影像组学在小儿肾上腺区肾母细胞瘤与神经母细胞瘤鉴别诊断中的应用
回顾性单中心研究纳入147例经病理确诊的儿童腹部CT,构建临床-影像-影像组学联合模型鉴别肾母细胞瘤与神经母细胞瘤,联合模型F1评分0.94、准确率0.93、AUC 0.96,并能正确预测两名放射科医师均误判的病例;作者指出该模型需在大样本前瞻性研究中进一步验证。
要点
- 联合模型在训练中达F1 0.94、准确率0.93、AUC 0.96,外部验证准确率0.71、AUC 0.80。
- 两名放射科医师均误判的2例患者被联合模型正确预测。
- 病灶>1000 cc时放射科医师准确率降至0.7、0.7、0.6,影像组学模型外部验证升至0.9。
核心结论
- 基于CT的临床-影像-影像组学联合模型可无创地在术前预测肾母细胞瘤或神经母细胞瘤。
- 该模型正确预测了两名放射科医师均未能正确判别的两例患者。
- 作者认为该模型可能作为CT上鉴别神经母细胞瘤与肾母细胞瘤的无创术前预测工具,并应在大样本前瞻性模型中进一步验证。
研究设计与样本
- 单中心回顾性研究,经机构伦理委员会批准(批件号GO 21/1282),因回顾性研究性质免除患者知情同意。
- 纳入2005年1月至2021年12月本院连续收治、经病理确诊的神经母细胞瘤和肾母细胞瘤患者,CT前接受治疗者排除,最终纳入147例,其中肾母细胞瘤90例、神经母细胞瘤57例。
- CT扫描于门静脉期进行,经自动注射器给予2 cc/kg碘化非离子型静脉对比剂,注射速率2–3 mL/s;层厚分布为1.25 mm、2 mm、2.5 mm、3 mm、5 mm。
- 按临床中心来源和CT机器(Siemens与非Siemens、GE与非GE)分别构建三个数据集,分为开发集与外部验证集。
- 使用Pyradiomics(v3.0)提取共1218个符合影像生物标志物标准化倡议(IBSI)的特征,并结合Laplacian of Gaussian滤波(5个sigma值)和三级三维小波变换。
关键影像表现/征象
- 神经母细胞瘤典型表现为跨越中线、钙化及包绕血管的巨大腹膜后肿块(原文图3示)。
- 肾母细胞瘤典型表现为不跨越中线、含大片低密度坏死区的异质性肿块,可伴延伸至下腔静脉的瘤栓(原文图4示)。
- 三名放射科医师依据钙化、坏死、瘤栓及跨中线延伸等CT特征判断肿瘤类型,观察者间Cohen kappa值为0.65,属高度一致。
- 分割图相似性平均Dice评分:观察者1与2为0.86,观察者1与3为0.88,观察者2与3为0.92。
- 联合模型最终选出的7个特征中2个为临床-影像特征(年龄和转移),5个为影像组学特征(2个LoG变换、2个小波变换、1个原始形状特征)。
诊断标准与关键数值
- 肾母细胞瘤90例,平均年龄34.78个月(SD 22.06),男性43例;神经母细胞瘤57例,平均年龄23.77个月(SD 22.56),男性31例。
- 以24个月为界二值化后,两组年龄差异无统计学意义(p=0.07),性别差异亦无统计学意义(p=0.54)。
- 临床模型平均AUC 0.80;最佳模型训练集准确率0.83、外部验证准确率0.70。
- 基于临床中心的影像组学模型F1评分0.90(SD 0.05)、AUC 0.91(SD 0.05);最佳模型训练集准确率0.92、AUC 0.94,外部验证准确率0.71、AUC 0.80。
- 基于Siemens与非Siemens分区的模型F1评分0.84(SD 0.05)、AUC 0.90(SD 0.06);基于GE与非GE分区的模型F1评分0.89(SD 0.04)、AUC 0.91。
临床应用与阅片要点
- 作者所在机构在CT检查中经自动注射器给予2 cc/kg碘化非离子型静脉对比剂,注射速率2–3 mL/s,所有CT(包括外院)均于门静脉期采集。
- 三名放射科医师(分别有3年、5年、10年经验)在不知晓临床病理资料的情况下,依据CT影像特征结合钙化、坏死、瘤栓及跨中线延伸判断肿瘤类型。
- 观察者1和观察者2预测正确率为0.96,观察者3为0.93,两名医师均未能正确预测的2例患者被联合模型正确预测。
- 病灶小于150 cc者44例、150–500 cc者64例,放射科医师对这些小及中等病灶分类正确,而模型因病灶较小难以找到纹理模式而更多失败。
- 排除小及中等病灶后,三名医师预测准确率降至0.84、0.81、0.71,影像组学模型外部验证准确率升至0.84;仅分析>1000 cc病灶时,医师准确率进一步降至0.7、0.7、0.6,模型外部验证准确率升至0.9。
局限性
- 本研究为单中心回顾性研究。
- 模型在外部验证集上性能下降,作者归因于来自多机构、不同机器数据集的异质性。
- 本研究影像组学质量评分(RQS)为50%,其中成本效益分析、生物学基础分析及CT重测信度评估等条目无法适用于本研究。
- 本数据集中仅有神经母细胞瘤患者的尿儿茶酚胺记录,无肾母细胞瘤患者记录,故未纳入模型。
- 作者指出该模型应在大样本前瞻性模型中进一步验证。
全文中译21 节 · 点击展开
引言
儿童最常见的颅外实体瘤是神经母细胞瘤(NB)。约三分之一的NB起源于肾上腺[1]。Wilms瘤(WT)是儿童最常见的肾脏肿瘤,通常表现为腹部肿块[2, 3]。这些肿瘤的临床病程和治疗策略差异很大。因此,早期鉴别是必要的。
MRI是评估NB和WT的首选 modality。然而,MRI需要麻醉,而且一些外科医生,包括我们机构的外科医生,可能更倾向于在手术前进行术前CT检查。当肿瘤体积相当大时——这是儿童腹腔内实体瘤的常见情况——识别起源器官和实际肿瘤类型变得越来越困难[3–6]。
与北美相反,欧洲指南倾向于术前化疗并避免对WT进行活检,因为手术变得更容易、肿瘤溢出减少,并且肿瘤降级最终可能减少放疗需求[3, 5]。另一方面,NB对新辅助化疗反应良好,通常随后进行手术以局部控制疾病并联合放疗。两种肿瘤的化疗方案差异很大,误导性诊断可能导致不适当的化疗方案实施。因此,术前鉴别WT和NB对于应用适当的化疗方案和优化这些患者的治疗至关重要[5, 6]。
然而,在没有病理标本的情况下,仅使用经典影像学表现,这些肿瘤的鉴别可获得86%的总体准确率[7, 8]。在疑似NB病例中,收集尿儿茶酚胺可能额外有帮助[9]。尽管如此,仍需要更准确、可靠、可重复和自动化的方法来鉴别NB和WT。
机器学习方法,包括影像组学和深度学习,最近在定量评估医学影像数据方面获得了相当大的关注。影像组学在WT分期确定、NB MYCN原癌基因(MYCN)状态确定和病理类型确定方面的成功应用已发表于文献[10–14]。
据我们所知,尚无机器学习研究应用于从术前CT图像中鉴别WT和NB。本研究旨在使用机器学习从术前CT扫描中鉴别NB和WT。
方法
患者
这是一项经机构伦理委员会批准的单中心回顾性研究(GO 21/1282)。由于研究的回顾性性质,机构伦理委员会豁免了患者知情同意。评估了2005年1月至2021年12月期间入住我院的连续诊断为NB和WT的患者的CT扫描。在CT之前接受治疗的患者被排除在研究之外。共纳入147例经病理确诊的患者。纳入和排除标准见图1。
CT方案
在我们机构,CT图像是在通过自动注射器以2–3 mL/s的速率给予2 cc/kg碘化非离子静脉造影剂后获得的。所有CT——包括外部中心的CT——均在门静脉期进行。CT扫描的层厚分布如下:1.25 mm、2 mm、2.5 mm、3 mm和5 mm。kV设置和层厚分布见补充材料(图S1、图S2)。
临床-影像学数据收集
年龄信息以24个月为截断值进行二分类。呕吐、腹泻、便秘、腹胀、发热、腹部肿块、疼痛和偶然发现被记录为临床变量。整理了三个不同的数据集。对于第一个数据集,患者按机构来源进行划分。在我们机构采集的患者图像构成开发集,而在不同机构采集、转诊至我院并加载到本地PACS的患者图像构成外部验证集;对于第二个和第三个数据集,采用基于CT机器的划分方式。对于第二个数据集,由任何机器(排除Siemens)采集的图像用作开发集,Siemens图像用作外部验证集。在第三个数据集中,由任何机器(排除GE)采集的图像用作开发集,由GE CT机器采集的图像用作外部验证集。本研究使用的CT机器列于补充材料中。
真实分割、人工阅片研究和图像标注
三名放射科医师(B.B.、A.A.T.、G.O.,分别具有3年、5年和10年经验)在对临床病理数据设盲的情况下,使用Slicer 3D [15]对60例患者进行了容积分割。该数据集用于确定不同放射科医师分割结果之间的稳健特征集。一名放射科医师(A.A.T.,具有5年经验)按照相同方案完成了其余患者的分割(图2、图3和图4)。
同样的三名放射科医师还在分割后检查了图像。他们根据CT影像特征以及钙化、坏死、瘤栓和跨越中线预测肿瘤类型。
影像组学特征提取与选择
使用Pyradiomics[16]这一开源Python软件包(v3.0 https://pyradiomics.readthedocs.io/en/latest/)进行特征提取。除原始图像外,还使用了具有五个不同sigma值的高斯拉普拉斯滤波器(LoG)变换以及一次三级三维小波变换(WaT)。共提取了1218个符合影像生物标志物标准化倡议指南的特征[16–19]。依次应用了无监督和有监督特征选择方法。无监督特征选择选取了稳健、非冗余且高方差的特征。使用了四种不同的有监督特征选择方法——基于统计滤波器、基于火山图、基于递归特征消除模型以及基于最大相关最小冗余——以发挥每种方法的优势[20–22]。更多细节在补充材料中披露。
对于临床数据集,特征数量已经较低;因此,未应用特征选择方法。
模型构建与选择
支持向量机(SVM)和随机森林(RF)是成功的分类器模型,可应用于线性和非线性分类任务[23, 24]。SVM是一种线性分类器;然而,通过使用某些核函数将数据投影到更高维的特征空间,可以将其转换为非线性分类器。我们使用径向基函数(RBF)核实现SVM的非线性应用[23],并使用合成少数类过采样技术(SMOTE)和对损失函数加权来应对数据不平衡问题。因此,我们实验了七种模型类型(SVM、带RBF的SVM、带损失函数加权的SVM、带SMOTE的SVM、RF、带损失函数加权的RF以及带SMOTE的RF)以及四种基于特征选择方法的特征集。我们使用10次四折重复分层交叉验证方案进行训练,以更好地估计模型性能,并以均值和标准差报告最佳模型的性能。模型构建和训练过程的概述总结于图1。我们还提供了所选特征与模型系数的条形图(图5)以及每个任务的模型ROC曲线(图6)。
统计学
使用Python(版本3.7.3 https://www.python.org)进行特征提取、选择和统计分析。分析中采用了Matplotlib、seaborn、numPy、pandas、sciPy和sklearn软件包。连续变量(年龄)使用Mann–Whitney U检验,分类变量使用卡方检验。统计显著性设定为p < 0.05。Dice评分定义为两个分割掩膜交集的兩倍除以其并集,用于评估用户间分割ROI的一致性。Cohen's kappa用于评估观察者预测的用户间一致性。
代码可用性
代码将在稿件被接受后公开于https://github.com/ozgurkoska78/wt_nb。
结果
患者
在174例经病理确诊的NB和WT患者中,应用纳入和排除标准后,共纳入57例连续NB患者和90例连续WT患者。患者的人口学、临床和影像学特征汇总于表1。在基于图像采集中心的分析中,在本大学医院采集的训练集包括30例NB和61例WT患者。在不同中心采集的外部验证集包括27例NB和29例WT患者。
NB患者往往比WT患者更年轻(NB平均年龄23.77个月,WT平均年龄34.78个月);然而,以24个月为截断值进行二分类后,无论是在基于中心的训练集还是外部验证集中,两组之间均无统计学显著差异(p = 0.07)。无论是在基于中心的训练集(NB男性:16例(53.3%),女性:14例(46.7%),WT男性:28例(45.9%),女性:33例(54.1%),p = 0.65)还是在外部验证集中(NB男性:15例(55.5%),女性:12例(44.5%),WT男性:15例(51.7%),女性:14例(48.3%),p = 0.98),NB和WT患者之间的性别均无统计学显著差异。
图像采集使用了来自四家厂商的二十台不同机器。62例患者的图像由Siemens CT机采集(42%),59例由GE采集(40%),18例由Toshiba采集(12%),8例由Philips采集(6%)。
观察者间相关性和人工阅片者研究
计算Dice评分以分析分割图的稳健性,观察者1和2之间的平均Dice评分为0.86,观察者1和3之间为0.88,观察者2和3之间为0.92。一名NB患者在观察者之间的误差图见图2。
计算Cohen kappa值以分析观察者对肿瘤类别预测的一致性。Kappa值为0.65,解释为评分者之间具有实质性一致性。观察者1和观察者2以0.96的准确率预测了正确类别。观察者3的准确率为0.93。有两例患者未能被任一观察者正确预测。
临床数据分析
年龄、性别和临床症状与体征——包括腹泻、便秘、肿块、疼痛、发热、生长发育迟缓、偶然发现和转移——被用于临床模型。使用临床模型,获得了0.80的平均AUC(表2)。使用最佳模型进行推断时,获得了0.83的训练准确率和0.70的外部验证准确率(表3)。
基于临床中心的影像组学模型
F1评分最佳的模型是使用MRMR所选特征构建的带权重系数的SVM模型。该模型的F1评分为0.90(SD:0.05),AUC为0.91(SD:0.05)(表2)。使用最佳模型特征集组合时,训练准确率为0.92,AUC为0.94,外部验证准确率为0.71,AUC为0.80(表3)。
基于CT机器的影像组学模型
在Siemens患者数据集中,有20例NB和42例WT患者,该数据集作为外部验证集;在另一机器数据集中,有37例NB和48例WT患者,该数据集作为训练集。同样,在GE患者数据集中,有23例NB和36例WT患者,该数据集作为一个独立的外部验证集;在另一机器数据集中,有34例NB和54例WT患者,该数据集作为替代分类任务的独立训练集。在基于Siemens和其他机器的划分中,最成功的模型是使用RFE选择的特征和SVM构建的模型,其F1分数为0.84(SD:0.05),AUC为0.90(SD:0.06)。同样,在基于GE和其他机器的划分中,使用RFE选择特征的SVM模型表现最高,F1分数为0.89(SD:0.04),AUC为0.91。
临床-放射学与放射组学联合模型
我们通过结合临床-放射学数据和放射组学数据信息进一步扩展了分析。在这项分析中,我们首先创建了一个共同的联合放射组学数据集,其中包括从四种不同特征选择策略中各自选出的特征。该策略产生了一个13个特征的数据集。然后,我们加入所有10个临床-放射学特征,获得一个联合数据集,随后基于RFE进行特征重选。采用该策略,我们选择了七个最佳特征,其中两个基于临床-放射学(年龄和转移),五个基于放射组学(两个LoG变换、两个小波变换和一个原始形状特征)。使用该特征集的基于径向基函数的SVM模型取得了最佳总体性能,F1分数为0.94(SD:0.03),AUC为0.96(SD:0.04)。
预测模型的临床效用
与未使用联合预测模型的场景相比,联合模型在所有阈值下均比临床模型和放射组学模型产生更好的净获益(图6d)。
基于病灶体积的亚组分析
我们进一步分析了病灶大小对放射组学模型预测的影响。我们有44例病灶小于150 cc的患者和64例病灶范围为150–500 cc的患者(补充材料图S3)。人类观察者正确分类了这些小型和中等大小的病灶,因为其起源器官更容易确定。相反,模型在分类这些病灶时失败更多,因为其较小的尺寸增加了寻找纹理模式的难度。通过排除这些小型和中等大小的病灶,三名人类观察者的预测准确率降至0.84、0.81和0.71。相反,放射组学模型在外部验证集中的预测准确率增至0.84。当我们将此分析扩展到仅> 1000 cc的病灶时,人类观察者的预测准确率进一步降至0.7、0.7和0.6,而放射组学模型在外部验证集上的预测准确率增至0.9。该分析进一步证明了放射组学模型作为辅助决策工具在难以确定起源器官的大肿瘤中的获益。
放射学质量评分
我们进一步基于百分比计算了放射学质量评分。我们研究的评分为50%。然而,放射学质量评分(RQS)的某些项目,如成本效益分析、生物学基础分析以及CT的重复扫描评估,无法应用于我们的研究[25]。
讨论
尽管对医学影像的影像组学和机器学习研究的兴趣日益增加,但目前缺乏用于术前预测儿童腹部实体肿瘤中神经母细胞瘤或Wilms瘤的已建立且经验证的CT影像组学模型。我们构建了一个基于机器学习的CT临床影像组学模型,用于在腹部CT检查中无创预测儿童患者的神经母细胞瘤或Wilms瘤,平均F1分数为0.94,平均准确率为0.93,平均AUC为0.96。我们表明,将临床和影像学知识纳入影像组学特征提高了模型的性能。重要的是,两名未被任一观察者正确识别的患者被所开发的模型正确预测,这是基于机器学习的影像学决策支持系统益处的额外证据。将分析限制在肿瘤体积大于1000 cc的最大肿瘤(这给鉴别诊断带来了最大困难),我们的模型以20–30%的显著幅度超越了人类水平的表现。影像组学已被证明是一种重要的数字活检方法,可定义肿瘤的潜在组织病理学特征[26, 27]。我们进行了影像组学特征的分层筛选和降维,并整合临床和影像学知识以构建稳健的分类器。模型在外部验证集中表现较差可能归因于从多个机构和不同机器获得的数据集的异质性。在该队列中,纳入了20台具有各种核重建和采集参数的机器,以更好地反映真实情况。我们试图通过预处理图像来减少数据异质性,包括将体素重采样为1 mm3分辨率、强度偏移和灰度离散化。无论如何,将基于影像的特征与人口学和临床特征相结合的联合模型在预测NB或WT方面表现出显著性能。增加由不同机器、使用不同协议和不同核重建获取的样本数量(我们旨在在未来的研究中开展)可能是减轻外部测试集性能下降的良好策略。这种方法涉及对不同图像采集条件的固有异质性进行建模和学习。
放射学文献中很少有研究论文探讨使用成像方法对肾及非肾来源肿瘤的鉴别诊断[10, 28]。一篇基于这些发现报告诊断准确性的研究论文达到了82%的总体准确率[29]。在另一项研究中,作者指出有九名NB患者术前诊断为WT而接受了剖腹探查术;其中八人在探查时接受了肾切除术[28]。然而,对于NB,应尽一切努力保留双肾[10, 28, 29]。作者建议检查尿儿茶酚胺水平,如果对诊断有任何疑问,90%的NB患者中该指标会呈阳性[28, 29]。在我们的数据集中,我们有NB患者的尿儿茶酚胺记录,但没有WT患者的记录;因此,我们未将其纳入模型。尽管如此,我们的模型达到了93%的准确率和96%的AUC评分,优于单独使用尿儿茶酚胺。纳入实验室变量(如尿儿茶酚胺)可能会进一步改善我们的结果,我们计划在未来的研究中对此进行验证。
在我们的联合模型中,选取了七个特征用于最终分类任务,其中三个为年龄、是否存在转移和短轴长度。在一项与我们的发现相似的研究中,发现随着体积和肿瘤大小的增加,诊断为WT的概率更大(OR分别为7.93和4.37),并且观察到转移的存在与患有WT之间呈负相关(OR:0.19)[29]。
放射组学已在多种类型的癌症中显示出有前景的结果[30–32],最近它已被应用于NB[10, 11, 33–35]和WT[15]。大多数关于NB放射组学的研究集中在MYC扩增的识别上[10, 33–35]。这些研究报告的AUC评分范围为0.72至0.97[10, 34, 35]。已发表的研究中未使用外部验证队列。在我们的研究中,基于中心和基于两种不同CT机器的训练模型在外部验证集中分别达到了0.82、0.95和0.80的AUC评分,在所有训练集中达到0.94的AUC。
123I-MIBG选择性浓聚于超过90%的神经母细胞瘤中;因此,它也可用于鉴别NB和WT[1]。然而,该技术的高辐射限制了其应用。还应进一步考虑该成像设备在某些中心的可用性以及与放射性示踪剂相关的额外费用。CT作为常规采集手段,可用于评估肿瘤的解剖关系等。我们的模型评估了现成的CT图像,无需额外费用或对患者进行干预,相较于基于放射性示踪剂的方法具有显著优势。
尽管尚无研究通过机器学习从腹部CT中区分WT和NB,但上述讨论的研究证明了影像组学方法成功应用于WT和NB在细胞和分子水平诊断的合理性。影像组学的中心法则指出,影像表型反映了可能改变病变形态的病理生理过程。不同组织类型和病理过程的这些复杂相互作用可以通过计算工具捕捉[16]。在我们的研究中,最终分类器选择了四个二阶影像组学特征;两个基于LoG,其余两个基于WaT。拉普拉斯变换对图像取二阶导数,捕捉像素值的突变[19]。在我们的研究中,从sigma值=1的LoG滤波器获得GLSZM大面积低灰度强调(LALGLE)特征,从sigma值=3的LoG获得GLDM依赖方差(DV)特征,用于最终分类。图像中的边缘代表不同组成的界面。因此,LoG变换后的图像可以利用被增强的边缘信息。高GLDM DV值可能对应更相似的区域;因此,均匀纹理和低值可能代表局部异质性。GLSZM LALGLE测量图像中较大尺寸区域与较低灰度值联合分布的比例[16, 17]。我们可以将其解释为模型关注散布于大体肿瘤体积内的低密度区域。
小波变换通过在三个方向各自应用高通和低通滤波器,可以将图像变换为高频和低频分量,从而产生八组不同的图像集,在每个方向上呈现高频和低频分量的不同组合[18]。我们的模型选择了两个基于WaT的特征:WaT HHL GLRLM长游程低灰度强调(LRLGLE)和WaT HLL GLSZM区域熵。
所选特征集还表明,我们的模型关注不同组织群的相对分布,这在肉眼上呈现异质性外观,尤其更重视低密度区域。
我们研究的主要局限性是数据集大小和回顾性设计,这可能引入选择偏倚。然而,来自单中心档案的147例儿童癌症人群患者并不算少,并且我们非常谨慎地遵循了医学图像分类任务中机器学习的最佳实践。另一个局限性是影像组学研究的可重复性问题。我们应用严格标准来选择在不同用户分割下稳健的特征。然而,所选特征的价值应在更大规模 and 异质性更强的队列中验证。最后,我们无法整合一些重要的临床和影像学变量,如尿儿茶酚胺水平、肿瘤血栓存在、血管包绕和钙化存在,因为这些信息仅为一个类别收集,而非两个类别。在未来的研究中,我们计划整合更丰富的临床和影像学变量以及更先进的特征工程以获得更好的性能。
结论
总之,基于CT的临床影像放射组学联合模型可在术前无创预测肾母细胞瘤或神经母细胞瘤。值得注意的是,该模型正确预测了两名患者,而所有放射科医生均未能正确预测。该模型可作为CT中神经母细胞瘤/肾母细胞瘤鉴别诊断的无创术前预测工具,作为决策支持工具,并应在大规模前瞻性模型中进一步验证。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 564 KB)
引用
- Koska IO, Ozcan HN, Tan AA, et al. Radiomics in differential diagnosis of Wilms tumor and neuroblastoma with adrenal location in children. Eur Radiol. 2024. PMID: 38311701. doi:10.1007/s00330-024-10589-8
- 全文:PMC11255001(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11255001/
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。