放射组学识别的最佳影像征象可能优于模型:用于鉴别肺类癌与非典型错构瘤
回顾性分析两个中心经手术病理证实的肺类癌与非典型错构瘤患者,从增强胸部CT三维分割中提取放射组学特征并构建随机森林模型,外部验证集上模型AUC为0.76,而三维中位衰减值单独AUC为0.85且可重复性更高(ICC=0.97),密度阈值<10 HU和>60 HU可高特异度预测错构瘤和类癌。
要点
- 三维中位衰减值是区分类癌与非典型错构瘤最重要的特征(AUC=0.85),且可重复性高(ICC=0.97)。
- 外部验证集上,三维中位衰减值<10 HU预测错构瘤特异度1.00、敏感度0.23,>60 HU预测类癌特异度0.95、敏感度0.63。
- 二维ROI均值测量性能与三维中位值相近但可重复性较低(ICC=0.90),三维测量更可靠。
核心结论
- 放射组学特征可识别区分肺非典型错构瘤与类癌的最佳影像征象,外部验证集上模型AUC=0.76。
- 三维中位衰减值单独在训练集AUC=0.85,外部验证集上<10 HU和>60 HU阈值可高特异度预测错构瘤和类癌,且三维测量比二维更可重复。
研究设计与样本
- 回顾性研究,来自两个独立中心,训练集73例(16例错构瘤、57例类癌,中位年龄58岁[43–70]),外部验证集54例(22例错构瘤、32例类癌)。
- 使用增强胸部CT软组织重建核、层厚≤2 mm图像,从三维分割中提取105个放射组学特征,采用随机森林算法建模并用十折交叉验证。
- 参考标准为术后组织病理学诊断,非典型错构瘤定义为多学科肿瘤委员会误诊并接受手术的错构瘤。
关键影像表现/征象
- 错构瘤三维中位衰减值为−15 HU、二维平均衰减值为−22 HU,类癌分别为71 HU和77 HU(示例)。
- 语义征象在非典型错构瘤与类癌之间存在重叠,本研究69%的类癌无支气管内突入。
诊断标准与关键数值
- 外部验证集上放射组学模型AUC=0.76(95%CI 0.71–0.82),敏感度91%(95%CI 86–95%),特异度46%(95%CI 37–55%)。
- 三维中位衰减值<10 HU预测错构瘤:外部验证集敏感度0.23、特异度1.00;二维ROI均值敏感度0.13、特异度1.00。
- 三维中位衰减值>60 HU预测类癌:外部验证集敏感度0.63、特异度0.95;二维ROI均值敏感度0.69、特异度0.91。
- 训练集上<10 HU预测错构瘤特异度96%(95%CI 96–99%),>60 HU预测类癌特异度68%(95%CI 55–79%)。
- 训练集上最大化阴性似然比的阈值为40 HU(阴性似然比4.9),预测错构瘤敏感度69%(95%CI 44–86%)、特异度86%(95%CI 75–93%)。
临床应用与阅片要点
- 作者认为三维或二维ROI上中位密度<10 HU和>60 HU可能有助于临床实践中更有信心地诊断这些肿瘤,但三维更可重复。
- 三维中位衰减值ICC=0.97(95%CI 0.95–0.99),偏倚3±7 HU,一致性界限[−10–16];二维均值ICC=0.90(95%CI 0.85–0.94),偏倚−0.7±21 HU,一致性界限[−4–40]。
- 三维中位衰减值与肺动脉干强化程度无相关性(r=0.07),且肺动脉干>250 HU与<250 HU组间三维中位衰减值无显著差异(p=0.544)。
- 二维ROI在肿瘤三个不同层面的均值ICC=0.93(95%CI 0.90–0.96),但一致性界限宽,难以适配已描述的预测阈值。
局限性
- 本研究未分析中心所有错构瘤,仅纳入手术切除者,导致选择偏差,但该数据集代表临床上有挑战性的错构瘤(术前未诊断)。
- 三维测量用二维均值替代时,均值受极端值影响而中位值不受影响。
- 放射组学特征依赖采集参数(如像素大小和重建核),本研究使用多台CT设备导致CT方案异质性,通过排除层厚>2 mm并使用软组织核重建来限制该偏倚。
- 手动分割可能引入测量偏倚,但进行了双独立分割并按影像生物标志物建议控制可重复性。
全文中译16 节 · 点击展开
引言
肺类癌肿瘤占成人原发性肺肿瘤的1%至2%,2003年美国发病率为每10万人1.6例[1, 2]。这些肿瘤起源于生理性分布于整个肺道的神经内分泌细胞[3]。支气管肺系统是类癌肿瘤仅次于胃肠道的第二常见部位[4]。85%的病例类癌位于支气管内[2]。典型情况下,肺不张可揭示肿瘤,支气管镜下宏观外观呈“草莓”样。由于胸部CT的广泛应用,越来越多的类癌最初被偶然发现为实性外周结节[5]。相比之下,肺错构瘤是良性肿瘤,常被偶然发现且无症状。其组织病理学特征可包括脂肪、软骨和上皮组织[6]。由于脂肪和/或软骨含量可变[7],CT上的衰减模式可能不同,导致难以无创确诊。因此,仅基于形态学CT特征,错构瘤可模仿类癌,尤其是在既无宏观脂肪也无钙化的情况下。反之,类癌也可能含有不同比例的脂肪和钙化[8]。临床上,两种肿瘤均无症状,或若导致肺不张则表现为咳嗽或肺炎[8, 9]。在这些情况下,这些肿瘤的影像学特征重叠,导致影像学难以做出可靠诊断,误诊常见。类癌与错构瘤的鉴别具有临床重要性,因为局限性类癌需要手术切除,而错构瘤无需治疗。此类肿瘤的手术范围从剜除术到全肺切除术不等,开胸手术的并发症发生率可达15%[10]。术前检出错构瘤以避免不必要的手术、同时不误诊类癌肿瘤,将具有明确的临床获益。
影像组学是一个数据驱动的研究领域,利用高通量挖掘从医学图像中提取的定量特征,以发现新的影像生物标志物并实现病变的表型分析[11]。使用影像组学实施个性化医疗的兴趣日益增加,尤其是在肿瘤学[12]和肺癌[13]领域。由于错构瘤和类癌的组织学模式不同,我们假设影像组学可能有助于区分这两种肿瘤类型。
因此,本研究的目的是确定基线肺部增强CT图像上的影像组学特征能否区分类癌与非典型错构瘤。
材料与方法
这项来自两个独立中心的回顾性研究获得了机构审查委员会的批准(医学影像研究伦理委员会编号CRM-2202–229)。一个中心用作训练集,用于开发和交叉验证模型,并在来自第二家机构的外部验证集上进行测试(图1)。
训练集
非典型错构瘤被定义为在多学科肿瘤委员会上被误诊并接受手术治疗错构瘤。使用胸外科医师登记资料,收集了2009年11月至2020年6月期间在法国马赛北部医院(Hopital Nord – Marseille – APHM)术后组织学确诊为类癌或错构瘤的所有患者。纳入标准为:1)机构图像归档与通信系统中有可用的术前胸部CT;2)具有软组织重建核的增强后采集图像;3)层厚≤2 mm。排除标准为:1)同一手术肺叶内有两个肿瘤;2)肿瘤包含少于64个体素,如既往研究[14]所建议;3)图像质量不足以进行测量(运动伪影或线束硬化伪影)。
检查来自不同机构和CT设备,因此采用不同参数进行(补充材料)。中位层厚为1.25 mm [Q1–Q3,1.25–1.50]。
收集患者的年龄和性别,以及所施行的手术类型。分析既往针对这些肿瘤描述的CT视觉影像征象:中央型或周围型(即段支气管或更低级别)定位;支气管内位置(如果肿瘤完全或部分位于支气管内);是否存在肺不张(部分或完全);支气管接触(肿瘤附近支气管变形);钙化;边缘(分叶状或光滑)。还测量了轴位平面上的最长直径(mm)。这些特征由一名对组织学不知情的放射科医师(L.C.,具有4年胸部影像经验)记录。
特征提取
两名放射科医师(L.C.和P.H.) independently使用3D Slicer(版本4.7,美国国立卫生研究院资助;https://www.slicer.org)[15, 16]在软组织核图像上独立分割病灶的兴趣体积(VOI)。大血管和支气管未包括在内。放射科医师对组织学不知情。窗口宽度和窗口水平的设置选项由放射科医师在软件内根据偏好设置,以有效勾画结节(示例见图2)。
使用Pyradiomics库(版本3.0.1,哈佛医学院计算成像与生物信息学实验室)通过Python(版本3.8.8)从VOI中提取影像组学特征[17]。固定箱宽设置为64,未使用其他预处理滤波器。共提取105个影像组学特征,包括基于形状的特征(14个特征)、一阶统计特征(18个特征)和纹理特征(73个特征)。其定义详见附加文件1:表e1,并遵循图像生物标志物标准化倡议指南[18]。
特征降维、选择与模型构建
基于观察者间可重复性和特征冗余进行特征降维。对所有特征的观察者间可重复性进行评估,成对组内相关系数(ICC,双向随机效应模型、单评分者、绝对一致性)< 0.8的特征被认为不可重复[19]并予以排除。随后对可重复的特征使用Spearman相关性进行两两比较,相关系数≥ 0.9的高度相关特征被认为冗余,仅保留其中一个。
特征降维后,采用序贯前向特征选择方法,结合五折交叉验证设置,在训练集上寻找表现最佳的特征组合。评分标准为受试者工作特征曲线下面积(AUC)。选择获得最高AUC值的影像组学特征集,在整个训练集上以十折交叉验证重新训练随机森林分类器(RF)。RF超参数使用网格搜索方法进行精细调优。模型的最佳操作点定义在训练集上,即最大化约登指数的阈值。计算AUC、灵敏度和特异度。其95% CI使用1000次重复的Bootstrap方法计算。
最重要特征的性能分析
根据影像组学特征在模型中的重要性进行分析。使用高级放射科医师的分割结果,对最重要的特征进行独立分析,以确定其能否单独预测组织学类型。确定了预测错构瘤时优化阴性似然比的阈值。还选择了两个阈值以分别优化每种肿瘤类型的特异度。
为使用广泛可用的临床工具近似3D特征,还通过在以结节最大层面、覆盖病灶90%区域的圆形2D-ROI(避开钙化(如有))上计算平均衰减值,由两位放射科医师完成。
3D和2D测量的可重复性
在训练集上使用ICC(双向随机效应模型、单评分者、绝对一致性)和Bland–Altman方法(偏倚、偏倚标准差、一致性限(LoA))评估模型中最重要的特征测量(3D和2D测量)的阅片者间可重复性。采用相同方法评估每个肿瘤内三个非连续2D测量的可重复性。
对比剂强化质量与最重要特征之间的相关性
为确保对比剂浓度不影响对类癌所作的测量,对上述特征与在肺动脉干上绘制2D-ROI获得的平均衰减值之间进行Spearman相关性分析。
使用在肺动脉干上通过2D-ROI获得的250 HU截断值将类癌分为两组,该截断值先前已被验证为胸部CT动脉强化的质量标准[20],并进行比较以确保对比剂浓度不影响测量。
外部验证集
从一个独立中心(法国巴黎欧洲乔治蓬皮杜医院—APHP)收集了外部验证集,从病理登记中识别,使用与训练集相同的纳入和排除标准来测试模型。病灶由一名对组织学不知情的放射科医生(P.H.)勾画。
放射组学特征、单独最重要特征的三个阈值以及二维衍生测量指标在该外部验证数据集上进行了测试,并评估了其性能(AUC、敏感性、特异性)。
校正后的阳性预测值和阴性预测值(PPV和NPV)使用两个中心观察到的十年患病率的均值计算。
统计分析
连续数据以中位数[Q1-Q3]表示。分类数据以频率或百分比表示。双侧p值<0.05被认为具有统计学意义。计算了放射组学质量评分[18]。定量数据给出其95%CI。使用Mann–Whitney检验比较定量数据。为比较错构瘤和类癌的语义标准,使用Mann–Whitney检验比较定量数据,使用卡方检验比较定性数据。
使用了以下Python软件包:Numpy(版本1.20.1)和Pandas(版本1.2.4)用于数据处理;Mlxtend(版本0.19.0)和Scikit-Learn(版本0.24.1)用于预处理、机器学习和性能评估;matplotlib(版本3.3.4)用于绘图。ICC函数使用R(版本3.6.1)中的IRR包(版本0.84.1)进行评估。
结果
训练集和外部验证数据集
回顾了206例有可用术后组织病理学报告(类癌或错构瘤)的患者用于训练集。其中,82例患者符合纳入标准。以下患者被排除:同一切除肺部分有两个肿瘤(N=1)、肿瘤体积小(N=1)或图像质量不足(N=7)。最终,回顾性分析了73例患者,中位年龄为58[43–69]岁,包括16例错构瘤和57例类癌(42例典型和15例非典型)(图3)。外部验证数据集按照与训练集相同的纳入和排除标准,包括54例患者(32例类癌,包括25例典型和7例非典型,以及22例错构瘤)。
除错构瘤中的支气管内突出在训练集中更为常见外(表1),训练集和外部验证数据集之间各类肿瘤的语义特征无统计学显著差异。所有错构瘤与类癌肿瘤之间的比较已添加至补充材料(表2)。
放射组学标准
三维VOI中像素数中位数为2296[Q1‒Q3,417‒7856]。二维ROI中像素数中位数为200[62‒428]。根据ICC≥0.8进行放射组学特征降维后得到56个可重复特征。其中,32个为冗余特征(Spearman相关系数≥0.9),剩余24个特征用于后续分析。在训练集上使用bagging分类器进行序列逐步前向特征选择,产生了由五个特征组成的放射组学特征,其在区分两种肿瘤方面使AUC值最大化(0.89[95%CI:0.81–0.98])。
这些特征为:一阶特征(“中位数”和“最大值”衰减)及纹理特征(“差值方差”、“小依赖高灰度强调”和“粗糙度”)。约登指数为0.61。应用于外部验证集时,影像组学标签的AUC、敏感性和特异性分别为0.76 [95% CI:0.71–0.82]、91% [95% CI:86–95%]和46% [95% CI:37–55%](图4)。各特征在模型中的重要性分别为0.31、0.26、0.18、0.15和0.10。
影像组学质量评分按照影像组学研究标准执行,为47/100(附加文件1:表e2)。
最重要特征3D和2D-ROI阈值
影像组学3D“中位数”衰减特征对应于3D VOI中的中位HU值,在训练集上达到交叉验证AUC评分0.85 [95% CI:0.74–0.96](附加文件1:图e1)。我们选择以下强度阈值以在训练集上高特异性预测错构瘤或类癌:< 10 HU预测错构瘤(特异性96%,[95% CI:96–99%]),> 60 HU预测类癌(特异性68%,[95% CI:55–79%])。使阴性似然比最大化(4.9)的阈值为40 HU,对于3D“中位数”衰减值低于40 HU的肿瘤,在训练集上预测错构瘤的敏感性为69%([95% CI:44–86%]),特异性为86%([95% CI:75–93%])。
随后使用3D“中位数”衰减特征及临床实践中易于使用的2D-ROI测得的平均衰减,将这些阈值应用于外部验证数据集。这些结果总结于图5,详见于表3。阳性预测值和阴性预测值使用两个中心的错构瘤平均患病率(中心一患病率:35%,中心二患病率:18%,平均患病率:26%)进行计算并校正。
最重要特征的可重复性
3D“中位数”衰减特征和2D平均衰减的ICC分别为0.97([95% CI:0.95–0.99])和0.90([95% CI:0.85–0.94])。使用Bland & Altman方法评估3D“中位数”衰减特征和2D平均密度的可重复性显示,3D“中位数”衰减特征比2D平均衰减更具可重复性(偏倚3 ± 7 HU,一致性限[–10–16] vs −0.7 ± 20 HU,一致性限[–40–40](图6)。
肿瘤三个不同水平2D平均衰减均值的ICC极好(0.93,[95% CI:0.90–0.96])。但一致性限较宽,难以适应先前描述的用于预测错构瘤和类癌的尺度(附加文件1:图e2)。
在训练集中,肺动脉干强化与类癌的3D“中位数”衰减之间无相关性(r = 0.07),且在肺动脉干2D-ROI测量值> 250 HU与< 250 HU的胸部CT之间,3D“中位数”衰减特征值无显著差异(p = 0.544)(附加文件1:图e3)。
讨论
放射组学特征能够识别区分肺不典型错构瘤与类癌的影像学特征,AUC为0.76。“中位数”衰减(HU)是模型中最重要的特征,仅该特征在训练集上即达到AUC 0.85。在外部数据集上预测错构瘤和类癌的最佳阈值分别为< 10 HU和> 60 FHU。在圆形ROI上测量的2D平均衰减给出了良好结果,与3D“中位数”衰减特征相比,敏感度和特异度的差异低于10%。3D“中位数”衰减特征比2D平均衰减略更具可重复性。在此情况下,简单的衰减特征优于模型,且更为高效。
典型错构瘤合并脂肪、组织和软骨性钙化易于诊断但不常见[21],尤其是当病灶较小时。错构瘤无需治疗,但当影像学表现不典型(即无钙化或脂肪)时,它们很容易与类癌肿瘤混淆,导致不必要的手术和潜在并发症。临床表现可能相同:无症状、咳嗽、肺炎。语义放射学标准在不典型错构瘤和类癌肿瘤之间存在重叠区域[22, 23]。更增加难度的是,类癌肿瘤可伴有钙化,Huang等报告了21例的系列研究[21],其中12%的类癌含有钙化,而其他研究发现钙化率为33%或40%[23, 24]。另一个重叠区域涉及类癌传统的“中央型和支气管内”描述(与错构瘤“周围型和支气管外”的描述相反),因为这在过去似乎被高估了,如近期研究所显示(从早期系列的84%降至近期系列的47–57%)[23–25],可能是由于CT使用的增加。完全位于支气管腔内的表现并非类癌最常见的情况,在我们的研究中69%不是支气管内型,与近期先前发表的研究报告的75%和77%相似[23, 24]。由于所有这些发表均为回顾性且患者数量较少,语义征象的敏感度和特异度未见报告。
PET/CT可能没有额外价值,因为类癌和错构瘤均可表现为18FDG摄取轻度增高或无摄取[22]。最佳工具似乎是68 Ga-DOTATOC,以SUVmax > 2.5为阈值达到88.4%的检出率,但假阴性率较高[26]。
影像组学是一个有前景的肿瘤表征领域,并已证明其对类癌的效率,可用于区分Ki-67表达或转移性疾病的不同水平[8]。从基于机器学习使用影像组学特征的初始策略出发,我们识别出一个五特征签名,在外部验证数据集上取得了良好结果。我们希望探索该签名是否可以被简化。单独使用3D“中位数”衰减特征在外部验证数据集上的表现优于随机森林(RF)算法和该签名。这说明了这些建立在训练集上的签名的局限性,其含义往往难以理解,也说明了寻找可推广、稳健且可重复的签名用于临床实践的挑战[27]。有多种方法可以减少和选择影像组学特征。使用开源Pyradiomics工具进行提取如今因其可获得性而被广泛使用[28]。所选择的减少特征的方法,即去除不可重复和冗余特征,已经发表并取得了良好结果[29],但如今还没有单一公认的方法。
影像组学特征依赖于采集参数,如像素大小和核[30]。我们的研究中使用了多台CT机器,导致CT协议存在异质性。为限制这一偏倚,我们排除了层厚>2 mm的患者,并且仅使用平滑核重建进行分割。使用外部数据集验证模型和其他诊断特征是IBSI指南中的关键点。绘制了三维分割,比二维分割更耗时,但给出的结果在临床使用中似乎更具可重复性,并且能够摆脱二维测量的层间变异性。肿瘤的手动分割可能引入测量偏倚,但我们进行了双重独立分割,并根据影像生物标志物建议控制了可重复性[31, 32]。
本研究有一些局限性。我们并未分析各中心的所有错构瘤,而仅分析了那些已手术切除的错构瘤。尽管这导致了选择偏倚,但该数据集代表了临床环境中具有挑战性的错构瘤,因为它们术前未被诊断。最后,我们试图通过更易于在常规中实施的二维测量来简化三维测量,但计算的是均值而非中位数,因为它是临床PACS上最常可获得的测量值。均值受极端值影响,而中位数不受影响,但由于每个肿瘤中像素数量很多,我们假设肿瘤内HU值的分布可能趋向高斯分布。然而,尽管二维和三维的表现相似,后者更高的可重复性使其成为更可靠的潜在生物标志物。如果简单的衰减特征优于模型,我们可能会猜测本研究中用影像组学的目的是什么。但为了选择这些特征并理解它们在机器学习模型中的重要性,我们必须使用影像组学。似乎二阶特征干扰了机器学习过程,并降低了模型相较于简单衰减特征的表现。
总之,使用从三维分割中提取的影像组学特征的随机森林(RF)算法能够在外部验证集上以良好的性能(AUC = 0.76)区分非典型错构瘤与肺类癌。基于HU的特征在模型中占57%。仅三维“中位数”衰减在训练集上即达到AUC = 0.85。我们提出诊断阈值< 10 HU可高特异度地确信预测错构瘤,> 60 HU可高特异度地确信预测类癌。三维“中位数”衰减是两位阅片者间高度可重复的特征。更简单的二维平均衰减测量同样准确,但阅片者间可重复性不足以采用。
补充信息
附加文件1:胸部CT扫描详情、影像组学特征、训练集上“中位数”特征的ROC曲线、补充图图例及RQS详情。
引用
- Habert P, Decoux A, Chermati L, et al. Best imaging signs identified by radiomics could outperform the model: application to differentiating lung carcinoid tumors from atypical hamartomas. Insights Imaging. 2023. PMID: 37726504. doi:10.1186/s13244-023-01484-9
- 全文:PMC10509085(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10509085/
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。