通信作者：邱远教授
李云波教授
【引用本文】李云波，陈 浪，陶 倩，等. 基于CT影像组学及临床指标的造口旁疝发生风险预测模型构建[J]. 中国实用外科杂志,2024,44(10):1174-1178.
目的 建立结肠造口术后造口旁疝（PSH）发生预测模型，并对模型进行验证。方法 回顾性分析2016年1月至2020年10月陆军军医大学第二附属医院普通外科收治的行结肠末端造口的131例乙状结肠癌或直肠癌病人的临床资料。按是否发生PSH将病人分为PSH组（43例）和无PSH组（88例）；再按7∶3的比例对PSH组和无PSH组分别进行训练集和验证集的随机划分。将术前腹部CT图像第3腰椎轴向截面腹壁感兴趣区域分割后提取影像组学特征，同时收集术前临床指标并筛选。利用支持向量机（SVM） 、决策树（DT）和随机森林（RF）3种算法，纳入筛选的临床指标和影像组学特征构建预测模型。计算准确率、敏感度、特异度和受试者工作特征曲线下面积（AUC）来评价不同模型预测效能。结果 在临床指标方面，PSH组病人的血清总蛋白和BMI高于无PSH组，差异有统计学意义（P<0.05）。在影像特征方面，通过LASSO回归降维筛选得到6个非零系数特征。SVM、DT和RF构建预测模型的AUC在训练集中分别为0.820、0.854、0.790，在验证集中分别为0.804、0.762、0.732。结论 根据病人术前临床指标及CT影像结合机器学习构建预测模型，有助于识别PSH高危人群，可为PSH预防和临床个体化诊疗提供参考。
基金项目：重庆市自然科学基金面上项目（No.CSTB2022NSCQ-MSX1240）；重庆市教委科学技术研究项目（No.KJQN202312803）
作者单位：1陆军军医大学第二附属医院 a.普通外科 b.生物医学信息研究与应用中心&临床医学研究中心，重庆 400037；2陆军军医大学第一附属医院a.放射科 b.普通外科，重庆 400038
通信作者：邱远，E-mail：xiaoq2037@qq.com
1 资料与方法
1.1 研究对象 回顾性分析2016年1月至2020年10月陆军军医大学第二附属医院普通外科收治的行结肠末端造口的203例乙状结肠癌或直肠癌病人的临床资料。纳入标准：（1）临床分期为Ⅰ~Ⅲ期的直肠癌或乙状结肠癌病人。（2）在本院行结直肠癌根治术。（3）造口时未放置补片。（4）有术前1个月腹部平扫或平扫+增强CT影像资料。排除标准：（1）腹膜外造口。（2）术前CT影像质量差。（3）随访时病人已死亡。（4）随访时已行造口还纳或再次造口手术。（5）随访时无法判断是否发生PSH。PSH诊断依据2017年版《欧洲疝学会造口旁疝治疗指南》［1］。
按上述纳入排除标准，门诊随访时间为2022年9—10月，排除32例无法判断是否发生PSH，26例已死亡，12例已行造口还纳手术以及2例CT图像质量差。共纳入131例病人，随访时所有病人带造口生活时间均>2年。按随访时是否发生PSH，分为PSH组（43例）和无PSH组（88例）。以7∶3的比例对PSH组病人和无PSH组病人分别进行训练集和验证集的随机划分。其中，训练集PSH病人31例，无PSH病人61例；验证集PSH病人12例，无PSH病人27例。本研究项目经陆军军医大学第二附属医院医学伦理委员会审批（批号：2022-研第463-01）。
1.2 资料收集 收集的临床指标包括术前年龄、性别、BMI、是否吸烟、病史（高血压、慢性支气管炎及肺炎、糖尿病、前列腺疾病）和术前3 d内实验室检查指标（血清总蛋白、白蛋白、血红蛋白、肌酐、丙氨酸氨基转移酶、天冬氨酸氨基转移酶、总胆红素、直接胆红素）。
1.3 图像分割及组学特征提取 为保证一致性和稳定性，统一选取病人术前第3腰椎轴向截面平扫序列CT图像导入ITK-SNAP（version 4.0）软件，并勾画感兴趣区域（region of interest，ROI）。由2名具有丰富工作经验的影像科医生分别进行阅片和复核，并对图像腹壁区域进行分割（图1）。使用PyRadiomics（version 3.1.0）软件对CT图像提取影像组学特征。
1.4 组学特征降维、筛选 对训练集影像组学特征进行降维和筛选。将数据进行正则化处理后，采用Spearman相关分析，将相关系数>0.9的特征保留其一。再用最小绝对收缩与选择算子（least absolute shrinkage and selection operator，LASSO）回归和五折交叉验证（5-fold cross validation）对组学特征进行筛选。
1.5 预测模型建立 以是否发生PSH为预测结果，将差异具有统计学意义的临床指标和通过LASSO回归筛选出的影像组学特征纳入支持向量机（support vector machine，SVM）、决策树（decision tree，DT）和随机森林（random forest，RF）构建预测模型。
1.6 预测效能评价 分别绘制DT、SVM和RF模型在训练集和验证集的受试者工作特征曲线（receiver operating characteristic curve，ROC），并计算曲线下面积（area under curve，AUC）、准确率、敏感度和特异度，以评估3种模型的预测效能。
1.7 统计学处理 使用SPSS 25.0软件进行数据分析。符合正态分布的计量资料采用均数±标准差表示，组间比较采用独立样本t检验。计数资料用百分率（%）表示，组间比较采用卡方检验。以P<0.05为差异具有统计学意义。预测模型建立及影像学特征提取、筛选均基于Python（version 3.7）环境。
2 结果
2.1 临床资料 纳入的131例病人随访时间为24~80个月，带造口生活时间为（52.8±16.0）个月。PSH组和无PSH组各指标比较见表1，其中BMI（P=0.044）和血清总蛋白（P=0.047）差异具有统计学意义。
2.2 影像特征筛选 应用PyRadiomics软件共获取107个组学特征，其中形状特征14个，一阶特征18个，灰度共生矩阵特征24个，灰度区域大小矩阵特征16个，灰度行程矩阵特征16个，邻域灰度差矩阵特征5个，灰度相关矩阵14个。通过Spearman相关、LASSO回归分析降维、筛选后得到非零系数特征6个。其中，2个形状特征反映腹壁的球形特征和表面积；2个灰度行程矩阵特征和1个灰度区域大小矩阵特征反映腹壁的长度非均匀性、灰度级方差和灰度大小区域矩阵的区域熵；1个邻域灰度差矩阵特征反映图像相邻灰度差矩阵的粗糙度。
2.3 模型效能 由上述6个影像特征和2个临床指标（BMI和血清总蛋白）构建的SVM、DT和RF预测模型的效能值见表2和图2。结果显示，SVM模型对PSH的预测能力最好，在训练集中的AUC、准确率、敏感度和特异度分别为0.820、82.4%、80.6%、83.3%；在验证集中的AUC、准确率、敏感度和特异度分别为0.804、82.5%、85.7%、75.0%。3种模型在验证集中AUC均>0.7，表现出良好的预测效能。
3 讨论
PSH是肠造口术后最常见的并发症之一，发生率随时间延长而增加，长期随访中可达50% ［1-2］。造口是对腹壁结构的医源性破坏，PSH的发生与腹壁结构力学关系密切［4］。目前，临床预测PSH发生主要依靠病人本身的临床指标以及腹部的一些解剖学测量指标，均未系统反映病人的腹壁结构特征。随着影像组学的发展和广泛应用，已实现对人体腹部组织结构特征定量测定［3］。基于病人腹部 CT 影像组学特征和临床指标构建 PSH 发生风险预测模型更加客观和准确。 本研究中131例病人平均带造口生活时间为52.8个月，PSH发生率为34.4%。Hardt等［5］研究发现，虽然PSH的发生率与随访时间和造口类型相关，但总体上，发生率在30%~50%，这与本研究结果相近。可见，约50%的病人在术后>2 年未发生PSH。那么，究竟是哪些因素影响PSH的发生呢？目前认为，病人自身因素、疾病因素、外科手术因素等均与PSH的发生有关。在病人自身因素中，高龄和肥胖是相对公认的危险因素［6-7］。本研究未发现年龄与PSH明显相关，但发现PSH组病人术前血清总蛋白高于非PSH组。这可能与PSH组病人BMI偏高有一定关联。通过检索文献发现围手术期血清白蛋白或总蛋白与发生PSH的关系仍存争议［8-10］。因此，本研究在建模中未排除这一指标。外科手术因素中，手术时间和造口孔径大小也被认为与PSH发生相关［6-7］。Osborne 等［11］将年龄、肥胖、合并症、吸烟等因素量化计分来评估 PSH 发生风险；与之相似，也有学者通过筛选将年龄、性别、BMI、白蛋白及造口孔径大小纳入列线图模型，预测PSH发生［12］。尽管因素众多，但应明确PSH的发生与腹壁的生物结构及力学关系密切，甚至前述的某些疾病因素也是通过影响腹壁的结构和功能间接影响PSH发生。因此，腹壁因素是预测PSH发生不可忽略的重要因素。
陈双等［4］提出“腹壁的功能单位”这一概念，认为腹壁在防止疝的发生过程中，是“肌肉+筋膜”的共同作用。腹壁具有多种特质的生物特性，如刚性、顺应性、各向异性。可见，决定PSH发生的腹壁因素多样且具有复合性。影像组学与人工智能的出现使临床指标和腹壁组织结构特征共同纳入建模预测PSH发生成为可能。有研究基于术前CT检查发现，病人的腹壁肌肉指数可能反映长期的营养状态，而营养状态又是影响 PSH发生的重要因素［13-14］。此外，基于病人腹部CT测量的脂肪量可以预测直肠癌手术时间、术中出血量以及并发症风险，而手术时间也被认为可影响PSH发生。可见，腹壁CT图像不仅包含病人大量的身体因素信息，还间接决定手术的某些因素。既往研究表明，由于第3腰椎轴向截面常被用于研究腹部影像学与腹部肌肉、脂肪等的关系［15］；并且，全身骨骼肌和脂肪组织的体积与第3腰椎轴向截面的肌肉和脂肪组织的面积相关［16］。故本研究使用病人第3腰椎轴向截面的腹部CT图像，将整个腹壁进行分割，并用PyRadiomics软件提取了107个特征。然后，采用LASSO回归最终筛选出 6个影像组学特征。其中形状特征基于几何形态反映了腹壁的球形特征和表面积；灰度行程矩阵提取的灰度非均匀性和灰度级方差特征、灰度区域大小矩阵中代表区域熵的特征以及反映图像粗糙度指标的邻域灰度差矩阵特征，均反映了图像对应腹壁的组织结构异质性［17］。与肉眼所见的形态学特点相比，影像组学可更深入地挖掘靶区的形状特点及内部组织结构等方面肉眼无法评估的指标，从而提供更为准确的定量指标用于评估图像特征。
本研究联合病人术前影像组学特征、临床指标（BMI、血清总蛋白）构建的联合预测模型，综合考虑了临床、实验室检查、影像学特征的影响。一方面，区别于既往研究，采用了病人术前资料进行建模预测；另一方面，联合了多模态数据建模，且3种预测模型验证集的AUC均>0.7。因此，笔者认为，采用病人术前临床资料联合CT影像组学特征预测PSH，可信度较高。模型操作较简单，仅需将拟行结肠永久性造口病人的BMI、血清总蛋白及第3腰椎轴向截面的CT影像学图片纳入3种不同机器学习算法建立的预测模型，即可计算病人发生PSH的可能性。其中，SVM通过搜索最优决策边界（超平面）对样本进行分类，其在处理高维数据和小样本的情况下表现良好［18］。在3种预测模型中，SVM的训练集和验证集AUC分别为0.820和0.804，二者差异较小，且预测准确率最高。表明SVM算法在本研究数据下表现出较好的效能。DT和RF算法均基于决策树模型且RF作为一种集成算法其准确率较高，具有较好抗噪声能力、不易过拟合，但该两种算法更适用于较大数据集［19］。本研究纳入模型的样本量、特征数均较少，可能是导致DT和RF模型表现不如SVM的原因。
本研究局限性如下：首先，回顾性研究且回访过程中失访人数较多，资料收集可能存在偏倚。其次，纳入病人为单中心的多个医疗组内病人，样本量偏小，不能完全排除术者对结果的影响。最后，影像组学的特征提取没有进行参数变换。未来将进一步开展大样本、多中心、多参数的研究。
综上所述，本研究将病人术前影像组学特征及临床指标融合，放入经典机器学习模型建立联合预测模型，为预测术后PSH的发生提供一种新的有效手段。这一模型的运用，可以提示外科医师术中采取更加积极主动的PSH预防措施，如预置补片等，同时为更加精准的术前沟通提供了参考依据。
参考文献
（在框内滑动手指即可浏览）
［1］ Antoniou SA，Agresta F，Garcia Alamino JM，et al. European Hernia Society guidelines on prevention and treatment of parastomal hernias［J］. Hernia，2018，22（1）：183-198.
［2］ Carne PW，Robertson GM，Frizelle FA. Parastomal hernia［J］. Br J Surg，2003，90(7):784-793.
［3］ Lambin P，Rios-Velazquez E，Leijenaar R，et al. Radiomics: extracting more information from medical images using advanced feature analysis［J］. Eur J Cancer，2012，48(4): 441-446.
［4］ 陈双，王辉，吴丁财. 从腹壁结构和生物力学分析造口旁疝的发生与发展［J］. 中国实用外科杂志，2022，42(7): 743-747.
［5］ Hardt J，Meerpohl JJ，Metzendorf MI，et al. Lateral pararectal versus transrectal stoma placement for prevention of parastomal herniation［J］. Cochrane Database Syst Rev，2019，4(4)：CD009487.
［6］ Niu N，Du SZ，Yang DL，et al. Risk factors for the development of a parastomal hernia in patients with enterostomy: A systematic review and Meta-analysis［J］. Int J Colorectal Dis，2022，37(3):507-519.
［7］ Roman S，Alzubedi A，Rudzki S. Parastomal hernia-current knowledge and treatment［J］. Wideochir Inne Tech Maloinwazyjne，2018，13(1): 1-8.
［8］ 朱德意，王婷，左伟. 直肠癌Miles术后造瘘口旁疝形成相关危险因素的临床分析［J］. 温州医科大学学报，2015，45(5): 372-375.
［9］ Donahue TF，Bochner BH，Sfakianos JP，et al. Risk factors for the development of parastomal hernia after radical cystectomy［J］. J Urol，2014，191(6):1708-1713.
［10］ Liu L，Zheng LB，Zhang MS，et al. Incidence and risk factors for parastomal hernia with a permanent colostomy［J］. J Surg Oncol，2022，126(3): 535-543.
［11］ Osborne W，North J，Williams J. Using a risk assessment tool for parastomal hernia prevention［J］．Br J Nurs，2018，27(5):15-19.
［12］ Liu H，Wang W，Qin C，et al. Development and validation of a nomogram prediction model for the risk of parastomal hernia［J］. Intelligent Medicine，2023，June 25. https://doi.org/10.1016/j.imed.2023.03.001.［Epub published ahead ］.
［13］ Kaneko T，Funahashi K，Ushigome M，et al. Incidence of and risk factors for incisional hernia after closure of temporary ileostomy for colorectal malignancy［J］. Hernia，2019，23（4）：743-748.
［14］ Nagayoshi K，Nagai S，Hisano K，et al. Atrophic change of the abdominal rectus muscle significantly influences the onset of parastomal hernias beyond existing risk factors after end colostomy［J］. Hernia，2020，25（1）:141-148.
［15］ Pennings JP，Kwee TC，Hofman S，et al. Clinical and radiologic predictors of parastomal hernia development after end colostomy［J］. Am J Roentgenol，2021，216(1):94-103.
［16］ Shen W，Punyanitya M，Wang Z，et al. Total body skeletal muscle and adipose tissue volumes: estimation from a single abdominal cross-sectional image［J］. J Appl Physiol，2004，97(6): 2333-2338.
［17］ Zwanenburg A，Vallières M，Abdalah MA，et al. The image biomarker standardization initiative: standardized quantitative radiomics for high-throughput image-based phenotyping［J］. Radiology，2020，295(2):328-338.
［18］ Ben-Hur A，Ong CS，Sonnenburg S，et al. Support vector machines and kernels for computational biology［J］. PLoS Comput Biol，2008，4(10): e1000173.
［19］ Biau G，Scornet E. A random forest guided tour［J］. Test，2016，25: 197-227.
（2024-02-01收稿 2024-03-20修回）
本文为《中国实用外科杂志》原创文章。其他媒体、网站、公众号等如需转载本文，请联系本刊编辑部获得授权，并在文题下醒目位置注明“原文刊发于《中国实用外科杂志》，卷（期）：起止页码”。谢谢合作！
