论文部分内容阅读
目的：影像组学(Radiomics)是指采用大量的自动化算法将感兴趣区域（Region Of Interest，ROI）的影像数据转化为可发掘的高维特征，通过对大量影像特征的定量、高通量分析，获得与疾病发生、发展及预后密切相关的各种信息，并将其用于指导疾病治疗和预测疾病的转归。影像组学的方法已在包括直肠癌、肺癌、头颈部肿瘤、食管癌等多种肿瘤中得到应用。本研究回顾性的收集了局部晚期食管鳞癌的临床资料进行影像组学分析，探索基于增强CT的影像组学特征是否可以预测局部晚期食管鳞癌（Esophageal Squamous Cell Cancer，ESCC）新辅助同期放化疗（Neoad juvant Chemoradiotherapy，nCRT）的近期疗效，为临床决策提供有效信息。
方法：本研究为回顾性队列研究。收集2013年9月至2018年4月温州医科大学附属台州医院收治的潜在可切除的局部晚期食管鳞癌患者，接受新辅助放化疗联合根治性手术，放疗采用6MV—X线调强适形放射治疗(Intensity Modulated Radiation Therapy,IMRT)，处方剂量为95%PTV（Planning Target Volume）40Gy/2Gy/20F，化疗方案为NP方案：长春瑞滨25mg/m2，第1、8天静脉注射；顺铂25mg/m2，第1-4天静脉注射，3周为1个疗程，共2个疗程，手术采用胸腹腔镜联合下食管癌根治术，共32例进入本研究，获取放化疗前的定位CT图像和患者的临床特征、治疗方案及肿瘤信息。将原发食管肿瘤及纵隔淋巴结作为肿瘤靶区(Gross Tumor Volume，GTV)，并以GTV作为获取影像组学特征的感兴趣区。使用IBEX软件进行特征参数的提取，所提取的影像组学特征包括：（1）一阶统计信息，如肿瘤的形状（Shape），ROI内像素强度幅度和频度特征强度直方图（Intensity Histogram）等；（2）二维灰度统计特征，如体现像素分布的二维灰度游程矩阵（Gray Level Run Length Matrix25,GLRLM）特征；（3）三维灰度统计特征，如体现灰度空间相关特性的三维灰度共生矩阵（Gray Level Cooccurence Matrix3,GLCM3），描述与周围领域像素值差异的邻域灰度差异（Neighbor Intensity Difference3，NID3）等特征。本研究采用的是R语言平台（版本3.5.1）进行特征筛选，加载其中的‘caret’包及随机森林（Random Forest，RF）方法进行特征筛选。主要分为两步进行：（1）对数据进行预处理：（2）特征选择。根据术后病理结果将病人分为病理完全缓解（Pathological Complete Response，pCR）及非pCR（non-Pathological Complete Response，non-pCR）组进一步行相应统计学分析。术后病理完全缓解的定义为术后病理评价食管及淋巴结肿瘤细胞完全消退，病理标本中仅见纤维组织，即术后分期为pT0N0M0期，反之则为非pCR。采用统计产品与服务解决方案（Statistical Product and Service Solutions，SPSS）22.0版软件进行统计分析，对临床资料的组间构成及比率的比较行X2检验，单因素分析采用独立样本T检验，阳性结果再进一步利用二元Logistic回归分析行多因素分析。以p<0.05为差异具有统计学意义。将多因素分析得到的有统计学意义的特征作为测试变量，以非pCR为状态变量，绘制受试者工作特征（Receiver Operating Characteristic，ROC）曲线，计算ROC曲线下面积（Area Under Curve，AUC）。
结果：32例病人均按计划完成放射治疗，因骨髓抑制等不良反应，仅11例病人完成2周期NP方案化疗，另外21例病人仅完成1个周期的化疗。所有病人均接受胸腹腔镜联合下食管癌根治术，12例获得pCR。使用IBEX提取出GLCM3、Intensity Histogram、GLRLM、Shape、NID3等5个大类70个图像特征，最后共获得980个影像组学特征。通过R语言平台筛选出30个特征，其中三维灰度共生矩阵特征17个，强度直方图特征9个，二维灰度游程矩阵特征1个，形状特征1个，邻域灰度差异特征2个。单因素分析显示，三维灰度共生矩阵（GLCM3）特征-3-7相关性（Correlation）与病理完全缓解关系密切（p=0.032）。多因素分析显示，该特征是病理完全缓解的独立预后因素（OR3.133,95%CI1.039-9.443;p=0.042）。进一步绘制的该特征的ROC曲线中，AUC=0.729，该特征可以考虑作为局部晚期食管鳞癌新辅助同期放化疗疗效的预测因子。
结论：在经过新辅助同期放化疗联合根治性手术治疗的局部晚期食管鳞癌患者中应用基于增强CT的影像组学方法分析后，基于增强CT的影像组学特征三维灰度共生矩阵特征-3-7相关性（Correlation）与局部晚期食管鳞癌患者新辅助同期放化疗近期疗效有相关性。基于增强CT的影像组学特征可能可以作为局部晚期食管鳞癌新辅助同期放化疗近期疗效的预测因子。
方法：本研究为回顾性队列研究。收集2013年9月至2018年4月温州医科大学附属台州医院收治的潜在可切除的局部晚期食管鳞癌患者，接受新辅助放化疗联合根治性手术，放疗采用6MV—X线调强适形放射治疗(Intensity Modulated Radiation Therapy,IMRT)，处方剂量为95%PTV（Planning Target Volume）40Gy/2Gy/20F，化疗方案为NP方案：长春瑞滨25mg/m2，第1、8天静脉注射；顺铂25mg/m2，第1-4天静脉注射，3周为1个疗程，共2个疗程，手术采用胸腹腔镜联合下食管癌根治术，共32例进入本研究，获取放化疗前的定位CT图像和患者的临床特征、治疗方案及肿瘤信息。将原发食管肿瘤及纵隔淋巴结作为肿瘤靶区(Gross Tumor Volume，GTV)，并以GTV作为获取影像组学特征的感兴趣区。使用IBEX软件进行特征参数的提取，所提取的影像组学特征包括：（1）一阶统计信息，如肿瘤的形状（Shape），ROI内像素强度幅度和频度特征强度直方图（Intensity Histogram）等；（2）二维灰度统计特征，如体现像素分布的二维灰度游程矩阵（Gray Level Run Length Matrix25,GLRLM）特征；（3）三维灰度统计特征，如体现灰度空间相关特性的三维灰度共生矩阵（Gray Level Cooccurence Matrix3,GLCM3），描述与周围领域像素值差异的邻域灰度差异（Neighbor Intensity Difference3，NID3）等特征。本研究采用的是R语言平台（版本3.5.1）进行特征筛选，加载其中的‘caret’包及随机森林（Random Forest，RF）方法进行特征筛选。主要分为两步进行：（1）对数据进行预处理：（2）特征选择。根据术后病理结果将病人分为病理完全缓解（Pathological Complete Response，pCR）及非pCR（non-Pathological Complete Response，non-pCR）组进一步行相应统计学分析。术后病理完全缓解的定义为术后病理评价食管及淋巴结肿瘤细胞完全消退，病理标本中仅见纤维组织，即术后分期为pT0N0M0期，反之则为非pCR。采用统计产品与服务解决方案（Statistical Product and Service Solutions，SPSS）22.0版软件进行统计分析，对临床资料的组间构成及比率的比较行X2检验，单因素分析采用独立样本T检验，阳性结果再进一步利用二元Logistic回归分析行多因素分析。以p<0.05为差异具有统计学意义。将多因素分析得到的有统计学意义的特征作为测试变量，以非pCR为状态变量，绘制受试者工作特征（Receiver Operating Characteristic，ROC）曲线，计算ROC曲线下面积（Area Under Curve，AUC）。
结果：32例病人均按计划完成放射治疗，因骨髓抑制等不良反应，仅11例病人完成2周期NP方案化疗，另外21例病人仅完成1个周期的化疗。所有病人均接受胸腹腔镜联合下食管癌根治术，12例获得pCR。使用IBEX提取出GLCM3、Intensity Histogram、GLRLM、Shape、NID3等5个大类70个图像特征，最后共获得980个影像组学特征。通过R语言平台筛选出30个特征，其中三维灰度共生矩阵特征17个，强度直方图特征9个，二维灰度游程矩阵特征1个，形状特征1个，邻域灰度差异特征2个。单因素分析显示，三维灰度共生矩阵（GLCM3）特征-3-7相关性（Correlation）与病理完全缓解关系密切（p=0.032）。多因素分析显示，该特征是病理完全缓解的独立预后因素（OR3.133,95%CI1.039-9.443;p=0.042）。进一步绘制的该特征的ROC曲线中，AUC=0.729，该特征可以考虑作为局部晚期食管鳞癌新辅助同期放化疗疗效的预测因子。
结论：在经过新辅助同期放化疗联合根治性手术治疗的局部晚期食管鳞癌患者中应用基于增强CT的影像组学方法分析后，基于增强CT的影像组学特征三维灰度共生矩阵特征-3-7相关性（Correlation）与局部晚期食管鳞癌患者新辅助同期放化疗近期疗效有相关性。基于增强CT的影像组学特征可能可以作为局部晚期食管鳞癌新辅助同期放化疗近期疗效的预测因子。