基于CT影像组学的虚拟活检评估胃癌内镜活检与术后标本病理不一致:双能CT泛化性研究
本研究纳入181例胃癌患者,构建基于静脉期CT影像组学的列线图,用于无创预测内镜活检与术后标本Lauren分型不一致。支持向量机影像组学特征在训练集和测试集AUC分别为0.91和0.83,联合年龄的列线图AUC为0.92和0.83。最佳影像组学特征在双能CT验证队列AUC为0.71,显著低于训练集(p=0.035),作者认为基于单能CT的影像组学模型不推荐泛化至双能CT。
要点
- 基于静脉期CT的影像组学列线图可无创预测胃癌内镜活检与术后标本Lauren分型不一致。
- 支持向量机影像组学特征在训练集和测试集AUC分别为0.91和0.83,列线图AUC为0.92和0.83。
- 最佳影像组学特征在双能CT验证队列AUC为0.71,显著低于训练集(p=0.035)。
核心结论
- 基于CT的影像组学列线图可能作为临床辅助工具,预测胃癌活检样本与切除标本之间的病理不一致状态。
- 考虑实用性和稳定性,基于单能CT的影像组学模型不推荐泛化至双能CT。
研究设计与样本
- 单中心观察性研究,回顾性单能 imaging 研究用于训练和测试,前瞻性双能 imaging 验证研究评估泛化性。
- 共纳入181例胃癌患者,训练集112例(单能CT),测试集29例(单能CT),验证队列40例(双能CT)。
- 基于静脉期CT图像提取影像组学特征,采用五种机器学习算法构建影像组学特征,以Lauren分型一致性为参考标准。
诊断标准与关键数值
- 支持向量机影像组学特征在训练集AUC为0.91,测试集AUC为0.83。
- 支持向量机影像组学特征在训练集的最佳截断值为0.391。
- 临床-影像组学列线图在训练集AUC为0.92(95%CI 0.859–0.976),测试集AUC为0.83(95%CI 0.667–0.989),最佳截断值为0.38。
- 最佳影像组学特征在双能CT验证队列AUC为0.71(95%CI 0.535–0.875),与训练集差异有统计学意义(p=0.035)。
临床应用与阅片要点
- 作者认为基于单能CT的影像组学模型不推荐泛化至双能CT。
局限性
- 训练集和测试集为回顾性数据,单能CT数据集使用了不同扫描仪,可能引入固有偏倚。
- 肿瘤分割在2D CT图像的最大层面上进行,可能不足以代表整个肿瘤。
- 本研究为单中心研究,样本量不足,未考虑不同区域人群胃癌的异质性。
- 模型比较仅分析预测性能,未关注模型开发的时间消耗。
全文中译14 节 · 点击展开
引言
胃癌(GC)因其高度异质性,是全球癌症相关死亡的第三大原因[1]。内镜活检是目前胃癌诊断的标准方法,可指导临床医生决定胃癌患者后续治疗的实施。可靠的活检结果可以避免不必要的手术并大幅降低医疗费用。然而,内镜仅能从一小部分肿瘤组织中获取有限的肿瘤信息,提供不完整的肿瘤特征描述;因此,活检结果有时与术后大体病理标本的结果不一致[2]。此外,研究表明,内镜检查的日益普及增加了病理学家的工作量并影响了癌症诊断的准确性[3, 4]。鉴于这些不足,需要在内镜活检与术后标本诊断之间建立过渡性或补充性工具来进行区分。
放射组学驱动的影像生物标志物能够揭示人眼无法察觉的肿瘤表型特征,并将瘤内异质性与临床结局相关联[5, 6]。因此,近年来放射组学在癌症中的应用不断扩大,推动了全球众多研究项目。目前,已有研究探讨了胃癌[7]、直肠病变[8]、前列腺癌[9]、脊柱病变[10]和皮肤癌[11]中活检与术后标本之间的关系。然而,尚无研究聚焦于使用放射组学方法评估胃癌中两种标本之间的病理不一致性。
在医学影像领域,已证明双能计算机断层扫描(DECT)优于单能CT(SECT),因为其光谱信息包含独特的衰减特性,可改善生物过程的可视化和组织表征[12, 13]。放射组学也已成功应用于DECT图像分析,并在肿瘤研究中展现出良好的诊断和预后能力[14–16]。Brendlin等人发现,在无创预测IV期黑色素瘤患者的免疫治疗反应方面,DECT放射组学方法较SECT放射组学分析具有显著的附加价值[12]。然而,将基于SECT训练的放射组学模型应用于DECT验证队列的尝试很少,这可能阻碍了放射组学在CT成像领域的泛化性。
在本研究中,我们旨在开发和测试基于SECT的放射组学列线图,以识别胃癌患者基于内镜活检的病理评估与术后标本之间不一致的频率,并比较不同机器学习算法构建放射组学特征(RS)的性能。我们还探索了将基于SECT队列训练的RS推广至DECT队列的可行性。我们假设基于120 kVp的SECT图像的RS能够在DECT衍生的70 keV虚拟单能图像(VMI)上得到验证,因为两者具有相似的光子能量水平和视觉等效性。
材料与方法
研究人群
这项单中心观察性研究包括一项用于预测模型训练和测试的回顾性单能成像研究,以及一项用于评估模型泛化性的前瞻性双能成像验证研究。
队列1包括2020年5月至2021年5月期间接受单能CT(SECT)的患者。队列2前瞻性招募了2022年3月至2022年9月期间接受双能CT(DECT)检查的符合条件的患者。按照入组标准,本研究共招募了181例患者(附加文件1:附录E1)。回顾性队列中的患者按8:2的比例随机分为训练集(n = 112)和测试集(n = 29),而前瞻性队列中的所有患者均纳入验证队列(n = 40)。收集了在本机构接受根治性手术治疗的晚期胃癌(GC)患者的临床数据、治疗前增强CT图像、治疗前内镜活检病理结果以及胃切除术后大体标本。
所有患者均因胃癌接受了内镜检查和胃切除术。对内镜活检标本和术后原发部位切除的大体标本均进行苏木精-伊红染色病理分析以确定Lauren分型。内镜活检与术后标本Lauren分型一致者归为病理一致组,Lauren分型不一致者归为不一致组(图1)。本研究经机构伦理审查委员会批准,由于为观察性设计,免除了知情同意的要求。
图像采集和重建参数
所有患者在完成检查前准备后均接受了腹部双期(动脉期和静脉期)增强CT检查。详细的患者准备、成像方案和采集参数总结于附加文件1:附录E2和表S1。
使用商用工作站(Advantage workstation,版本4.7,GE Healthcare)在70 keV能级下重建双能量成像特有的单能图像亚型。
肿瘤分割和影像组学特征提取
所有静脉期CT DICOM图像均传输至原型软件(Syngo Frontier,Radiomics 1.3.0,Siemens Healthineers,德国)进行肿瘤分割和影像组学特征提取。由一名具有10年胃肠道影像学经验的放射科医师进行肿瘤分割。详细内容见附加文件1:附录E3。计算组内相关系数(ICC)以评估所提取影像组学特征的可重复性,仅保留ICC大于0.75的特征用于进一步分析。
影像组学特征选择和影像组学标签构建
每位患者提取的所有影像组学特征均采用z-score方法进行归一化。特征选择按以下方法进行:基于Pearson相关分析进行层次分析,剔除相关系数>0.90的冗余特征。随后,我们使用方差分析(ANOVA)F检验统计量进行特征选择,按F值排序选取前30%的特征(每个特征均有与目标事件相关的个体F值)。
基于训练集最终选择的特征,使用不同的机器学习分类器构建了五个影像组学特征模型(RS):逻辑回归(LR)、支持向量机(SVM)、决策树(DT)、随机梯度下降(SGD)和K近邻(KNN)。在训练每个分类模型时,采用网格搜索法选择超参数值的最优组合。
最佳影像组学特征评估及其双能CT泛化性检验
计算使用受试者工作特征曲线下面积(AUC)和95%置信区间(CI)获得的五个影像组学特征的判别能力。采用Delong检验评估AUC值的统计学显著差异:(1)五个RS之间;(2)每个RS在不同队列之间。最佳RS定义为具有最高AUC值且在训练集和测试集之间无差异的RS,此类RS具有优异的判别能力和稳定性。
对于队列1,评估最佳RS对所有患者及按临床病理因素定义的亚组的诊断价值。使用Mann–Whitney U检验分析评估最佳RS与病理不一致之间的关联。此外,在双能CT队列中验证最佳RS的性能,以检验其双能泛化能力。
临床-影像组学列线图的开发与验证
采用单因素分析评估训练集中用于判别病理不一致状态的临床变量,将那些显著变量(p < 0.05)纳入多因素逻辑回归分析,以确定不一致状态的独立临床预测因子。通过多变量逻辑回归整合所选的临床预测因子和最佳RS,构建预测模型。此外,将预测模型可视化为临床适用的个体化列线图。使用AUC值评估列线图的判别能力。进行决策曲线分析(DCA),通过量化不同阈值概率下的净获益来估计列线图的临床实用性。为量化列线图的校准度,绘制了校准曲线并附以Hosmer–Lemeshow检验。
统计分析
采用独立样本t检验或Wilcoxon秩和检验比较两组间的连续变量,采用卡方检验或Fisher精确检验比较分类变量。通过ROC曲线分析计算AUC、敏感性、特异性及阳性和阴性预测值(PPV和NPV)。AUC范围0.6–0.7被认为分类准确性差,0.7–0.8为一般,0.8–0.9为良好,0.9–1.0为优异分类准确性。ROC曲线中的最佳截断点使用约登指数确定。此外,由于两组之间的不平衡,计算了每个模型的F1分数。双侧p < 0.05被认为具有统计学意义。
统计分析、模型构建和评估使用Deepwise多模态研究平台2.1版(https://keyan.deepwise.com,北京深睿博联科技有限责任公司,中国北京)和R软件包(版本4.1.2)进行。
结果
所研究患者的临床病理特征
表1列出了训练集(n = 112)、测试集(n = 29)和验证集(n = 40)患者的详细临床病理特征。本研究纳入的181例患者中,134例(74.0%)为男性,年龄31至86岁。病理一致病例64例,病理不一致病例117例。在内镜诊断方法下,肠型胃癌诊断患者数最多(84/181),而在大体病理下,混合型胃癌诊断患者数最多(72/181)。
影像组学特征选择与影像组学标签构建
从CT图像提取的854个定量特征中,541个特征在可重复性分析中显示出ICC > 0.75。使用Pearson相关性分析去除冗余后,每位患者的158个特征被用于进一步筛选。应用F检验,确定48个独立影像组学特征作为预测特征以构建影像组学标签(RS)。这些特征包括13个一阶特征、2个形状特征和33个纹理特征,如附加文件1:表S2所示。
表2总结了五个RS在训练集和测试集中的预测性能。此外,各标签的ROC曲线如图2所示。
最佳影像组学标签评估及其DECT泛化测试
五个RS的区分度比较见附加文件1:表S3。在测试集中,仅SVM影像组学标签达到了良好的预测准确度(AUC > 0.80)。此外,SVM标签在训练集和测试集之间具有良好的稳定性(Delong检验:p = 0.372);因此,它被选为评估Lauren分型不一致状态的最佳标签。通过训练集ROC曲线分析确定的SVM标签最佳截断值为0.391。
Mann–Whitney U检验显示,源自SVM的最佳RS与训练集(p < 0.001)和测试集(p = 0.03)中的病理不一致状态具有良好的相关性。此外,亚组分析显示,最佳影像组学成像生物标志物的性能不受年龄、性别、肿瘤位置、最长径或内镜确定的Lauren分型的影响,表明其在不同类型胃癌人群中具有独立诊断价值(图3)。有趣的是,在DECT验证队列中,区分病理一致组和不一致组的AUC为0.71(95% CI:0.535–0.875)。Delong检验显示训练集与验证队列的AUC之间存在显著差异(p = 0.035),表明尽管在SECT成像上训练的RS性能尚可,但仍无法稳定泛化至胃癌的DECT成像。最佳RS在验证队列中的ROC曲线和详细性能见附加文件1:图S1和表S4。
临床-影像组学列线图的开发与验证
在训练集中,不一致组的年龄显著低于一致组(p < 0.01)。多变量分析确定该临床变量为病理不一致的独立预测因子(p = 0.01)(附加文件1:表S5)。随后使用年龄和SVM RS构建了临床-影像组学列线图(图4)。值得注意的是,鉴于基于SECT的SVM特征无法稳定推广至DECT验证队列,我们仅在SECT队列中构建了列线图。所提出的列线图显示出强大的判别能力,在训练集和测试集中的AUC分别为0.92(95% CI:0.859–0.976)和0.83(95% CI:0.667–0.989)(图5)。通过ROC曲线分析确定的训练集最佳截断值为0.38。灵敏度、特异度、F1分数、NPV和PPV汇总于表3。校准曲线(图6A、B)和DCA(图6C)证实了列线图良好的校准度和临床实用性。
讨论
在这项观察性研究中,我们利用影像组学方法探索了识别经内镜活检Lauren分类误诊的GC患者这一具有挑战性的任务。目的是减少因活检组织取样不成功而导致的病理结果错误,为GC的术前诊断提供潜在工具。我们提出的列线图整合了影像组学和临床特征,在训练集和测试集中成功地对活检误诊患者进行了分层。
既往有两项研究比较了胃癌(GC)患者配对活检与切除标本中的Lauren分型,显示两种标本间的总体组织学诊断不一致率分别达17%(65/382)和26%(26/100)[17, 18]。然而,本研究显示不一致分型的比例更高(35.4% [64/181])。据我们所知,鲜有研究探讨病理不一致的临床危险因素,而本研究创新性地挖掘了与不一致相关的影像组学生物标志物。近年来,影像组学已被证明在胃癌病理特征表征方面有效,包括肿瘤浸润深度评估[19]、Lauren分型亚型判定[20]、肿瘤免疫微环境评价[21]、淋巴结转移预测[22]、脉管侵犯[23]及HER2状态[24],提示影像组学可能具有评估胃癌两类标本间病理一致性的潜力。因此,我们开展了本研究。
部分学者利用源自多类CT图像的影像组学特征构建影像组学模型,包括多期图像[25]、多物质密度图像[16]及多维图像(2D图像与3D图像)[26]。然而,据我们所知,基于同一组影像组学特征构建包含多种算法的模型的研究鲜有报道。Zhang等采用三种机器学习分类器开发基于CT的影像组学特征(RS)以预测肺腺癌EGFR突变状态。他们发现采用支持向量机(SVM)算法开发出了最优模型[27]。Mao等比较了五种机器学习分类器在鉴别原发性肝癌与转移性肝癌中的性能。其结果显示逻辑回归(LR)优于其他分类器,准确率为0.843 ± 0.078 [28]。本研究中,尽管SVM分类器(线性核)被评价为最佳预测特征,但其性能与LR分类器之间未观察到显著差异。这最可能是因为我们的特征选择步骤有效选择了对当前临床任务更敏感的影像组学特征,使线性模型得以表现良好。
本研究一项颇具吸引力的创新在于,在验证基于单能CT(SECT)队列训练的最佳RS时,我们通过纳入双能成像数据集对该特征进行了外部验证。尽管影像组学在肿瘤领域已被广泛研究,但影像组学能否在双能CT与单能CT之间迁移尚不完全清楚。理论上,120 kV的单能CT图像其图像质量等同于70 keV的双能虚拟单能图像(VMI)。然而,在一项体模研究中,Chen等发现大多数影像组学特征在SECT与双能CT(DECT)之间不可重复[29]。由于他们未进行实际临床任务验证,我们开展了一项初步研究。我们发现,基于SECT训练的影像组学模型无法稳定泛化至DECT队列。此外,在临床中,双能CT图像的采集和处理时间明显高于单能CT图像。因此,从实用角度出发,影像组学模型在不同CT图像间的泛化不值得推广。
年龄与胃癌(GC)的临床病理及分子特征密切相关[30]。Lee等揭示,年龄、性别、肿瘤大小和肿瘤位置是GC患者病理不一致的危险因素[7]。尽管本研究仅发现年龄在单因素分析中具有显著性(p < 0.05),我们也尝试将上述其他临床因素纳入回归分析。最终结果提示年龄是病理不一致的唯一临床预测因子。当将年龄这一更易获取的临床变量加入最佳影像组学评分(RS)时,观察到预测能力略有提升。我们推测本研究中临床病理特征与病理不一致之间关联较弱,可能是因为瘤内异质性与病理不一致之间的相关性更强。因此,与不一致相关的瘤内异质性可能在很大程度上可通过从CT图像中提取的超视觉影像组学特征反映出来。
本研究存在一些局限性。首先,由于训练集和测试集的回顾性性质,单能CT(SECT)数据集使用了不同的扫描仪,可能导致一定的固有偏倚。未来研究需聚焦于影像组学的标准化以获取高质量数据。其次,本研究中的肿瘤分割是在2D CT图像的最大层面上进行的,可能不足以充分代表整个肿瘤。然而,有学者已证明2D分割可避免更多图像噪声和有效信息的干扰,甚至GC的2D影像组学模型预测性能不劣于3D影像组学模型[19, 31]。第三,这是一项样本量不足的单中心研究;因此,未考虑不同区域人群间GC的异质性。我们正在与其他中心合作招募大样本GC患者。此外,在模型比较中,我们仅分析了预测性能,而忽略了关注模型开发的时间消耗。
总之,我们开发了一个临床-影像组学列线图,可无创评估GC的病理不一致状态。此类影像生物标志物有望成为内镜活检与大体病理之间的过渡工具。此外,基于SECT队列采用SVM分类器获得的所提影像组学模型无法稳定推广至双能CT(DECT)队列。
补充信息
附加文件1。附录E1:研究人群。附录E2:图像采集和重建参数。附录E3:肿瘤分割和影像组学特征提取。补充表S1:成像方案和采集参数。补充表S2:最终保留的48个独立影像组学特征。补充表S3.1:训练集中五种模型的判别能力(AUC值)比较。补充表S3.2:测试集中五种模型的判别能力(AUC值)比较。补充表S4:SVM模型在DECT验证队列中的详细性能。补充表S5:显著临床变量的多因素逻辑回归分析。补充图S1:SVM模型在DECT验证队列中的ROC曲线。
引用
- Liu Y, Zhao S, Wu Z, et al. Virtual biopsy using CT radiomics for evaluation of disagreement in pathology between endoscopic biopsy and postoperative specimens in patients with gastric cancer: a dual-energy CT generalizability study. Insights Imaging. 2023. PMID: 37405591. doi:10.1186/s13244-023-01459-w
- 全文:PMC10323070(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10323070/
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。