论文部分内容阅读
[目的]对原发性肝细胞肝癌（HCC）MRI强化特点与癌组织中PFKFB3和P-gp的表达进行相关性分析,建立HCC耐药相关蛋白的影像组学预测模型,评估该模型的可行性和价值。[方法]本回顾性研究经山东大学齐鲁医院伦理委员会审核批准（伦理号:KYLL-202111-214）,免患者签署知情同意。（1）选取山东大学齐鲁医院2015年1月至2020年12月入院手术切除并经病理证实为原发性HCC的135例患者作为研究对象。所有动态对比剂增强MRI检查均在手术前两周内完成。预测PFKFB3和P-gp表达被设计为两个单独的任务。在每个任务中,数据集按8:2的比例随机分为训练集和独立验证集。（2）采用Radcloud（慧影医疗科技有限公司）对所有患者平扫期、动脉期、静脉期及延迟期图像中肿瘤的全部层面进行手动勾画,以作为感兴趣区（region of interest,ROI）,应用Radcloud从勾画完成的ROI中进行MRI影像组学特征的定量提取。应用方差阈值法、SelectKBest法及最小绝对收缩与选择算子算法（the least absolute shrinkage and selection operator,LASSO）在训练集进行特征筛选。（3）免疫组织化学法检测PFKFB3和P-gp的表达情况,采用χ2检验和独立样本t检验评估一般临床特征与常规影像特征与HCC中PFKFB3和P-gp表达的相关性。单因素分析找出潜在预测因素（P＜0.1）。多因素分析应用二元Logistic回归筛选出独立预测因素（P＜0.05）。（4）根据筛选后的训练集特征构建影像组学预测模型。利用受试者工作特征（receiver operating characteristic,ROC）曲线的曲线下面积（area under the curve,AUC）评估预测模型准确性并在验证集中进行验证。[结果]在PFKFB3组中:（1）PFKFB3组共135例患者（男性106例,女性27例:男性57岁±9.64岁:范围31～79岁）。使用Radcloud管理影像数据、临床数据以及随后的影像组学特征统计分析。二元Logistic回归显示:PFKFB3阳性组患者与阴性组相比,谷丙转氨酶及卫星灶情况的差异具有独立预测价值（P＜0.05）,而年龄、性别、吸烟史、饮酒史、谷草转氨酶表达、甲胎蛋白表达、病理分级、是否乙肝感染、肿瘤大小、是否有完整包膜、动脉期血管强化特点、肿瘤坏死情况、门静脉侵犯、肿瘤供血类型、瘤内是否出血、动脉期肿瘤-肝差异等临床指标及常规影像指标不是PFKFB3表达的独立预测因素（P＞0.05）。（2）从患者平扫及增强MR图像的ROI中共提取了 7045个影像组学特征。通过使用方差阈值法从7045个特征中选择2625个特征,然后通过SelectKBest法选择303个特征,最后利用LASSO算法,筛选出PFKFB3表达最具相关性的16个特征建立预测模型。根据以上步骤筛选获得的特征建立的Logistic回归方程为logit（p）=2.964+0.916×ZoneEntropyglszmVwavelet-LHL-2.249×LargeDependenceLowGrayLevel EmphasisgldmAwavelet-LLH+3.970×LargeDependenceHighGrayLevelEmphasisgldmVwavelet-LLH+4.709×SkewnessfirstorderAwavelet-LLL+6.378×Kurtosisfirstorderm askexponential+1.160×HighGrayLevelZoneEmphasisglszmDwavelet-HHL-5.544×Small AreaHighGrayLevelEmphasisglszmVwavelet-HHH-0.764×DependenceVarianceglrlmmaskwavelet-LLH-1.561×DependenceVariancegldmmaskVwavelet-HLH-2.619×Mini mumfirstorderAwavelet-LLL-1.141×LongRunLowGrayLevelEmphasisglrlmwavelet-L LL-1.065×Rangefirstordermaskexponential。该模型在训练集 AUC 值为 0.99,在验证集AUC值为0.80,95%置信区间为0.61～1.00,灵敏度为0.78,特异度为0.75。在P-gp组中:（1）P-gp组共135例患者（男性106例,女性27例;男性57岁±9.64岁;范围31～79岁）。使用Radcloud来管理影像数据、临床数据以及随后的影像组学特征统计分析。二元Logistic回归显示:P-gp阳性组患者与阴性组相比,甲胎蛋白表达及吸烟史情况的差异具有显著统计学差异（P＜0.05）,而年龄、性别、饮酒史、谷丙转氨酶表达、谷草转氨酶表达、是否乙肝感染、病理分级、肿瘤大小、肿瘤供血类型、是否有完整包膜、动脉期血管强化特点、肿瘤坏死情况、门静脉侵犯、瘤内是否出血、动脉期肿瘤-肝差异等临床指标及常规影像指标不是PFKFB3表达的独立预测因素（P＞0.05）。（2）从患者平扫及增强MR图像的ROI中共获得5636个特征,然后通过方差阈值法、SelectKBest法及LASSO算法最终筛选出13个最有预测性的特征建立增强MR影像组学预测模型。根据以上特征建立的Logistic回归方程如下所示:logit（p）=-1485-22.509×ZoneVarianceglszmVoriginal+3.839×SkewnessfirstorderVwav elet-LHL+8.090×10PercentileVfirstorderlogarithm-16.223259×10PercentilefirstorderVsquareroot-2.381576×LongRunEmphasisglrlmVwavelet-LLH+2.199411×LongRunLow GrayLevelEmphasisglrlmVwavelet-LLH+3.483888×LongRunHighGrayLevelEmphasisg lrlmoriginal+7.999166×LargeDependenceEmphasisgldmVwavelet-LLH+1.149350×Ske wnessfirstorderVexponential。该模型在训练集AUC值为0.83,在验证集AUC值为0.70,95%置信区间为0.49～0.93,灵敏度为0.78,特异度为0.63。[结论]本研究分别建立了原发性HCC中PFKFB3和P-gp的表达的MRI影像组学预测模型,模型具有较强的准确性,且具有无创性和安全实用的特点,可为HCC治疗肿瘤耐药提供重要的信息。