。既往研究表明,瘤内影像组学模型可有效预测晚期胃癌NAC后的病理反应[13–15]。此外,瘤周区域的某些特征也可用于预测肿瘤病理反应。Braman等[16]表明,瘤周影像组学在预测不同乳腺癌亚型NAC后的病理反应方面具有重要意义。Hu等[17]基于食管胃结合部癌瘤周影像组学特征建立了模型,可有效预测NAC后肿瘤的病理缓解。Sun[18]和Khorrami等[19]证实了瘤周区域的预测能力。

既往关于晚期胃癌NAC后病理反应的影像组学研究主要集中于瘤内区域[13–15],尚无关于瘤周区域的研究报道。我们的假设是瘤周影像组学可能有助于预测晚期胃癌NAC后的病理反应。因此,本研究旨在探讨瘤周影像组学对晚期胃癌NAC后病理反应的预测价值,并基于增强CT建立瘤内、瘤周及联合模型。此外,建立临床模型并与影像组学模型联合,以进一步提高对晚期胃癌NAC后病理反应的预测效能。

方法

研究方案经郑州大学医学伦理委员会批准,并豁免知情同意。

患者选择

回顾性收集2014年7月至2022年2月期间在郑州大学第一附属医院接受新辅助化疗(NAC)的385例晚期胃癌患者的数据。采用以下纳入标准:(1)NAC前经病理活检确诊为胃癌,临床分期为cT2-4aNxM0;(2)NAC前一周内进行腹部增强CT检查;(3)无远处转移;(4)按照既定方案完成NAC后行胃切除术;(5)临床、病理和CT资料完整。对这385例患者采用以下排除标准:(1)既往有腹部手术史(n = 24);(2)存在其他恶性肿瘤(n = 17);(3)胃充盈不良或CT上无法识别肿瘤(n = 75);(4)计算机断层扫描(CT)图像质量差、伪影多(n = 16);(5)NAC前接受过其他抗肿瘤治疗(n = 22)。因此,最终共有231例患者纳入进一步分析。

NAC方案及病理反应评估

入组患者按照规定的治疗方案接受治疗,包括奥沙利铂+替吉奥(SOX)、5-氟尿嘧啶+亚叶酸钙+奥沙利铂+多西他赛(FLOT)以及卡培他滨+奥沙利铂(XELOX)。术后病理标本根据Becker分级系统进行分级[20],具体如下:1a级,无残留肿瘤细胞;1b级,残留肿瘤细胞< 10%;2级,残留肿瘤细胞10–50%;3级,残留肿瘤细胞> 50%。在本研究中,1a级和1b级患者被归类为反应良好(GR)。2级和3级患者被归类为反应不良(PR)。

临床资料

本研究收集的临床资料包括性别、年龄、肿瘤部位、Borrmann分型、临床T分期(cT)、临床N分期(cN)、肿瘤厚度、组织病理学、分化程度、Lauren分型以及癌胚抗原(CEA)、糖类抗原125(CA125)和糖类抗原199(CA199)水平。肿瘤部位分为胃底、胃体或胃窦(不包括胃食管结合部肿瘤),胃壁受累范围≥ 2/3。Borrmann I型:肿瘤呈肿块状突入管腔。Borrmann II型:肿瘤中心凹陷溃疡,边界清楚。Borrmann III型:也形成溃疡,但边缘不完整、边界模糊。Borrmann IV型:胃壁弥漫性增厚和僵硬。cT和cN根据美国癌症联合委员会(AJCC)第8版标准进行评估[21]。测量肿瘤厚度时,选择肿瘤最大层面并在最厚处进行测量。组织病理学包括腺癌和非腺癌;非腺癌包括印戒细胞癌和黏液腺癌。Lauren分型包括肠型、混合型和弥漫型。CEA、CA125和CA199根据各自的参考值(CEA ≤ 3.4 μg/L、CA125 ≤ 35 μg/L、CA199 ≤ 27 μg/L)转换为二分类数据(正常和升高)。

CT图像采集

所有患者均使用64层CT扫描仪(Discovery CT 750 HD;GE Healthcare,Waukesha,WI,USA,或Siemens Sensation 64 CT;Siemens Healthcare,Forchheim,Germany)进行扫描。嘱患者扫描前禁食至少6 h,检查前口服500~1000 ml水以扩张胃腔。患者取仰卧位,平扫及增强扫描范围均从膈顶至耻骨联合上缘。首先行CT平扫。增强检查时,使用高压动力注射器(Urich REF XD 2060-Touch,Ulrich Medical)经肘静脉注射对比剂碘海醇(上海博莱科信谊药业有限责任公司,碘浓度370 mg/mL),流率3.5 mL/s,剂量1.5 mL/kg。动脉期扫描于注射对比剂后25~30 s开始,静脉期扫描于注射对比剂后60~70 s开始,扫描参数如下:管电压120 kV,管电流220~330 mA或自动毫安秒技术,视野(FOV)35~50 cm,矩阵512×512,旋转时间0.5~0.8 s,螺距1.375或1.1,重建层厚2 mm。

感兴趣区(ROI)分割

从图像存档与通信系统(PACS)中调取静脉期患者的薄层图像,并以医学数字成像和通信(DICOM)格式存储。图像上传至Dr. Wise多模态科研平台(https://keyan.deepwise.com)。由1名具有3年经验的放射科医师(C.C.L.)在轴位图像上逐层勾画胃癌感兴趣区(ROI),勾画过程由1名具有5年经验的放射科医师(L.M.L.)监督。每层胃癌病灶沿病灶边缘勾画,勾画时尽可能避开明显的坏死区域。病灶ROI轮廓勾画完成后,利用软件的自动向外扩张功能自动生成2 mm的外周环(图1)。为确保影像组学特征的可靠性和可重复性,1个月后由同一组放射科医师(C.C.L.和L.M.L.)对随机选取的30例患者(训练组:20例,验证组:10例)的ROI进行再次勾画。

图1 ROI分割示意图。a~c 1例61岁男性中分化进展期胃腺癌患者。a 肿瘤位于胃窦,沿肿瘤边缘勾画瘤内ROI。b 边界向外等距2 mm形成瘤周ROI。c 术后病理图片:大量慢性炎症细胞浸润,未见残留肿瘤细胞,分级1a(HE×200)。d~f 1例59岁男性中分化进展期胃腺癌患者。d 肿瘤位于贲门,沿肿瘤边缘勾画瘤内ROI。e 边界向外等距2 mm形成瘤周ROI。f 术后病理图片:间质纤维组织增生伴少量肿瘤细胞退变,分级3(HE×200) 查看原图 ↗

影像组学特征提取

所有ROI勾画完成后,使用相应软件自动提取瘤内、瘤周及联合影像组学特征。图像预处理方法包括原始图像、小波变换、高斯拉普拉斯变换(LoG)、二维局部二值模式(LBP2D)、三维局部二值模式(LBP3D)、平方、平方根、对数、指数和梯度。影像组学特征包括一阶特征、形状特征、灰度共生矩阵(GLCM)、灰度级大小区域矩阵(GLSZM)、灰度游程长度矩阵(GLRLM)、灰度依赖矩阵(GLDM)和邻域灰度差矩阵(NGTDM)。这些特征是常用的经典特征[22]。

影像组学特征选择

特征选择按以下三个步骤进行:检验提取的影像组学特征的一致性,筛选组内相关系数(ICC)≥ 0.80的影像组学特征。

使用以下公式对筛选后的特征进行归一化:z = (x − mean)/std,其中std代表标准差。然后对特征进行相关性分析以减轻特征间的冗余,相关性分析的阈值为0.55。

使用Lasso进一步降维并筛选出绝对系数较大的特征。

模型建立

在训练组中,使用单因素分析筛选与病理反应相关的影响指标,使用多因素logistic回归分析筛选与病理反应相关的独立危险因素。基于独立危险因素建立临床模型,将模型输出的预测概率作为临床评分。在验证组中,使用相同的临床影响指标建立并验证临床模型。

基于所选影像组学特征,使用SVM分类器[23]建立瘤内、瘤周及联合模型,将模型输出的预测概率作为各模型的影像组学评分(RS)。

将影像组学模型和临床模型输出的预测概率相结合,进行logistic回归分析以建立影像组学-临床模型。影像组学-临床模型包括瘤内-临床、瘤周-临床和联合-临床模型。

统计分析

使用SPSS 25.0统计分析软件,采用Shapiro–Wilk检验分析计量数据的正态性。非正态分布数据以M(Q1,Q3)表示。采用Mann–Whitney U检验比较训练组与验证组间的计量数据,采用卡方检验或Fisher确切概率法比较计数数据。统计显著性设定为p < 0.05。

使用R软件绘制各模型的受试者工作特征(ROC)曲线,采用曲线下面积(AUC)、准确度、灵敏度、特异度、阳性预测值(PPV)和阴性预测值(NPV)评价模型的预测效能。采用Hosmer–Lemeshow检验评价模型的校正能力。在Hosmer–Lemeshow检验中,p > 0.05表示预测值与真实值之间无显著差异[22]。采用校准曲线和决策曲线评价最优模型。

采用MedCalc 19.0.2使用Delong检验比较不同模型的AUC,统计学显著性设定为p < 0.05。

结果

基线特征

共231例晚期胃癌患者按7:3的比例随机分为训练组(161例)和验证组(70例)。其中男性182例,女性49例。患者年龄范围为23至76岁,中位年龄为61岁。训练组161例中,63例为GR,占39.13%,98例为PR,占60.87%。验证组共70例,包括28例GR(40.00%)和42例PR(60.00%)。

临床模型

在训练组中,单因素分析显示,GR患者与PR患者之间在年龄、Borrmann分型和Lauren分型方面差异有统计学意义(表1)。多因素logistic回归分析显示,年龄、Borrmann分型和Lauren分型是预测晚期胃癌新辅助化疗(NAC)后病理反应的独立危险因素(表S1)。基于年龄、Borrmann分型和Lauren分型建立临床模型。

表1 训练组与验证组临床、病理及影像学参数比较 查看原表 ↗

影像组学模型

基于原始图像和滤波图像,从瘤内和瘤周图像中提取了2107个影像组学特征,从瘤内和瘤周联合图像中提取了4214个影像组学特征。在瘤内、瘤周和联合影像组学特征中,分别筛选出1618、1778和3288个特征(ICC ≥ 0.80)。经过三步特征选择后,瘤内模型纳入36个影像组学特征,瘤周模型纳入13个,联合模型纳入29个。具体影像组学特征列于表S2。基于上述特征,使用SVM分类器建立瘤内、瘤周和联合模型。

模型性能评估

将瘤内、瘤周和联合模型的预测概率与临床模型的预测概率相结合,通过logistic回归分析获得新的预测概率,建立瘤内-临床模型、瘤周-临床模型和联合-临床模型。

本研究建立了七个模型。各模型预测进展期胃癌新辅助化疗(NAC)后病理反应的AUC、准确率、敏感度、特异度、阳性预测值(PPV)和阴性预测值(NPV)见表2。各模型的ROC曲线见图2。训练组和验证组中所有模型两两比较的Delong检验结果见表3。通过观察模型的预测效能指标可以看出,在训练组和验证组中,联合模型的预测效能优于单一的瘤内或瘤周模型。与临床模型联合后,影像组学-临床模型的预测效能呈上升趋势,其中联合-临床模型预测性能最佳。训练组AUC达0.960,验证组达0.843。联合-临床模型的校准曲线显示拟合良好,决策曲线显示了该模型的临床获益(图2)。各模型的Hosmer-Lemeshow检验(表S3)显示拟合良好。

表2 不同模型在训练组和验证组中预测进展期胃癌NAC后病理反应的效能 查看原表 ↗
图2 不同模型的性能。a 训练组中各模型的ROC曲线。b 验证组中各模型的ROC曲线。c 最优模型的校准曲线。d 最优模型的决策曲线 查看原图 ↗
表3 训练组和验证组中任意两个模型Delong检验的p值 查看原表 ↗

讨论

胃癌起病隐匿,早期症状缺乏特异性。大多数患者就诊时已处于进展期[24]。NAC为这些患者提供了根治性切除的可能性[25–28]。然而,部分患者仍遭受不必要的化疗毒性,且NAC后生存率并未提高[10, 29]。目前,术后病理标本的肿瘤退缩分级(TRG)是评估胃癌预后的可靠指标[30];然而,TRG只能在手术后确定,不能作为指导治疗的依据。因此,在治疗前准确预测NAC的病理反应,对于增强进展期胃癌患者的个体化治疗和临床决策非常重要。本研究基于NAC前增强CT静脉期图像,建立瘤内、瘤周及联合模型,并将临床模型与影像组学模型相结合。结果表明,在影像组学模型中,联合模型在预测NAC后病理反应方面比瘤内和瘤周模型更有效。瘤周模型在评估病理反应方面提供了额外价值,联合-临床模型预测效能最高。

既往研究已证实瘤内模型在预测进展期胃癌新辅助化疗(NAC)后病理反应方面的价值。大多数AUC范围为0.621至0.770 [7, 13, 31, 32]。我们的结果显示,瘤内模型在训练组和验证组中的AUC分别为0.943和0.778。验证组的AUC与既往研究无显著差异,进一步证实了瘤内影像组学特征所反映的肿瘤异质性在预测NAC后病理反应方面的价值。值得注意的是,本研究中采用三维勾画进行图像分析。与既往二维勾画相比,该方法可提供更全面的肿瘤信息,提取更稳定和准确的特征,并监测更详细的肿瘤异质性信息。这可能是本研究AUC略高于既往研究的原因[7, 13, 31, 32]。影像组学模型的预测性能与合适的分类器密切相关。考虑到影像组学特征与病理反应之间关系的复杂性和非线性,本研究采用支持向量机(SVM)分类器构建影像组学模型,有效且稳健地解决了非线性问题。

肿瘤免疫微环境对肿瘤进展、转移和治疗效果具有重要意义,已受到越来越多的关注[33–36]。既往研究[37]表明,胃癌瘤周淋巴细胞浸润与预后和化疗反应显著相关。当CD3和CD8细胞向肿瘤微环境的浸润较低时,患者预后较好,但化疗反应较差[37]。此外,瘤周中性粒细胞浸润也可促进肿瘤发展,导致化疗反应低下[38]。Liu等[39]也报道,胃癌周围CD20+ B细胞浸润可能独立预测胃癌预后。免疫细胞浸润高的患者生存时间较短,但更可能从化疗中获益。影像组学分析可监测免疫细胞微环境,揭示瘤周异质性与病理反应之间的关系,可能预测乳腺癌[16, 40]、宫颈癌[18]、肺腺癌[19]和食管胃结合部癌[17]中NAC的疗效。然而,用于预测进展期胃癌NAC后病理反应的瘤周模型鲜有建立。我们的结果显示,瘤周模型在训练组和验证组中的AUC分别为0.846和0.701。当瘤内模型与瘤周模型联合时,模型的预测能力进一步提高,训练组达到0.949,验证组达到0.815。因此,瘤周模型在预测进展期胃癌NAC后病理反应方面的附加价值得到了证实。

临床指标也纳入本研究。训练组结果显示,年龄、Borrmann分型及Lauren分型是进展期胃癌新辅助化疗(NAC)后反应不良的独立危险因素。PR组的中位年龄高于GR组,这与既往基于实体瘤疗效评价标准(RECIST)的研究结果不一致[41]。我们推测这与老年人身体功能下降及对化疗药物耐药有关[42]。此外,RECIST因胃充盈程度不一及数据测量可重复性低而受限,可能导致结果偏倚[22, 43]。研究表明Borrmann III型和IV型胃癌生存率低、预后差[44, 45],而NAC后TRG也与预后显著相关[20]。在本研究中,Borrmann分型在GR组与PR组间显示统计学显著差异,这与既往研究结果一致。弥漫型胃癌患者预后差且易复发[46]。我们的研究也显示Lauren分型在GR组与PR组间有统计学显著差异。既往研究表明肿瘤分化程度、cT、cN及其他临床指标与病理反应相关;然而这些结果仍存在争议[13, 47, 48]。这可能由于缺乏大样本试验或多中心研究。在本研究中,验证组样本量小于训练组,因此训练组中的独立危险因素未在验证组中得到重复验证。然而,考虑到这些指标的临床意义,我们使用这些指标构建了临床模型。

本研究的局限性如下:(1)为单中心回顾性研究,存在混杂因素且结果推广受限,需在多中心前瞻性队列中进一步验证;(2)感兴趣区(ROI)勾画具有主观性,瘤周外扩不可避免地包含部分胃腔内容物,可能导致结果偏倚;未来应建立自动或半自动图像分析方法以提高准确性;(3)不同的NAC方案可能导致结果偏倚,应扩大样本量并分层分析;(4)患者基线特征包括性别比例和年龄范围略有差异。尽管大多数胃癌患者为男性,且大数据研究显示癌症呈年轻化趋势,但这些差异可能在一定程度上限制本研究,未来应扩大样本量进一步研究。

结论

总之,瘤周模型在进展期胃癌NAC后病理反应评估中具有附加价值。联合模型可有效提高预测效能。联合临床模型预测效能最高,可指导早期治疗决策并改善患者预后。

补充信息

附加文件1:表S1。训练组中预测晚期胃癌新辅助化疗(NAC)后病理反应的多因素分析。表S2。用于构建模型的影像组学特征。表S3。训练组和验证组中不同模型的Hosmer-Lemeshow检验结果。

引用

  1. Liu C, Li L, Chen X, et al. Intratumoral and peritumoral radiomics predict pathological response after neoadjuvant chemotherapy against advanced gastric cancer. Insights Imaging. 2024. PMID: 38270724. doi:10.1186/s13244-023-01584-6
  2. 全文:PMC10811314(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10811314/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。