解剖引导的自适应深度神经网络在双参数MRI上检测临床显著前列腺癌:一项多中心研究
研究在大型双参数MRI数据上训练自适应3D nnU-Net模型,用于检测临床显著前列腺癌,并在隐藏验证集、测试集及内部多中心数据上评估。模型在隐藏验证集和测试集的AUROC分别为0.888和0.889,内部测试数据AUROC为0.886,迁移学习后略降至0.870且差异无统计学意义,显示模型稳健且泛化能力良好。
要点
- 模型在PI-CAI隐藏验证集和测试集的AUROC分别为0.888和0.889。
- 内部多中心测试数据AUROC为0.886,迁移学习后为0.870,变化无统计学意义(p=0.30)。
- 模型仅使用MRI可见的临床显著前列腺癌进行训练和评估,可能漏诊MRI不可见病灶。
核心结论
- 基于大规模双参数MRI数据训练的自适应深度学习模型在内部和外部测试数据中检测临床显著前列腺癌均表现出高性能,显示深度学习在数据集内和跨数据集的稳健性和泛化能力。
- 使用内部小样本进行迁移学习未进一步提升模型性能,支持其针对数据偏移的泛化性和稳健性。
研究设计与样本
- 研究为回顾性研究,使用公开的PI-CAI训练数据(1500例双参数MRI扫描,其中425例有临床显著前列腺癌)及隐藏验证集(100例)和隐藏测试集(1000例)。
- 内部数据来自9家机构,纳入2015年1月至2021年12月因怀疑前列腺癌或主动监测行双参数或多参数前列腺MRI的连续患者,共1202例,中位年龄67岁(IQR 59–73)。
- 内部数据分为测试集1036例(其中288例有临床显著前列腺癌)和迁移学习微调集200例(其中50例有临床显著前列腺癌)。
- 使用1.5 T或3 T扫描仪,双参数方案至少包括三平面T2加权成像和扩散加权成像,扩散加权成像采用平面回波成像、轴位、至少3个b值,部分患者b值≥1400 s/mm²,部分为计算b值1400 s/mm²。
- 参考标准为全标本病理或MRI/超声融合引导穿刺联合扩展经直肠系统穿刺,或MRI阴性(PI-RADS 1或2分)且随访至少24个月无前列腺癌证据。
关键影像表现/征象
- 图5展示一例内部数据中右侧外周带临床显著前列腺癌,模型在T2加权图像上正确预测病灶并勾画边界。
诊断标准与关键数值
- 临床显著前列腺癌定义为Gleason评分≥3+4。
- 患者水平性能采用受试者工作特征曲线下面积(AUROC)评估,病灶水平检测性能采用平均精度(AP)评估。
- 真阳性病灶定义为预测与真实标注在3D空间重叠至少0.10。
- 模型在PI-CAI隐藏验证集的AUROC为0.888、AP为0.732;在隐藏测试集的AUROC为0.889、AP为0.614。
- 模型在内部测试数据无微调时AUROC为0.886、AP为0.50;迁移学习后AP略升至0.539、AUROC略降至0.870,变化平均无统计学意义(p=0.30)。
临床应用与阅片要点
- 模型基于T2加权成像、扩散加权成像、表观扩散系数图和概率性前列腺分区掩膜进行临床显著前列腺癌检测。
- 原文指出,读者需注意本研究所用深度学习模型可能漏诊MRI不可见病灶。
- 作者计划构建基于浏览器的流程,邀请不同经验水平的放射科医生在有无深度学习模型辅助下阅读内部数据病例,以比较模型性能并评估其附加价值。
局限性
- 与PI-CAI挑战赛类似,本研究中所有无临床显著前列腺癌的患者均无组织病理学结果。
- 部分临床显著前列腺癌患者仅有穿刺活检结果,与全标本病理参考相比存在误差。
- 仅MRI可见的临床显著前列腺癌用于训练和模型评估,模型可能漏诊MRI不可见病灶。
- 与PI-CAI挑战赛类似,未使用对比增强序列。
- 深度学习模型未纳入临床和实验室检查结果。
全文中译9 节 · 点击展开
引言
磁共振成像(MRI)在前列腺癌(PCa)诊断中发挥着至关重要的作用,且随着近期证据建议对疑似PCa的男性在活检前进行前列腺MRI检查[1],前列腺MRI扫描的数量预计将显著增加。前列腺MRI的主要目标是识别临床显著性前列腺癌(csPCa)(即Gleason评分≥3+4),同时使良性病变或惰性PCa的男性免于不必要的干预或治疗。
前列腺影像报告和数据系统(PI-RADS)于2012年引入,最近于2019年更新为PI-RADS第2.1版,以标准化前列腺MRI的采集和解读[2]。尽管多年来PI-RADS的益处已得到广泛认可,但前列腺MRI仍存在阅片者自身和阅片者之间的差异,以及不可忽视的假阳性和假阴性结果[3–5]。
近年来,深度学习(DL)在广泛的医学影像任务中展现出卓越的性能,前列腺癌诊断也不例外。然而,早期研究受到以下几个问题的制约:(i) 在相同获取的数据上对DL模型进行训练、验证和测试[6–16];(ii) 样本量小[6–16];(iii) 关于DL模型的细节不充分和/或缺乏开源代码共享[6–12, 15];(iv) 缺乏在公开可用数据集或挑战赛上对DL模型的基准测试[6–13];使用PI-RADS评分作为性能评估的参考[16–18]。
ProstateX挑战赛部分解决了上述问题,但其数据量不足以有效训练和测试DL模型[19]。PI-CAI(前列腺成像:癌症人工智能)是一项新的重大挑战赛,包含超过10,000例前列腺MRI扫描[20]。该挑战赛允许研究人员设计、训练和测试公开可用的DL模型,在大规模双参数前列腺MRI上识别csPCa。
我们假设,使用最佳实践在大规模双参数MRI数据上训练的最先进的自适应深度网络,在应用于大规模多中心和多厂商外部数据集时,能够提供稳健且可泛化的csPCa检测性能。为验证我们的假设,我们首先在PI-CAI数据集上使用概率性前列腺掩膜训练了一个自适应DL模型nnU-Net,并在挑战赛的隐藏验证集和测试集上测试了其性能。然后,我们在一个包含不同人口学特征男性的私人内部多中心数据集上评估了模型的性能。此外,我们研究了使用内部数据集的一小部分进行迁移学习对性能的益处。
方法
研究样本
在本研究中我们使用了两个数据集:公开可用的PI-CAI训练数据和内部数据。PI-CAI包含超过10,000例双参数前列腺MRI,但仅有1500例扫描是公开可用的。研究人员还可以在包含100例扫描的隐藏验证集和包含1000例扫描的隐藏测试集上测试其模型。然而,隐藏测试集仅在预定时间段内可用。
Acibadem Mehmet Ali Aydinlar大学的审查委员会批准了这项回顾性研究,并豁免了对医学数据回顾性分析进行知情同意的需要。我们回顾了2015年1月至2021年12月期间因怀疑前列腺癌(即前列腺特异性抗原升高或直肠指检可疑)或主动监测而接受双参数或多参数前列腺MRI扫描的连续患者,以建立内部数据集。
内部数据集中的所有男性在MRI扫描后均接受了全器官病理检查或活检,或为MRI阴性(即PI-RADS评分为1或2),且至少随访24个月,无任何临床、实验室或影像学证据提示前列腺癌。此外,接受经直肠线圈前列腺MRI扫描的男性被排除在研究之外,有前列腺癌治疗史或前列腺手术史的男性也被排除。
MRI方案
内部数据集中的扫描在九家机构使用1.5 T(Avanto、Avanto-fit和Aera,Siemens Healthcare,埃尔朗根/德国;Signa HDxt Signa,General Electric Healthcare,芝加哥/美国)或3 T扫描仪(Prisma、Skyra和Vida,Siemens Healthcare,埃尔朗根/德国;Signa Premier,GE Healthcare,芝加哥/美国)获得。
所有mpMRI或双参数MRI方案遵循PI-RADS第2版或第2.1版。双参数前列腺MRI方案至少包括三平面T2加权成像和扩散加权成像。扩散加权成像采用轴面回波平面成像,至少使用三个b值。部分患者采集的DWI b值≥ 1400 s/mm2,而其他患者按照PI-RADS采用计算DWI,b值为1400 s/mm2。ADC图使用所有采集b值的线性最小二乘拟合计算。我们未使用动态对比增强图像,因为挑战赛组织者未提供这些图像。为简洁起见,MRI方案的进一步细节从略。
真实标签
组织者提供了PI-CAI数据集的真实标签。对于含有csPCa的扫描,组织者提供了像素级标注(即病灶掩膜)。对于其余患者(即有惰性前列腺癌或良性发现者),组织者仅提供了扫描级结果。所有csPCa病灶均由经过培训的研究人员在三名专家放射科医师的监督下进行标注。
内部数据集的真实标签按照类似方法创建。首先,整理了患者所有可用的病理、放射学和临床报告。然后,由一名放射科医师(D.A.)——PI-CAI阅片者之一,具有三年前列腺MRI经验(每年≤ 150例前列腺扫描)和五年深度学习经验——在双参数前列腺MRI扫描上分割csPCa。所有分割均在专用浏览器平台(https://matrix.md.ai)上进行。所有分割均由一名资深放射科医师(E.K.)监督,其在前列腺影像方面拥有超过20年经验(每年≥ 300例扫描)。
在具有可用全 mount 病理的患者中,放射科医生使用数字化组织病理学图像作为参考来确定 csPCa 病变(即 Gleason 评分 ≥ 3 + 4),以确保放射-病理匹配 [21]。在具有活检结果的患者中,放射科医生仔细阅读了关于病变位置的病理结果。在内部样本中,所有活检程序均涉及 3–4 针 MRI/超声融合引导活检,随后进行扩展经直肠系统活检(Artemis,Eigen)[16]。病理结果为良性或 MRI 阴性患者(即 PI-RADS 1 或 2 扫描)且无任何临床、实验室或影像学证据表明 PCa 的男性被接受为 csPCa 阴性。图 1 显示了研究样本选择。
DL 模型
首先,我们在来自公开可用 ProstateX 数据集的患者上训练了前列腺区域分割模型 [22]。我们使用了 3D nnU-Net,一种自适应 DL 框架,向模型输入 T2W 图像,并使用外周和中央腺体掩膜作为地面真实 [23]。然后,我们在挑战数据上使用该网络以获得概率性中央和外周腺体掩膜。图 2 显示了腺体分割网络的概述。
我们开发了 3D nnU-Net 用于在挑战数据上进行 csPCa 检测。我们向模型输入 T2W、ADC、高 b 值 DWI 和概率性前列腺分割掩膜,使用 csPCa 掩膜作为地面真实。
nnU-Net 模型基于标准 U-Net 架构。该 U-Net 由两个顺序的编码器-解码器组件组成,通过跳跃连接和模型底部的瓶颈层互连。编码器层降低输入的空间分辨率并为手头任务计算代表性特征图,而解码器增加空间分辨率,保留用于精确分割的代表性信息。这两层之间的跳跃连接促进信息流并增强学习过程。在训练过程中,U-Net 参数不断更新,允许模型隐式学习成功分割目标掩膜所需的基本几何和纹理特征。
本工作使用了 nnU-Net 的标准化数据准备和增强管道。此外,我们应用了极端数据增强,并使用了五折交叉验证的网络集成。模型使用焦点和交叉熵损失的组合损失训练了一千个 epoch。图 3 显示了 csPCa 分割模型。关于模型的进一步细节可在 [24] 中找到。
我们将内部数据按约 90%/10% 分为测试和迁移学习样本。首先,在挑战数据上训练的模型在内部测试集上使用而无需训练。然后,我们以 10–5 的学习率微调(即迁移学习)模型 100 个 epoch,并在内部数据的测试集上测试其性能。
性能评估与统计分析
统计分析使用Python编程语言的SciPy库进行。连续变量以中位数和四分位距表示,分类变量和有序变量以频数和百分比表示。我们使用受试者工作特征曲线下面积(AUROC)来评估患者水平的临床显著性前列腺癌(csPCa)检测性能。
病灶水平的检测性能使用平均精度(AP)指标进行评估。真阳性病灶为在3D空间中与真实标注重叠至少0.10的预测,参照挑战赛及既往研究[20, 25]。假阳性病灶为重叠不足的预测。我们还计算了自由响应受试者工作特征曲线(FROC)。
我们使用置换检验[26]评估深度学习模型在有和无迁移学习情况下于内部测试数据上的性能差异。置换检验简要地将有和无微调的模型及其实例之间的性能指标进行随机打乱,以考虑训练方法可能导致的潜在差异。p值小于0.05被视为具有显著性结果。
结果
内部数据集共纳入1202名男性,中位年龄为67岁(IQR,59–73)。内部数据集分为两部分:(i)测试数据包含1036次扫描;(ii)微调数据包含200次扫描。在内部测试数据中,共有288次扫描存在csPCa,其余扫描为惰性癌症或良性发现。在内部测试数据中288次存在csPCa的扫描中,275次(95.48%)有可用的全 mount 病理,而其余13次扫描(4.52%)的csPCa诊断由3–4针MRI/超声融合引导活检联合扩展经直肠系统活检确定。在PI-CAI公共训练数据的1,500次mpMRI扫描中,425次存在csPCa。关于数据集的更多细节见表1。
nnU-Net模型在PI-CAI挑战赛的隐藏验证数据上取得了0.888的AUROC和0.732的AP,在提交时排名榜首。同一模型在隐藏测试数据上的AUROC为0.889,AP为0.614,排名第3。由于验证和测试数据集为隐藏数据,我们无法为挑战赛数据绘制ROC、FROC和RP曲线。
相同的nnU-Net模型在未进行微调的情况下,在本机构数据的测试部分提供的AUROC为0.886,AP为0.50。该模型的AUROC与挑战赛评估结果相似,但AP在本机构数据中有所下降。在使用迁移学习对模型进行微调后,AP略微升高至0.539,AUROC略微降低至0.870,但平均变化无统计学显著性(p = 0.30)。图4展示了nnU-Net在本机构测试数据上使用和不使用迁移学习时的AUROC、FROC和RP曲线。图5举例说明了模型在本机构测试数据上的预测结果。
讨论
在本研究中,我们使用大量数据增强和概率性前列腺掩膜在大规模PI-CAI数据上训练了一个最先进的自适应nnU-Net模型,并报告了其在挑战赛隐藏验证集和测试集上的性能。该模型在我们的多中心和多厂商大规模本机构数据上进行了外部验证,在扫描水平检测csPCa方面提供了相似的性能,显示了其鲁棒性和泛化能力。值得注意的是,迁移学习并未进一步提高模型性能,证实了其针对数据偏移的泛化能力和鲁棒性。值得注意的是,我们的模型性能远高于早期研究中报道的识别csPCa的中位AUC 0.79 [27]。
使用与训练数据相同数据来源的测试数据,即使存在按时间分割的留出测试集,也是深度学习在医学影像应用中已知的陷阱 [28]。自然而然地,由于扫描仪、采集方案或患者人口统计学特征等多种因素的差异,在同一分布上评估的深度学习模型在应用于外部数据时性能可能会显著下降。无论原因如何,适当的外部测试对于性能评估至关重要,因为临床转化自然要求在未见过的外部数据上具有相似的诊断性能。
除本研究外,很少有其他研究至少部分地考察了其深度学习(DL)模型在未见外部测试数据上的性能。例如,Castillo等人[29]在271例患者的单中心数据上训练了其内部模型,并在来自三个外部数据集的371例患者上测试了其性能。作者记录了模型在外部测试期间性能的显著下降。他们工作中使用的DL模型是标准的U-net分割模型,而我们实现的是最先进的nnU-Net。此外,他们的训练数据相对较小且来自单中心。因此,在训练期间,模型可能无法达到足够的鲁棒性和泛化性。此外,在本工作中,我们实施了广泛的数据增强以及概率性前列腺掩膜,以增强DL模型的泛化性和鲁棒性。
Hosseinzadeh等人[30]在来自两个中心的2734例连续活检初治男性的数据上设计了他们的DL模型。与本工作类似,他们使用前列腺掩膜来引导神经网络。他们在第一个中心的数据上训练模型,并在两个中心的数据上测试其性能。因此,他们的测试并非完全外部。尽管如此,该DL模型在外部测试中识别临床显著性前列腺癌(csPCa)的AUC达到0.85。与本工作相比,作者未对其模型性能进行基准测试,也未公开其代码。
Mehta等人[31]提出设计一个神经网络,输入整个前列腺腺体并采用扫描级真实标签。作者在两个不同数据集上外部测试了其DL模型的性能,AUC分别为0.73和0.77,远低于我们模型的性能。他们的后续研究[32]纳入了病灶级注释和分区前列腺掩膜。尽管有病灶级注释,其模型在外部测试集上的AUC为0.70,较其内部模型AUC 0.85显著下降,提示在不同数据分布间缺乏泛化性和鲁棒性。我们认为,正如作者 also 所提出的,训练样本量小以及使用未进行广泛数据增强的标准2D U-net,可能导致在外部数据上识别csPCa的性能较低。
Netzer等人[33]在大规模单中心内部数据上训练了nnU-Net。作者按时间对其内部数据进行划分,并在扫描 level 上达到AUC 0.85。作者还发现,随着训练数据量的减少,模型性能从AUC 0.85降至0.81。此外,他们在ProstateX挑战赛上对其模型进行了基准测试,达到AUC 0.89。其研究的主要缺陷在于研究样本和ProstateX均来自同一制造商的扫描仪,这可能降低了结果的泛化性。事实上,作者对样本量小以及ProstateX数据中可能存在大量较容易的样本表达了担忧。
Saha等人[34]在大规模上设计了一个端到端csPCa检测网络。遵循最佳实践,作者从不同中心获取训练和测试样本。作者实现了一个利用集成方法、焦点损失和概率性前列腺区域掩膜的3D U-net,在外部独立测试样本上达到了0.86的AUC。值得注意的是,作者观察到使用集成方法和概率性掩膜显著提升了模型的泛化能力。Saha等人[34]的主要缺点是测试数据集是使用与训练集相同制造商的扫描仪获得的。
必须承认本研究的若干局限性。首先,与PI-CAI挑战赛类似,本研究中所有无csPCa的患者均无组织病理学结果。同样,一些csPCa患者仅有活检结果,与参考的全mount病理相比,活检结果存在误差。尽管如此,所有活检均为MRI/超声融合引导活检,随后进行扩展经直肠系统活检,降低了潜在采样误差的可能性[16]。此外,我们旨在涵盖临床实践中遇到的扫描,其中深度学习(DL)模型需要解读许多MRI阴性扫描,这些扫描通常不会进行活检。
其次,仅MRI可见的csPCa用于训练和模型评估。因此,读者必须谨慎,本研究中使用的DL模型可能会遗漏MRI不可见的病灶。这一局限性可通过全mount病理与MRI的配准来缓解[35],但这将显著减少样本量,并因仅纳入具有全mount病理的患者而导致选择偏倚。
第三,我们省略了如PI-CAI挑战赛中的对比增强序列。尽管mpMRI是前列腺成像的标准方案,但最近有证据表明,双参数MRI与多参数MRI相当,可避免使用对比剂并节省时间[36, 37]。同样,我们未将临床和实验室检查结果纳入我们的DL模型。因此,未来可能需要利用前列腺MRI结合临床和实验室数据构建基于DL的列线图用于csPCa[38]。
第四,我们未将我们的DL模型性能与放射科医师进行比较,也未研究其对放射科医师阅读前列腺MRI的益处。无论如何,PI-CAI挑战赛组织者计划将排名靠前的模型(包括本研究中使用的模型)的性能与全球许多不同经验水平的放射科医师进行比较。同样,我们还计划构建一个基于浏览器的流程,并邀请全国不同经验水平的放射科医师在有和无DL模型的情况下阅读我们内部数据集的病例。这将使我们能够比较我们的模型与放射科医师在检测csPCa方面的性能,并展示其在信心、准确性和有效性方面是否为放射科医师的阅片增加价值。
结论
使用广泛数据增强和基于大规模PI-CAI数据训练的概率性前列腺掩膜所训练的最先进深度学习(DL)模型,在挑战赛的隐藏验证集和测试集以及由不同人口学特征男性组成的大规模多中心、多厂商内部数据中,在检测临床显著前列腺癌(csPCa)方面表现出高性能,显示了其在数据集内和跨数据集的稳健性和泛化能力。值得注意的是,使用来自内部数据的小样本实施迁移学习并未进一步提高性能,支持了其针对数据偏移的泛化性和稳健性。
引用
- Karagoz A, Alis D, Seker ME, et al. Anatomically guided self-adapting deep neural network for clinically significant prostate cancer detection on bi-parametric MRI: a multi-center study. Insights Imaging. 2023. PMID: 37337101. doi:10.1186/s13244-023-01439-0
- 全文:PMC10279591(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10279591/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。