MRI信号强度归一化对基于影像组学的胶质瘤分子亚型预测泛化性的影响
本研究纳入615例新诊断胶质瘤患者的术前MRI数据,比较四种强度归一化方法对放射组学机器学习模型预测IDH和1p/19q状态的影响,并在UCSF(n=410)和TCGA(n=160)外部数据集验证。结果显示N4/WS和N4/z-score归一化在外部异质性多机构数据中保持高AUC(0.85–0.87),而 naive 和 N4 方法泛化性差;强度归一化对模型泛化性至关重要。
要点
- MRI强度归一化(N4/WS或N4/z-score)可提高放射组学模型对外部异质性数据的泛化性。
- 内部测试集中不同归一化方法性能无显著差异(FDR校正P≥0.19)。
- 外部数据中N4/WS和N4/z-score的宏观平均AUC为0.85–0.87,naive和N4仅0.19–0.52。
核心结论
- MRI数据强度归一化对于放射组学机器学习模型的泛化性至关重要。
- N4/WS和N4/z-score方法均能保持模型高性能,在外部异质性多机构数据中产生可泛化的性能。
- 放射组学机器学习算法是同时分类胶质瘤IDH和1p/19q状态的有前景方法。
研究设计与样本
- 回顾性研究,纳入海德堡大学医院2009年3月至2020年7月连续成人胶质瘤患者621例,排除质量差或处理错误后内部数据集n=615(HD),按WHO 2021分类和DNA甲基化检测IDH及1p/19q状态。
- 内部数据集使用3T MRI(Magnetom Verio、Trio TIM或Skyra,Siemens Healthcare),协议包括3D T1加权(增强前后,钆特酸葡胺0.1 mmol/kg)、轴位2D FLAIR和T2加权。
- 外部测试使用TCGA公开数据集(初始242例,排除后n=160)和UCSF数据集(初始501例,排除后n=410)。
- 比较四种归一化方法:无归一化(naive)、N4偏场校正(N4)、N4后WhiteStripe(N4/WS)、N4后z-score(N4/z-score);提取377个IBSI兼容放射组学特征。
- 训练9种机器学习算法,SVM表现最佳;内部数据集按80:20分为训练集(n=492)和测试集(n=123)。
诊断标准与关键数值
- 内部测试集SVM宏观平均AUC:naive 0.84(95%CI 0.75–0.89)、N4 0.84(95%CI 0.76–0.90)、N4/WS 0.87(95%CI 0.80–0.91)、N4/z-score 0.87(95%CI 0.81–0.91),各归一化方法间无显著差异(FDR校正P≥0.19)。
- TCGA外部测试集SVM宏观平均AUC:naive 0.45(95%CI 0.35–0.54)、N4 0.52(95%CI 0.43–0.61)、N4/WS 0.85(95%CI 0.76–0.89)、N4/z-score 0.87(95%CI 0.80–0.91)。
- UCSF外部测试集SVM宏观平均AUC:naive 0.19(95%CI 0.15–0.25)、N4 0.26(95%CI 0.20–0.31)、N4/WS 0.87(95%CI 0.82–0.90)、N4/z-score 0.86(95%CI 0.80–0.89)。
- UCSF数据集中三个分子亚类均显示N4/WS和N4/z-score显著优于无归一化及单独N4(FDR校正P<0.0001)。
- UCSF数据集中IDH-mut 1p/19q non-codel组N4/WS(AUC=0.86)优于N4/z-score(AUC=0.81)(FDR校正P=0.009);IDH-wt组N4/z-score(AUC=0.92)优于N4/WS(AUC=0.89)(FDR校正P=0.024)。
临床应用与阅片要点
- 在构建放射组学模型时,推荐使用N4/WS或N4/z-score进行MRI强度归一化,以提升模型在异质性多中心数据中的泛化性。
- 当模型仅应用于同机构同质数据时,强度归一化似乎不影响模型性能。
- 放射组学机器学习模型可用于无创同时预测胶质瘤IDH和1p/19q状态,但需注意外部验证时归一化方法的选择。
局限性
- 本研究仅限于解剖MRI序列,未探讨功能MRI序列(如弥散和灌注)对预测性能的潜在改善。
- 未进行超参数调优(如网格搜索),而是保持模型参数恒定以消除评估不同归一化方法时的潜在偏倚。
- Z-score和WhiteStripe归一化方法相似,未比较新型方法如基于卷积神经网络的方法。
全文中译8 节 · 点击展开
引言
胶质瘤是成人中最常见的中枢神经系统恶性原发性肿瘤,目前根据2021年WHO分类基于组织学和分子标志物进行分层,其中IDH状态和1p19q共缺失目前代表最相关的突变[1, 2]。
自这些突变被纳入WHO分类以来,已有大量尝试寻找针对这些突变的非侵入性放射学标志物,既包括纯视觉评估技术[3],也包括灌注加权或弥散加权成像等高级成像序列,结果不一[4, 5]。放射组学特征近年来在突变的非侵入性检测方面表现出令人信服的表现[6–10],但也因缺乏报告标准而受到审视[11, 12]。
这对于基于MRI的特征尤为相关,因为体素值并非基于标准化量表,而是基于任意强度值,这些值可因设备制造商、场强、序列采集参数和类型而变化,因此不仅在患者之间存在差异,而且同一患者的不同检查之间也存在差异[13]。可以理解,这会影响放射组学的提取并阻碍结果的可重复性和/或可比性,而根据TRIPOD/RQS指南,强度归一化是必要步骤[11, 12]。
既往研究侧重于评估各种预处理步骤对信号强度和所得放射组学特征的影响,例如证明偏场校正可减少组织内的不均匀性[14],以及颅骨剥离可去除强度波动最大的区域[15]。尽管对于放射组学预处理流程中所需的一般步骤已有共识[11, 16],但对于每个步骤中哪种具体方法最为适用仍未达成一致[17]。既往研究已探讨了强度归一化对放射组学可重复性的影响,但尚无研究比较不同强度归一化方法对机器学习算法预测脑肿瘤放射基因组表型效能的影响[17]。
在本研究中,我们评估了强度归一化对同时预测胶质瘤IDH和1p19q状态的多分类模型的影响,并在来自癌症基因组图谱(TCGA)项目和美国加州大学旧金山分校(UCSF)的两个外部公开数据集上验证了模型的泛化性。
材料与方法
本回顾性研究经内部伦理委员会批准,并豁免获取知情同意的要求(S-784 2018)。
研究纳入2009年3月至2020年7月期间在海德堡大学医院(德国海德堡)神经放射学科接受术前MRI检查、根据WHO 2021分类确诊为胶质瘤的连续成年患者(n = 621)。所有患者均有基于DNA甲基化检测的IDH和1p/19q状态数据[18]。最终,因MRI图像质量不足(如运动伪影导致无法进行充分的肿瘤分割)排除n = 3例,因数据处理错误排除n = 3例,内部数据集共计n = 615例患者。内部数据集(HD)为常规临床检查期间使用3-T MRI设备(Magnetom Verio、Trio TIM或Skyra,Siemens Healthcare)采集。成像方案按照国际指南执行,包括注射0.1 mmol/kg钆特酸葡甲胺(Dotarem,Guerbet)团注前(T1)和注射后(cT1)的3D T1加权图像,以及轴位2D FLAIR和T2加权图像[19];MRI采集参数的详细描述见补充方法和材料。
外部测试使用两个公开可用的胶质瘤术前MRI数据集进行,即TCGA数据库的公共数据集(242例患者)和UCSF数据集(501例患者)[20, 21]。从TCGA数据集中,因MRI图像质量不足移除n = 41例,因IDH或1p/19q状态未知移除n = 29例,因强度归一化失败移除n = 12例,因此TCGA数据集最终包含n = 160例患者。从UCSF数据集中,因1p/19q状态未知移除n = 91例,最终纳入n = 410例患者。与训练数据集相同,外部验证数据包括增强前后T1加权图像、FLAIR和T2加权图像。数据集中所含序列的信息见https://doi.org/10.7937/tcia.bdgf-8v37。
图像预处理与肿瘤分割
HD和TCGA数据集的图像使用公开可用的经验证软件按既往描述进行处理[22, 23]。简言之,包括(i)通过HD-BET工具(https://github.com/MIC-DKFZ/HD-BET)进行基于神经网络的脑提取[24],(ii)使用FSL(FMRIB)将图像体积刚性配准至原生T1加权图像,以及(iii)使用HD-GLIO的变体(https://github.com/NeuroAI-HD/HD-GLIO)进行基于深度学习的自动肿瘤分割,分割为对比增强、T2-FLAIR和高信号及坏死肿瘤成分。分割结果经视觉审查,必要时由MF(具有5年经验的神经放射学住院医师)进行校正。
UCSF数据集包含预处理后的序列以及多间室肿瘤分割,包括增强肿瘤、T2/FLAIR高信号以及非增强/坏死肿瘤间室,通过https://doi.org/10.7937/tcia.bdgf-8v37下载[21]。
对于每个序列,比较了四种归一化方法:(1) 不归一化(naive),(2) N4偏置场校正(N4),(3) N4偏置场校正后接WhiteStripe归一化(N4/WS),以及(4) N4偏置场校正后接Z-score归一化(N4/z-score)。图1展示了研究结构的示意图。不同归一化方法的详细描述可见补充方法和材料。Z-score和WhiteStripe均为可免费获取的归一化方法,常用于脑部MRI [25]。N4偏置场校正以及Z-score和WhiteStripe归一化使用R语言中实现的ANTsR和WhiteStripe软件包完成(R版本4.0.2,R Foundation for Statistical Computing,https://github.com/muschellij2/WhiteStripe)。
影像组学特征提取与选择
特征提取与选择在Python(版本3.8.5)中使用PyRadiomics(https://pyradiomics.readthedocs.io)完成 [9]。在特征提取时,将肿瘤强化成分、T2-FLAIR和坏死成分的不同分割掩膜合并为一个,因此影像组学特征是从整个肿瘤中提取的。根据影像生物标志物标准化倡议,在所有使用的解剖序列上计算了所有可重复的影像组学特征。这包括13个形状特征、17个一阶特征、23个灰度级共生矩阵特征、16个灰度级游程长度矩阵特征、16个灰度级大小区域矩阵特征、14个灰度级依赖矩阵特征和5个邻域灰度色调差矩阵特征。所有提取的影像组学特征列表见补充表1。由于基于肿瘤形态的影像组学特征在所有四个序列中相同,形状特征仅保留自T1增强前序列,因此每个数据集中每种强度归一化方法共获得377个影像组学特征。
数据分析
HD数据集按80:20比例分为训练集和测试集,并保持两个数据集中三类分布相似。
为避免过拟合,使用方差分析(ANOVA)F统计量在HD数据集的训练数据上进行特征选择。此处,对每个特征进行ANOVA以分类三种不同的肿瘤类别,结果以F统计量表示。对于最终模型,我们随后使用F统计量最高的五个影像组学特征 [26]。
机器学习模型使用 Python(版本 3.8.5)中的 scikit-learn 库构建。我们比较了九种不同的算法,即逻辑回归、线性判别分析、k 近邻、决策树、高斯朴素贝叶斯、C-支持向量分类、随机森林、极端随机树分类器和极端梯度提升。为避免比较不同归一化方法时产生潜在偏倚,我们未进行网格搜索等超参数调优,而是对每个模型使用默认设置。
对 IDH-wt 组进行欠采样,对 IDH-mut 组进行 SMOTE 过采样,以平衡训练数据集。
使用受试者工作特征曲线下面积(AUC)以及敏感度、特异度和准确率作为目标参数对模型进行评价(补充表 2–4)。各种分类器的混淆矩阵可见补充表 8。置信区间使用自助法(bootstrapping)计算(补充图 4)。使用 DeLong 检验比较模型的 AUC。随后,使用错误发现率(FDR)校正分别对每个数据集校正 p 值。每个数据集中各个类别的所有校正后 p 值见补充表 5–7。使用 Kruskal–Wallis 检验比较连续数据,使用卡方检验比较分类数据。在所有分析中,p 值 < 0.05 被视为显著。
结果
HD 数据集包括 n = 442 例 IDH 野生型(IDH-wt)胶质瘤、n = 89 例 IDH 突变且 1p/19q 非共缺失(IDH-mut 1p/19q non-codel)胶质瘤以及 n = 84 例 IDH 突变且 1p19q 共缺失(IDH-mut 1p/19q codel)胶质瘤。来自三个数据集中纳入患者的完整特征总结于表 1。
我们测试了九种不同的机器学习算法。其中,支持向量机(SVM)模型表现最佳,在 HD 测试集中,使用原始数据时,多分类检测分子特征的宏平均 AUC 为 0.84(95% CI = 0.75–0.89),使用 N4 时为 0.84(95% CI = 0.76–0.90),使用 N4/WS 时为 0.87(95% CI = 0.80–0.91),使用 N4/z-score 时为 0.87(95% CI = 0.81–0.91)。各分子突变类别的单独检出率分别为:IDH-wt 类为 0.87(95% CI = 0.76–0.93)(原始数据)、0.86(95% CI = 0.77–0.93)(N4)、0.90(95% CI = 0.84–0.94)(N4/WS)和 0.91(95% CI = 0.85–0.95)(N4/z-score);IDH-mut 1p/19q non-codel 类为 0.82(95% CI = 0.64–0.91)(原始数据)、0.79(95% CI = 0.60–0.88)(N4)、0.84(95% CI = 0.75–0.91)(N4/WS)和 0.86(95% CI = 0.78–0.92)(N4/z-score);IDH-mut 1p/19q codel 类为 0.82(95% CI = 0.73–0.89)(原始数据)、0.85(95% CI = 0.77–0.92)(N4)、0.86(95% CI = 0.77–0.92)(N4/WS)和 0.84(95% CI = 0.75–0.90)(N4/z-score)(图 2),比较不同类型归一化方法时,模型性能无显著差异(每项 FDR 校正后 p ≥ 0.19)(补充表 5–7)。其他八种受试模型获得的 ROC 曲线见补充图 1–3。包括 95% CI 在内的各自准确率值见补充图 4。
当将所开发的SVM模型应用于外部TCGA数据时,宏观平均AUC从使用naive的0.45(95% CI = 0.35–0.54)变为使用N4的0.52(95% CI = 0.43–0.61)、使用N4/WS的0.85(95% CI = 0.76–0.89)以及使用N4/z-score的0.87(95% CI = 0.80–0.91)。各分子突变类别的个体检测率分别为:IDH-wt类别为0.41(95% CI = 0.33–0.50)(naive)、0.47(0.38–0.56)(N4)、0.89(0.82–0.94)(N4/WS)和0.90(95% CI = 0.84–0.95)(N4/z-score);IDH-mut 1p/19q非共缺失类别为0.39(95% CI = 0.29–0.49)(naive)、0.49(95% CI = 0.39–0.59)(N4)、0.88(95% CI = 0.81–0.92)(N4/WS)和0.91(95% CI = 0.85–0.94)(N4/z-score);IDH-mut 1p/19q共缺失类别为0.55(95% CI = 0.39–0.75)(naive)、0.58(95% CI = 0.39–0.73)(N4)、0.77(95% CI = 0.59–0.86)(N4/WS)和0.79(95% CI = 0.61–0.89)(N4/z-score)(图3A)。与未进行归一化的方法相比(FDR校正p < 0.0001 each)以及与单独N4相比(FDR校正p < 0.0001 each),N4/WS和N4/z-score对IDH-wt和IDH-mut 1p/19q非共缺失类别的预测均表现出更高的性能,而IDH-mut 1p/19q共缺失类别未发现差异(FDR校正p ≥ 0.07 each)。在所有三组中,N4/WS与N4/z-score之间无性能差异(FDR校正p ≥ 0.24 each)。
当将所开发的SVM模型应用于外部UCSF数据时,宏观平均AUC从使用naive的0.19(95% CI = 0.15–0.25)变为使用N4的0.26(95% CI = 0.20–0.31)、使用N4/WS的0.87(95% CI = 0.82–0.90)以及使用N4/z-score的0.86(95% CI = 0.80–0.89)。各分子突变类别的个体检测率分别为:IDH-wt类别为0.18(95% CI = 0.14–0.23)(naive)、0.25(95% CI = 0.20–0.31)(N4)、0.89(95% CI = 0.84–0.92)(N4/WS)和0.92(95% CI = 0.87–0.94)(N4/z-score);IDH-mut 1p/19q非共缺失类别为0.21(95% CI = 0.16–0.26)(naive)、0.29(95% CI = 0.23–0.34)(N4)、0.86(95% CI = 0.81–0.90)(N4/WS)和0.81(95% CI = 0.76–0.86)(N4/z-score);IDH-mut 1p/19q共缺失类别为0.18(95% CI = 0.10–0.30)(naive)、0.22(95% CI = 0.12–0.35)(N4)、0.84(95% CI = 0.70–0.91)(N4/WS)和0.85(95% CI = 0.65–0.91)(N4/z-score)(图3B)。与未归一化相比(FDR校正p < 0.0001 each)以及与单独N4相比(FDR校正p < 0.0001 each),所有三个分子突变类别在N4/WS和N4/z-score下均表现出显著更高的性能。在IDH-mut 1p/19q共缺失组中,N4/WS与N4/z-score之间无显著性能差异(FDR校正p = 0.84)。在IDH-mut 1p/19q非共缺失组中,N4/WS(AUC = 0.86)优于N4/z-score(AUC = 0.81)方法(FDR校正p = 0.009)。另一方面,在IDH-wt组中,N4/z-score(AUC = 0.92)优于N4/WS(AUC = 0.89)方法(FDR校正p = 0.024)。
讨论
胶质母细胞瘤分子亚型的影像组学预测是一个有前景且临床高度相关的研究领域。缺乏标准化处理通过限制其泛化性而对影像组学的推广产生负面影响。在此,我们研究了强度归一化作为MRI影像组学提取中重要预处理步骤的相关性及其对机器学习算法预测能力的潜在影响。我们能够证明,虽然在使用内部测试时模型性能不受MR图像强度归一化的影响,但在外部异质性、多机构环境中应用模型时,性能依赖于强度归一化。此外,我们能够表明基于影像组学的机器学习算法是同时分类胶质瘤IDH和1p/19q状态的有前景方法。
我们的结果强调了强度归一化对于去除扫描仪依赖性信号强度变化以构建可泛化的基于影像组学的预测模型的重要性,这在将这些模型应用于先前未见的异质性多中心队列时变得至关重要。尽管对于哪种方法是最可靠的强度归一化方法尚未出现明确共识[27],我们已经表明N4/z-score和N4/白条纹均产生可比结果,允许构建用于预测分子胶质瘤亚型的可泛化基于影像组学的模型,而与N4或朴素方法相反,后者显著限制了这些模型的泛化性。
除了强度归一化的相关性外,我们还表明基于影像组学的模型可以很好地同时预测胶质瘤中的IDH和1p/19q状态。先前的研究主要集中于胶质瘤中IDH突变和/或1p19q状态的分离二分类[4, 28],然而这可能产生与当前WHO中枢神经系统肿瘤分类不一致的不一致预测(例如,在IDH野生型肿瘤设置中预测1p19q共缺失)。我们通过实施直接预测分子胶质瘤亚型的多分类模型来规避这一点,即将病例分类为IDH-wt、或IDH-mut 1p19q code、或IDH-mut 1p19q non-codel。类似地,Cluceru及其同事先前提出了一个用于同时分类IDH和1p/19q状态的多分类模型[7],其总体测试准确率为85.7%。然而,他们的模型依赖于更复杂的基于神经网络的方法,并且额外需要扩散加权成像作为输入模态,从而可能限制临床适用性。
我们的研究存在一些局限性。第一,我们仅限于解剖MRI序列,未研究扩散和灌注等功能MRI序列,这些序列在预测胶质瘤分子亚型时可能进一步提高性能[29, 30]。然而,与解剖序列不同,功能序列并非以任意值而是以绝对值表示,因此具有可比性,尽管归一化对功能MRI序列的影响应作为进一步研究的一部分。第二,我们未进行超参数调优,例如通过网格搜索可能提高模型性能,而是保持模型参数恒定,以消除评估不同序列归一化方法的模型性能时的潜在偏倚。第三,Z-score和WhiteStripe归一化是相当相似的方法,我们未比较基于卷积神经网络的新方法[31]。然而,由于这两种方法是放射组学研究中最广泛使用的方法之一[32],且几乎没有出版物比较两种或多种标准化方法,本研究提供了有效的基础,与新颖方法的比较需要在未来探索。
总之,在本研究中,我们能够开发一个可靠的多类模型用于胶质瘤遗传亚型分类,并证明MR图像强度归一化对提高该模型泛化性的相关性。
补充信息
以下是电子补充材料的链接。补充文件1(RAR 1116 KB)
引用
- Foltyn-Dumitru M, Schell M, Rastogi A, et al. Impact of signal intensity normalization of MRI on the generalizability of radiomic-based prediction of molecular glioma subtypes. Eur Radiol. 2023. PMID: 37672053. doi:10.1007/s00330-023-10034-2
- 全文:PMC10957611(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10957611/
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。