R2图纹理分析预测肝细胞癌肝切除术后早期复发的价值

目的探讨基于增强T2*加权血管成像(enhanced T2*weighted angiography,ESWAN)R2*图纹理分析预测肝细胞癌(hepatocellular carcinoma,HCC)肝切除术后早期复发的价值。材料与方法回顾性分析2011年11月至2020年5月期间于我院接受肝切除术且病理证实的81例HCC患者病例。根据肝切除术后2年内是否出现增强CT、MRI或手术病理证实肝内新发HCC病灶或肝外转移,将HCC病例分为早期复发组(n=43)和非早期复发组(n=38)。所有患者于术前1个月内行上腹部1.5 T或3.0 T MRI T1WI、T2WI及ESWAN序列扫描。使用Functool软件对ESWAN图像进行后处理,获得R2*图。在R2*图上沿肿瘤边缘勾画肿瘤所有层面,然后使用Artificial Intelligence Kit软件提取107个纹理特征,包括一阶特征、形状特征、灰度共生矩阵(gray level co-occurrence matrix,GLCM)、灰度依赖矩阵(gray level dependence matrix,GLDM)、灰度大小矩阵(gray level size zone matrix,GLSZM)、灰度游程矩阵(gray level run length matrix,GLRLM)及邻域灰度差矩阵(neighbouring gray tone difference matrix,NGTDM)。采用组内相关系数(intra-class correlation coefficient,ICC)、Spearman相关系数、梯度提升决策树(gradient boosting decision tree,GBDT)进行特征降维。建立logistic回归模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线预测复发效能,计算ROC曲线下面积(area under the curve,AUC)、准确率、敏感度及特异度。使用校准曲线、Hosmer-Lemeshow(H-L)检验评价模型拟合度。进行临床决策曲线分析(decision curve analysis,DCA)评价临床获益度。结果经筛选得到13个最优纹理特征,包括6个一阶特征(能量、峰度、最大值、中位数、偏度和总能量),1个GLCM特征(反差校正),1个GLDM特征(大依赖低灰度优势),1个GLRLM特征(运行熵),2个GLSZM特征(尺寸区不均匀性和尺寸区非均匀性归一化),1个NGTDM特征(忙碌值),1个形状特征[最大2D直径(切面)]。Logistic回归模型预测HCC肝切除术后早期复发的AUC、准确率、敏感度及特异度为0.830(95%CI:0.740~0.920)、79.00%(95%CI:78.60%~79.40%)、83.70%(95%CI:72.70%~94.80%)及73.70%(95%CI:59.70%~87.70%)。校准曲线图显示模型预测早期复发概率与真实早期复发概率之间有很好的一致性。经H-L检验显示该模型预测校准曲线与理想模型曲线之间差异无统计学意义(P=0.493)。DCA表明R2*图纹理分析预测HCC肝切除术后早期复发的临床净获益较高。结论基于ESWAN序列的R2*图在肿瘤氧含量水平差异的基础上结合纹理分析的方法对HCC肝切除术后早期复发有一定的预测价值。