利用18F-FDG PET/CT影像组学对肺腺癌微乳头和实性成分进行影像表型预测
本研究回顾性纳入846例经病理证实的肺腺癌患者,基于术前18F-FDG PET/CT提取1688个影像组学特征构建模型,预测微乳头/实性(MP/S)成分。PET/CT影像组学-临床联合模型在训练队列区分MP/S的AUC为0.87,优于PET(0.829)和CT(0.827)影像组学模型;测试队列中联合模型亦表现更优。
要点
- PET/CT影像组学-临床联合模型在训练队列区分MP/S成分的AUC为0.87。
- 联合模型在测试队列1优于PET模型(AUC 0.859 vs 0.799)。
- 联合模型在测试队列2优于CT模型(AUC 0.880 vs 0.829)。
核心结论
- 18F-FDG PET/CT影像组学特征对识别肺腺癌MP/S成分具有较好的预测效能,可帮助临床医生制定个体化治疗和监测策略,其中PET/CT影像组学-临床联合模型表现最佳。
研究设计与样本
- 回顾性研究,纳入2012年1月至2020年12月于大坪医院经病理证实的浸润性肺腺癌患者846例,按6:2:2随机分为训练队列、测试队列1和测试队列2。
- 使用Biograph 64 HD(Siemens Healthcare)行PET/CT扫描,CT参数为120 kV、130 mA、5 mm层厚,PET采集90 s/床位,4–6个床位。
- 从PET和CT图像中各提取1688个影像组学特征,经ICC>0.75筛选、Mann-Whitney U检验、Pearson相关系数>0.9排除及LASSO十折交叉验证降维,分别保留10个PET特征和9个CT特征。
- 参考标准为2011年IASLC/ATS/ERS肺腺癌病理分类,MP/S成分≥5%为有MP/S组,<5%为无MP/S组。
关键影像表现/征象
- 有MP/S成分患者较无MP/S成分患者表现出更高的18F-FDG摄取、实性为主的结节和更大的肿瘤尺寸。
- 训练队列中有MP/S成分患者胸膜粘连(p=0.014)和清晰的肿瘤-肺界面(p=0.001)更常见,但测试队列中无此差异(p>0.05)。
- 有MP/S成分患者较无MP/S成分患者具有更高的rad-score。
诊断标准与关键数值
- PET/CT影像组学-临床联合模型在训练队列区分MP/S成分的AUC=0.87,优于PET影像组学模型(AUC=0.829,p<0.05)和CT影像组学模型(AUC=0.827,p<0.05)。
- 测试队列1中联合模型AUC=0.859 vs PET模型AUC=0.799(p<0.05)。
- 测试队列2中联合模型AUC=0.880 vs CT模型AUC=0.829(p<0.05)。
- 校准曲线显示所有模型预测与实际观察在训练和测试队列中一致性良好(p>0.05);DCA显示PET/CT影像组学-临床联合模型临床获益最高。
- 多因素logistic回归显示性别和N分期是区分有无MP/S成分的独立预测因子。
临床应用与阅片要点
- 18F-FDG PET/CT影像组学特征可无创预测肺腺癌MP/S成分,有助于术前评估手术策略及术后辅助治疗选择。
- 联合模型基于性别、N分期、CT rad-score和PET rad-score构建列线图,可用于个体化风险预测。
- 病理活检因取样误差可能无法代表整个肿瘤异质性,影像组学可提供全肿瘤结构和代谢信息。
局限性
- 本研究为回顾性、单中心研究,存在数据收集不完整和患者选择偏倚等局限,未来需前瞻性、多中心研究。
- 未进行外部验证,但采用两个测试队列进行了内部验证。
- 部分有MP/S成分的患者肿瘤大小超过2 cm,可能影响影像组学分析结果,未来需纳入符合亚肺叶切除指征(肿瘤大小≤2 cm)的患者进一步研究。
全文中译12 节 · 点击展开
引言
肺癌是全球癌症死亡的主要原因,其中腺癌是最常见的亚型[1]。由于腺癌具有显著异质性,国际肺癌研究协会/美国胸科学会/欧洲呼吸学会(IASLC/ATS/ERS)将浸润性肺腺癌分为五种亚型,包括贴壁型、腺泡型、乳头型、微乳头型和实体型[2]。大量研究报道,以微乳头型和实体型(MP/S)为主要亚型的肺腺癌与不良预后相关[3, 4]。更重要的是,MP/S成分占比≥5%的患者在接受有限切除而非肺叶切除时,具有早期局部区域复发的高风险[5, 6]。因此,术前预测肺腺癌中MP/S模式可帮助外科医生决定手术策略。
活检是一种可选方法,但所获样本仅为异质性肿瘤的一部分,由于采样误差无法代表整个肿瘤的特性[7]。无创影像可提供整个肿瘤的特征,包含时空上的结构和代谢信息。18F-氟脱氧葡萄糖(FDG)正电子发射断层扫描-计算机断层扫描(PET/CT)已广泛应用于肺癌的诊断、分期、疗效评估和预后预测[8–11]。新兴研究发现,来自18F-FDG PET/CT的肿瘤大小、结节类型、边缘模糊和最大标准化摄取值(SUVmax)与肺腺癌MP/S模式相关[3, 12–15]。然而,这些特征无法反映肿瘤异质性。迫切需要开发一种更有效的方法来术前预测肺腺癌中的MP/S成分。
放射组学是对医学图像定量特征的高通量提取,可提供肿瘤异质性的详细特征,提供了有前景的机遇[16, 17]。一些研究发现,基于放射组学的定量CT特征可区分肺腺癌中的MP/S成分。然而,放射组学模型的准确度中等[18, 19]。CT结合PET图像信息可能提高对肿瘤中MP/S成分的预测准确度。近年来,已有报道18F-FDG PET放射组学可预测肺腺癌的代谢状态和异质性[20]。然而,据我们所知,尚未有报道基于PET/CT放射组学开发预测模型来预测肺腺癌中的MP/S成分。
在本研究中,我们旨在开发并验证一种机器学习模型,将18F-FDG PET/CT放射组学特征与临床特征相结合,以预测肺腺癌中MP/S成分的存在。
材料与方法
患者
本回顾性研究经陆军军医大学大坪医院伦理委员会批准(编号2022174),并豁免书面知情同意要求。纳入2012年1月至2020年12月经病理确诊的浸润性肺腺癌患者846例。病理分类依据2011年IASLC/ATS/ERS肺腺癌分类标准。根据病理分析,将患者分为伴MP/S组(MP/S成分超过5%)和不伴MP/S组(MP/S成分低于5%)。纳入标准如下:(1)经病理确诊的浸润性腺癌;(2)在18F-FDG PET/CT扫描前未接受放疗、化疗或活检;(3)PET/CT扫描后2周内完成手术;(4)患者年龄18岁及以上。排除标准如下:(1)图像质量差;(2)病灶18F-FDG摄取値低于或等于本底;(3)有其他恶性肿瘤病史。图1a展示了患者筛选流程。
PET/CT成像
扫描前,所有患者禁食>6 h,血糖水平<10 mmol/L。然后,静脉注射18F-FDG,剂量为3.7 MBq/kg。随后,患者在注射后60 min接受PET/CT(Biograph 64 HD,Siemens Healthcare)扫描,范围从头顶至近端腿部。首先进行CT扫描,参数为CT扫描120 kV电压、130 mA管电流、5 mm层厚。此后进行PET扫描,每个床位扫描90 s,共4–6个床位。PET图像在Siemens工作站上使用TrueD软件重建,并与CT图像融合。
图像预处理、分割和特征提取
感兴趣体积(VOI)使用ITK-SNAP 3.8.0软件(www.itksnap.org)分割。两名经验丰富的核医学医师(J.S.和L.Z.)在不知晓临床和病理结果的情况下,半自动勾画肿瘤边界以定义VOI(阈值=40% SUVmax)。然后,在PET图像中计算肿瘤VOI的SUVmax和SUVavg。对于CT分割,在肺窗(窗宽=1500 HU,窗位=−700 HU)上勾画肿瘤VOI。然后,使用Pyradiomics 3.1.0软件对图像进行预处理,通过线性插值将各向同性体素重采样为1×1×1 mm。最终,从每个VOI中共提取1688个影像组学特征,包括PET和CT图像。为使特征具有可重复性,组内相关系数(ICC)大于0.75表示一致性令人满意[21]。
影像组学特征选择和模型构建
846例患者按6:2:2随机分为训练队列、测试队列1和测试队列2。在选择之前,对所有特征进行归一化处理。采用Mann–Whitney U检验去除冗余特征以进行初步特征选择。然后,针对特征间的依赖性,进行Pearson相关分析以排除相关系数大于0.9的特征。随后,执行最小绝对收缩和选择算子(LASSO)算法[22],并利用十折交叉验证选择最具区分度的特征。放射学评分(rad-score)通过将所选特征按相应系数加权求和计算得出。PET或CT放射学评分分别指将所选的PET或CT特征按相应系数加权求和。
放射组学-临床模型构建
收集性别、年龄、吸烟、TNM分期、结节类型、空气支气管征、空泡征、胸膜粘连、形状(规则、不规则)、肿瘤最大径、界面(肿瘤-肺界面:清晰、不清晰)、SUVmax、SUVavg和肿瘤代谢体积(MTV)。根据薄层平扫CT图像,结节类型分为三种,包括纯磨玻璃结节(GGN)、混合性GGN和实性结节。纯GGN定义为由磨玻璃影占据且无实性区域的结节。混合性GGN定义为遮盖其下血管征象且纵隔窗上可见结节<50%的结节。当纵隔窗上可见结节超过50%时,定义为实性结节。空泡征指局灶性椭圆形或圆形透亮区(通常<5 mm)。两名经验丰富的核医学医师(W.Z.、R.X.)在不知晓临床数据的情况下独立分析PET/CT影像特征。比较这些临床特征以探究训练队列和测试队列中两组间的区分性临床特征。然后,采用多因素logistic回归,通过将放射学评分与所选临床特征相结合,构建临床-放射组学模型以识别肺腺癌中MP/S成分的存在。采用受试者工作特征曲线(ROC)评估模型识别肺腺癌中MP/S成分存在的预测性能。随后,基于放射组学-临床模型,我们建立了列线图。进行Hosmer–Lemeshow检验和校准曲线以分析列线图的校准度。采用决策曲线分析(DCA)评估这些模型的临床实用性。
统计学
统计学分析使用SPSS软件(版本25.0,IBM Corp.,Armonk,NY)和R 4.1.1(http://www.R-project.org)进行。分别使用Kolmogorov–Smirnov检验和Levene检验确定正态性和方差齐性。使用独立t检验或Mann–Whitney U检验比较连续变量,使用卡方检验或Fisher精确检验比较分类变量。使用Delong检验比较所开发模型的曲线下面积(AUC)。组间差异的显著性水平设定为p < 0.05。
结果
患者特征
伴或不伴MP/S成分患者的基线临床特征见表1。在训练队列和测试队列中,伴或不伴MP/S的患者在性别、吸烟、T分期、N分期、结节类型、肿瘤大小、SUVmax、SUVavg和MTV方面表现出显著差异。在训练集中,胸膜粘连(p = 0.014)和肿瘤-肺界面清晰(p = 0.001)在伴MP/S成分的患者中比不伴MP/S的患者更常见,但在测试队列中并非如此(p > 0.05)。伴或不伴MP/S成分的患者在年龄、空气支气管征、空泡征和形状方面无显著差异(p > 0.05)。
影像组学特征选择与标签构建
我们从PET/CT图像中共提取了1688个特征。平均ICC值为0.909,表明观察者间可重复性良好,VOI勾画和特征提取的一致性优良。采用U检验和Pearson相关系数分析进行降维,最终保留58个CT影像组学特征和89个PET影像组学特征。随后,采用LASSO对剩余特征进行深度筛选。PET模型保留了10个影像组学特征,CT模型选择了9个影像组学特征(图2,表S1、S2)。然后,我们分别采用非线性SVM方法构建了PET和CT预测标签。图5a和表2展示了CT影像组学模型和PET影像组学模型的性能。经Delong检验分析,CT模型与PET模型在训练队列和测试队列中区分伴或不伴MP/S成分的患者方面均无显著差异(训练队列p = 0.8783,测试队列1 p = 0.1892,测试队列2 p = 0.4189)。每位患者在SVM模型中获得的影像组学特征评分被视为rad-score。雨云图展示了训练队列和测试队列中患者的rad-score分布,表明伴MP/S成分的患者rad-score高于不伴MP/S成分的患者,具有判别能力(图3)。
列线图的构建与验证
结合临床变量,我们通过逻辑回归进一步构建了一个联合模型。多因素逻辑回归分析显示,在临床-影像组学联合模型中,性别和N分期是伴或不伴MP/S成分患者分化的独立预测因素(表S3)。图4展示了基于影像组学评分和临床特征构建的列线图。结果表明,影像组学-临床联合模型能够很好地区分伴MP/S成分与不伴MP/S成分的患者(AUC = 0.87),在训练队列中其表现优于PET影像组学模型(AUC = 0.829,p < 0.05)或CT影像组学模型(AUC = 0.827,p < 0.05)。在测试队列中,影像组学-临床联合模型在测试队列1中优于PET影像组学模型(AUC = 0.859 vs 0.799,p < 0.05),在测试队列2中优于CT影像组学模型(AUC = 0.880 vs 0.829,p < 0.05)(图5a,表S4)。校准曲线表明,在训练队列和测试队列中,所有模型的预测值与实际观察值之间均具有良好的一致性(图5b,p > 0.05)。随后,采用决策曲线分析(DCA)评估三种已构建模型的临床应用价值。DCA结果显示,PET/CT影像组学-临床模型在区分伴MP/S与不伴MP/S成分患者方面提供了最高的临床获益(图5c)。
讨论
近年来,伴或不伴MP/S成分的肺腺癌日益受到关注,其与不良预后相关,并可影响手术策略[3, 23–26]。因此,术前预测肺腺癌中MP/S成分的存在对于制定最佳手术策略以及是否接受积极的术后辅助治疗具有重要意义。在本研究中,我们成功构建了PET/CT影像组学标签,并通过将影像组学与临床特征相结合建立了模型,以区分伴MP/S成分与不伴MP/S成分的患者,该模型表现出良好的性能。这些发现表明,通过整合PET/CT影像组学和临床特征来识别MP/S成分的存在,在临床上可能具有潜在的可行性。
越来越多的研究发现,MP/S亚型表现为更高侵袭性和更差预后的预测因素[3, 24, 25]。我们的结果表明,肺腺癌中存在MP/S成分与胸膜侵犯(p = 0.014)和淋巴结转移(p < 0.001)显著相关,这与既往研究一致[27–29]。此外,随着亚肺叶切除使用的增加,早期非小细胞肺癌(NSCLC)患者的最佳策略至关重要。基于一项关于周围型肺癌影像学与病理学表现关系的前瞻性多机构研究结果,影像学浸润性病灶行亚肺叶切除的一般适应证为病灶大小≤2 cm。但一些报道也表明,伴有MP/S成分占5%或以上的小(≤2 cm)早期肺腺癌患者在接受限制性切除而非肺叶切除时,具有较高的早期局部区域复发风险[5, 6]。此外,在不可手术的肺腺癌中,确定MP/S的存在也很重要,因为由于肿瘤异质性,活检可能无法反映肿瘤的所有特征[18]。因此,术前预测肺腺癌中的MP/S成分有助于外科医生决定个体化治疗和监测策略。
迄今为止,很少有研究探讨基于影像学的MP/S成分预测,这些研究均为基于定性CT和PET/CT变量的主观研究。结果表明,肿瘤大小>2.5 cm、实性结节和高18F-FDG摄取等影像学特征有助于检测MP/S成分的存在[3, 12, 30, 31]。在我们的研究中,伴有MP/S成分的患者较不伴有者表现出更高的18F-FDG摄取、实性为主型肿瘤和更大的肿瘤大小,这与既往研究一致。此外,由于MP/S模式的侵袭性行为,存在MP/S成分的肿瘤与淋巴管侵犯相关。因此,伴有MP/S成分的肿瘤中淋巴结受累较不伴有MP/S成分者更为常见[32, 33]。我们的结果显示,MP/S<5%倾向于具有较低的TNM分期,而MP/S>5%则伴有更频繁的淋巴结转移。在人口学特征方面,研究发现伴有MP/S模式的患者与男性相关[3, 27],我们的结果证实了这一点。
考虑到肿瘤内异质性,包含大量定量医学影像特征的影像组学可提供对肿瘤异质性的更详细表征,其反映了疾病表型的综合量化[17, 34]。新兴研究发现,基于影像组学的定量CT特征可区分肺腺癌中的MP/S成分。然而,CT影像组学模型的准确度仅为中等[18, 19]。在CT图像中加入代谢信息可能提高对肺腺癌中MP/S成分的预测准确度[35]。在本研究中,CT和PET影像组学模型的性能良好。进一步,我们建立了PET/CT影像组学-临床联合模型,包括性别、N分期、CT rad-score和PET rad-score。该联合模型在识别MP/S成分的存在方面优于CT或PET影像组学模型。随后,我们采用两个测试队列验证所建立模型的性能。所建立模型在两个测试队列中的性能保持稳定,表明这些模型具有良好的泛化性。综上所述,18F-FDG PET/CT影像组学-临床模型能够以高性能识别肺腺癌中MP/S成分的存在。
本研究存在一些局限性。第一,这是一项回顾性、单中心研究,受数据采集不完整和患者选择等偏倚的限制。未来有必要开展前瞻性、多中心研究。第二,未进行外部验证。然而,我们使用两个测试队列进行了内部验证。所建立模型在两个测试队列中的性能保持稳定,表明这些模型具有良好的泛化性。第三,对于肿瘤大小小于2 cm的病例,一般情况下亚肺叶切除术的适应证如此。但在本研究中,部分伴有MP/S成分入组我们研究的患者超过2 cm,这可能影响影像组学分析的结果。仍需进一步开展纳入肿瘤大小符合亚肺叶切除术适应证的患者的研究。
总之,我们开发了一个最优的PET/CT影像组学标签,并通过将影像组学与临床特征相结合构建了一个模型来识别肺腺癌中MP/S成分的存在,具有良好的性能。本研究表明,18F-FDG PET/CT影像组学标签可实现有前景的预测效能,以识别肺腺癌患者中MP/S成分的存在,帮助临床医生制定个体化治疗和监测策略。
补充信息
附加文件1:表S1。CT模型中选出的最具预测性的特征子集及相应系数。表S2。PET模型中选出的最具预测性的特征子集及相应系数。表S3。对提取的临床特征与MP/S成分存在情况的多因素logistic分析。表S4。对所建立模型AUC比较的Delong检验。
引用
- Zhou L, Sun J, Long H, et al. Imaging phenotyping using 18F-FDG PET/CT radiomics to predict micropapillary and solid pattern in lung adenocarcinoma. Insights Imaging. 2024. PMID: 38185779. doi:10.1186/s13244-023-01573-9
- 全文:PMC10772036(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10772036/
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。