卵巢癌CT与MRI影像组学的系统综述与Meta分析:方法学问题与临床实用性
该系统综述纳入57项研究共11,693例患者,评估卵巢癌CT与MRI影像组学研究的方法学质量(平均RQS 30.7%)并分别对16项鉴别诊断和13项预后预测研究进行Meta分析,汇总AUC分别为0.90和0.85。作者认为现有研究方法学质量不理想但影像组学在鉴别诊断和预后预测方面显示出前景。
要点
- 卵巢癌影像组学鉴别诊断汇总敏感度0.84、特异度0.83、AUC 0.90。
- 卵巢癌影像组学预后预测汇总敏感度0.78、特异度0.78、AUC 0.85。
- 57项研究平均RQS仅30.7%,59.6%的研究因缺乏外部验证被归为0期。
核心结论
- 当前证据提示卵巢癌影像组学研究的方法学质量不令人满意。
- 基于CT和MRI的影像组学分析在鉴别诊断和预后预测方面显示出有前景的结果。
- 作者建议未来的影像组学研究应更加标准化,以更好地弥合概念与临床应用之间的差距。
研究设计与样本
- 系统综述与Meta分析,检索PubMed、Embase、Web of Science和Cochrane Library于2002年1月1日至2023年1月6日发表的原始研究。
- 共纳入57项研究、11,693例患者,采用RQS和QUADAS-2评估方法学质量。
- 37项研究使用CT,20项研究使用MRI,多数采用手动分割和三维分析。
- 按主要目的分为鉴别诊断(24/57,42.1%)、疗效评估(4/57,7.0%)和预后预测(28/57,49.1%),另1篇(1.8%)同时涉及鉴别诊断与预后预测。
- 16项鉴别诊断研究和13项预后预测研究分别进行Meta分析。
诊断标准与关键数值
- 鉴别诊断Meta分析(16项研究):汇总DOR 25.76(95%CI 13.50–49.13),敏感度0.84(95%CI 0.76–0.89),特异度0.83(95%CI 0.77–0.88),PLR 5.00(95%CI 3.58–6.97),NLR 0.19(95%CI 0.13–0.30),SROC AUC 0.90(95%CI 0.87–0.92)。
- 预后预测Meta分析(13项研究):汇总DOR 12.55(95%CI 8.38–18.77),敏感度0.78(95%CI 0.71–0.83),特异度0.78(95%CI 0.72–0.82),PLR 3.59(95%CI 2.80–4.59),NLR 0.29(95%CI 0.22–0.37),SROC AUC 0.85(95%CI 0.81–0.88)。
- 最佳影像组学模型的AUC或c-index介于0.620至1.000之间。
- 平均RQS为12(四分位距10–14),RQS值范围−4至22,平均RQS百分比为30.7%,最高61.1%。
- QUADAS-2患者选择领域高风险偏倚19.3%、适用性担忧22.8%,流程与时机领域风险不明确12项(21.1%)。
临床应用与阅片要点
- 作者认为影像组学分析具有潜在临床实用性,但现有研究在可重复性方面仍存在不足。
- 作者建议未来的影像组学研究应更加标准化,以更好地弥合概念与临床应用之间的差距。
- 作者建议研究者至少应在论文中报告所研究特征的计算机数值。
- 作者认为在考虑将影像组学模型用于临床应用之前需要进行额外的技术验证。
局限性
- 多数纳入文章未报告真阳性、假阳性、真阴性或假阴性例数,根据现有信息计算这些数据可能引入误差。
- 预测化疗反应的研究因数据不足未纳入Meta分析。
- 纳入Meta分析的研究存在高度异质性(鉴别诊断I²=94%,预后预测I²=91%),虽发现异质性与某些因素显著相关,但后者可能不足以充分解释前者。
- 纳入Meta分析的预后预测研究存在显著发表偏倚风险(Deeks漏斗图p=0.040),可能因仅纳入英文文献且半数研究样本量小,不愿发表阴性数据也可能为因素之一。
- 几乎所有研究缺乏成本效益分析,约三分之二研究缺乏决策曲线分析,削弱了模型对临床环境的适用性。
全文中译12 节 · 点击展开
引言
卵巢癌(OC)是致死率最高的妇科恶性肿瘤,也是女性癌症相关死亡的第五大原因;2020年全球新诊断病例313,959例,死亡207,252例[1, 2]。最新的癌症统计报告表明,2023年美国预计将新诊断约19,710例OC病例,并有13,270名女性死于该病[2]。世界卫生组织的肿瘤分类将OC分为数十种病理类型[3];此外,70%的OC患者确诊时已处于晚期,导致预后较差(其5年总生存率为20%–30%,而早期确诊者为80%–95%)[4–6]。治疗包括手术和化疗,取决于病理类型和国际妇产科联盟分期[5, 7]。然而,尽管OC的诊断和治疗取得了进展,过去30年间死亡率并未发生明显变化[2, 8–12]。部分原因在于早期检测困难以及晚期患者缺乏有效的治疗选择。
计算机断层扫描(CT)和磁共振成像(MRI)对于OC的诊断和分期至关重要[5],并且对于评估化疗反应具有不可估量的价值[13]。然而,传统影像学解读依赖于放射科医师的技能,报告之间的差异不可避免。幸运的是,医学影像正朝着更标准化、专业化和定量化的方向发展,有助于提高放射科医师之间的一致性和沟通。随着这一演变,放射科医师正从传统的自由文本报告转向结构化报告,从而能够更准确、更高效地分析大量影像数据[14, 15]。影像组学是一个快速新兴的领域,利用人工智能对医学图像进行定量分析;基于对定量图像特征的高通量挖掘,影像组学分析生成独特的标记物,这些标记物可能肉眼不可辨,但可支持临床决策并提高诊断和预后准确性[8, 16, 17]。
近年来,大量使用基于CT和MRI的影像组学方法的研究已将定量图像特征与OC患者的诊断、疗效评估和预后预测相关联[8, 17, 18]。然而,由于方法的复杂性和研究设计的差异,评估影像组学在OC中的临床价值仍然困难。因此,我们开展了本研究,主要有两个目的:第一,我们使用“诊断准确性研究质量评价-2”(QUADAS-2)工具以及“影像组学质量评分”(RQS)[16, 19]评估现有研究的方法学质量。第二,我们进行了一项荟萃分析以确定影像组学在OC患者中的诊断性能。
材料与方法
证据获取方案与注册
本系统综述按照系统综述和荟萃分析优先报告条目(PRISMA)声明[20]进行(附加文件1:表S1)。综述方案可通过国际前瞻性系统综述注册平台(PROSPERO)获取(CRD 42022313519)。
文献检索与研究选择
由两名审阅者(M.H.和J.R.)独立进行结构化检索,两人分别具有5年和3年的妇科影像判读经验。任何分歧由第三名审阅者(Y.H.)仲裁,其具有12年经验,仲裁涉及1.9%的研究(8/418)。审阅者独立筛选提取文章的标题、摘要和全文;不确定性经讨论并一致解决。详细的检索策略和选择标准见附加文件1。
数据提取与方法学质量评估
在选择相关研究后,两名审阅者开发了数据提取工具(见附加文件1:表S2)。在独立阅读每篇符合条件文章的全文后,他们记录了:(1)文献信息,(2)基线研究信息(包括研究设计、影像技术参数和建模信息),以及(3)模型性能指标。提取的信息使用Excel软件(Microsoft Corp.,Redmond,WA,USA)记录。符合条件文章的方法学质量由两名审阅者使用RQS(见附加文件1:表S3)[16]和QUADAS-2工具质量评估[19]独立评估。RQS确定的16个关键组成部分均被评分,得出总分范围为−8至36分;这些分数转换为RQS百分比,−8至0分定义为0%,36分定义为100% [16]。QUADAS-2工具包括七个评估条目,反映四个领域:“患者选择”、“指数测试”、“参考标准”和“流程与时机”。每个条目根据对偏倚风险和适用性关注信号问题的回答判定为“低”、“高”或“不明确”[19]。每项研究确定由两名审阅者评分取平均值计算的RQS总评。对于QUADAS-2评估,任何分歧由第三名审阅者(H.Y.)仲裁,以对每个条目达成共同评价。为便于进一步分析,对每项研究进行最终风险评估如下:所有七个条目均评为“低”的研究定义为“低风险”,至少一个条目评为“高”的研究定义为“高风险”,其余定义为“不明确风险”。
数据合成与分析
统计分析使用SPSS软件25.0.0.0版(IBM Corp.,Armonk,NY,USA)、Review Manager(RevMan)5.3版和R软件(4.0.5版;R Foundation for Statistical Computing)并结合‘tidyverse’包进行。分类变量以例数和百分比表示,连续变量以均数和标准差或中位数和范围表示。RQS和QUADAS-2的评分者间一致性采用Cohenκ[21]和一致率[21, 22]确定。组内相关系数(ICC)≤0.4视为差,0.4–0.75为中等,>0.75为好。仅记录所提出影像组学模型的训练集性能指标,即使存在验证集也是如此,以保持研究间的一致性。对方法学质量、基线信息和性能指标之间进行了两两相关分析。数值变量之间的相关性采用线性回归分析评估,数值变量与分类变量之间的关联采用非配对Student t检验或Mann–Whitney检验评估。显著性水平α为0.05,双侧p值<0.05设定为有统计学意义。
当有足够数量的研究试图解决相似问题,且可根据已发表数据提取或重建二乘二表时(详情见附加文件1),使用STATA软件17.0版(StataCorp LP,College Station,TX,USA)的‘midas’包进行Meta分析。计算敏感度、特异度、阳性似然比(PLR)、阴性似然比(NLR)和诊断比值比(DOR)及其95%置信区间(CI)。进行汇总受试者工作特征(SROC)分析,并获得曲线下面积(AUC)以描述诊断准确性。如果某一研究涉及多个模型,仅选择影像组学模型。采用Cochrane Q检验和Higgin不一致性指数(I2)检验评估异质性。若Cochran Q检验的p值<0.05,则认为任何异质性显著,此时使用随机效应模型。Higgins I2值<25%、25–50%和>50%分别与低、中度和显著异质性相关。对于后者,进行Meta回归以探讨异质性的可能来源。构建Deeks漏斗图以说明发表偏倚风险。
结果
研究选择过程如图1所示;最终有57篇文章纳入系统评价[23–79]。我们根据研究的主要目的将这些出版物分为三类:鉴别诊断(24/57,42.1%)、疗效评价(4/57,7.0%)和预后预测(28/57,49.1%)。此外,有1篇论文(1.8%)同时描述了鉴别诊断和预后预测。我们发现鉴别诊断和预后预测的评估均较常进行;因此,16篇关注OC鉴别诊断的文章[24–26, 28-32, 34, 35, 39, 40, 42, 44, 45, 47]和13篇描述预后因素研究的文章[52, 53, 55–57, 64, 66–68, 71–74]分别进行了单独的Meta分析。
研究特征
每项研究纳入的患者数为28至1329例;其中位或平均年龄范围为38.5至75岁。研究的基线信息和特征分别见表1和表2。近半数研究发表于影像学期刊(28/57,49.1%);第一作者主要专攻放射学(36/57,63.2%),且大多来自亚洲(43/57,75.4%)。37项研究使用CT,20项使用MRI;大多数采用手动分割方法和三维分析。根据TRIPOD声明[80]提出的模型分类方法,多数研究建立了通过数据随机拆分进行验证的开发模型(27/57,47.4%),其次为使用完全相同数据进行验证的开发模型(10/57,17.5%)和使用独立数据进行验证的开发模型(9/57,15.8%)。此外,采用Zhong等的方法[22],59.6%的研究因缺乏外部验证被归类为0期。两项III期研究在患者数量不足或缺乏外部验证的情况下开展;然而,由于其前瞻性设计,仍保留其分期类别。每项研究人群的详细特征和所提出的放射组学模型见附加文件1:表S4和表S5。
方法学质量评价
57项研究的平均RQS为12(四分位距10–14),RQS值范围为−4至22。平均RQS百分比为30.7%,最高为61.1%。RQS的平均ICC为0.80(95%置信区间(CI)0.69–0.91),即“良好”评级。各RQS组成部分的平均评级和评价者间一致性见表3。在大多数研究中,影像特征缺乏可重复性和重复性分析(如体模研究和多时间点成像)、成本效益分析不充分以及数据获取不充分导致RQS较低。此外,生物学相关性和截断值分析事后很少进行,且验证评分(2 [2])欠佳。所有研究均有用于评估模型性能的判别统计量;其中21项还报告了校准统计量。55项研究(96.5%)为回顾性分析,仅两项(3.5%)基于前瞻性采集的数据。每位评价者(M.H.和J.R.)的RQS评估见附加文件1:表S6。
QUADAS-2的汇总和单项结果见图2和附加文件1:表S7。在患者选择方面观察到高发表偏倚风险(19.3%)和适用性担忧(22.8%),主要由于不恰当的排除。12项研究(21.1%)在流程和时序方面被认为存在不明确的偏倚风险,因其未提供关于索引试验与参考标准之间时间间隔的充分信息。两位评价者在七个QUADAS-2条目上的完全一致率范围为80.7%至96.5%。
方法学质量、基线信息和性能指标的成对相关性分析
成对相关性分析结果见图3。一篇同时讨论鉴别诊断和预后预测的文章被作为两项独立研究分析了两次。不同QUADAS-2风险评定等级的研究之间RQS值差异有统计学意义(p = 0.011)。重要的是,被评定为低风险的研究其平均RQS高于高风险或风险不明确的研究;低风险与风险不明确研究之间的差异有统计学意义(p = 0.002)。研究目的(p = 0.180)和第一作者专业(p = 0.520)对RQS评分无影响。发表时间较近的研究得分显著更高(调整R2 = 0.264,p < 0.001)。
性能指标在49项研究(86.0%)中以AUC表示,在3项(5.3%)中以c-index表示;其余5项(8.8%)缺失。其中两项研究探讨了目的不同的两种影像组学模型,因此其性能指标分别记录。每项研究中采用的最佳影像组学模型的AUC或c-index值在0.620至1.000之间。此外,影像组学模型的性能与研究目的密切相关(p < 0.001);探索鉴别诊断的研究其性能显著优于评估疗效反应(p = 0.012)或预测预后(p < 0.001)的研究。性能指标与RQS(调整R2 = − 0.019,p = 0.892)、样本量(调整R2 = − 0.019,p = 0.938)或提取特征数量(调整R2 = 0.046,p = 0.068)之间未发现显著相关性。
荟萃分析
16项聚焦于鉴别诊断的研究和13项探讨预后预测的研究被纳入荟萃分析。对于鉴别诊断研究,合并诊断比值比(DOR)为25.76(95% CI 13.50–49.13)(图4a);合并灵敏度、特异度、阳性似然比(PLR)和阴性似然比(NLR)分别为0.84(95% CI 0.76–0.89)、0.83(95% CI 0.77–0.88)、5.00(95% CI 3.58–6.97)和0.19(95% CI 0.13–0.30)(附加文件1:图S1a和图S2a)。SROC曲线提示诊断性能良好,AUC为0.90(95% CI 0.87–0.92)(附加文件1:图S3a)。对于分析预后预测的研究,合并DOR、灵敏度、特异度、PLR和NLR分别为12.55(95% CI 8.38–18.77)、0.78(95% CI 0.71–0.83)、0.78(95% CI 0.72–0.82)、3.59(95% CI 2.80–4.59)和0.29(95% CI 0.22–0.37)(图4b,附加文件1:图S1b和图S2b)。由SROC曲线计算得出的AUC为0.85(95% CI 0.81–0.88),表明预后预测模型性能良好(附加文件1:图S3b)。根据Deeks'漏斗图,鉴别诊断研究的发表偏倚可能性较低(p = 0.760),但预后预测研究的发表偏倚可能性较高(p = 0.040)(附加文件1:图S4)。
Cochrane's Q检验(p < 0.001和p < 0.001)和Higgin's I2检验(I2 = 94%和I2 = 91%)提示存在高度异质性;因此,进行了荟萃回归分析以确定其来源(表4和附加文件1:图S5)。在鉴别诊断研究中,患者数量与特异度的异质性显著相关(p < 0.001),并在预后预测研究中对灵敏度(p < 0.001)、特异度(p < 0.001)和AUC(p = 0.04)的异质性有贡献。此外,成像方法(CT vs. MRI)影响灵敏度(鉴别诊断研究p < 0.001,预后预测研究p < 0.01)和特异度(两类研究均为p < 0.01)的异质性。鉴别诊断亚组中灵敏度和特异度的异质性与感兴趣区类型相关(灵敏度p = 0.04,特异度p < 0.01)。然而,在预后预测亚组中,感兴趣区类型影响AUC(p = 0.03)、灵敏度(p < 0.001)和特异度(p < 0.01)。同时,特征类型仅对特异度的异质性有贡献(鉴别诊断和预后预测均为p < 0.01)。
讨论
我们的系统评价发现,CT和MRI影像组学在OC患者中的方法学质量相对较低,而我们的荟萃分析显示,影像组学在区分OC亚型和预测患者预后方面具有良好潜力。
一些叙述性综述描述了放射组学在卵巢癌(OC)中应用的前景[8, 17, 81, 82]。Rizzo等人的系统综述[83]纳入了六项缺乏RQS评级和荟萃分析的研究,而Ponsiglione等人的系统综述[18]使用RQS评估了截至2021年11月发表的涉及基于CT、MRI、超声或正电子发射断层扫描的放射组学在卵巢疾病中应用的方法学质量。放射组学领域正处于快速增长期;我们分析的研究中有42.1%发表于2022年或2023年。除RQS外,还应用QUADAS-2评估潜在的发表偏倚和适用性担忧。既往发表的综述通常仅描述定性分析,而我们通过进行荟萃分析对放射组学模型的效应进行了定量评估;与既往发表的数据(5.6–36.1%)相比,我们的平均RQS(30.7%)是可接受的[18, 22, 84-87]。然而,鉴于评估值远低于100%,总体科学质量仍不令人满意。与既往分析[22, 86, 88]一样,RQS评级较低的主要原因包括特征稳健性水平低、模型评估不充分以及对临床应用缺乏关注。
特征稳健性的主要挑战是放射组学特征的高变异性;我们分析的文章中很少有描述体模研究[74, 77, 78]、多时间点成像或自动分割[49–51]的。关于模型评估,放射组学研究通常包含判别统计量;然而,截断值分析和校准统计量常被忽视,从而使过于乐观结果的风险评估和模型预测的准确性变得复杂。一些研究缺乏对定量分析至关重要的分类指标,包括灵敏度和特异度。我们的结果提示,在考虑将放射组学模型用于临床应用之前,需要进行额外的技术验证。
尽管大多数研究涉及内部验证(这对于放射组学模型的临床转化和广泛应用不可或缺),但多个中心缺乏外部验证削弱了模型的可信度和泛化性。被认为具有高证据等级的前瞻性研究[37, 66]极少开展。此外,我们纳入的所有研究均缺乏成本效益分析,约三分之二的研究缺乏决策曲线分析也妨碍了模型对临床环境的适用性。因此,技术和临床验证仍然是将放射组学分析纳入临床应用的关键未满足要求。
RQS评级强调开放科学的重要性,以确保研究结果的透明性和可重复性,但我们的研究中缺乏此类获取途径。因此,我们建议研究人员至少应在文章中包含所研究特征的计算机数值。
在RQS与原始变量的相关性方面,RQS与发表年份之间存在显著关系。更现代的研究可能具有更大的样本量、从多个中心收集数据、采用前瞻性设计和/或应用更严格的纳入和排除标准,从而有助于获得更高的RQS。此外,根据QUADAS-2,较高的RQS与低水平风险显著相关,这可能支持使用前者来提高研究质量。我们还发现,探索鉴别诊断的研究具有显著更高的性能指标,而反应评估或预后预测的研究可能更容易受到非相关因素的影响,如生活方式和其他药物,因为它们的随访期更长。与我们的预期相反,我们没有发现性能指标与提取特征数量之间的显著关系,这可以用特征选择和建模的异质性来解释。
我们的荟萃分析结果令人鼓舞;汇总AUC在鉴别诊断方面达到0.90,在预后预测方面达到0.85,表明在区分不同病理亚型和预测OC患者预后方面具有相对较高的准确性。根据Cochrane’s Q和Higgin’s I2检验,纳入荟萃分析的研究具有高水平的异质性,荟萃回归分析将其归因于患者数量、成像方式、感兴趣区域和特征类型的影响。
我们的研究有一些局限性。首先,大多数纳入的文章没有报告真阳性/假阳性或真阴性/假阴性的数量,我们从可用信息中计算这些数据可能引入了一些误差。其次,预测化疗反应的研究由于数据不足未纳入荟萃分析。第三,参与荟萃分析的研究显示出高异质性;尽管我们发现这种异质性与某些因素之间存在显著相关性,但后者可能不足以充分解释前者。第四,纳入我们荟萃分析的预后预测研究存在显著的发表偏倚风险,可能是因为我们仅纳入了英文文章,也因为半数研究样本量较小;不愿发表阴性数据也可能是一个因素。
总之,放射组学分析在克服当前确定OC患者鉴别诊断、化疗反应和预后方面的一些障碍方面显示出前景。成对相关分析揭示了RQS与QUADAS-2结果或发表年份之间,以及性能指标与研究目的之间的显著关系。此外,我们的荟萃分析证明了放射组学分析适用于通过定量分析区分OC的各种亚型和识别预后因素。鉴于所有纳入研究的RQS评级普遍较低,涉及OC的放射组学研究的方法学质量低于理想水平;因此,需要更多高级别证据来开发有效的放射组学模型。
补充信息
附加文件1. 电子补充材料。
引用
- Huang ML, Ren J, Jin ZY, et al. A systematic review and meta-analysis of CT and MRI radiomics in ovarian cancer: methodological issues and clinical utility. Insights Imaging. 2023. PMID: 37395888. doi:10.1186/s13244-023-01464-z
- 全文:PMC10317928(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10317928/
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。