术前弥散加权成像直方图参数对早期直肠癌浸润深度的诊断价值

摘要/Abstract

摘要：

目的探究术前MRI弥散加权成像（DWI）直方图参数对早期直肠癌浸润深度的诊断价值。方法选择2020年8月—2024年8月于中国人民解放军联勤保障部队第九〇四医院就诊的早期直肠癌患者180例为研究对象，根据肿瘤浸润深度分为黏膜内癌组（n=102）和黏膜下癌组（n=78）。比较两组患者一般资料。采用组内相关系数（ICC）分析2名放射科医师提取DWI直方图参数的一致性，并比较两组参数差异。利用受试者操作特征（ROC）曲线分析各参数对肿瘤浸润深度的预测价值。多因素logistic回归分析浸润深度的独立影响因素，并构建预测模型，绘制ROC曲线分析模型对肿瘤浸润深度的预测价值，并采用Hosmer-Lemeshow检验分析模型的拟合优度。结果黏膜内癌组与黏膜下癌组患者的年龄（t=8.15，P<0.001）、肿瘤最大径（χ²=29.29，P<0.001）、内镜分型（χ²=20.96，P<0.001）、组织分型（χ²=24.93，P<0.001）和分化程度（χ²=73.35，P<0.001）差异均有统计学意义。DWI直方图参数中均值，方差，偏度，峰度，第1、10、50、90、99百分位数一致性良好（均ICC>0.75）。黏膜内癌组与黏膜下癌组DWI直方图参数中均值（t=5.69，P<0.001）、方差（t=9.75，P<0.001）、偏度（t=10.88，P<0.001）、峰度（t=10.06，P<0.001）、第1百分位数（t=3.43，P<0.001）、第10百分位数（t=3.59，P<0.001）、第50百分位数（t=9.97，P<0.001）、第90百分位数（t=4.63，P<0.001）、第99百分位数（t=2.44，P=0.016）差异均有统计学意义。ROC曲线分析显示，DWI直方图参数中均值[曲线下面积（AUC）=0.77]、方差（AUC=0.88）、偏度（AUC=0.88）、峰度（AUC=0.78）、第50百分位数（AUC=0.86）、第90百分位数（AUC=0.82）对黏膜下癌均具有一定的诊断价值。多因素分析显示，年龄（OR=9.98，95%CI为1.10~90.70，P=0.041）、肿瘤最大径（OR=7.36，95%CI为1.08~50.23，P=0.042）、分化程度（OR=19.88，95%CI为1.21~327.92，P=0.037）、方差（OR=16.24，95%CI为2.26~116.68，P=0.006）、偏度（OR=21.13，95%CI为2.80~59.61，P=0.003）、第1百分位数（OR=9.78，95%CI为1.17~81.76，P=0.035）均是早期直肠癌患者肿瘤浸润深度的独立预测因素。基于上述指标构建的预测模型为logit（P）=1.51+2.30×年龄+2.00×肿瘤最大径+2.99×分化程度+2.79×方差+3.05×偏度+2.28×第1百分位数。ROC曲线分析显示，预测模型判断早期直肠癌患者发生黏膜下癌的AUC为0.97（95%CI为0.95~0.99），敏感性为0.95，特异性为0.88。Hosmer-Lemeshow检验结果显示，模型的拟合优度理想（P=0.823）。结论年龄、肿瘤最大径、分化程度、方差、偏度、第1百分位数均是早期直肠癌患者肿瘤浸润深度的独立预测因素，据此构建的预测模型可有效预测早期直肠癌患者发生黏膜下癌的风险。

关键词:直肠肿瘤,肿瘤浸润,图像处理，计算机辅助,弥散加权成像

Abstract:

ObjectiveTo explore the diagnostic value of preoperative diffusion weighted imaging （DWI） histogram parameters in the depth of invasion of early rectal cancer.MethodsA total of 180 patients with early rectal cancer admitted to 904th Hospital of Joint Logistics Support Force of Chinese People's Liberation Army from August 2020 to August 2024 were selected as the study objects. Patients were divided into intramucosal cancer group （n=102） and submucosal cancer group （n=78） according to the depth of tumor invasion. The general data of the two groups were compared. The intraclass correlation coefficient （ICC） was used to analyze the consistency of DWI histogram parameters extracted by the two radiologists， and the differences between the two groups were compared. Receiver operator characteristic （ROC） curve was used to analyze the predictive value of each parameter to the depth of tumor invasion. Multivariate logistic regression was used to analyze the independent influencing factors of invasion depth， and a predictive model was constructed. The ROC curve was drawn to analyze the predictive value of the model for tumor invasion depth， and the Hosmer-Lemeshow test was used to analyze the goodness of fit of the model.ResultsThere were statistically significant differences in age （t=8.15，P<0.001）， maximum tumor diameter （χ²=29.29，P<0.001）， endoscopic type （χ²=20.96，P<0.001）， histological type （χ²=24.93，P<0.001） and differentiation degree （χ²=73.35，P<0.001） between intramucosal cancer group and submucosal cancer group. The mean， variance， skewness， kurtosis， the 1^st， 10^th， 50^th， 90^th， and 99^thpercentiles of the histogram parameters of DWI had good consistency （all ICC>0.75）. There were statistically significant differences in the mean （t=5.69，P<0.001）， variance （t=9.75，P<0.001）， skewness （t=10.88，P<0.001）， kurtosis （t=10.06，P<0.001）， the 1^stpercentile （t=3.43，P<0.001）， 10^thpercentile （t=3.59，P<0.001）， 50^thpercentile （t=9.97，P<0.001）， 90^thpercentile （t=4.63，P<0.001）， and 99^thpercentile （t=2.44，P=0.016） of the DWI histogram parameters between the intramucosal cancer group and the submucosal cancer group. ROC curve analysis results showed that mean [area under the curve （AUC）=0.77]， variance （AUC=0.88）， skewness （AUC=0.88）， kurtosis （AUC=0.78）， 50^thpercentile （AUC=0.86） and 90^thpercentile （AUC=0.82） had certain diagnostic value for submucous cancer. Multivariate analysis showed that age （OR=9.98， 95%CI： 1.10-90.70，P=0.041）， maximum tumor diameter （OR=7.36， 95%CI： 1.08-50.23，P=0.042）， and differentiation degree （OR=19.88， 95%CI： 1.21-327.92，P=0.037）， variance （OR=16.24， 95%CI： 2.26-116.68，P=0.006）， skewness （OR=21.13， 95%CI： 2.80-59.61，P=0.003）， 1^stpercentile （OR=9.78， 95%CI： 1.17-81.76，P=0.035） were independent factors in predicting tumor invasion depth in patients with early rectal cancer. The predictive model based on the above indicators was logit（P）=1.51+2.30×age+2.00×maximum tumor diameter+2.99×differentiation degree+2.79×variance+3.05×skewness+ 2.28×the 1^stpercentile. ROC curve analysis showed that the predictive model had an AUC of 0.97 （95%CI： 0.95-0.99） for judging the occurrence of submucosal cancer in patients with early rectal cancer， the sensitivity was 0.95， and the specificity was 0.88. The Hosmer-Lemeshow test results showed that the goodness of fit of the model was ideal （P=0.823）.ConclusionsAge， maximum tumor diameter， differentiation degree， variance， skewness， and the 1^stpercentile are independent factors in predicting tumor invasion depth in patients with early rectal cancer. The predictive model constructed based on these factors can effectively predict the risk of submucosal cancer in patients with early rectal cancer.

Key words:Rectal neoplasms,Neoplasm invasiveness,Image processing， computer-assisted,Diffusion weighted imaging

吉盛超, 金晓凤, 叶黛西, 陆泽华, 宣璐璐, 耿承军. 术前弥散加权成像直方图参数对早期直肠癌浸润深度的诊断价值[J]. 国际肿瘤学杂志, 2025, 52(10): 621-627.

Ji Shengchao, Jin Xiaofeng, Ye Daixi, Lu Zehua, Xuan Lulu, Geng Chengjun. Diagnostic value of preoperative diffusion weighted imaging histogram parameters in the depth of invasion of early rectal cancer[J]. Journal of International Oncology, 2025, 52(10): 621-627.

图/表9

图1

图2

表1

两组早期直肠癌患者一般资料比较[例（%）/ $\bar{x} \pm s$]"

一般资料	黏膜内癌组（n=102）	黏膜下癌组（n=78）	χ²/t值	P值
性别
男	49（48.04）	44（56.41）	1.24	0.265
女	53（51.96）	34（43.59）	1.24	0.265
年龄（岁）	54.18±6.87	62.97±7.54	8.15	<0.001
BMI（kg/m²）	23.87±3.98	24.02±3.52	0.26	0.793
吸烟史
无	68（66.67）	46（58.97）	1.13	0.289
有	34（33.33）	32（41.03）	1.13	0.289
饮酒史
无	56（54.90）	38（48.72）	0.68	0.410
有	46（45.10）	40（51.28）	0.68	0.410
家族史
无	76（74.51）	54（69.23）	0.61	0.443
有	26（25.49）	24（30.77）	0.61	0.443
肿瘤最大径（cm）
≤2.0	74（72.55）	25（32.05）	29.29	<0.001
>2.0	28（27.45）	53（67.95）	29.29	<0.001
内镜分型
Ⅰ型	72（70.59）	34（43.59）
Ⅱ型	24（23.53）	21（26.92）	20.96	<0.001
Ⅲ型	6（5.88）	23（29.49）
组织分型
腺癌	87（85.29）	48（61.54）
黏液腺癌	2（1.96）	21（26.92）	24.93	<0.001
其他	13（12.75）	9（11.54）
分化程度
高分化	78（76.47）	13（16.67）
中分化	20（19.61）	24（30.77）	75.35	<0.001
低分化	4（3.92）	41（52.56）

表1

DWI直方图参数	ICC	95%CI
均值	0.80	0.79~0.82
方差	0.92	0.91~0.94
偏度	0.91	0.89~0.92
峰度	0.91	0.90~0.93
第1百分位数	0.90	0.87~0.92
第10百分位数	0.88	0.86~0.91
第50百分位数	0.90	0.89~0.93
第90百分位数	0.85	0.82~0.97
第99百分位数	0.79	0.77~0.81

表2

参数	黏膜内癌组（n=102）	黏膜下癌组（n=78）	t值	P值
均值	102.64±18.64	118.97±19.68	5.69	<0.001
方差	1 022.34±162.31	1 285.44±199.64	9.75	<0.001
偏度	0.12±0.04	0.21±0.07	10.88	<0.001
峰度	0.14±0.05	0.23±0.07	10.06	<0.001
第1百分位数	32.47±6.54	36.15±7.84	3.43	<0.001
第10百分位数	60.35±8.67	65.19±9.32	3.59	<0.001
第50百分位数	93.18±15.05	118.64±19.22	9.97	<0.001
第90百分位数	141.28±20.31	155.97±22.08	4.63	<0.001
第99百分位数	173.64±22.98	182.34±24.65	2.44	0.016

表3

图3

表4

DWI直方图参数预测180例早期直肠癌患者浸润深度的效能分析"

参数	AUC（95%CI）	敏感性	特异性	约登指数	最佳截断值
均值	0.77（0.68~0.85）	0.81	0.66	0.47	109.72
方差	0.88（0.82~0.97）	0.80	0.87	0.67	1 136.35
偏度	0.88（0.80~0.95）	0.75	0.96	0.71	0.16
峰度	0.78（0.71~0.86）	0.60	0.88	0.48	0.18
第1百分位数	0.61（0.55~0.68）	0.35	0.89	0.24	34.06
第10百分位数	0.58（0.52~0.66）	0.50	0.69	0.19	62.45
第50百分位数	0.86（0.81~0.94）	0.65	0.94	0.59	104.21
第90百分位数	0.82（0.74~0.91）	0.82	0.69	0.51	147.65
第99百分位数	0.60（0.54~0.68）	0.22	0.95	0.17	177.41

表4

表5

影响180例早期直肠癌患者肿瘤浸润深度的多因素logistic回归分析"

因素	β值	SE值	Waldχ²值	OR值	95%CI	P值
年龄（>57.99岁/≤57.99岁）	2.30	1.126	4.17	9.98	1.10~90.70	0.041
肿瘤最大径（>2 cm /≤2 cm）	2.00	0.980	4.15	7.36	1.08~50.23	0.042
内镜分型（Ⅲ型/Ⅰ型+Ⅱ型）	1.79	1.610	1.24	5.99	0.26~140.48	0.266
组织分型（黏液腺癌/腺癌+其他）	2.01	2.681	0.56	7.46	0.39~142.94	0.453
分化程度（低分化/高、中分化）	2.99	1.430	4.37	19.88	1.21~327.92	0.037
均值（>109.72/≤109.72）	2.00	1.022	3.82	7.37	0.99~54.68	0.051
方差（>1 136.35/≤1 136.35）	2.79	1.006	7.67	16.24	2.26~116.68	0.006
偏度（>0.16/≤0.16）	3.05	1.032	8.74	21.13	2.80~59.61	0.003
峰度（>0.18/≤0.18）	1.35	0.965	1.96	3.86	0.58~25.62	0.162
第1百分位数（>34.06/≤34.06）	2.28	1.083	4.43	9.78	1.17~81.76	0.035
第10百分位数（>62.45/≤62.45）	1.52	1.054	2.09	4.58	0.58~36.13	0.149
第50百分位数（>104.21/≤104.21）	1.69	0.953	3.16	5.44	0.84~35.21	0.075
第90百分位数（>147.65/≤147.65）	1.75	0.999	3.08	5.78	0.82~40.91	0.079
第99百分位数（>177.41/≤177.41）	-0.16	0.906	0.03	0.85	0.15~5.05	0.862

表5

图4

参考文献20

[1]	Jacobsson M, Wagner V, Kanneganti S. Screening for colorectal cancer[J].Surg Clin North Am,2024,104(3): 595-607. DOI:10.1016/j.suc.2023.11.009. pmid:38677823
[2]	Pinto RA, Kawaguti FS, Kimura CMS, et al. Comparing three-dimensional endorectal ultrasound and magnification chromoendoscopy for early rectal neoplasia invasion depth assessment[J].J Gastroenterol Hepatol,2024,39(2): 346-352. DOI:10.1111/jgh.16382.
[3]	Zhu HB, Zhao B, Li XT, et al. Value of multiple models of diffusion-weighted imaging to predict hepatic lymph node metastases in colorectal liver metastases patients[J].World J Gastroenterol,2024,30(4): 308-317. DOI:10.3748/wjg.v30.i4.308.
[4]	Romeo V, Kapetas P, Clauser P, et al. Simultaneous¹⁸F-FDG PET/MRI radiomics and machine learning analysis of the primary breast tumor for the preoperative prediction of axillary lymph node status in breast cancer[J].Cancers (Basel),2023,15(20): 5088. DOI:10.3390/cancers15205088.
[5]	Kowal P, Ratajczyk K, Bursiewicz W, et al. Differentiation of solid and friable tumour thrombus in patients with renal cell carcinoma: the role of MRI apparent diffusion coefficient[J].Adv Med Sci,2024,69(2): 434-442. DOI:10.1016/j.advms.2024.09.002.
[6]	Anh DV, Lam TV, Anh NTH, et al. Assessment of histogram analysis in distinguishing between low-grade and high-grade brainstem glioma[J].Clin Ter,2024,175(5): 296-306. DOI:10.7417/CT.2024.5134. pmid:39400094
[7]	中华医学会消化内镜学分会消化系早癌内镜诊断与治疗协作组, 中华医学会消化病学分会消化道肿瘤协作组, 中华医学会消化内镜学分会肠道学组, 等. 中国早期结直肠癌及癌前病变筛查与诊治共识[J].中国医刊,2015,50(2): 14-30. DOI:10.3969/j.issn.1008-1070.2015.02.007.
[8]	Matsuura N, Kato M, Iwata K, et al. Endoscopic ultrasound classification for prediction of endoscopic submucosal dissection resectability: PREDICT classification[J].Endosc Int Open,2024,12(9): E1075-E1084. DOI:10.1055/a-2387-1754.
[9]	冯广龙, 姜慧杰. ROC曲线分析在医学影像学诊断中的价值[J].中华医学杂志,2015,95(3): 231-233. DOI:10.3760/cma.j.issn.0376-2491.2015.03.018.
[10]	Sharma M, Gupta A, Jana M, et al. Comparison of HASTE versus EPI-based DWI for retinoblastoma and correlation with prognostic histopathologic parameters[J].AJNR Am J Neuroradiol,2024,45(2): 198-204. DOI:10.3174/ajnr.A8084.
[11]	Gupta S, May FP, Kupfer SS, et al. Birth cohort colorectal cancer (CRC): Implications for research and practice[J].Clin Gastroenterol Hepatol,2024,22(3): 455-469.e7. DOI:10.1016/j.cgh.2023.11.040.
[12]	唐进亮, 张爱国, 张岚, 等. 窄带成像技术结合超声内镜检查在结直肠癌浸润深度诊断中的应用[J].中国医疗设备,2023,38(8): 74-78. DOI:10.3969/j.issn.1674-1633.2023.08.014.
[13]	Dadgarnia M, Meybodian M, Mandegari M, et al. The relationship between depth of invasion and cervical lymph node metastasis in patients with laryngeal squamous cell carcinoma[J].Eur Arch Otorhinolaryngol,2025,282(3): 1375-1379. DOI:10.1007/s00405-025-09215-0. pmid:39915314
[14]	魏重操, 王晶, 邢欣, 等. 早期结直肠癌的诊断率及临床病理特征分析[J].胃肠病学和肝病学杂志,2022,31(10): 1154-1159. DOI:10.3969/j.issn.1006-5709.2022.10.016.
[15]	Baykara M, Yildirim M. Differentiation of multiple myeloma and metastases with apparent diffusion coefficient map histogram analysis[J].North Clin Istanb,2022,9(3): 256-260. DOI:10.14744/nci.2021.59376. pmid:36199864
[16]	Cao T, Jiang R, Zheng L, et al. T1 and ADC histogram parameters may be an in vivo biomarker for predicting the grade, subtype, and proliferative activity of meningioma[J].Eur Radiol,2023,33(1): 258-269. DOI:10.1007/s00330-022-09026-5.
[17]	Tsuchiya H, Matoba M, Nishino Y, et al. Clinical utility of combined assessments of 4D volumetric perfusion CT, diffusion-weighted MRI and¹⁸F-FDG PET-CT for the prediction of outcomes of head and neck squamous cell carcinoma treated with chemoradiotherapy[J].Radiat Oncol,2023,18(1): 24. DOI:10.1186/s13014-023-02202-x.
[18]	Deng L, Yang J, Zhang M, et al. Whole-lesion iodine map histogram analysis versus single-slice spectral CT parameters for determining novel International Association for the Study of Lung Cancer grade of invasive non-mucinous pulmonary adenocarcinomas[J].Diagn Interv Imaging,2024,105(5): 165-173. DOI:10.1016/j.diii.2023.12.001.
[19]	Gihr G, Horvath-Rizea D, Kohlhof-Meinecke P, et al. Diffusion weighted imaging in gliomas: a histogram-based approach for tumor characterization[J].Cancers (Basel),2022,14(14): 3393. DOI:10.3390/cancers14143393.
[20]	Wan L, Peng W, Zou S, et al. Predicting perineural invasion using histogram analysis of zoomed EPI diffusion-weighted imaging in rectal cancer[J].Abdom Radiol (NY),2022,47(10): 3353-3363. DOI:10.1007/s00261-022-03579-1. pmid:35779094