文献速递泌尿生殖技术与安全MR

前列腺MRI与人工智能在主动监测中的应用:我们是否应随大流?

Prostate MRI and artificial intelligence during active surveillance: should we jump on the bandwagon?
PubMed 文献 · Eur Radiol · 2024-06-27

本文综述了主动监测(AS)方案的演变及基于MRI的人工智能(AI)在AS中的应用现状,指出AI在病变定位、随访和风险预测等任务中显示出初步诊断价值,但现有证据因数据集小、纳入与结局定义异质、缺乏合适基准而不足以支持向AI-based AS转变,尚需标准化纳入标准和进展定义的研究来验证。

要点

  • AI在前列腺癌主动监测中可用于病变定位、随访和进展风险预测,但证据有限。
  • 现有AI研究多受限于样本量小(多数<100例)、纳入标准与进展定义异质,缺乏合适基准。
  • 基于AI的主动监测目前尚不现实,需标准化纳入标准与进展定义的大样本研究验证。

核心结论

  • 基于AI整合前列腺MRI是未来主动监测有望获益的方向,但当前证据不足以支持临床实施。
  • 需要标准化纳入标准和标准化的进展定义的研究来支持AI在主动监测中的应用。
  • 增加主动监测方案中计划性MRI检查的纳入,可能有助于未来研究获得更大数据集。

研究设计与样本

  • 本文为综述,回顾了基于MRI的AI在主动监测中的研究,并参照现有指南识别未来AI改进的可能性。
  • 所综述研究多为回顾性数据,多数研究样本量小于100例;表1汇总了采用AI监测主动监测队列疾病进展的近期研究特征。

关键影像表现/征象

  • MRI可见病灶在主动监测中可用PI-RADS或Likert评分分类,PRECISE系统对系列MRI的进展可能性赋予1至5分。
  • PRECISE评分纳入可疑特征显著性、病灶体积、精囊或淋巴结受累、包膜外侵犯、骨转移在基线与随访MRI间的变化。
  • AI在前列腺MRI病变检测与分类中有望提高判读准确性、改善观察者间一致性,并在临床显著前列腺癌检测上达到与放射科医生相当的诊断准确性。

诊断标准与关键数值

  • PRECISE系统将评分≥4定义为影像学进展。
  • 使用PRECISE标准监测主动监测队列进展的初步研究显示AUC约0.84。
  • Roest等报告放射科医生使用PI-RADS检测前列腺癌进展的AUC为0.69,低于AI的表现。
  • Arber等的放射组学CAD系统与泌尿生殖放射科医生PI-RADS评分在检测主动监测中升级为临床显著前列腺癌的AUC均为0.81(队列186例)。
  • 结合CAD与PSA密度触发基线活检可避免47/184(26%)次活检,但漏诊3/51(6%)例GG=2癌,无GG≥3病变漏诊。

临床应用与阅片要点

  • EAU指南强推荐主动监测采用严格随访方案:DRE至少每年一次、PSA至少每6个月一次、重复活检每2至3年一次。
  • EAU指南推荐若PSA升高(PSA倍增时间<3年)则行MRI和重复活检。
  • PRECISE标准建议放射科医生报告患者特征、MR细节、临床分期可能性、临床显著前列腺癌可能性、病灶显示最佳的成像序列,并用PI-RADS或Likert评分对MRI可见病灶分类。
  • 作者建议AI研究者尽可能使模型终点与主动监测指南中定义的终止标准保持一致。
  • 作者鼓励在可能时将替代进展标准的评估作为次要结局纳入,以促进诊断准确性比较。

局限性

  • 当前证据不足以支持向基于AI的主动监测转变,研究受限于小数据集规模、异质的纳入和结局定义或缺乏适当基准。
  • 病理进展的主要标准存在模糊性,指南不总推荐检测到Gleason 4模式时转为主动治疗,以ISUP升级为终点可能产生假阳性。
  • 多数AI研究依赖回顾性数据,历史数据集可能缺乏确定是否达到进展标准所需的信息。
  • 关于测量病灶大小的最佳方法及大小和显著性变化的特定阈值仍在讨论中。
  • 进展定义的具体标准存在异质性,归因于使用不同指南且指南随时间演变。
全文中译12 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:Eur Radiol. 2024 Jun 27;34(12):7698–704. doi: 10.1007/s00330-024-10869-3

引言

前列腺癌(PCa)是发病率最高的癌症之一,其临床行为谱广泛 [1],在所有欧洲国家均呈上升趋势,凸显了优化患者管理的必要性。根据患者风险将其分为低危、中危和高危前列腺癌,并提供不同的主动治疗方式(如前列腺切除术或放疗)以及其他管理选择,如主动监测(AS)。根据欧洲泌尿外科学会指南(EAU)[2],AS是低危PCa患者唯一的管理策略,也是特定中危PCa的管理选择之一。AS侧重于为惰性疾病患者提供及时管理并防止过度治疗。目前,接受AS的男性通过前列腺特异性抗原(PSA)检测、重复活检、直肠指检(DRE)和影像学检查进行密切监测,以发现疾病进展,而非选择主动治疗 [3]。然而,当前监测工具的诊断性能 [4–6] 仍然较低。

基于临床参数和活检结果进一步优化方案的潜在收益可能有限,促使人们关注更近期的进展以寻求进一步优化。前列腺磁共振成像(MRI)和人工智能(AI)可能在多个方面增强AS方案。然而,在将MRI和AI整合到临床实践之前,需要清楚地了解其贡献和挑战。本综述旨在分析AS方案从引入至今的演变,并概述用于AS的诊断性AI算法。此外,我们就临床环境中实施AI AS之前解决部分挑战提供了实用建议。

MRI在主动监测中的应用

AS的入选资格根据指南定义的风险分类确定。该风险分层基于PSA水平、Gleason评分和DRE临床分期。EAU指南就AS提供了两条强烈推荐 [2]。第一,纳入基于DRE(至少每年一次)、PSA(至少每6个月一次)的严格随访方案,每2至3年重复活检 [2]。第二,若PSA升高(PSA倍增时间 < 3年),建议行MRI和重复活检 [2]。MRI可在AS方案中以多种方式发挥作用,包括患者选择、MR靶向活检和连续影像监测。

MRI和靶向活检的价值在ASIST试验中得到证实;该试验是一项前瞻性、多中心、随机、开放标签试验,纳入接受AS管理的低危(Gleason分级分组(GG)= 1,PSA < 10 ng/mL,临床分期 ≤ T2b)前列腺癌男性 [7]。该试验研究了基线时接受MR靶向活检和系统活检的男性中进展至GG ≥ 2的比例 [7]。两年随访显示,与MRI组相比,系统活检组的AS失败或疾病进展病例约多50%(35% vs 19%,p = 0.017)[8],凸显了MRI在AS患者纳入中的作用。

MRI为AS期间监测患者提供了一种无创方式。为规范涉及接受主动监测的前列腺癌(PC)男性的队列研究报告,欧洲肿瘤学院召集了前列腺癌序贯评估放射学变化估计(PRECISE)专家组制定建议[9]。PRECISE建议最初于2016年提出,并于2024年随着第二版发布而重申[10]。该标准建议放射科医生报告患者特征、MR详细信息、临床分期的可能性、临床显著前列腺癌(csPCa)、病灶显示最佳的成像序列,并使用PI-RADS(前列腺影像报告和数据系统)或Likert评分对MRI可见病灶进行分类[11, 12]。这确保了标准化数据收集、报告,并为未来指南建议奠定基础[13]。

PRECISE对连续MRI检查中进展的可能性赋予1至5分评分。该系统纳入基线和随访MRI检查中可疑特征显著性的变化、病灶体积、精囊或淋巴结受累、包膜外侵犯、骨转移。目前研究中放射科医生使用PRECISE标准监测AS队列进展的初步结果显示AUC(曲线下面积)性能约为0.84 [5, 6]。

放射科医生评估前列腺MRI所使用的报告标准是PI-RADS [14]。虽然PI-RADS指南并非为评估病灶进展而设计[14],但Roest等[4]报告放射科医生使用该标准检测PCa进展的性能达到AUC 0.69。值得注意的是,该性能低于AI,凸显了改进连续MRI诊断工具的必要性。

MRI和AI主动监测

AI可能以不同方式在解决主动监测期间使用MRI的一些局限性方面发挥潜在作用,例如简化连续MRI评估、减少MRI观察者间变异性以及协助非专家阅片者[15]。目前的研究探索机器学习和深度学习等AI技术以改善AS。机器学习分类器主要利用连续时间点的临床数据和MR扫描的影像组学特征[6, 16]。影像组学代表从MRI中提取肉眼无法获取的定量纹理测量和模式[16, 17]。深度学习方法可以自动学习从大型标注医学影像数据集中执行各种诊断任务。影像组学[18, 19]和深度学习模型[1, 20]均在前列腺癌的检测和评估中表现出高性能。AS队列中的MRI AI研究可根据其主要任务分为两组,即病灶检测和定位,以及疾病进展检测。

病灶检测和定位

第一组研究聚焦于主动监测(AS)队列中的病灶检测与定位。虽然PI-RADS评分系统已规范了前列腺MRI上病灶的检测与表征,但其存在阅片者间的差异。前列腺病灶表征不充分可能导致对真实组织病理学的低估,并可能将患者错误判定为阴性或良性。人工智能(AI)驱动的前列腺MRI病灶检测与分类有望提高MRI阅片准确性,改善观察者间一致性,并在检测临床显著前列腺癌(csPCa)方面达到与放射科医师相当的诊断准确性[21]。

在AS背景下,通过AI提高前列腺MRI阅片特异性将有助于减少重复活检。Arber等[22]训练了一种基于放射组学感兴趣区的计算机辅助诊断(CAD)系统,利用流入率和定量图像参数分别定义病灶在外周带和移行带对应于GG≥2癌症的风险。在186例接受AS的患者队列中,CAD评分和泌尿生殖放射科医师确定的PI-RADS评分在检测升级为临床显著前列腺癌方面均达到AUC 0.81。将CAD结果与前列腺特异性抗原密度(PSAd)相结合以触发基线活检,可避免47/184(26%)例活检,同时漏诊3/51(6%)例GG=2癌症,且无GG≥3病灶漏诊。

另一方面,Oerther等[21]在56例AS患者队列上测试了西门子医疗CE认证的深度学习软件MR Prostate AI。在MRI检测升级为临床显著前列腺癌方面,分别达到96%的高敏感度和25%的中等特异度。

监测疾病进展

第二组研究评估了监测AS患者疾病进展的可能性。这些研究包括放射组学、机器学习,以及较少程度的深度学习方法。表1总结了近期采用AI监测AS队列患者进展的研究特征。

Midya等[16]在机器学习随机森林分类器中探索了放射组学模式和诊断时临床变量(如PSA和肿瘤体积)以评估进展。当整合放射组学特征差异和临床变量时,达到最高AUC 0.84±0.20。

Sushentsev等[23]提出了几种机器学习模型,使用基线放射组学特征和临床变量(包括PSA、MRI衍生腺体体积、PSA密度、MRI衍生肿瘤怀疑Likert评分、靶病灶定位和靶病灶活检分级分组)来预测AS中前列腺癌进展的基线风险。其最佳模型通过结合临床病理预测因子与T2WI衍生放射组学特征,达到AUC 0.75(95%CI 0.64–0.86)。同一研究组[24]在使用PSA密度构建递归神经网络以动态监测进展风险时也达到了类似结果。

该研究团队[5]使用相同的模型,还探索了整合影像学和临床数据,包括T2W和表观扩散系数图放射组学特征、PSA及衍生的PSA密度,从多个时间点来监测主动监测(AS)患者。所达到的0.86的性能显著高于仅使用基线和最终扫描的放射组学特征和PSAd时的性能。这表明基于MRI的人工智能有潜力作为一种额外的风险分层工具,并可根据病灶特征的变化帮助选择合适的候选者进行再次活检。

在Sushentsev等人[6]的另一项研究中,使用放射组学特征和临床病理特征(即年龄、PSA、腺体体积、PSA密度、随访时间、活检分级分组以及目标病灶位置百分比)的几种机器学习分类器的性能与PRECISE进行了比较。最优的机器学习分类器是旁系网络(parenclitic network),AUC为0.82。然而,机器学习算法与PRECISE之间的性能差异无统计学意义。进展者的PSA和PSAd显著高于非进展者[6]。

Roest等人[4]使用混合方法达到了类似的0.86性能,该方法结合了用于病灶检测的深度学习模型,随后使用支持向量机分类器来检测前列腺癌(PCa)进展。

在Roest等人[25]的另一项研究中,使用基于序列MRI的端到端深度学习模型来检测基线时无临床显著前列腺癌(csPCa)的患者在随访时进展为csPCa的情况。在模型中添加既往影像和临床参数后,性能提高至AUC 0.76,而单时间点基线的AUC为0.73。

总体而言,我们观察到在这些研究中,当加入患者临床病理特征及其在不同时间点之间变化的信息时,AI算法在每项研究中的性能均有所改善。这凸显了当向模型提供额外数据时AI在该任务中的潜力。然而,由于这些研究的参与者数量较少,我们在分析和引用这些结果时应保持审慎。

表1 前列腺癌主动监测中监测疾病进展的AI研究 查看原表 ↗

主动监测AI在临床实践实施前面临的挑战

我们注意到AI在当前研究中取得了有前景的性能。这有望在未来进一步改进AS方案。尽管如此,我们已识别出若干挑战,在AI可被视为AS指南的补充之前需要加以解决。

进展的定义

第一个观察结果是,关于病理进展的主要标准存在歧义。病理进展的关注点在于GG评分的增加。更具体地说,是在既往检出GG = 1病变的患者中检出GG > 1病变(表1)。然而,当代指南并不总是在检出Gleason 4型时推荐转为主动治疗[9, 10]。因此,以ISUP升级作为终点可能导致系统在条件良好的患者中产生假阳性,从而可能导致不必要的排除出主动监测(AS)。然而,鉴于大多数AI研究依赖回顾性数据,历史数据集可能缺乏确定是否满足进展标准所需的信息。此外,遵循早期版本的指南可能导致患者在 current 指南建议继续AS时停止AS,从而造成数据集不完整。尽管如此,我们鼓励AI研究人员在尽可能与AS指南中定义的停止标准保持一致的终点上开发其模型。

第二个观察结果是,多项研究按照PRECISE标准评估其模型,该标准将评分≥ 4定义为构成影像学进展[9, 10]。然而,关于测量病灶大小的最佳方法仍存在持续讨论,该方法需要能够区分真正的PCa进展与良性变化(肿瘤体积的自然波动和测量误差)[10, 15],以及大小和显著性的特定变化阈值。因此,需要影像科医生、泌尿科医生和病理科医生之间的额外数据与协作,以确定测量病灶大小的适当且统一的方法,并设定稳健的阈值。

总体而言,用于定义进展的具体标准存在异质性,这可归因于所采用的不同指南。此外,指南随时间演变,进一步使标准化工作复杂化。纳入标准的多样性给已报告诊断准确性的比较带来了挑战,并对其在标准不同的机构间的适用性提出了质疑。在AS指南标准化之前,这些问题可能持续存在。然而,为便于诊断准确性比较,作者可在可能的情况下将替代进展标准的评估作为次要结局纳入。

纳入标准的异质性

AI研究在纳入标准方面差异很大,这引发了对训练模型在不同临床环境和方案中适用性的担忧。为一个人群开发的模型未必能在具有不同纳入标准的不同临床环境中表现良好。因此,在部署模型之前,评估其在特定人群中的预测价值至关重要。尽管存在这些差异,不同方案中的人群通常具有相似性,且AI模型若在大型且多样化的数据集上训练,具有泛化的潜力。最终,队列纳入标准必须尽可能接近真实世界临床实践,以确保结果真实且适用。

缺乏可用数据集

在现有针对PCa患者AS的人工智能算法中,观察到的第一个限制是样本量有限以及缺乏多中心数据验证。表1显示,大多数研究的样本量不足100名参与者。这一限制源于严格的纳入标准,要求存在MR可见病灶,而这一标准仅占AS队列中约50%的患者[26]。其他影响因素包括MRI采集方案和参考标准评估[5]。除此之外,目前尚无可自由获取的开源AS MRI数据集可用于算法开发。现有研究中使用的数据集受数据转移协议、与患者签订的保密协议约束,或应按照各自机构指南向作者申请获取。由于缺乏足够规模的数据集,现有研究通常局限于简单的影像组学模型,而在高资源环境下,例如PCa的初始检测中,深度学习技术已展现出优于影像组学的性能。随着数据量的增加,我们可能预期深度学习的使用将增多,并在更大规模上实现更高的诊断性能。因此,遵循开放科学实践和FAIR原则(公开可用的数据集、开源模型)对于算法的持续验证和更稳健模型的开发至关重要。

MR图像质量

MR图像质量在AS项目中发挥着重要作用,影响整个放射学流程,从初始诊断到疾病的持续监测。最佳图像质量可提供关于前列腺病灶大小、图像特征和位置的清晰详细信息,这对于做出准确的患者风险分层和监测疾病进展的知情决策是必要的。遵循PI-RADS最低技术建议并不能保证最佳图像质量。图像质量不仅受硬件因素影响,还受患者相关因素(如运动)和患者准备的影响。最近更新的前列腺成像质量(PI-QUALv2)[27]是 proposed 的评分系统,用于基于一组主观标准[28]对MR图像质量进行标准化评估。

此外,图像质量影响AI算法的训练和验证。诊断质量欠佳的图像,包含低空间分辨率、降低的信噪比、运动或假体伪影,可能阻碍AI在测试队列中的训练、验证和性能。这些算法通常依赖高质量数据来完成分割、配准、预后等任务[29]。因此,跨中心的标准化MRI采集方案和严格的质量控制标准(如PI-QUALv2[27])对于获得可靠数据集以支持稳健的AI开发和AS模型的泛化性至关重要[29]。

放射科医师表现

目前,关于放射科医师在监测接受主动监测(AS)的患者时的表现,尚存在知识空白。虽然PI-RADS是用于检测临床显著性前列腺癌(csPCa)病灶的标准,但其主要任务并非监测,而是对MRI进行初步评估。这一标准化评估缺乏针对序贯MRI报告的标准[14]。为此,PRECISE系统为放射科医师提供了一种标准化方法。在序贯MRI中一致地使用PRECISE可为AI提供更稳定的基准性能。未来关于AI在AS中应用的研究应包括将算法性能与使用PI-RADS和PRECISE的放射科医师的表现进行比较。

结论

目前看来,盲目跟风将前列腺MRI人工智能用于AS似乎是不可行的。基于MRI的AS人工智能未来可能在若干方面有所改善,但其应用仍处于探索不足的状态。需要付出更多努力来建立标准化的纳入标准和AS的进展定义。此外,增加将定期MRI检查纳入AS方案预计将增加更大数据集的可获得性,从而促进未来研究。这将允许在更大的数据集中训练用于AS的人工智能并验证结果。

引用

  1. Bozgo V, Roest C, van Oort I, et al. Prostate MRI and artificial intelligence during active surveillance: should we jump on the bandwagon? Eur Radiol. 2024. PMID: 38937295. doi:10.1007/s00330-024-10869-3
  2. 全文:PMC11557678(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11557678/

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。