文献速递腹部CT

基于深度学习的列线图预测局部晚期胃癌患者新辅助化疗反应

Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients.
PubMed 文献 · Abdom Radiol (NY) · 2024-05-26

多中心回顾性研究纳入322例局部晚期胃癌患者,利用动脉期、门静脉期和延迟期增强CT提取手工影像组学与EfficientNet V2深度学习特征构建列线图,训练集、内部验证集和外部验证集AUC分别为0.848、0.802和0.751,列线图在所有集中均优于临床模型和手工特征标签。

要点

  • 列线图整合手工影像组学、深度学习特征与临床因素,训练集AUC为0.848(95%CI 0.793-0.893)。
  • 外部验证集AUC为0.751(95%CI 0.652-0.833),内部验证集AUC为0.802(95%CI 0.688-0.889)。
  • 列线图在所有集中均优于临床模型和手工特征标签(均P<0.05)。

核心结论

  • 基于增强CT图像和临床数据构建的深度学习列线图可用于预测接受手术切除的局部晚期胃癌患者的新辅助化疗反应,提供个体化治疗参考。

研究设计与样本

  • 多中心回顾性研究纳入两家医院2013年1月至2023年6月诊断的322例胃癌患者,采用动脉期、门静脉期和延迟期增强CT提取二维手工影像组学特征和EfficientNet V2深度学习特征,参考标准为术后病理肿瘤退缩分级。

诊断标准与关键数值

  • 列线图训练集AUC为0.848(95%CI 0.793-0.893),内部验证集AUC为0.802(95%CI 0.688-0.889),外部验证集AUC为0.751(95%CI 0.652-0.833)。
  • 列线图P-R曲线下面积训练集为0.838(95%CI 0.756-0.895),内部验证集为0.541(95%CI 0.329-0.740),外部验证集为0.556(95%CI 0.376-0.722)。
  • 手工特征标签训练集AUC为0.715(95%CI 0.650-0.773),内部验证集为0.559(95%CI 0.434-0.680),外部验证集为0.536(95%CI 0.432-0.638)。
  • 深度学习特征标签训练集AUC为0.809(95%CI 0.751-0.859),内部验证集为0.786(95%CI 0.670-0.877),外部验证集为0.731(95%CI 0.632-0.816)。
  • 肿瘤退缩分级按NCCN指南(2021年第4版第26条)分为TRG 0至TRG 3,TRG 0和TRG 1合并为良好反应组,TRG 2和TRG 3为不良反应组。

局限性

  • 原文未报告局限性。
全文中译20 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Abdom Radiol (NY). 2024 May 26;49(11):3780–96. doi: 10.1007/s00261-024-04331-7

引言

胃癌是全球第五大最常见的恶性肿瘤,也是全球第三大癌症相关死亡原因[1]。中国约占所有胃癌病例的50%[2]。尽管手术是局部进展期胃癌(LAGC)治疗的基石,但5年生存率仍仅为20%–30%[3, 4]。新辅助化疗(NAC)已成为LAGC的重要辅助治疗方式,旨在通过缩小肿瘤提高R0切除率并改善预后。推荐T2期及以上的LAGC患者接受NAC[5]。然而,研究表明LAGC患者对NAC的反应存在显著的个体差异,部分患者出现耐药[6]。对于此类患者,NAC不仅无法提供额外的生存获益,还会引入不必要的毒性,并可能增加疾病进展的风险[7]。LAGC患者NAC的疗效可通过肿瘤退缩分级(TRG)或Mandard评分系统等方法评估,这些方法基于术后组织进行评价[8]。上述方法根据术后组织标本中残留肿瘤的范围来评估患者对NAC的反应,为临床医生提供关于患者治疗反应的重要信息,并指导进一步的治疗策略。既往研究发现,对于无不良预后因素的TRG 0或1患者,可考虑不进行术后化疗;而对于TRG 2或3患者,术后化疗可能是必要的[9, 10]。然而,这些方法依赖于肿瘤手术切除后获得的病理结果,使其难以在NAC前用于预测。目前,肿瘤分期(肿瘤淋巴结转移,TNM)和组织学亚型常用于风险分层和治疗决策[11]。然而,即使在分期相似且接受相似NAC的患者中,预后仍存在显著差异,提示目前采用的临床和病理危险因素可能无法准确预测NAC后患者的个体预后[12]。因此,临床实践中迫切需要能够预测NAC反应的生物标志物,为治疗决策提供更好的指导。

计算机断层扫描(CT)目前是临床中用于胃癌诊断、分期和治疗后监测的主要影像学手段。然而,基于视觉观察的传统CT检查对NAC预后的预测价值有限[13]。影像组学是一种基于医学影像的数据计算分析方法,旨在通过提取大量定量特征来揭示肉眼不可见的特征,全面描述肿瘤异质性[14]。既往研究表明,基于CT影像组学的图像分析技术可提供CT图像中肿瘤的形态学特征、纹理等特征,从而帮助临床医生预测胃癌患者对NAC的反应[15]。

然而,影像组学需要手动提取和选择特征,这可能受到主观影响而导致感知偏差。相比之下,深度学习技术已在各个学科中广泛应用,并已展现出显著优势[16]。深度学习模型可以通过端到端的学习过程从原始数据中自动识别特征和表征,减少了对人工特征提取的需求。此前的研究者已成功应用该技术预测胃癌的淋巴结转移、腹膜转移、分子亚型和预后,在验证集中取得了令人满意的结果并具有良好的泛化性[17–19]。深度学习模型表现出优异的泛化能力,从一个数据集学到的特征和模式可以很好地适应其他数据集。一项既往研究表明,将深度学习和手工影像组学特征整合到列线图中可以准确预测局部晚期宫颈癌患者对新辅助化疗(NAC)的反应,其性能显著优于临床模型和手工影像组学特征[20]。此外,一些研究者将深度学习和手工影像组学相结合用于预测乳腺癌对NAC的反应,其效能超过了临床模型[21]。本研究旨在利用多期增强CT图像,并结合传统影像组学和深度学习技术,开发一个影像组学临床特征模型来预测NAC疗效。此外,本研究还致力于探究该模型在预测患者无进展生存期(PFS)方面的补充价值。

材料与方法

患者与纳入标准

本研究的研究对象为两家中国医院诊断为局部晚期胃癌(LAGC)的414例患者。两家机构采用相同的纳入和排除标准。纳入标准包括:(a)经组织病理学检查确诊为胃腺癌;(b)根据美国癌症联合委员会(AJCC)TNM分期手册(第8版),基于术前CT扫描或腹腔镜检查诊断为LAGC,定义为cT2~4/N0~N3/M0;(c)接受NAC后行胃切除术和淋巴结清扫术,术后病理检查确认肿瘤退缩分级(TRG);(d)治疗前接受过多期对比增强CT扫描。排除标准包括:(a)无法在CT上识别原发肿瘤或CT图像质量差(如严重伪影)导致无法准确测量;(b)同时存在其他恶性肿瘤;(c)在基线CT扫描前接受过抗癌治疗;(d)临床或病理数据不完整。两家参与医学中心的伦理审查委员会均给予了伦理批准。鉴于本研究的回顾性性质,免除了知情同意。

本研究将患者分为三个集合:(1)训练集和内部验证集:初步考虑2013年1月至2023年6月在河北医科大学第四医院就诊的284例局部进展期胃癌(LAGC)患者。按照上述纳入/排除标准,最终纳入225例患者。他们按7:3的比例随机分配,形成训练队列(n = 157)和内部验证队列(n = 68)。(2)外部验证集:确定2014年12月至2023年6月在秦皇岛市第一医院接受治疗的130例LAGC患者。应用相同的纳入/排除标准后,最终纳入97例进展期胃癌患者。患者纳入和排除的详细信息见Fig. 1。

Fig. 1 本研究患者纳入和排除流程图。LAGC 局部进展期胃癌,NAC 新辅助化疗,CT 计算机断层扫描,GR 良好反应,PR 不良反应 查看原图 ↗

基线特征

从病历中提取基线临床特征,包括年龄、性别、体重指数(BMI)、肿瘤分化程度、癌胚抗原(CEA)、糖类抗原19–9(CA 19–9),以及根据AJCC TNM分期系统第8版确定的临床T(cT)和临床N(cN)分期。

NAC策略

所有入组患者均接受2–4个周期的新辅助化疗(具体为SOX方案:奥沙利铂130 mg/m2体表面积,第1天静脉给药;S-1第1–14天口服:体表面积小于1.25m2者,40 mg每日两次;体表面积在1.25至1.5m2之间者,50 mg每日两次;体表面积大于1.5m2者,60 mg每日两次),治疗周期每3周重复一次。所有患者均在手术前接受NAC,并根据治疗效果和患者耐受性调整剂量或周期。术前治疗疗效根据患者症状改善、肿瘤标志物正常化或持续下降,以及CT或磁共振成像(MRI)观察到的原发肿瘤和疑似转移淋巴结缩小情况进行评估。所有患者均接受至少两个周期的SOX方案,未出现提前终止预定NAC方案或更改治疗药物的情况。胃切除术在NAC完成后2周内进行。

NAC反应评估

NAC反应的评估由两位在胃肠道肿瘤诊断方面具有10年以上经验的病理学专家协作进行。两人均对患者的影像学和临床数据设盲。根据最新的美国国家综合癌症网络(NCCN)指南(2021年第4版,指南26),TRG根据胃癌术前新辅助治疗后肿瘤消退程度分为四级:TRG 0:无存活癌细胞(完全反应);TRG 1:单个或小簇残留癌细胞(中度反应);TRG 2:间质纤维化伴残留癌(轻度反应);TRG 3:肿瘤轻微消退或无消退,伴大量残留癌细胞(不良反应)。TRG 0和TRG 1合并为良好反应(GR)组,TRG 2和TRG 3归为不良反应(PR)组。

CT检查

禁食过夜后,患者在检查前饮用少量温水并吞服产气粉,随后立即进行CT扫描。CT扫描覆盖整个胃部区域,并在屏气期间采集轴位图像。注射对比剂后30、60和180秒分别获得动脉期、门静脉期和延迟期的增强CT扫描。A中心和B中心的CT图像采集参数详见补充表S1。

图像标准化与分割

本研究的图像标准化包括两个步骤,以减少中心间的数据变异性。首先,所有CT图像使用三次样条插值重采样至像素大小为1×1 mm。其次,对像素强度进行归一化,将强度范围变换为−1024 HU至1024 HU,并应用一致的腹部窗,窗位为50,窗宽为350。

一位具有5年消化系统肿瘤诊断经验的放射科医师(放射科医师A)在三期增强图像上手动勾画感兴趣区(ROIs)。分割范围包括肿瘤实质、坏死、出血和囊性区域,从而为每位患者生成多个包含肿瘤区域的ROIs。对每位患者,在动脉期、门静脉期和延迟期图像上进行分割,涵盖标准化为1 mm层厚的所有包含感兴趣CT表现的层面。为评估观察者间一致性,随机选取30例患者在初始ROI勾画一个月后重新进行分割过程。此次由放射科医师A和另一位具有10年消化系统肿瘤诊断经验的放射科医师(放射科医师B)采用相同方法进行分割。计算组间相关系数和组内相关系数用于特征提取。图像分割过程见补充图S1。

手工特征提取

手工特征提取使用PyRadiomics软件包(一种基于Python的工具)进行。提取的特征包括8个一阶统计特征、18个形状特征、75个二阶统计特征和1488个变换特征。这些特征的详细定义可在http://PyRadiomics.readthedocs.io/en/latest/获取。应用的变换包括小波、高斯拉普拉斯(LoG)滤波器、平方、平方根、对数、指数、梯度及二维局部二值模式(LBP2D)。通过将LoG滤波器的参数sigma值分别调整为3.0和5.0,在不同空间尺度上提取图像特征。每张二维图像共提取1589个手工特征。特征提取过程见补充图S1。

深度学习特征提取

对于所有患者,我们将包含肿瘤组织的所有2D图像及其对应的感兴趣区域(ROIs)作为输入。随后,图像尺寸被统一转换为224×224像素,以匹配模型的输入尺寸。与仅选择最大肿瘤层面作为输入相比,该操作能够更全面地利用医学图像,有助于提升模型性能。此外,由于深度学习模型的有效训练涉及数百万个可学习参数用于估计,需要大量图像数据,而医学图像数据集通常规模有限,本研究采用迁移学习技术来解决图像数量不足的问题。具体而言,本研究采用了在ImageNet数据集上训练的预训练深度学习模型的EfficientNet V2架构。移除最终全连接层以构建特征提取器,并将特征提取器得到的输出值用作深度学习特征。基于红/绿/蓝通道的归一化参数(z-score)对图像进行了三次变换,以使其适应适合ImageNet数据集的格式。EfficientNet V2模型的实现使用Python timm包(https://github.com/huggingface/pytorch-image-models)结合PyTorch库(https://www.pytorch.org/)完成。每张2D图像共提取1280个特征。

在模型训练过程中,使用交叉熵损失函数,并采用Adam算法进行优化。批大小为64,初始学习率为0.1,并使用学习率调度器(ReduceLROnPlateau)动态调整学习率,训练100个epoch。训练过程在配备NVIDIA GTX 3090 GPU、Intel(R) Core(TM) CPU i7-12700F @ 2.10和64 GB内存的环境中用PyTorch实现。特征提取过程见补充图S1。

特征选择与标签构建

为处理PR与GR样本之间的不平衡,我们使用边界合成少数类过采样技术(Borderline-SMOTE)对训练集进行过采样,确保GR和PR样本数量相等。然后,将动脉期、门静脉期和延迟期的手工特征和深度学习特征相结合,用于特征选择和标签构建。首先,应用z-score方法对手工特征和深度学习特征进行归一化。

本研究的特征选择包括五个步骤。首先,计算观察者内和观察者间信度的ICC值。ICC值>0.75的特征被认为具有良好的可重复性,并被选择用于进一步筛选。随后,采用Spearman相关系数方法进行特征选择,如果两个特征的相关系数超过0.9,则随机移除其中一个特征。接下来,采用方差阈值法进一步筛选剩余特征。其基本思想是消除低方差特征,因为这些特征在数据中变化极小,可能对建模或分类任务贡献较少信息。在本研究中,方差阈值设为0.8;这与先前研究中常用的设置一致[22]。之后,应用ReliefF算法进行特征选择,该算法通过考虑基于最近邻的实例权重分布来计算重要性评分。在本研究中将n_neighbors设为10,ReliefF算法为每个样本选择10个同类最近邻和10个不同类最近邻来估计特征的重要性评分。最后,采用最小绝对收缩和选择算子(LASSO)算法。通过十折交叉验证,优化惩罚参数以选择系数非零的最有用预测特征。特征选择过程如补充图S1所示。

对于每位胃癌患者,由于可能存在多层CT图像且不同层面可能产生不同的预测结果,采用投票方法确定最终分类。通过组合最终选择的特征并将其乘以归一化系数,使用多变量逻辑回归模型计算预测GR的特征标识符。最终结果包括两个特征签名:手工特征签名和深度学习特征签名。

深度学习影像组学列线图的建立

在训练集中,进行单因素分析以选择具有统计学意义的临床-病理变量(P < 0.05)。随后,进行多因素逻辑回归,整合三相手工特征签名、深度学习特征签名和显著的临床-病理因素,构建融合列线图模型。将该模型与临床模型、手工特征签名和深度学习特征签名进行比较。

应用受试者工作特征(ROC)曲线分析来衡量每个模型的判别性能。使用Delong检验比较不同模型的判别能力。采用校准曲线分析和Hosmer–Lemeshow检验评估模型的拟合优度。计算净重分类改善(NRI)和综合判别改善(IDI)以比较融合模型与临床模型之间的性能差异。决策曲线分析(DCA)评估模型的临床实用性。Kaplan–Meier曲线用于评估影像组学列线图评分与PFS之间的关联。

PFS

随访组患者(n = 147)在术后前2年内每3–6个月进行一次随访,之后每年随访一次。随访时间从手术时起持续至2023年3月,收集截至末次随访时的PFS信息。PFS定义为从肿瘤新辅助化疗(NAC)开始至出现任何类型肿瘤进展或任何原因死亡的时间。所有疾病进展事件,包括局部复发和远处转移,均通过临床检查及CT、磁共振成像或正电子发射断层扫描-计算机断层扫描等影像学手段进行评估。

统计分析

各分组或队列间临床特征的差异,连续变量采用独立t检验或Mann–Whitney U检验进行比较。分类变量酌情采用Fisher精确检验或卡方检验。以赤池信息准则(AIC)作为后向逐步法的停止准则,以确定最佳特征组合。采用Kaplan–Meier生存分析和log-rank检验评估PFS概率。使用X-tile软件确定最佳截断值,并将患者分为高风险组和低风险组。采用Cox比例风险回归进行单因素和多因素分析,结合后向逐步消除法和AIC,构建PFS预测模型。所有统计分析均使用R软件(版本3.6.3,http://www.R-project.org)完成。双侧P值小于0.05认为具有统计学意义。

结果

患者特征

322例局部进展期胃癌(LAGC)患者的基线特征见表1。NAC的疗效在三个数据集中表现均衡,训练集、内部验证集和外部验证集的病理GR率分别为29.9%、29.4%和29.9%。临床和病理特征,包括年龄、性别、NAC前CEA、肿瘤部位和cN分期,均无显著差异(P > 0.05)。BMI、肿瘤分化程度、NAC前碳水化合物CA19-9和cT分期存在显著差异。此外,三个数据集之间从CT检查到开始NAC的时间无显著差异(P = 0.051)。

表1 训练集、内部验证集和外部验证集中LAGC患者的临床和病理特征 查看原表 ↗

手工特征和深度学习特征构建

每位患者获得的感兴趣区数量的均值和标准差约为30.4 ± 14.9。本研究的特征选择过程共包括5个步骤。由于从动脉期、静脉期和延迟期2D图像中各提取了1589个手工特征和1280个深度学习特征,同一层面共提取了4767个(1589 × 3)手工特征和3840个(1280 × 3)深度学习特征。其中,分别有2781个和2196个特征具有高重复性和稳定性(ICC > 0.75)。使用Spearman方法排除强相关特征后,分别识别出2268个和1755个相关性较弱的特征。随后采用方差阈值法去除低方差特征,分别保留1370个和1081个特征。然后使用ReliefF方法分别为每组纳入与截距变量相关性最强的100个特征。最后应用LASSO回归分析,分别剩余9个和3个特征用于构建手工特征标签和深度学习标签。用于构建手工特征标签和深度学习标签的所选特征列于补充表S2中。

手工特征和深度学习标签模型的性能

如补充表S3所示,手工特征标签在训练集、内部验证集和外部验证集中的AUC分别为0.715(95% CI 0.650–0.773)、0.559(95% CI 0.434–0.680)和0.536(95% CI 0.432–0.638)。深度学习标签在训练集、内部验证集和外部验证集中的AUC分别为0.809(95% CI 0.751–0.859)、0.786(95% CI 0.670–0.877)和0.731(95% CI 0.632–0.816)。深度学习标签在训练集和内部验证集中的性能显著优于手工特征标签(P值分别为0.028和0.010),但在外部验证集中无显著差异(P = 0.051,图2和补充图S2)。

此外,由于良好缓解组和不良缓解组之间的样本量存在显著不平衡,我们还绘制了P-R曲线以评估模型的判别性能。与手工特征标签相比,深度学习特征标签表现出更大的P-R曲线下面积,且差异具有统计学意义(补充表S4)。深度学习标签在训练集、内部验证集和外部验证集中的F1max值分别为0.755、0.667和0.582(补充表S3和图2)。

图2 四种预测模型的性能。A–C 三种预测模型在A训练集、B内部验证集和C外部验证集中的受试者工作特征曲线。D–F 预测模型在D训练集、E内部验证集和F外部验证集中的精确率-召回率曲线。AUC 曲线下面积,DL 深度学习,PPV 阳性预测值 查看原图 ↗

列线图的构建

在训练集中,使用AIC准则进行了逐步后退多因素分析,手工特征和cT分期均独立成为PR的预测因素,详见表S5和图S3。这些因素被整合到列线图中(图3A)。列线图模型的AIC为213.1,低于临床模型、手工特征和深度学习特征(AIC分别为303.7、270.3和235.1)。

如图3C–E所示,列线图评分在所有数据集中均显示GR组与PR组之间存在显著差异(均P < 0.001)。计算了训练集、内部验证集和外部验证集中所有患者的风险评分,以直观展示模型的预测能力(图3B)。列线图模型在训练集中表现出良好的性能,并在验证集中展现出稳健的泛化能力,ROC AUC分别约为0.848(0.793–0.893)、0.802(0.688–0.889)和0.751(0.652–0.833),P-R AUC分别约为0.838(0.756–0.895)、0.541(0.329–0.740)和0.556(0.376–0.722)。此外,列线图的AUC在所有集合中均显著高于临床模型和手工特征(P < 0.05)(表S3、图2和补充图S2)。NRI和IDI分析表明,将影像特征整合到联合列线图模型中提高了临床模型在所有集合中的预测准确性(表S6)。列线图在训练集中表现出显著优于手工特征的性能(P < 0.001),但在内部和外部验证集中无显著差异(P值分别为0.440和0.490)。使用列线图预测NAC反应的示例见图4。

列线图的校准曲线在所有队列中均显示预测PR与观察PR之间具有良好的拟合准确性(训练集、内部验证集和外部验证集的P值分别为0.054、0.430和0.441)(图5A)。此外,DCA显示,在整个队列中,与其他模型相比,列线图在0至1的几乎整个阈值范围内提供了更大的净获益(图5B)。我们的影像组学模型在几乎整个阈值概率范围内与临床模型和其他模型相比均表现出更高的净获益,增强了影像组学在向患者提供NAC建议方面的临床实用性。

图3 联合列线图模型的构建与性能。A 由深度学习特征、手工特征和临床T分期组成的列线图。对于临床T分期,列线图中评分“0”代表临床分期T2或T3,评分“1”代表临床分期T4a或T4b。B 瀑布图展示基于新辅助化疗(NAC)疗效的个体病例列线图评分分布。C–E 小提琴图描绘训练集(C)、内部验证集(D)和外部验证集(E)中列线图评分与NAC反应之间的关系。GR 良好反应;PR 不良反应 查看原图 ↗
图4 使用本研究提出的列线图预测新辅助化疗(NAC)个体风险的示例包括三个步骤。首先,为每位患者的变量绘制垂直线,其中红线、黄线和蓝线分别代表手工评分、深度学习评分和临床T分期。对于临床T分期,列线图中评分为“0”代表临床分期T2或T3,而评分为“1”代表临床分期T4a或T4b。接下来,将每条线与“Points”标尺相交处的值相加,得到总分,称为“Total Points”。最后,在“Total points”标尺上绘制一条绿色垂直线,读取NAC反应的“Risk”。A 一名74岁女性局部进展期胃癌(LAGC)患者(位于胃窦)的列线图。B–D 该女性患者不同层面的门静脉期CT图像。该女性患者的临床T分期为2,手工评分为0.812,深度学习评分为0.391。通过将各线与“Points”标尺相交处的值相加,总分计算为0 + 22 + 48 = 70。在“Total points”标尺上绘制垂直线显示,该患者NAC反应不良的风险约为22%。该患者NAC后的病理肿瘤退缩分级(TGR)为1级。E 一名52岁男性LAGC患者(位于胃体)的列线图。F–H 该男性患者不同层面的门静脉期CT图像。该患者的临床T分期为4a,手工评分为1.735,深度学习评分为1.651。通过将各线与“Points”标尺相交处的值相加,总分计算为12 + 30 + 69 = 111。在“Total points”标尺上绘制垂直线显示,该患者NAC反应不良的风险约为89%。该患者NAC后的病理肿瘤退缩分级(TGR)为3级 查看原图 ↗
图5 校准曲线和决策曲线分析(DCA)。A 联合列线图模型在全部三个数据集中的校准曲线。B 手工特征、深度学习特征、临床模型和列线图模型的DCA 查看原图 ↗

LAGC中PFS的预测因素

我们进一步评估了列线图对LAGC患者的预后价值。中位随访时间和平均随访时间分别为27个月和27.6个月,范围为1至65个月。Schoenfeld个体检验表明Cox模型满足比例风险假设(P > 0.05)。我们确定预测PFS的最佳列线图评分为0.1,并随后使用该阈值将患者分为高风险组和低风险组。Kaplan–Meier曲线显示,较高的列线图评分与较差的PFS显著相关(HR = 1.130;95% CI = 1.016–1.257,P = 0.0017)(图6A)。表2呈现了随访队列中PFS预测因素的单因素和多因素Cox回归分析结果,表明列线图评分是PFS的独立预后因素(HR = 1.235;95% CI = 1.099–1.387,P < 0.001),此外还有NAC前全胃肿瘤、T分期和N分期(图6B)。Cox回归模型的C指数为0.673(95% CI = 0.545–0.802)。

图6 完整队列中无进展生存期(PFS)的Kaplan–Meier曲线和森林图。A 完整队列中特征评分低组和高组之间PFS的Kaplan–Meier曲线。B 森林图展示完整队列中PFS的多变量Cox回归分析 查看原图 ↗
表2 PFS预测因素的单因素和多因素分析 查看原表 ↗

讨论

本研究开发并验证了一种创新的机器学习列线图模型,该模型整合了传统手工放射组学特征和深度学习特征,用于预测接受手术切除的局部进展期胃癌(LAGC)患者对新辅助化疗(NAC)的反应。与临床模型和传统放射组学模型相比,该模型在训练集、内部验证集和外部验证集中表现出更准确的判别能力。因此,它在量化个体对NAC不良反应风险方面具有潜在的临床实用性。

既往研究表明,NAC有助于缩小肿瘤体积、提高手术成功率[23, 24]。然而,相当一部分患者可能无法从NAC中获得显著获益[25]。准确识别预期可从NAC中获益的患者可能有助于提高其有效性。此外,一项既往研究显示,约三分之一的LAGC患者可能因治疗反应不佳或疾病进展而在NAC后无法接受手术切除[26]。对于此类患者,在治疗前采用无创方法进行早期识别可能有助于选择更合适的治疗方式,从而改善其预后。然而,常规增强CT检查对NAC反应的预测能力有限,使临床医生难以判断LAGC患者的潜在反应。影像组学方法可从医学图像中提取大量隐藏特征,提供关于肿瘤微环境的信息,如细胞密度、缺氧和微血管密度,显著拓展了医学影像的研究范围[27]。既往研究者发现,传统手工影像组学特征签名可预测LAGC患者的预后和NAC反应[28]。使用多种机器学习算法构建的影像组学模型在预测胃癌NAC有效性方面显示出良好的判别能力,在两个验证集中的AUC分别为0.784和0.803[29]。在Zhou等人的研究中,从323例胃癌患者的CT图像中提取手工特征,在一个外部队列中证明了影像组学特征签名对NAC反应的判别能力,AUC仅为0.679[15]。此外,影像组学特征的标准化可能是影响其广泛应用的关键挑战之一,因为影像组学特征在不同成像设备和影像组学软件之间缺乏可重复性。研究者正在持续努力解决这一问题,例如Zwanenburg等人提出的影像生物标志物标准化倡议(IBSI)并正在进行持续更新[30]。然而,一些研究者仍认为符合IBSI并不能保证特征值的一致性[31]。在本研究中,手工特征签名的表现较差,两个验证集的ROC AUC分别为0.559和0.536。其原因可能是手动特征设计和提取通常基于先验知识和经验。这种方法有时可能无法充分捕捉数据中的复杂模式和信息,导致模型性能不佳。

为提高手工特征的有效性并解决其泛化能力不足的问题,本研究的重点在于考察深度学习特征的贡献。在我们的研究中,深度学习特征表现出良好的性能,ROC AUC超过0.73。这一性能与先前用于预测食管鳞状细胞癌治疗反应的深度学习特征相当[32]。与传统影像组学和临床模型相比,深度学习特征展现出更高的预测效能和更好的泛化能力。ROC和PR曲线AUC显著更高。目前,深度学习已改变了医学影像应用的格局。先前的研究者已成功利用深度学习技术预测胃癌患者的淋巴结转移、浸润深度和生存结局,取得了显著成果[18, 33]。在预测NAC反应方面,研究者先前采用从ResNet-50网络提取的深度学习特征,在验证集中观察到AUC值范围为0.752至0.808 [34],这与本研究的发现高度一致。然而,该研究仅从门静脉期图像中提取特征,可能忽略了动脉期和延迟期图像中存在的重要信息。一些研究者注意到,从动脉期图像提取的DL特征与胃癌异质性之间存在密切关联[19]。另一项利用从Densenet-121网络提取特征的研究准确预测了胃癌的NAC反应,AUC值范围为0.720至0.806 [35]。然而,该研究仅纳入每位患者的最大肿瘤层面,可能限制了纳入图像的数量。相比之下,我们的研究纳入了所有包含肿瘤的图像及其对应的ROC,极大地丰富了样本量,并可能产生更准确的预测。所有这些发现表明,深度学习提供了反映肿瘤空间异质性以及肿瘤微环境与化疗敏感性之间关系的丰富信息。

在我们的研究中,我们采用了近期引入的轻量级深度学习网络EfficientNet V2 [36]。EfficientNet V2代表了Google开发的深度神经网络模型的升级版本,其主要目标是进一步提高模型效率和性能。与原始EfficientNet相比,EfficientNet V2融合了更高效的架构设计和优化策略,在保持相对较小模型规模的同时实现了性能提升。它结合了模型深度、宽度和分辨率方面的优化,以提供更高的准确性,尤其是在计算资源有限的情况下[37]。

既往研究表明,包括年龄、肿瘤分期和肿瘤分化程度在内的临床病理特征与新辅助化疗(NAC)反应相关[38, 39]。然而,这些研究多为单中心、样本量相对较小且缺乏外部验证。部分研究者发现肿瘤T分期是NAC疗效的重要预测因素[34],这与本研究观察结果相似。其潜在原因可能在于T分期反映了肿瘤负荷和侵袭性,较大或更具侵袭性的肿瘤在治疗前分期更高,意味着更大的耐药性或治疗难度。此外,较高的T分期可能提示更大的瘤内异质性,导致对化疗药物反应不一致[40, 41]。瘤内异质性可能在一定程度上通过治疗前CT图像提取的独特纹理和空间灰度模式得以反映。然而,这些理论假设尚未通过放射基因组学和多组学研究得到充分阐明。另一项多中心研究发现LAGC患者临床病理特征与治疗反应之间无显著相关性[15]。因此,LAGC治疗反应之间的关系仍需大规模研究加以验证。尽管如此,临床模型的AUC值显著低于列线图模型(P < 0.05)。这一发现表明深度学习模型能够揭示复杂的影像特征,并与临床特征结合时能够更全面地量化瘤内异质性。此外,增强的NRI和IDI进一步证实了将影像特征与临床特征结合用于预测NAC反应的有效性。

本研究提出的基于传统手工特征、深度学习特征和临床特征的列线图模型,能够对患者的NAC反应进行定量评估。在加入独立临床预测因素的基础上,纳入与CT相关的影像学特征显著增强了预测能力。此外,该模型优于单一深度学习特征。一种可能的解释是,列线图模型挖掘了高维影像特征,进而全面量化了瘤内异质性。在本研究中,列线图纳入了并非冗余而是互补的影像特征。既往一项研究发现,基于传统影像组学特征的模型可以预测LAGC对NAC的反应,但其验证集AUC为0.77,略低于本研究提出的列线图[42]。这可能是因为该既往研究未纳入深度学习和临床特征的综合分析。然而,该研究的优势在于其在前瞻性队列中验证了模型效能,取得了良好结果(AUC:0.72)。另一项新颖研究使用基于MRI的影像组学列线图预测LAGC对NAC的反应,内部验证集AUC约为0.820,与本研究接近,但该研究为单中心研究,未进行外部验证[43]。一项近期研究发现,从ResNet50神经网络中提取深度学习特征并将其与临床病理特征相结合,可以更准确地预测LAGC对NAC的反应,内部和外部验证集的AUC分别为0.755和0.752。其效能略低于本研究提出的列线图在内部验证集中的表现,可能是因为该模型未纳入手工特征[34]。本研究中用户友好的列线图可供临床医生和患者使用,符合个性化医学的趋势。此外,最低的AIC以及提高的NRI和IDI也表明,列线图判别能力的提升归因于整合而非过拟合。为评估列线图的临床实用性,进行了DCA。在一定阈值范围内,使用列线图预测NAC状态可为评分较高的患者带来净获益。对于这些患者,可考虑采用毒性较低或耐受性较好的替代治疗策略,或进行密切监测。预计该列线图最终可能与既有的临床-病理标准和分子生物标志物相结合,以完善风险分层并指导胃癌的个性化管理。

此外,我们研究了列线图模型预测LAGC患者PFS的效能。我们的分析显示,列线图模型评分独立作为LAGC患者接受NAC后PFS的危险因素。评分较低的患者表现出更好的PFS,具体而言,那些在NAC后达到病理学GR的患者经历了显著的生存延长。对于胃癌,影响复发风险的因素包括肿瘤治疗前临床和病理特征、肿瘤分子生物学特征,甚至患者的生活习惯等多个方面的综合因素[44, 45]。临床实践中需要临床医生进行综合评估。例如,肿瘤较大或TNM分期较高的患者可能有更高的复发风险。对于评分较低的患者,即使术后复发风险较高,辅助化疗可能是一个合适的选择。另一方面,对于评分较高且复发风险较低的患者,有必要及时考虑替代性根治意图治疗方案,以减少不必要的毒性并改善生存结局。对于T2期LAGC,在NAC治疗后是否应进行根治性切除,还是不经NAC直接手术,仍存在争议。一些研究者认为NAC不会延长T2期患者根治性切除后的无复发生存时间和总生存时间,因此他们不推荐对这些患者进行NAC[46]。本研究可能通过列线图评分为此类患者的治疗选择提供指导。总之,本研究提出的列线图可能提供一种可行的方法来促进治疗规划。此外,我们的研究确定了LAGC患者生存的几个独立危险因素,包括肿瘤位置、cT分期和cN分期,这与既往研究一致[47, 48]。

本研究存在若干局限性。首先,尽管样本量较大且来自多个中心,但鉴于研究的回顾性性质,固有偏倚不可避免。来自不同医院、使用不同CT设备的患者可能引入偏倚。因此,亟需设计良好的大规模研究来验证我们的列线图模型的普适性和临床适用性,因为前瞻性验证可以进一步确定其在实时临床决策中的预测准确性和实用性。其次,不同地区或国家可能采用与本研究不同的NAC方案和药物,这可能影响研究结果的一致性和普适性。第三,肿瘤勾画是在2D切片上进行的,而非三维整体肿瘤,这可能无法完全代表整个肿瘤,且某些影像组学特征可能受到2D与3D分析选择的影响。需要进一步研究对整个肿瘤进行三维分析。此外,ROI的手动分割和手动特征提取可能引入主观性和操作差异,这可能影响结果的准确性和可重复性。应用自动分割方法和端到端模型可能有助于解决上述问题。第四,由于中国人群NAC后病理完全缓解率较低,样本存在显著不平衡。尽管进行了过采样以补偿阳性样本的不足,但这导致了数据分布的改变。第五,深度学习所得的肿瘤内部特征的明确精确生物学意义仍不清楚,需要全面阐明。最后,本研究和既往多项研究仅纳入了具有术后病理结果的LAGC患者来评估NAC的有效性。然而,在临床实践中,部分LAGC患者在NAC后未接受手术切除,因此无法纳入这些研究。这可能影响模型在人群中的普适性,特别是对于上述不可切除的患者。

本研究构建了一个用于接受手术切除的LAGC患者NAC反应的个人化预测模型,将深度学习技术与多期CT图像和临床特征相结合。这为临床实践提供了有价值的信息,并为个体化治疗策略展现了显著潜力。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 1821 KB)

引用

  1. Zhang J, Zhang Q, Zhao B, et al. Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients. Abdom Radiol (NY). 2024. PMID: 38796795. doi:10.1007/s00261-024-04331-7
  2. 全文:PMC11519172(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519172/

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。