子宫内膜癌（endometrial cancer，EC）细胞增殖核抗原Ki-67可间接反映肿瘤细胞的增殖活性与恶性程度，其表达程度越高提示EC生长及侵袭能力越强，深肌层浸润、局部侵犯与转移的发生概率也随之增高^[1,2]。但Ki-67的表达情况多在术后经免疫组织化学分析获得，若术前能对其表达情况进行评估，以判断EC细胞增殖情况，对指导治疗方案的制定及患者预后的预估都具有积极意义。既往研究认为DWI序列的ADC图可用于评价子宫恶性肿瘤Ki-67的表达情况^[3,4]。灰度共生矩阵(gray level co-occurrence matrix，GLCM）属于二阶纹理分类方法，通过研究图像灰度分布与变化规律、图像像素灰度值的局部特征，以多参数反映肉眼无法感观的图像纹理特征^[5,6]。笔者旨在探讨基于肿瘤全域ADC图的GLCM纹理分析与EC增值抗原Ki-67表达的相关性，以期实现术前定量、无创评估EC的细胞增殖能力。

1　材料与方法

1.1　研究对象

       回顾性分析2016年1月至2019年3月间我院符合以下标准的患者资料。纳入标准：(1)手术病理证实为原发性子宫内膜癌，病例资料完整，免疫组织化学分析指标包括Ki-67；(2）无MR检查禁忌证，术前一周内行1.5 T MR检查，扫描序列包括DWI；(3）病灶直径（厚度)大于1.0 cm。最终37例患者纳入研究，年龄34~82岁，平均（58.9±10.0)岁。绝经前11例，主要临床症状为月经不规律，经量增多；绝经后26例，主要临床症状为不规则阴道流血。

1.2　检查方法

       采用美国GE Signa HDxt 1.5 T MR超导型扫描仪，体部8通道相控阵线圈。检查前禁食4~6 h减轻肠道蠕动，并于检查前1 h饮水约500 ml使膀胱适度充盈。扫描序列及相关参数见表1，DWI序列b值取0，600 s/mm²。

点击查看表格

表1  扫描序列及相关参数
Tab.1  Scanning sequence and related parameters

1.3　图像分析与数据测量

       将DWI序列图像传输至GE ADW 4.6工作站，经Functool软件重建后获得ADC图。而后将ADC原始图像导入GE Omni-Kinetics软件，得到未经滤过的原始细纹理图像，由2名盆腔MRI影像诊断经验7年以上的主治医师参考MR平扫及增强扫描图像，共同协商在包含肿瘤实质的ADC图像上沿肿瘤边缘逐层勾画ROI（图1)，后经融合获得肿瘤全域GLCM纹理参数，包括能量、熵、惯性矩、相关性、逆差距，取二者平均值进行分析。最后详细记录EC病理类型、病理分级、分期、生长方式（弥漫或局限肿块）、免疫组织化学分析等信息。

点击查看大图

图1  EC的ROI勾画示意图，红色区域为肿瘤实质覆盖区
Fig. 1  ROI sketch of EC, the red area is the parenchymal coverage of the tumor.

1.4　Ki-67表达的测定方法

       由专业病理科医生进行。免疫组织化学染色采用链霉菌抗生物素蛋白-过氧化物酶连结法(streptavidin-perosidase，SP法），当肿瘤细胞的胞浆内出现清晰的棕黄色颗粒，且着色强度高于非特异染色背景时判定为Ki-67表达阳性。在200倍视野下随机取10个视野，以各视野肿瘤阳性百分比的平均值作为表达指数。按照Peiró等^[7]的标准，Ki-67表达指数<50％为低表达，≥50％则为高表达。

1.5　统计学方法

       应用SPSS 22.0统计学软件进行数据分析。按照Ki-67表达指数的高、低分组，进行单样本Kolmogorov- Smirnov检验，符合正态分布的者用±s表示，符合偏态分布者用中位数（上、下四分位数）表示。采用独立样本t检验（正态分布）或Mann-Whitney秩和检验（偏态分布)比较两组病例GLCM纹理参数的差异。采用受试者工作特征曲线（receiver operator characteristic curve，ROC曲线）评估有统计学差异的参数对Ki-67低、高表达组的鉴别诊断效能，计算曲线下面积（Area Under Curve，AUC)，并根据最大约登指数确定界值、敏感度、特异度。采用Pearson相关对各参数值与Ki-67表达指数进行相关性分析（相关系数r取值在-1~1间，0≤|r| <0.20为无相关性或相关性极弱，0.20≤|r| <0.40为相关性弱，0.40≤|r|<0.60为相关性中等，0.60≤|r|<0.80为相关性强，0.80≤|r|≤1为相关性极强）。P<0.05为差异有统计学意义。

2　结果

2.1　一般资料结果

       37例患者中Ki-67低表达17例，高表达20例，相关资料见表2。

点击查看表格

表2  患者一般资料
Tab. 2  General information of patients

2.2　Ki-67低、高表达组GLCM纹理参数比较

       Ki-67低表达组的能量、惯性矩大于高表达组，熵、相关性、逆差距小于高表达组，差异具有统计学意义(P <0.05)，具体结果见表3。

点击查看表格

表3  Ki-67低、高表达组GLCM纹理参数比较结果
Tab. 3  Comparison of texture parameters of GLCM in low and high expression groups of Ki-67

2.3　GLCM纹理参数诊断效能

       GLCM纹理参数诊断Ki-67高表达的AUC、阈值、敏感度及特异度见表4、图2。

点击查看大图

图2  GLCM纹理参数鉴别Ki-67低、高表达的ROC曲线，熵的鉴别效能最高
Fig. 2  GLCM texture parameters can identify low and high expression ROC curves of Ki-67. Entropy has the highest discriminant efficiency.

点击查看表格

表4  GLCM纹理参数的鉴别效能
Tab. 4  Discriminant efficiency of texture parameters in GLCM

2.4　GLCM纹理参数值与Ki-67表达指数相关性分析

       能量、惯性矩与EC的Ki-67表达指数负相关，熵、相关性、逆差距与Ki-67表达指数正相关，熵的相关系数最大。具体结果见表5。

点击查看表格

表5  GLCM纹理参数值与Ki-67表达指数相关性分析结果
Tab. 5  Relevance analysis between GLCM texture parameters and Ki-67 expression index

3　讨论

       纹理分析作为新兴的图像后处理技术，可以通过软件对图像中细微的纹理特征进行定量提取，显示病变内在异质性。GLCM反映图像灰度的空间相关特性，是最常用的二阶纹理分类方法^[8]，具有多个纹理参数，提供图像的客观信息。其中，能量反映了图像纹理的粗细程度以及图像分布的均匀性，其值越大表明图像越均一；熵与能量相反，其值越大表明图像纹理的非均匀性越大，图像纹理越复杂；相关性反映了图像的细致程度，具体解释为像素在空间行或列分布的相似度，其值越大表明图像纹理约细致；逆差距反映图像纹理局部的变化程度，其值越大表明图像越均匀规则；惯性矩反映了图像纹理的粗细程度，可将图像灰度的空间分布拉开以揭示灰度空间分布的复杂程度^[8,9,10]。

       随着临床医学对肿瘤发病机制方面研究的不断进展，各种参与细胞增殖及周期调控的因子已逐步涉猎，其中存在于增殖细胞核基质内的抗原—Ki-67就是研究热点之一。Ki-67的半衰期短，在肿瘤细胞完成增殖周期后迅速降解，而且不易受到其他因素的影响，因此可作为反映肿瘤细胞恶性程度及增殖活性的可靠指标，对于评估肿瘤生长与侵袭能力也可提供有效参考，同时对于评价肿瘤预后、指导术后放化疗等也具有一定积极意义^[11,12]。对EC而言，当Ki-67表达指数增高时，意味着肿瘤细胞增殖活跃度增加，肿瘤生长旺盛，细胞密度增加，细胞排列更为紧密，细胞外间隙减小，肿瘤组织新生血管丰富，这些因素均增加了水分子扩散微环境的复杂性，会引起ADC图的纹理发生改变。本研究中ROI勾画时选取了肿瘤全域，保证了包含相关纹理信息的完整性。本研究结果显示，Ki-67低表达组的能量、惯性矩大于高表达组，熵、相关性、逆差距小于高表达组，这些结果提示了Ki-67高表达组的图像纹理较低表达组更为复杂，不均一不规则性更强。其中熵鉴别两组的AUC最高(0.865)，与Ki-67表达指数的相关性最强。

       本研究具有一定局限性，首先，部分EC病灶与正常组织分界不清，逐层勾画ROI时，部分层面病灶边缘区可能未被包含；其次，样本量相对较少，可能会导致研究结果的偏差；再次，未考虑年龄、EC临床分期等因素的影像。

       综上所述，基于肿瘤全域ADC图的GLCM纹理分析有助于术前评估EC的Ki-67表达情况，具有一定临床应用价值，熵为最佳参数。