用于评估男性和女性胃癌患者HER2阳性状态的影像组学模型的开发与外部验证
本研究回顾性纳入950例胃癌患者,基于常规CT静脉期图像提取影像组学特征构建Radscore,结合肿瘤位置、临床TNM分期、CEA、CA199建立HER2状态预测模型,训练组、内部验证组和外部验证组(双能CT)AUC分别为0.732、0.703和0.711,模型诊断性能稳定且不受年龄、性别、位置、免疫组化结果和组织确认类型影响。
要点
- 基于常规CT静脉期影像组学模型可辅助识别胃癌HER2阳性状态,训练组AUC为0.732(95%CI 0.683-0.781)。
- 模型在双能CT外部验证组AUC为0.711(95%CI 0.625-0.798),提示常规CT模型可能推广至双能CT。
- 肿瘤位置、临床TNM分期、CEA、CA199和Radscore为HER2状态的独立预测因子(均p<0.05)。
核心结论
- 基于常规CT的影像组学模型对胃癌HER2阳性状态具有良好的诊断性能,并具有推广至双能CT的潜力,有助于简化临床流程并帮助临床医生初步识别可能受益于HER2靶向治疗的患者。
研究设计与样本
- 回顾性单中心诊断研究,纳入2011年12月至2020年7月郑州大学第一附属医院950例接受治疗前CT检查的胃癌患者。
- 训练组388例(2011年12月至2019年7月,常规CT),内部验证组325例(2019年8月至2020年7月,常规CT),外部验证组237例(2011年12月至2020年7月,双能CT)。
- 参考标准为手术或内镜活检标本的免疫组化(IHC)检测,IHC 2+时追加原位杂交(ISH)确定HER2分类。
- 从静脉期图像提取影像组学特征,共获得每例手动标注二维ROI的1409个特征,经ICC>0.75、方差<1.0剔除、相关性分析( cutoff 0.9)、GBDT排序后保留8个特征,用SVM构建Radscore。
- 模型通过AUC和决策曲线分析评估诊断效能与临床实用性,用DeLong检验比较AUC稳定性。
关键影像表现/征象
- HER2阳性肿瘤患者以贲门解剖亚区为主,I/II期比例更高,CEA和CA199升高比例更高。
- 模型在训练组、内部验证组和外部验证组的AUC分别为0.732(95%CI 0.683-0.781)、0.703(95%CI 0.624-0.783)和0.711(95%CI 0.625-0.798)。
- DeLong检验显示三组AUC之间无统计学差异(训练组vs内部验证组p=0.546,训练组vs外部验证组p=0.678,内部验证组vs外部验证组p=0.897)。
- 决策曲线分析显示模型在训练组、内部验证组和外部验证组的阈值概率分别为10-80%、20-65%和10-75%时,净获益高于「全部HER2靶向治疗」或「无HER2靶向治疗」策略。
- 分层分析显示模型性能不受性别、年龄、肿瘤位置、免疫组化结果和组织确认类型影响(DeLong检验均p>0.05)。
诊断标准与关键数值
- HER2阳性定义为IHC 3+或IHC 2+且FISH阳性;HER2阴性定义为IHC 0或1+或IHC 2+且FISH阴性。
- Radscore基于8个影像组学特征用SVM算法构建,特征筛选标准为ICC>0.75、方差≥1.0、相关性 cutoff 0.9、GBDT系数≥最大系数的1/10(即≥2.7660)。
- 列线图最佳截断值为0.4132,对应最大约登指数0.3250。
- 训练组、内部验证组和外部验证组的AUC分别为0.732(95%CI 0.683-0.781)、0.703(95%CI 0.624-0.783)和0.711(95%CI 0.625-0.798)。
临床应用与阅片要点
- 模型以列线图形式可视化,可根据肿瘤位置、cTNM分期、CEA、CA199和Radscore计算个体HER2阳性预测概率。
- 示例中63岁男性胃癌患者静脉期Radscore为0.277840926,列线图总分348,预测HER2阳性概率为91.2%,术后IHC证实为3+。
- 外部验证采用70 keV虚拟单能量图像,提示基于120 kVp常规CT的模型可能适用于双能CT图像。
局限性
- 原文为回顾性、单中心诊断研究。
- 训练队列采用所有HER2阳性病例和随机抽样的HER2阴性病例,而非全部阴性病例。
- 作者推测两种图像来源的影像组学特征相关,但未检索到针对两者影像组学数据关系的文献,其推测的确定性和该初步发现的潜在基础可能需要进一步研究。
全文中译15 节 · 点击展开
背景
胃癌(GC)仍然是全球范围内的重要疾病,在男性和女性中均具有较高的发病率和死亡率[1, 2]。作为GC的一种独特亚型,HER2过表达阳性(HER2-p)腺癌表现出特定的临床特征[3],其治疗方式与HER2过表达阴性(HER2-n)腺癌不同。在改变临床实践的“III期ToGA”试验[4]发表后,含曲妥珠单抗(抗HER2药物)的方案被美国国家综合癌症网络(NCCN)、欧洲肿瘤内科学会(ESMO)、日本胃癌学会(JGCA)和中国临床肿瘤学会(CSCO)批准为HER2-p肿瘤的标准治疗[5–8]。基于上述指南,强烈建议对所有可能适合曲妥珠单抗治疗的GC患者进行HER2检测[9]。此外,HER2被认为是GC肿瘤发生的关键驱动因素,HER2-p状态被认为与GC患者群体的总生存期相关,HER2-p GC患者可能预后不良[4]。因此,区分GC患者的HER2阳性和HER2阴性对于个体化管理至关重要。
推荐使用由Hofmann及其同事[10]完善的基于免疫组织化学(IHC)的4级评分系统来判定HER2状态,评分范围为0(阴性)至3+(阳性)。然而,评分为2+的病例通常被归为不确定组,应进行额外的荧光原位杂交(FISH)或其他原位杂交(ISH)程序以进一步确定分类[5, 8–10]。换言之,为了在所有GC患者中鉴定HER2,检测病理学家通常需要采取两个步骤,首先进行IHC评分,然后在显示2+的患者中随后进行ISH方法,这无疑在技术上不方便且繁琐。与此同时,这种标准的IHC/ISH技术最初基于相对有创的活检或手术标本[8, 9]。已有研究评估HER2表达与非侵入性成像工具(包括PET/CT和常规CT)之间的潜在关系[11–13];然而,迄今为止尚未建立确定的结论和可靠的模型。因此,需要新的举措来打破僵局。
在核医学与医学影像领域,过去几年中肿瘤学领域的影像组学研究呈指数级增长,揭示了影像组学作为一门学科在临床路径各个阶段显著提升医疗护理的潜力[14]。在胃癌(GC)的分子诊断方面,最近发表的两篇文章证实了常规CT影像组学预测HER2状态的价值[15, 16]。尽管影像组学模型也已被开发和测试,但两项研究均存在某些方法学缺陷,如非标准分组和非正式的定量验证。因此,本研究旨在开发和验证一种基于常规CT的诊断性影像组学模型,从而建立一个更具循证依据的影像生物标志物(IB),用于从HER2-n患者中识别潜在的HER2-p候选者。此外,在接受双能CT(DECT)扫描的GC患者中进行了外部验证和评估,以探索将基于常规CT的影像组学模型推广至DECT的可行性。
方法
研究设计与参与者
郑州大学第一附属医院机构审查委员会批准了这项回顾性、单中心、诊断性研究,并豁免了患者知情同意书的要求。研究参与者招募自郑州大学第一附属医院,时间范围为2011年12月至2020年7月。参与者的临床病理数据和CT图像分别来源于病历收集和图像归档与通信系统(PACS)。
纳入和排除标准的详细内容见附加文件1:附录E1。在样本量估算方面,我们基于TRIPOD声明的解释[17],最大程度地平衡了模型构建的效率与结果的泛化能力。最终,所有入选受试者根据诊断时间和CT方案的先后顺序被分配到三个研究队列:训练队列(2011年12月至2019年7月,接受常规CT检查;n = 388)、内部验证队列(2019年8月至2020年7月,接受常规CT检查;n = 325)和外部验证队列(2011年12月至2020年7月,接受DECT检查;n = 237)。患者人群流程图见图1,研究层面特征列于表1。
HER2状态判定
病理学家首先使用手术或内镜活检标本中的肿瘤组织进行IHC检测,当IHC结果为2+(不确定)时随后进行ISH检测,以确定HER2分类。最终,从业者根据循证指南[5, 9]将HER2检测结果解释为二分类,即HER2-p亚型(IHC 3+或IHC 2+且FISH阳性)和HER2-n亚型(IHC 0或IHC 1+或IHC 2+且FISH阴性)。此外,为使读者了解研究队列之间病例构成比的差异,记录了每位患者的组织确认类型并总结于表1中。
临床和实验室潜在候选变量
收集每位患者的以下临床特征:年龄、性别、肿瘤部位(贲门 vs 非贲门)、大小、厚度、强化特征(轻度或中度 vs 明显)、Borrmann分型(I + II vs III + IV)以及临床TNM分期(cTNM;I + II vs III + IV)。实验室变量包括癌胚抗原(CEA)、糖类抗原125(CA125)、糖类抗原199(CA199)、糖类抗原724(CA724)和糖类抗原153(CA153),均在初次诊断时检测。CT特征由两名分别具有6年(读者1)和8年(读者2)胃肠道CT成像临床经验的胃肠道放射科医师独立评估。详见附加文件1:附录E3。
肿瘤分割与影像组学特征提取
检索医学数字成像和通信(DICOM)格式的静脉期CT图像用于肿瘤分割。鉴于空间分辨率对影像组学特征值的强烈影响,我们进行了重采样以尽量减少CT扫描仪之间分辨率差异可能带来的后果[18]。多中心图像采用线性插值技术以1 mm × 1 mm × 1 mm的共体素间距进行重采样。预处理步骤后,图像被输入ITK-SNAP软件(版本3.8.0;网址:http://www.itksnap.org),在肿瘤最大横截面积上进行二维感兴趣区(2D-ROI)分割(附加文件1:附录E4)。
使用基于Python包PyRadiomics的AK软件(Artificial Intelligence Kit,版本V3.0.0.R,GE Healthcare)从原始图像、局部二值模式(LBP)滤波图像、高斯拉普拉斯(LoG)滤波图像和小波变换图像中提取影像组学特征[19]。这些特征分为六类(附加文件1:附录E4)。最终,每个手动标注的2D-ROI共获得1409个影像组学特征。
特征选择与影像组学标签构建
在训练队列中进行了以下流程以选择最佳特征子集。首先,基于重复分割数据计算组内相关系数(ICC)以评估特征的重测信度和观察者间可重复性,仅保留ICC值 > 0.75的特征用于后续分析。其次,移除方差小于1.0的特征并以中位数填补缺失值。使用Z分数对特征进行标准化。第三,将标准化特征输入相关性分析,以0.9为截断值保留非冗余且不相关的候选特征集。然后,通过梯度提升决策树(GBDT)对特征重要性进行排序,保留系数大于或等于最大系数十分之一的特征。最后,实施支持向量机(SVM)算法为每位患者构建影像组学标签“Radscore”,作为胃癌(GC)HER2状态的预测因子。
影像组学模型的构建与定量评估
在训练队列中,应用单因素分析和多因素逻辑回归构建影像组学模型。首先,采用单因素分析比较训练队列中按HER2状态分组的临床-实验室特征差异,变量保留的显著性水平设定为0.1。随后执行多因素逻辑回归算法以筛选HER2状态的独立影响因素。然后,我们将影像组学标签与显著的临床-实验室因素整合,使用相同的多变量分析方法构建影像组学模型,该模型以显著预测因子及相应回归系数进行线性融合。最后,生成的影像组学模型将以易于使用的列线图形式可视化,以便于胃癌(GCs)中个体化HER2诊断。
为量化影像组学模型诊断性能的任何乐观偏倚和泛化能力,分别在不同数据(内部验证队列)和其他参与者数据(外部验证队列)中采用内部验证技术和外部验证方法。列线图的区分度和临床实用性分别通过受试者工作特征(ROC)曲线的曲线下面积(AUC)和决策曲线分析(DCA)进行评估。计算AUC的95%置信区间(CIs),并计算约登指数以获得最佳截断值。此外,基于训练队列、内部验证队列和外部验证队列中的所有患者进行分层分析,以评估模型在不同患者类型中的预测效能和一定程度的普适性。采用DeLong检验比较AUC,以评估所建立模型的稳定性。
统计分析
所有计算和统计分析均在Windows版SPSS软件21.0和R软件包3.6.3(网址:http://www.Rproject.org)上进行。双侧p值小于0.05被认为具有统计学意义。在单因素分析中,采用Kolmogorov–Smirnov检验检查连续变量的正态性,然后酌情使用Mann–Whitney U检验或独立t检验比较差异,而分类变量的比较采用卡方检验。在进行多因素逻辑回归分析时,我们应用基于最大偏似然估计的似然比检验来识别关键因素。
结果
临床特征
在三个队列共纳入的950例胃癌(GC)患者中,288例为HER2-p状态(244例免疫组化(IHC)分析评分为3+,44例IHC分析评分为2+且荧光原位杂交(FISH)结果阳性),其余662例为HER2-n(620例IHC分析评分为0/1+,42例IHC分析评分为2+且FISH结果阴性)。三个队列在首次诊断时年龄方面未观察到显著差异(>60岁比例,51.5% vs 55.7% vs 47.3%,p = 0.140)。然而,在性别、手术标本分析患者比例以及HER2-p状态患病率方面存在一定差异(均p < 0.05;表1)。
影像组学标签的构建
在1409个影像组学特征中,293个特征显示出良好的观察者内和观察者间可重复性,ICC>0.75。经过方差分析、特征标准化和相关性分析过程剔除后,获得43个非冗余特征。GBDT重要性排序显示影像组学特征的最大系数为27.6603。最终保留8个系数大于2.7660的特征,用于建立基于SVM的Radscore(附加文件1:附录E5)。
影像组学模型的构建与评估
在训练队列中,对临床-实验室特征和Radscore进行单因素分析和多因素logistic回归分析显示,肿瘤位置、cTNM分期、CEA、CA199和Radscore是胃癌(GC)HER2状态的显著预测因子(表3)。HER2阳性(HER2-p)患者以贲门解剖亚部位为主,I/II期比例较高,CEA和CA199升高比例较高。因此,将这些因素融合为影像组学模型,并可视化为影像组学列线图(图2A)。该列线图在训练队列、内部验证队列和外部验证队列中诊断HER2-p状态的AUC分别为0.732(95%CI 0.683–0.781)、0.703(95%CI 0.624–0.783)和0.711(95%CI 0.625–0.798)(图2B)。对应于最大化Youden指数(0.3250)的最佳截断值选定为0.4132。Delong检验显示三个队列之间的AUC无统计学差异(p=0.546(训练队列 vs 内部验证队列)、0.678(训练队列 vs 外部验证队列)和0.897(内部验证队列 vs 外部验证队列)),表明基于常规CT影像组学的模型具有稳健性,可推广至接受双能CT(DECT)扫描的GC人群。决策曲线分析(DCA)提示,影像组学模型在所有三个研究队列中可能比简单的“全部HER2靶向治疗”(全部HER2-p)或“无HER2靶向治疗”(无HER2-p)策略提供更高的净获益,阈值概率范围分别为10%至80%、20%至65%和10%至75%(图3)。
为检验所建立影像组学模型的泛化能力,我们对性别、年龄、肿瘤位置、免疫组化(IHC)结果和组织类型的亚组进行了分层分析以加以确认。我们使用ROC曲线和AUC评估模型在这些亚群中的性能。如附加文件1:图S1和表4所示,结果证实我们的影像组学模型的性能不受这些因素的影响(Delong检验,所有p>0.05),表明其在不同类型患者中具有通用性。此外,图4和附加文件1:图S2展示了应用影像组学列线图预测GC患者HER2阳性的两个示例。
讨论
将GC分为HER2-p或HER2-n亚型对临床治疗和预后具有重要意义[4, 5, 8]。然而,官方推荐且目前使用的HER2检测系统费时费力且相对有创。因此,基于无创影像技术的诊断研究迅速扩展[11–13, 15, 16]。然而,这些研究缺乏标准化设计、外部验证分析或完整准确的报告。因此,我们开展了这项大规模实验,以整合基于CT放射组学的预测模型来识别GC中的HER2-p状态。随后,我们在独立的患者队列中验证了所建立模型的性能。本研究表明,所建立的模型在训练队列和验证队列中均产生了稳定的预测能力,提示所提出的列线图在量化个体HER2过表达阳性状态风险方面具有一定的临床应用潜力。
关于本文关注的成像方式,选择CT是因为其在评估GC(胃癌)方面具有“一线”性质。值得一提的是,已有两项基于CT影像组学的研究被实施用于预测GC的HER2状态[15, 16]。结果表明,基于CT的影像组学在辅助GC患者HER2表达的术前评估方面具有很大前景。然而,这些工作最薄弱的环节在于实验设计。根据指南[5, 9],活检标本和术后标本均可用于HER2检测,且需要对患者进行IHC联合ISH技术分层,因此仅关注其中一种(基于术后标本的ISH分析或以IHC检测作为金标准)的研究可能导致偏倚。此外,迄今为止,尚无高质量证据支持曲妥珠单抗在早期GC患者中的明确获益[9]。因此,将T1分期肿瘤患者纳入HER2预测实践的证据尚不充分。在本研究中,我们谨慎处理了上述问题,好消息是我们所获得的模型具有可接受的诊断效能、诊断稳定性和良好的泛化能力。
在我们的研究中,最初符合纳入和排除标准患者的总体HER2-p率为16.32%(288/1764)。虽然存在不同机构间的差异,但发病率估计值均在先前报道的12%至23%的患病率范围内[5]。值得注意的是,近期证据提示转移性胃食管癌中HER2过表达的总体发病率随时间推移有所增加,但阴性GC患者数量仍占绝对优势[20]。回到本研究,我们的主要目标要求纳入最大数量的患者以最大化预测模型的效能和泛化能力。然而,我们目标疾病(HER2-p)的患病率过低,且预测因素的测量成本过高,无法保证模型构建效率。因此,我们在训练队列中使用了全部HER2-p病例但仅使用HER2-n患者的随机样本,而在验证队列中所有可用受试者对应真实世界的比例。目前,这种抽样设计在我们这样的情形中具有吸引力,并且在某些诊断预测建模研究中是获得无偏绝对概率所必需的[17, 21, 22]。
影像组学与预测模型建立研究追求验证技术,尤其偏好外部验证[14, 17]。如所建议,我们进行了内部验证并纳入其他参与者数据集(外部验证队列)以评估模型性能。最值得注意的是,我们专门设置的外部验证队列是一个独立的数据队列,其中入组了接受70 keV虚拟单色图像(VMI)的患者。近年来,双能CT(DECT)平台在癌症评估中的重要性日益增加[23, 24],这引发了传统基于CT的模型是否也适用于DECT衍生图像的问题,即更高水平的泛化能力。既往分析已证明,能量水平约为70 keV的VMI与常规120 kVp CT图像相当[25–27]。鉴于上述陈述,我们假设基于120 kVp图像的模型可泛化至70 keV VMI。我们的实验结果显示,影像组学模型在训练队列中区分HER2状态方面表现出良好性能,并在包含DECT队列的验证队列中产生了相似的区分能力。考虑到这些观察结果,我们推测从这两类图像中提取的影像组学特征具有相关性,然而我们尚未检索到任何旨在探讨两者影像组学数据之间关系的文献。因此,我们推测的确定性以及这一初步发现的潜在基础可能需要进一步研究。
在我们的统计分析中,HER2-p组的CEA和CA199阳性率显著更高。尽管既往研究已发现CEA与HER2表达之间存在显著关联的趋势[15, 28],但CA199与HER2之间关联的合理性及正相关性尚未得到证实。如前所述,CEA、CA199和HER2在胃上三分之一癌中具有更高的阳性频率[3, 4, 29, 30]。因此,本研究中HER2-p率随肿瘤标志物依赖性升高可能源于它们与肿瘤部位之间的关联。由于关于CEA和CA199与HER2过表达关系的知识较为匮乏,我们对所有研究对象进行了进一步分析,同样发现两者均为HER2状态的显著指标。此外,与上述报道[3, 4]一致,我们的数据证实了HER2阳性的解剖亚部位优势。同样,该研究表明男性患者中HER2阳性发生率显著更高,正如Sheng等已明确呈现的那样[30]。然而,多因素分析显示性别并非预测GC中HER2状态的独立危险因素。这些表明,易于获取的临床-实验室变量具有作为筛选HER2-p患者生物标志物的潜在价值。因此,医疗提供者应常规检测血清肿瘤标志物。
这项拥有丰富数据的诊断性研究还确定了基于图像的标签与HER2阳性之间存在显著关联。将该CT相关影像组学标签加入独立的临床-实验室预测因素后,所得影像组学模型具有更好的判别能力。一种提出的解释是,影像组学能够捕获并量化医学图像中的瘤内异质性,其中与HER2表达相关的信息被转化为定量特征,并进一步整合到HER2状态的影像表型中[14, 31]。此外,分层分析表明,HER2特异性影像组学列线图可在不同患者类别之间推广。尽管指南建议对HER2 IHC 2+病例进一步进行ISH检测[5, 9],但高昂费用阻碍了其最佳临床实施。因此,我们的预测模型有潜力扩大接受抗HER2治疗的患者人群,同时减少医疗支出。更重要的是,为便于我们模型的使用、再验证和持续更新,本报告遵循预测模型研究的TRIPOD声明[17]。在这些方面,据我们所知,既往HER2相关模型研究表现并不很好,因此总体质量不足。最后,如果所确定的模型得到持续优化,并幸运地通过跨越“转化鸿沟”而应用于临床[32],则将实现HER2状态的一步式识别,即真正的“数字活检”。
本研究存在若干局限性。第一,由于我们使用回顾性数据集来推导和验证模型,当前发现仍需在前瞻性队列中进一步验证。第二,最初我们根据实际考虑确定样本量,但在随后建模过程中排除临床-实验室数据缺失的患者可能导致选择偏倚。第三,我们进行的是单层面2D分析而非全体积3D分析。尽管既往一项研究推荐在GC影像组学研究中使用时省力的2D勾画[33],但不可否认,多层3D描述符比2D标注携带更多信息。因此,未来的容积分析值得更多关注。最后,在这项初步研究中,我们仅纳入静脉期CT图像进行特征提取,仍需开展使用多期120-kVp CT图像和全能量水平VMI的额外研究。
结论
在本研究中,我们构建并验证了一种基于常规CT的影像组学模型,该模型对解码GC患者的HER2阳性具有良好的区分能力,并具有推广至DECT的潜力。融合的HER2预测列线图可作为IB发挥作用,具有简化临床工作流程并帮助医疗服务提供者对可能从HER2靶向治疗中获益的潜在候选者进行初步筛查的潜力。有必要持续重新评估新建立的IB的精确性并改进所出现的列线图。
补充信息
附加文件1。补充材料。
引用
- Zhao H, Liang P, Yong L, et al. Development and external validation of a radiomics model for assessment of HER2 positivity in men and women presenting with gastric cancer. Insights Imaging. 2023. PMID: 36720737. doi:10.1186/s13244-022-01361-x
- 全文:PMC9889592(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9889592/
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。