文献速递泌尿生殖腹部MRUS

前列腺MRI全自动深度学习用于前列腺癌风险评估及避免穿刺活检:与PI-RADS比较及临床数据列线图整合

Prostate cancer risk assessment and avoidance of prostate biopsies using fully automatic deep learning in prostate MRI: comparison to PI-RADS and integration with clinical data in nomograms.
PubMed 文献 · Eur Radiol · 2024-07-02

该回顾性单中心研究纳入2014至2021年1627例检查,其中517例测试集,用全自动深度学习(UNet-Likert)替代临床PI-RADS或与PI-RADS联合加入风险计算器。UNet-Likert替代后风险计算器诊断性能稳定;新拟合的PI-RADS+UNet概率风险计算器在15%阈值下避免49%[252/517]的活检,阴性预测值94%,优于PI-RADS≥4阈值避免37%[190/517](p<0.001)。

要点

  • UNet-Likert替代PI-RADS后风险计算器AUC无显著差异(p=1.00),可替代而不损失列线图预测质量。
  • UNet-Likert≥3较PI-RADS≥3在相似敏感度(p=0.32)下特异度显著更高(p<0.001)。
  • 新拟合PI-RADS+UNet概率风险计算器15%阈值避免49%[252/517]活检,NPV 94%,优于PI-RADS≥4的37%[190/517](p<0.001)。

核心结论

  • 将深度学习作为独立诊断标志物纳入风险计算器可改善活检前患者分层,因DL特征与临床PI-RADS评估含互补信息。

研究设计与样本

  • 回顾性单中心研究,2014年9月至2021年6月连续纳入1627例前列腺mpMRI检查,按2018年11月时间分割为训练集1021例和独立测试集606例,其中无前列腺癌史者训练集834例、测试集517例用于风险模型评估。
  • 使用2台3.0T(Magnetom Prisma、Biograph mMR)和1台1.5T(Magnetom Aera)Siemens扫描仪,按PI-RADS推荐和欧洲泌尿生殖放射学会指南采集mpMRI。
  • 参考标准为扩展系统穿刺和MRI/超声融合靶向经会阴穿刺的组织病理学,显著前列腺癌定义为ISUP分级≥2。
  • 基于nnUNet的深度学习集成模型在双参数MRI上训练,预测显著前列腺癌病灶存在(UNet-probability)并转换为PI-RADS类似5分量表(UNet-Likert)。

诊断标准与关键数值

  • 测试集临床PI-RADS≥3敏感度98%[197/200]、特异度14%[44/317];PI-RADS≥4敏感度94%[188/200]、特异度56%[178/317]。
  • UNet-Likert≥3敏感度97%[194/200]、特异度30%[94/317];UNet-Likert≥4敏感度92%[184/200]、特异度57%[180/317];UNet-probability单独AUC 0.89(95%CI 0.86–0.92)。
  • PI-RADS/PSAD策略敏感度97%[194/200]、特异度39%[124/317];UNet-Likert/PSAD策略敏感度96%[193/200]、特异度45%[142/317]。
  • 原始Leeuwen 2017、Radtke 2017、MRI-ERSPC风险计算器AUC分别为0.90(95%CI 0.87–0.92)、0.89(95%CI 0.87–0.92)、0.88(95%CI 0.85–0.91);UNet-Likert替代版分别为0.90(95%CI 0.88–0.93)、0.90(95%CI 0.87–0.93)、0.90(95%CI 0.87–0.92)。
  • UNet-probability扩展版风险计算器AUC均为0.92(95%CI 0.89–0.94、0.90–0.95、0.90–0.94);新拟合PI-RADS+UNet概率风险计算器AUC 0.93(95%CI 0.90–0.95),Brier评分0.10(95%CI 0.09–0.12)。

临床应用与阅片要点

  • 新拟合PI-RADS+UNet概率风险计算器在15%阈值下可避免49%[252/517]活检,漏诊16例显著前列腺癌,NPV 94%。
  • PI-RADS≥4阈值避免37%[190/517]活检,漏诊12/190例,NPV 94%;PI-RADS/PSAD策略避免25%[130/517]活检,漏诊6/130例,NPV 95%。
  • 新拟合模型避免活检比例较PI-RADS≥4提高12%(p<0.001)、较PI-RADS/PSAD提高24%(p<0.001),NPV与PI-RADS≥4相当(p=0.98)、与PI-RADS/PSAD相当(p=0.24)。
  • UNet-Likert替代风险计算器可提供比各自原始风险计算器更高的净获益。

局限性

  • 原文未报告局限性。
全文中译15 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 Jul 2;34(12):7909–20. doi: 10.1007/s00330-024-10818-0

引言

近年来,多参数磁共振成像(mpMRI)已被确立用于通过认知融合[1]、经直肠超声(TRUS)与MRI的立体定向融合[2]或腔内MRI技术[3]来识别和靶向穿刺前列腺病灶。通过这种方法,显著性前列腺癌(sPC)的检出率和主动监测的入组率有所提高[4],同时该方法有望在某些男性中完全避免穿刺活检[5, 6]。随着前瞻性多中心试验中前列腺MRI获益证据的不断增加[7–9],指南越来越多地推荐在初次穿刺或既往穿刺过的男性中进行穿刺前mpMRI[10]。决定对谁进行穿刺可借助风险计算器(RCs)的支持,这些计算器纳入人口学和临床信息,如年龄、直肠指检(DRE)、前列腺特异性抗原(PSA)和前列腺体积,例如,欧洲前列腺癌筛查随机研究(ERSPC)的RCs将这些信息结合在逻辑回归模型中[11],并使用列线图进行可视化[12]。临床放射科医师使用前列腺影像报告和数据系统(PI-RADS)[13]进行前列腺MRI评估的阳性预测值(PPV)有限、可变,不同中心通常报告在30%至50%之间[14–16],导致许多阴性穿刺结果。RCs有望改善穿刺前的患者选择,因为穿刺存在感染、出血和住院的风险[17]。近期研究表明,RCs在加入PI-RADS后有所获益[18]。已提出几种此类RCs,目前尚无一种明显优于另一种[10],同时存在对随时间推移和跨机构校准漂移的担忧,这削弱了其获益。与此同时,使用卷积神经网络以深度学习(DL)形式进行的机器学习全自动前列腺MRI分析近期已被证明能提供与放射科医师临床PI-RADS评估相似的sPC检出[19, 20]。用于语义图像分割[21]和目标检测[22]的自配置网络架构可适应广泛的医学成像模式。UNet深度学习架构[23]在医学图像分割中尤为流行[19–21]。所得网络可指示所识别可疑发现的空间位置,从而允许与放射科医师识别的区域进行比较[21, 22]。基于DL的前列腺MRI评估有潜力使风险评估工具更具可重复性,并促进全自动图像分析的更广泛应用。我们假设,基于人口学和临床数据但加入全自动DL图像评估的逻辑回归模型的风险估计能够表现与先前建立的采用临床PI-RADS评估的风险模型相似。本研究的目标是使用本机构大型连续队列重新评估已建立的RCs用于前列腺癌风险评估,以确定临床PI-RADS评估和全自动DL前列腺MRI评估在此类模型中是否表现相似,以及两者结合时是否获得额外获益。

材料与方法

研究样本

本回顾性单中心研究连续纳入2014年9月至2021年6月期间接受多参数前列腺MRI检查的患者,纳入条件为患者在德国海德堡本机构接受了扩展系统穿刺联合靶向前列腺活检及mpMRI。机构伦理委员会批准了本研究并豁免知情同意(S-164/2019)。排除标准为:(1)既往接受过前列腺癌治疗(如放疗、超声消融);(2)既往或正在接受雄激素剥夺治疗;(3)严重影像伪影;(4)既往前列腺活检距本次<2个月,或MRI与后续活检间隔>6个月;(5)异常罕见的组织病理学结果。既往有任何前列腺癌诊断的检查(包括主动监测下的检查)均被排除在风险计算器评估之外。

MRI方案

多参数MRI使用两台3.0特斯拉扫描仪(Megnetom Prisma、Biograph mMR;Siemens Healthineers)和一台1.5特斯拉MRI扫描仪(Magnetom Aera,Siemens Healthineers),依据PI-RADS推荐[13, 24]及欧洲泌尿生殖放射学会指南[25, 26]进行。检查使用标准多通道体线圈和集成脊柱相控阵线圈。MRI采集参数详见补充表1。

活检方案、PI-RADS评估和图像分割

放射科医师在临床常规工作中依据PI-RADS v2.1指南[13]评估mpMRI,可获取既往报告、PSA水平和动态对比增强T1加权图像(DCE)。经多学科会议讨论后,患者接受符合Ginsburg方案的扩展系统穿刺联合靶向经会阴MRI/超声融合活检[27]。对于较早期病例,仅有临床PI-RADS v1[25]评估结果者,由一名委员会认证的放射科医师使用PI-RADS v2对原始临床报告中的既往活检病灶进行重新评估,评估时不查看活检结果但知晓既往报告,从而使用PI-RADS v2标准生成共识评分,并保留MRI病灶与靶向活检结果之间的对应关系。活检由刚性或弹性软件配准引导。组织病理学由一名具有18年经验的专职泌尿病理学家(A.St.)评估,并按照国际泌尿病理学会(ISUP)标准进行分级[28]。sPC定义为ISUP分级≥2。

DL模型配置、训练、校准和推理

修改后的nnUNet模型被训练用于前列腺和病灶分割,配置详情见补充材料S-1。模型使用全前列腺bpMRI图像进行预测,并提供nnUNet softmax图,该图提供基于体素的肿瘤概率,从而指示病灶的存在和定位。激活图被解释为发现sPC的体素级概率,最大概率代表患者水平的sPC概率评分(UNet-probability)。UNet-probability的连续值被转换为5点Likert量表(UNet-Likert)。UNet-Likert阈值采用动态选择[29],以目标灵敏度或特异度与PI-RADS相近,详见补充材料S-2。

RCs与决策策略

每位患者的年龄、DRE、PSA、基于全自动T2加权分割的前列腺体积以及既往活检结果均可用于分析,因此无需进行数据插补。评估的风险计算器(RCs)包括Radtke等[30]、van Leeuwen等[31]和Alberts等[32](MRI-ERSPC)。对于MRI-ERSPC和Radtke 2017,分别考虑了初次活检患者和既往已活检患者的个体化模型。PI-RADS/PSAD策略将低风险检查定义为PI-RADS ≤ 2,或PI-RADS 3且前列腺特异性抗原密度(PSAD)< 0.1 ng/mL [33],以作比较。为评估UNet-Likert是否提供与临床PI-RADS评估相当的价值,在RCs中以UNet-Likert替代PI-RADS(UNet-Likert替代RCs),并在PI-RADS/PSAD中作比较(UNet-Likert/PSAD)。由于PI-RADS和深度学习(DL)可能从图像数据中提取互补信息,通过估计包含RC评分和UNet概率的双参数逻辑回归模型,计算了将DL与PI-RADS结合的模型(UNet概率扩展RCs),类似于将年龄和PI-RADS加入ERSPC评分[32]。最后,为评估最灵活的parametrization,我们拟合了不依赖固定系数或参数变换的新多变量逻辑回归模型(见补充材料S-3和补充表2)。随后,我们在训练集上使用重复10折交叉验证,选择交叉验证性能最高的候选模型,命名为新拟合的PI-RADS + UNet概率RC。表1显示了每个模型的参数。

表1 现有RCs概述及其所使用的临床、人口学和影像学变量 查看原表 ↗

统计分析

Logistic 回归模型已被证明在应用于来自新机构的数据集时容易发生校准偏移 [18, 34],因此,在确定原始模型和 UNet-Likert 替代模型的性能后,在训练集上实施了仅截距重校准(又称大范围重校准)和截距/斜率重校准(Logistic 重校准)对这些模型进行调整 [34–36]。在 UNet 概率扩展的风险计算器(RC)中,斜率与截距按补充材料 S-4 所述进行拟合。由于 Radtke 2017 和 MRI-ERSPC 由针对未活检或既往已活检患者的独立模型组成,仅截距重校准、截距/斜率重校准和 UNet 概率扩展对每组分别进行。新拟合的 PI-RADS + UNet 概率 RC 通过其推导过程必然对训练数据进行了校准。Radtke 2017、Leeuwen 2017 和 MRI-ERSPC-RC 的检查水平预测性能在测试集上进行评估,并与 UNet-Likert 替代 RC、UNet 概率扩展 RC 和新拟合的 PI-RADS + UNet 概率 RC 进行比较。采用受试者工作特征(ROC)曲线及曲线下面积(AUC)比较来评估校准无关的 sPC 判别能力。Brier 评分用于模型校准和判别的校准依赖性联合评估。校准进一步通过校准图和平均预测风险与观察 sPC 率之比(Exp/Obs-Ratio)进行评估。决策曲线分析(DCA)按照 Van Calster 等人 [37] 对接受靶向活检的 opt-in 决策的解读建议,用于权衡正确诊断 sPC 患者的校准依赖性获益与过度诊断无 sPC 患者的危害 [38],详情见补充材料 S-5。p 值通过 Holm–Bonferroni 校正进行多重检验调整。统计分析在 R 4.1.0 版本中完成。

结果

研究样本特征

共纳入 1627 次 MRI 检查,于 2018 年 11 月按时间划分为包含 1021 次检查的训练集(用于 5 折交叉验证中的深度学习训练)和 606 次检查的独立测试集。训练集中 834 次检查和测试集中 517 次检查无既往前列腺癌诊断,用于交叉验证中的风险模型估计及后续测试。图 1 以流程图形式展示了纳入/排除标准。表 2 给出了人口学和临床特征。1610 次检查已在既往关于深度学习和影像组学的文献中报道 [19, 20, 39],但数据尚未用于系统性临床 RC 评估或开发。关于 PI-RADS/PSAD 策略,既往研究的测试集与本研究中 101 次 PI-RADS 3 病变未活检患者的检查存在重叠 [33]。

图 1 按 STARD 指南 [53] 展示队列筛选流程及纳入和排除标准的示意图。HIFU,高强度聚焦超声;TULSA,经尿道超声消融;STUMP,恶性潜能未定的间质瘤 查看原图 ↗
表 2 训练队列和测试队列的人口学与临床特征 查看原表 ↗

基于影像的性能(PI-RADS、深度学习)与 PSA 启发式方法

在测试集上,临床PI-RADS在PI-RADS ≥ 3时以98%[197/200]的灵敏度达到14%[44/317]的特异度,在PI-RADS ≥ 4时以94%[188/200]的灵敏度达到56%[178/317]的特异度。PI-RADS/PSAD策略以97%[194/200]的灵敏度达到39%[124/317]的特异度。

单独UNet-概率的AUC为0.89(95% CI:0.86-0.92)。单独UNet-Likert在UNet-Likert ≥ 3时以97%[194/200]的灵敏度达到30%[94/317]的特异度,在UNet-Likert ≥ 4时以92%[184/200]的灵敏度达到57%[180/317]的特异度。UNet-Likert/PSAD策略以96%[193/200]的灵敏度达到45%[142/317]的特异度。在相似灵敏度下(p = 0.32),UNet-Likert ≥ 3的特异度显著高于PI-RADS ≥ 3(p < 0.001)。PI-RADS/PSAD与UNet-Likert/PSAD之间(分别为p = 0.74和p = 0.1),以及PI-RADS ≥ 4与UNet-Likert ≥ 4之间(分别为p = 0.39和p = 0.86),灵敏度和特异度均无显著差异。

风险计算器性能(原始版、UNet-Likert替代版)

Leeuwen 2017、Radtke 2017和MRI-ERSPC原始风险计算器的AUC分别为0.90(95% CI:0.87–0.92)、0.89(95% CI:0.87–0.92)和0.88(95% CI:0.85–0.91),而UNet-Likert替代版风险计算器的AUC分别为0.90(95% CI:0.88–0.93)、0.90(95% CI:0.87–0.93)和0.90(95% CI:0.87–0.92)(图2A、B)。在全局检验中,三种原始风险计算器之间(p = 0.20)或UNet-Likert替代版风险计算器之间(p = 0.26)的AUC均无显著差异,因此Leeuwen 2017、Radtke 2017和MRI-ERSPC均未显示出更优的AUC。此外,每种风险计算器的原始版与UNet-Likert替代版之间的AUC均无显著差异(p = 1.00)。

图2 显示风险计算器判别能力的ROC曲线。无分类能力的分类模型将位于恒等平分线(灰色)上。A 原始风险计算器(Leeuwen 2017(红色)、Radtke 2017(黑色)和MRI-ERSPC(绿色),与UNet-概率(黄色)比较);B UNet-Likert替代版风险计算器与UNet-概率(黄色)比较;C UNet-概率扩展版风险计算器与UNet-概率(黄色)比较;D、F Radtke 2017(D)、Leeuwen 2017(E)和MRI-ERSPC(F)的原始版(黑色)、UNet-Likert替代版(红色)和UNet-概率扩展版(绿色)与新拟合的PI-RADS + UNet概率风险计算器(紫色)之间的差异 查看原图 ↗

风险计算器校准(原始版、UNet-Likert替代版)

原始Leeuwen 2017、Radtke 2017和MRI-ERSPC风险计算器的Brier评分分别为0.14(95% CI:0.12–0.16)、0.22(95% CI:0.19–0.24)和0.20(95% CI:0.17–0.22),其中Leeuwen 2017的校准显著优于MRI-ERSPC(p < 0.001)和Radtke 2017(p = 0.001)(图3,上,越低越好)。仅截距校准后,所有风险计算器的Brier评分分别改善至0.12(95% CI:0.10–0.14,p < 0.001)、0.13(95% CI:0.11–0.15,p < 0.001)和0.13(95% CI:0.11–0.15,p < 0.001)(图3,中)。截距/斜率重新校准相较于仅截距校准仅带来轻微的统计学不显著改善,分别为0.12(95% CI:0.11–0.14,p = 0.90)、0.13(95% CI:0.11–0.15,p = 1.00)和0.13(95% CI:0.11–0.15,p = 0.61)(图3,下)。原始风险计算器的期望/观察比分别为1.29、1.69和0.48,表明Radtke 2017和Leeuwen 2017高估了临床显著前列腺癌(sPC)风险,而MRI-ERSPC则低估了风险。经仅截距校准或截距/斜率校准后,期望/观察比分别改善至1.04、0.99和1.02,模型间高估或低估的差异逐渐减小。UNet-Likert替代的风险计算器改善了所有风险计算器的Brier评分,然而仅MRI-ERSPC的改善具有统计学显著性(p < 0.001)(图3上中的实心三角形)。补充图1展示了仅截距校准前后的校准图。

图3 原始版本未重新校准(上)、仅截距重新校准后(中)以及截距和斜率重新拟合后(下)的Brier评分,同时衡量区分度和校准度。Brier评分越低表示拟合越好。风险计算器分别以PI-RADS(空心圆)或UNet-Likert(实心三角形)作为其MRI评估方法进行分析。由于各模型在区分度上无显著差异,Brier评分的差异主要源于校准度。Leeuwen 2017显示出最佳的默认校准,其次为MRI-ERSPC和Radtke 2017。以UNet-Likert替代后,Leeuwen 2017和Radtke 2017的校准略有恶化,但MRI-ERSPC则有所改善。仅截距校准后,所有模型的Brier评分大幅改善,因为校准最差的模型评分也低于未校准的最佳模型。仅截距校准后,UNet-Likert替代对Brier评分的影响极小。在截距之外同时拟合模型斜率总体上未带来Brier评分的改善,也未减小原始模型与替代模型之间的Brier评分差异。 查看原图 ↗

联合深度学习(DL)与PI-RADS的性能(UNet概率扩展风险计算器,新拟合的PI-RADS + UNet概率风险计算器)

Leeuwen 2017、Radtke 2017和MRI-ERSPC的UNet概率扩展风险计算器的AUC分别为0.92(95% CI:0.89–0.94)、0.92(95% CI:0.90–0.95)和0.92(95% CI:0.90–0.94)(图2C),相较于原始Radtke 2017(p < 0.001)、Leeuwen 2017(p < 0.01)和MRI-ERSPC(p < 0.01)均带来显著改善。UNet概率扩展风险计算器的系数见补充表3。

候选模型的最高测试集交叉验证性能由候选模型#3提供,因此该模型被选为新拟合的PI-RADS + UNet概率RC(见补充表2)。该模型中的最优参数包括年龄、DRE、前列腺体积的倒数平方根、PSA的自然对数、活检状态、PI-RADS评分和UNet概率, resulting in AUC为0.93(95% CI:0.90–0.95)(图2D–F)和Brier评分为0.10(95% CI:0.09–0.12)。虽然新拟合的PI-RADS + UNet概率RC相较于UNet概率扩展RC的AUC改善未达到统计学显著性(p > 0.12),但存在小幅改善。新拟合的PI-RADS + UNet概率RC的列线图见图4,模型参数显著性和比值比见表3,表明PI-RADS和UNet概率的独立贡献。

图4 用于根据人口学数据、临床数据、放射科医生的mpMRI评估(PI-RADS)以及全自动DL系统的预测(UNet概率)计算发现sPC概率的列线图。每个参数正交投影到评分标尺上,然后将所有参数的评分相加。通过将总评分标尺正交投影到sPC概率标尺上获得预测概率 查看原图 ↗
表3 新拟合的PI-RADS + UNet概率RC各参数的比值比和模型系数 查看原表 ↗

通过风险分层避免活检的获益

DCA的净获益曲线见图5。Leeuwen 2017在阈值低于20%时与PI-RADS/PSAD策略相当,并在该阈值以上显示出改善的净获益。Radtke 2017在相关范围内显示出相对于默认策略的获益,而MRI-ERSPC在阈值低于20%时似乎有害(图5A)。通过仅截距重校准进行患病率调整后,Radtke 2017和MRI-ERSPC补偿了其校准不良,因此紧密接近Leeuwen 2017,使得单一RC不再具有明显获益。UNet-Likert替代RC提供比其各自原始RC更高的净获益。UNet概率扩展RC在风险阈值高于10%时优于原始RC(经截距/斜率重校准)、UNet-Likert替代RC对应模型以及PI-RADS/PSAD策略。新拟合的PI-RADS + UNet概率RC相较于UNet概率扩展RC显示出进一步微小改善,但并非在整个相关阈值范围内。

比较不同决策策略下收到避免活检建议的检查绝对数量表明,PI-RADS ≥ 4 截断值节省了 37% [190/517] 的活检次数,代价是在 190 次被节省的活检中漏诊了 12 例临床显著前列腺癌(sPC),对应阴性预测值(NPV)为 94%。通过 PI-RADS/PSAD 决策策略加入 PSAD 后,活检避免率降至 25% [130/517],同时在 130 次被节省的活检中仅漏诊 6 例 sPC(NPV 95%)。新拟合的 PI-RADS + UNet 概率回归模型(RC)在 15% 阈值下可节省 49% [252/517] 的活检,比 PI-RADS ≥ 4 截断值多 12%(p < 0.001),比 PI-RADS/PSAD 策略多 24%(p < 0.001),同时在 252 次被节省的活检中漏诊 16 例 sPC,维持了 PI-RADS ≥ 4 截断值的 NPV 为 94%(p = 0.98),并与 PI-RADS/PSAD 的 95% NPV 相当(p = 0.24)。这些改善表明 UNet 衍生信息对 PI-RADS 和临床信息在患者分层中的贡献作用。表 4 比较了各决策策略所节省的活检数量,更精细的组织病理学分层见补充表 4。图 6 展示了新拟合的 PI-RADS + UNet 概率 RC 在 15% 风险阈值下临床获益的示例病例。

图 5 决策曲线分析,比较现有 RC(Leeuwen 2017(红色)、Radtke 2017(黑色)和 MRI-ERSPC(绿色))与新拟合的 PI-RADS + UNet 概率 RC(紫色)。固定活检决策策略(活检阈值设定为 PI-RADS 3 且 PSAD ≥ 0.1 ng/mL2)作为对照显示(蓝色)。A 显示 RC 按原样(实线)或仅截距重校准后(虚线)的性能,B 显示各策略按原样(实线)及其 UNet-Likert 替代变体(虚线)。Leeuwen 2017 显示出与 PI-RADS/PSAD 策略相当的净获益,甚至在风险阈值高于 20% 时可超过后者,即使以深度学习(DL)图像评估替代手动 PI-RADS。C 显示截距/斜率重校准后的模型(实线)及其 UNet 概率扩展变体(虚线)与新拟合的 PI-RADS + UNet 概率 RC(紫色)的对比。 查看原图 ↗
表 4 受决策策略影响的活检绝对数量比较 查看原表 ↗
图 6 测试队列中的风险分层示例:一名 66 岁男性,直肠指检(DRE)阴性,PSA 升高至 6.2 ng/mL,前列腺体积 82.5 mL,PSAD 为 0.075 ng/mL。既往前列腺活检未发现任何前列腺癌,但 MRI 发现后外侧外周带一处病灶伴表观扩散系数受限,归类为 PI-RADS 4。nnUNet 共同检出该病灶并赋予 31% 的 UNet 概率,对应 UNet-Likert 4。虽然 Leeuwen 2017 和 Radtke 2017 RC 分别按照 PI-RADS 建议进行活检,sPC 风险分别为 20% 和 45%,但新拟合的 PI-RADS + UNet 概率 RC 将 sPC 概率设定为仅 10.5%,低于所讨论的 15% 活检建议阈值。MRI-TRUS 融合活检在 30 针系统穿刺和 9 针靶向穿刺中均未发现任何前列腺癌,证实了新拟合 RC 在该病例中避免前列腺活检的建议。 查看原图 ↗

讨论

我们发现,通过UNet-Likert评分进行的全自动深度学习(DL)双参数MRI评估可以替代临床PI-RADS评估,而不会导致性能下降。通过调整模型截距进行重新校准后,所有RC模型表现出相似的净获益。用UNet-Likert评分替代PI-RADS显示出改善的趋势,但将PI-RADS与UNet概率相结合则表现出更好的判别能力和净获益,提示可从影像中提取互补信息。放射科医师与DL之间不一致的MRI判读中似乎存在具有诊断重要性的信息。然而,以放射科医师PI-RADS评估而非组织病理学证实的sPC作为ground truth训练的DL系统可能无法提供类似的互补信息。我们的结果表明,DL可能能够在缺乏前列腺MRI经验的机构中支持诊断评估,因为在本研究中其表现与经验丰富的放射科医师相当。

我们证明,新拟合的PI-RADS + UNet概率RC可使近一半的活检得以避免,同时提供94%的NPV,高于mpMRI在该患病率下预期的NPV 86%(95% CI:0.79–0.91)[16]。使用15%阈值时,避免活检数量几乎翻倍是以漏诊16例sPC为代价的,相比之下,PI-RADS/PSAD漏诊6例sPC,PI-RADS ≥ 4漏诊12例sPC。虽然假阴性病例的增加并未导致NPV显著降低,但临床医师应批判性地权衡避免前列腺活检所带来的发病率降低与漏诊少量sPC的可能性。对于规避风险的患者,制定随访计划以推迟而非避免活检有可能减轻漏诊sPC的后果,值得进一步研究。能够在接受有创操作之前量化和可视化风险,是与患者就操作的获益和危害进行共享决策的额外工具。

这些模型应用于我们的连续测试集时表现出不同程度的校准不良,但仅通过调整模型的截距即可显著改善,这一点由Brier评分和校准曲线显示。Leeuwen 2017,即van Leeuwen等人[31]的未校准RC,总体上显示出最佳的校准。Leeuwen 2017和Radtke 2017略微高估了sPC风险,而MRI-ERSPC在重新校准前持续低估该风险,这在此前的研究中已被观察到[18, 34, 35, 40, 41],并可能降低其在DCA中的净获益。如果风险阈值保持低于队列患病率,高估模型的净获益始终高于全部活检策略,这意味着高估模型在低阈值下不会有害。随着校准不良程度增加,低估模型的净获益趋近于全部不活检策略,因此当风险阈值低于队列患病率时它们可能有害。由于当前实践倾向于对大多数患者进行活检[10],我们假设合理的风险阈值低于队列患病率,因此高估模型(Leeuwen 2017和Radtke 2017)比低估的MRI-ERSPC模型(MRI-ERSPC)具有获益优势,后者在DCA中可能有害。Deniffel等人[34]对RC的潜在校准不良提出了担忧,并认为MRI-ERSPC和Radtke 2017通过DCA评估不具备临床实用性。在本研究中,未经校准的情况下,Radtke 2017在阈值超过10%时相较于默认策略显示出更好的临床效用,而Leeuwen 2017与PI-RADS/PSAD相当,甚至可超越之。经重新校准后,所有RC的净获益均高于PI-RADS/PSAD。

我们的研究表明,DL图像分析、PI-RADS以及临床和人口学参数在活检前对sPC具有互补的风险预测价值。预计随着更多风险因素的加入,预测性能也将提高,例如游离与总PSA比值[42]、家族史[43]、体重指数[44]或基因组标志物[45–48]。DL应进一步研究用于活检后的临床决策,因为MRI评估也是生化复发和前列腺切除术结局的重要预测因素[48–50]。

本研究存在局限性。本文展示的风险计算器(RCs)适用于未接受过活检或既往活检阴性的患者,因为这些患者代表了典型的筛查人群。在主动监测中,使用深度学习(DL)预测肿瘤进展风险仍有待研究[46]。经会阴MRI/TRUS融合活检提供了参考标准,而前列腺切除标本可实现更详细的病灶定位和显著性前列腺癌(sPC)诊断,但前列腺切除队列偏向于sPC阳性病例。由于RCs用于任何干预前的患者分层,本研究所检查的队列更接近于使用RC的典型筛查队列,而前列腺切除队列将排除大多数最能从RC模型获益的患者,因为这些患者属于低风险状态并可能决定避免活检。本研究所使用的活检方案已被证明可检出根治性前列腺切除术后发现的97%的sPC[2],提供了高质量的金标准。DL图像分析在双参数MRI上进行,而放射科医师解读包含DCE的多参数MRI(mpMRI)。由于以DL替代PI-RADS后预测质量未下降,我们的数据表明双参数MRI提供了足够的信息。既往研究也显示DCE对MRI评估的贡献较小[51]。PSA对预测有显著贡献,而PI-RADS和DL图像分析的贡献相似,提示放射科医师的PI-RADS评估主要基于mpMRI影像表现,尽管他们可以获得PSA和PSAD,这符合PI-RADS的预期设计[24]。放射科医师勾画的病灶通过靶向活检针道为参考标准提供信息,而UNet预测的可疑区域在回顾性分析中无法被探查,可能低估了DL的诊断潜力。然而,在本机构,前列腺MRI由经验丰富的放射科医师解读,他们熟悉sPC的细微表现并经常在跨学科会议上审阅病例,在PI-RADS ≥ 3阈值下相比扩展系统活检和靶向活检可提供高达98%的高灵敏度[19]。由灵敏的临床影像评估和高质量活检方案提供的金标准,在维持临床工作流程的同时实现了卓越的前列腺靶向定位质量。对于训练集中的部分检查,仅可获得PI-RADS v1。在这些情况下,由委员会认证的放射科医师在不知晓活检结果的情况下进行了事后重新评估。通过考虑原始PI-RADS v1评分,结果为共识评分,确保了具有代表性的PI-RADS v2评分用于训练,例如,图像特征与评分之间的一致性得到进一步确认的评分。对于DL训练,这种重新评估仅产生微小影响,因为训练基于系统和靶向前列腺活检的组织病理学而非PI-RADS,仅在病灶因使用PI-RADS v1标准而未被活检(而按PI-RADS v2标准符合活检条件)时影响金标准。由于选择了灵敏的前列腺评估方法,这一效应对sPC的影响概率进一步最小化。对于测试集中的检查,无需重新评估,因此不影响性能比较。本研究所分析RCs中使用的逻辑回归模型可实现可解释的列线图,但其他分类器应进一步研究,如支持向量机或随机森林分类器,这些已成功应用于影像组学[39]和评估生化复发[52]。本研究回顾性评估了来自单一高容量三级医疗中心的病例。基于DL的和更新的RCs的获益应进一步在多中心研究中验证。

总之,全自动深度学习前列腺MRI评估不仅证实了其与临床PI-RADS评估相似的性能,而且显示出与后者的互补性,利用这两种参数的逻辑回归风险估计模型预测性能有所提高,从而为改善活检前患者分层的诊断质量提供了一种有吸引力的方法。

补充信息

电子补充材料

引用

  1. Schrader A, Netzer N, Hielscher T, et al. Prostate cancer risk assessment and avoidance of prostate biopsies using fully automatic deep learning in prostate MRI: comparison to PI-RADS and integration with clinical data in nomograms. Eur Radiol. 2024. PMID: 38955845. doi:10.1007/s00330-024-10818-0
  2. 全文:PMC11557625(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11557625/

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。