集成机器学习模型辅助诊断胃异位胰腺与胃间质瘤
回顾性双中心研究纳入138例胃异位胰腺与胃间质瘤(<3 cm)患者的多期CT图像,构建融合影像组学与深度学习的集成机器学习模型。外部验证中集成模型鉴别两类病变的AUROC为0.90、准确率0.89,辅助后低年资放射科医师准确率由0.77升至0.93(p<0.05),高年资医师由0.86升至0.95但差异无统计学意义。
要点
- 多期CT融合模型鉴别<3 cm胃异位胰腺与胃间质瘤,外部验证AUROC 0.90、准确率0.89。
- 静脉期影像组学模型为单期最佳,AUROC 0.87;非对比期深度学习模型AUROC 0.81。
- 集成模型辅助使低年资医师准确率由0.77升至0.93(p<0.05),高年资者差异无统计学意义。
核心结论
- 基于多期CT的集成机器学习模型可有效鉴别<3 cm的胃异位胰腺与胃间质瘤。
- 集成模型辅助分析显著提高低年资放射科医师的诊断准确率,由0.77升至0.93(p<0.05)。
- 高年资放射科医师准确率由0.86升至0.95,但差异无统计学意义。
研究设计与样本
- 回顾性双中心研究,2017年4月至2023年6月共纳入138例经病理确诊的胃异位胰腺或胃间质瘤患者。
- Cohort 1共94例(中心1)分为训练队列与内部验证队列,Cohort 2共44例(中心2)作为外部验证队列。
- 采用Siemens Force或Siemens Definition Flash双源128排CT行多期扫描(非对比期、动脉期、静脉期、延迟期),管电流100 mAs、管电压120 kV、矩阵512×512、螺距1.5、层厚1.5 mm。
- 以病理结果为参考标准,比较影像组学模型、深度学习模型与集成模型的AUROC及放射科医师诊断表现。
关键影像表现/征象
- 胃异位胰腺由胰腺腺泡、导管成分和胰岛按不同比例构成,其多期CT强化特征与病理组织构成相关。
- 以导管结构和肌层为主要成分的胃异位胰腺强化程度常低于正常胰腺;以腺泡组织为主时强化模式类似正常胰腺,趋向均匀。
- 胃间质瘤由梭形细胞、上皮样细胞或两者混合构成,多期CT上通常表现为均匀密度。
- 胃间质瘤常表现为外生性生长,自胃肠道壁突入腹腔;胃异位胰腺也可呈向外生长。
- 多数胃间质瘤腔面可见黏膜溃疡,可能被误认为胃异位胰腺的导管样结构。
诊断标准与关键数值
- 静脉期影像组学模型在外部验证中表现最佳,AUROC 0.87(0.74–1.00),准确率0.91。
- 非对比期深度学习模型表现最佳,AUROC 0.81(0.67–0.69),准确率0.77。
- 集成模型Rs-DLs-M的AUROC为0.90(0.79–1.00),准确率0.89。
- 低年资医师辅助后准确率0.93、敏感度0.87、特异度0.97,辅助前分别为0.77、0.60、0.86。
- 高年资医师辅助后准确率0.95、敏感度0.93、特异度0.96,辅助前分别为0.86、0.73、0.93。
临床应用与阅片要点
- 多期CT可用于术前评估胃黏膜下肿瘤,静脉期影像组学特征对鉴别胃异位胰腺与胃间质瘤价值较高。
- 集成模型可作为辅助工具提升低年资放射科医师对<3 cm胃异位胰腺与胃间质瘤的鉴别诊断准确率。
- 胃异位胰腺为良性上皮下病变,部分病例可随访而不手术切除;胃间质瘤具侵袭性,主要治疗为手术切除。
- 胃异位胰腺术前误诊率较高,原文报告超过54%的病例术前被误诊。
局限性
- 原文未报告局限性。
全文中译18 节 · 点击展开
引言
胃异位胰腺(GEP)是一种先天性异常,其特征为存在异常的胰腺组织,在解剖学和血管分布上与主胰腺体截然不同[1]。类似于胃肠道胚胎发育过程中的沉积物[2],大多数GEP病例无症状,通常在进行无关腹部手术或尸检时被偶然发现,这给准确估计患病率带来了挑战。术中发现的概率约为0.2%[3, 4]。GEP可出现在胃肠道任何部位,也可能见于胆囊、脾脏、纵隔及其他组织。根据外科手术和尸检报告,胃是GEP的主要发生部位,约占52%的病例[5]。
由于GEP的罕见性、变异性及非特异性临床表现,其诊断面临挑战。研究报道超过54%的GEP病例在术前被误诊[4]。当GEP发生于胃时,通常表现为黏膜下肿块,这一特征在胃镜检查或影像学检查中容易与胃间质瘤(GIST)混淆。GIST是最常见的胃黏膜下肿瘤类型,具有侵袭性,转移风险为50%[6]。GIST的主要治疗方式为手术切除。相比之下,GEP是一种良性上皮下病变。此外,区分GEP与GIST具有重要临床意义,因为GEP病例可选择随访观察而不行手术切除,而GIST病例则需要手术干预[7, 8]。
计算机断层扫描(CT)因其快速成像能力和广泛可及性,已成为胃肿瘤术前评估中最常用的无创检查方法[9]。GEP中存在胰腺导管和腺泡腺体成分,使其对比增强模式与胰腺非常相似,这是CT诊断的关键标准[10]。然而在实际临床环境中,GEP病灶通常较小,这些CT特征可能难以辨别。随着CT使用的日益普及,越来越多的GEP病例被扫描发现,加之GEP与GIST的CT表现相似,加剧了临床实践中的挑战。特别是直径< 3 cm的GIST表现为密度均匀的实性肿块[11]。
影像组学从医学图像中提取大量定量特征,能够对肿瘤异质性进行定量评估。近年来,其在多种恶性肿瘤的诊断、分期和预后预测方面展现出卓越性能[12, 13]。深度学习(DL)作为机器学习(ML)的新兴分支,能够捕捉影像组学可能无法捕获的疾病表型差异。通过神经网络探索病灶在图像中存在并反映的异质性,从而增强疾病诊断[14, 15]。
因此,本研究旨在构建并验证一个基于CT的融合模型,整合影像组学和DL技术,以有效区分GEP与GIST,并协助提高临床诊断效能。
方法与材料
患者
在这项回顾性双中心研究中,我们开发了一种集成机器学习(eML)分析来区分胃异位胰腺(GEP)和胃肠道间质瘤(GIST)。该模型在发现队列上进行了训练,并随后使用外部队列进行了验证。从2017年4月至2023年6月,检索了经病理检查确诊为GEP和GIST的患者的CT数据。从医疗记录中提取了基线患者信息,包括年龄、性别、病变位置和切除方式。该研究获得了机构审查委员会的批准,并豁免了获取知情同意的要求。
符合以下标准的患者被纳入:(1)包含在CT图像上可检测到的病变(直径 > 1 cm),主要由实性成分组成 [11],以及(2)病变经病理证实为GIST或GEP。排除标准如下:(1)MPCT图像不完整(平扫、动脉期、静脉期和延迟期);(2)病变直径 ≥ 3 cm;以及(3)图像质量差影响CT评估。纳入和排除流程如图1所示。
MPCT图像数据采集方案
CT检查使用Siemens Force双源128排CT扫描仪或Siemens Definition Flash双源128排CT扫描仪进行,采用以下参数:管电流100 mAs,管电压120 kV,矩阵大小512 × 512,螺距1.5,层厚1.5 mm。对比剂增强采用静脉团注跟踪法,使用碘普罗胺注射液(上海司太立),碘浓度为350 mg/mL,剂量80 mL,流速2.3 mL/s。注射后分别延迟30、60和120秒进行动脉期、静脉期和延迟期扫描。对于胃部扫描,建议所有患者在CT检查前禁食过夜并饮用600–1000 mL温水以扩张胃部。
手动勾画方式
MPCT图像从图像归档和通信系统(PACS)中检索和收集。与实质器官不同,胃受胃蠕动和气体的影响,导致CT图像配准性能面临挑战。因此,两名初级放射科医生(Y.W.和Rc.S.,具有五年腹部放射学诊断经验)使用ITK-Snap软件4.0.2版本(http://www.itksnap.org)在各自的单相CT上独立手动勾画感兴趣区(ROI)。ROI勾画结果随后由具有20年腹部放射学经验的资深放射科医生进行复核。在出现分歧的情况下,通过协商决定ROI的解决方案或重新勾画。
MPCT图像预处理和影像组学特征提取
使用SimpleITK工具箱2.1.1版(https://simpleitk.org)对MPCT图像进行预处理。采用B样条法将图像重采样至2×2×2 mm³体素,并将CT亨斯菲尔德单位(HU)离散化为70个区间,范围为−1000至3000 HU。提取的特征包括三维几何形状、灰度强度及纹理特征。纹理特征包括灰度共生矩阵、灰度尺寸区域矩阵、灰度游程长度矩阵、灰度依赖矩阵和邻域灰度差矩阵。此外,还包括经Wavelet和拉普拉斯高斯(LoG)等滤波器处理后的纹理特征。随机选取20例患者进行再次分割。采用组内相关系数(ICC)进行影像组学特征一致性检验,ICC > 0.75被认为具有高一致性。此外,采用ICC评估不同经验水平的放射科医师在有无预测模型辅助下的诊断一致性。
影像组学特征选择与机器学习构建
在特征选择前,发现队列被随机分为训练队列(n = 68)和内部验证队列(n = 26)。采用随机森林(RF)算法中的特征贡献度作为特征选择的筛选指标。针对小样本量及大量特征可能导致的过拟合问题,我们将最优特征数量范围限制为1–20,即不超过总样本量的1/4。通过内部验证队列的评估确定最佳特征数量。
鉴于机器学习算法的多样性以及同一数据集拟合时产生的预测性能差异,本研究采用了多种经典机器学习分类器。分类器包括RF、梯度提升、逻辑回归、线性核与径向基函数核支持向量机、高斯朴素贝叶斯、K近邻、决策树、XGBoost和BernoulliNB。采用受试者工作特征曲线下面积(AUROC)评估模型性能。在外部验证队列上,以多种机器学习模型中达到的最高AUROC作为对具有良好泛化能力的最佳模型,用于构建影像组学特征(Rs)。
深度学习模型构建
本研究以在自然图像库ImageNet(http://www.imagenet.org)上预训练的ResNet-18作为骨干深度学习神经网络,采用迁移学习策略。将ImageNet预训练的权重加载至深度学习模型中,通过拟合本研究的训练数据更新梯度和权重信息,以实现医学分类目标。
分析前,采用计算方法提取MPCT图像中两种疾病的最大病灶。为解决样本量问题,对训练队列应用数据增强。该策略使模型能够学习不同图像所表达的语义信息并防止过拟合。共使用六种增强方法,包括中心裁剪、随机旋转、随机水平翻转、随机垂直翻转以及亮度和对比度的随机颜色变化。随后,将图像调整至512×512像素以标准化距离尺度,并将像素值归一化为Z分数以供进一步分析。
训练队列作为输入用于拟合深度学习(DL)模型,内部验证队列用于超参数调优。一旦确定DL模型的最佳超参数,外部验证队列即用于评估泛化能力并生成DL特征(DLs)。所选超参数包括自适应矩估计优化器,beta值范围为0.9至0.999,epsilon设置为1e-8,批次大小为16,100个epoch,学习率为3e-4。用于训练网络的损失函数为交叉熵损失(CrossEntropyLoss)。
eML模型构建
放射组学特征融合(Rs-M)模型通过融合各期最佳机器学习(ML)模型生成的放射组学特征(Rs)构建而成。同样,深度学习特征融合(DLs-M)模型通过融合各期训练良好的DL模型生成的DL特征(DLs)创建而成。最终的放射组学与深度学习特征融合(Rs-DLs-M)模型由Rs-M和DLs-M组成。共构建了11个模型,包括各期的4个放射组学模型(平扫Rs,N-Rs;动脉期Rs,A-Rs;静脉期Rs,V-Rs;延迟期Rs,D-Rs)、各期的4个DL模型(平扫DLs,N-DLs;动脉期DLs,A-DLs;静脉期DLs,V-DLs;延迟期DLs,D-DLs)、Rs-M、DLs-M和Rs-DLs-M。eML工作流程如图2所示。
放射科医师阅片与模型辅助测试
进行了一项两阶段放射科医师研究,以评估Rs-DLs-M的诊断性能并评价其临床应用价值。两名匿名放射科医师参与了本研究,一名具有七年腹部影像学经验,另一名具有二十年经验。外部验证队列经随机打乱后呈现给放射科医师。每位放射科医师被要求盲法独立解读图像。
在放射科医师研究的第一阶段,向放射科医师提供每位患者的多参数CT(MPCT)图像和基线特征以进行诊断。在第二阶段(eML辅助放射科医师),向放射科医师提供相应的概率值。在此阶段,每位放射科医师可选择更改或维持初始诊断,并提供最终诊断结论。在两阶段放射科医师研究完成之前,放射科医师对病理结果始终保持盲法。
统计分析
统计分析在R软件4.1.2版本(https://www.r-project.org)中进行。对于连续变量,采用Shapiro-Wilk检验进行分布检验。若变量符合正态分布,则采用Student t检验进行分析,否则采用Wilcoxon检验。对于分类变量,采用卡方检验或Fisher精确检验(如适用),p < 0.05被认为具有显著统计学差异。采用AUROC及其95%置信区间、准确率、敏感度、特异度和F1分数评价模型效能。采用Delong检验评估诊断效率的统计学差异,p < 0.05表示具有统计学意义。最大病灶的提取使用SimpleITK 2.1.1版本(https://simpleitk.org)和OpenCV 4.5.1版本(https://opencv.org)。DL框架使用PyTorch 1.9.0版本(https://pytorch.org)构建。本研究的计算机核心硬件使用Intel Core I9-10900K CPU、Nvidia RTX 3090 24GB GPU和Kingston DDR4-3200 32GB RAM。
结果
患者基线资料
本研究共纳入来自两个中心的138例患者,其中中心1的94例构成发现队列,中心2的44例作为外部验证队列。发现队列由中心1的94例患者(训练队列和内部验证队列)组成,外部验证队列由中心2的44例患者组成。训练队列中有40例胃肠道间质瘤(GIST)患者和28例胃异位胰腺(GEP)患者,内部验证队列包括14例GIST和12例GEP。发现队列患者的中位年龄为57岁(范围20~77岁)。外部验证队列中有29例GIST和15例GEP,中位年龄为59岁(范围40~78岁)。患者人口学资料见表1,GEP和GIST的图示见图3。
最优特征组成
在N-Rs中,仅保留了1个经原始滤波器处理的强度特征。在A-Rs中,保留了10个特征,包括8个强度特征和2个纹理特征。其中7个特征经小波滤波器处理,其余3个特征经原始滤波器处理。在V-Rs中,共识别出18个最优特征,包括12个强度特征、5个纹理特征和1个形状特征。其中12个特征经小波滤波器处理,2个经LoG滤波器处理,4个经原始滤波器处理。关于D-Rs,其仅由7个强度特征组成,所有这些特征均经小波滤波器处理。最优特征分布及其贡献(重要性)见图4。最优特征的ICC检验结果见表S1。
影像组学表现
在影像组学分析中,CT图像的每个期相均显示出潜在的预测价值。结果表明,静脉期表现最佳,其次依次为动脉期、平扫期,最后为延迟期。这些期相的AUROC值分别为0.87(0.74~1.00)、0.82(0.67~0.98)、0.71(0.51~0.91)和0.69(0.53~0.85)。相应地,这些期相的准确率分别为0.91、0.89、0.82和0.68。详细信息见表2。
深度学习表现
在深度学习分析中,平扫期表现出更优的泛化性和稳健性,AUROC为0.81(0.67~0.69),准确率为0.77。紧随其后,静脉期位居第二,AUROC为0.78(0.62~0.95),准确率为0.80。动脉期位居第三,AUROC为0.74(0.56~0.92),准确率为0.84。值得注意的是,延迟期在影像组学和深度学习分析中均表现最低,AUROC为0.69(0.51~0.87),准确率为0.80。
融合模型表现
采用了三种组合方法,即Rs-M(融合四个期相的影像组学特征)、DLs-M(组合四个期相的深度学习评分)和Rs-DLs-M(Rs-M与DLs-M的融合)。这些模型共同表现出值得肯定的综合预测性能,Rs-DLs-M在各方面的预测指标上似乎更为均衡(图5D),达到AUROC为0.90(0.79–1.00),准确度为0.89。包括准确度、灵敏度和特异度在内的比较指标见图5。我们使用Delong检验评估Rs-DLs-M与两种方法各自单模态最优模型(即V-Rs、N-DLs)之间的诊断性能是否存在统计学差异。结果显示无统计学差异,其中Rs-DLs-M与V-Rs比较的p值为0.56,与N-DLs比较为0.37。
在放射科医师诊断试验中,初始阶段初级放射科医师的准确度为0.77,高级放射科医师为0.86。在随后阶段,加入eML辅助后,初级放射科医师的诊断准确度提高至0.93,高级放射科医师提高至0.95。Delong检验结果表明,初级放射科医师在eML辅助下综合诊断性能显著提高(p < 0.05)。尽管高级放射科医师也表现出改善,但p值无统计学显著性(表3)。
ICC一致性分析进一步证明了eML辅助诊断的提升作用。以病理结果为金标准,初级放射科医师的ICC值在eML辅助下从0.483提高至0.849。对于高级放射科医师,ICC值从0.691升至0.901。此外,初级与高级放射科医师诊断之间的一致性在eML辅助下从0.747提高至0.786。
讨论
对比增强CT被广泛认为是检测腹部肿块的主要影像学方法[16]。然而,胃上皮性肿瘤(GEP)的准确检测在很大程度上依赖于放射科医师的临床经验,导致不同工作年限的放射科医师之间GEP检出率存在相当大的差异。GEP的精确诊断对于指导适当的治疗策略至关重要。遗憾的是,患者在术前常被误诊为胃肠道间质瘤(GIST),导致不必要的广泛切除术。在本研究中,我们开发了基于多期对比增强CT(MPCT)图像的融合影像组学和深度学习(DL)的eML模型。我们将该模型的性能与不同经验水平的放射科医师所作诊断进行了比较。我们的结果表明,所有期相的影像组学模型和DL模型均表现出对GEP与GIST的鉴别能力。尤其值得注意的是融合模型Rs-DLs-M,其诊断性能最高,AUROC为0.90(0.79–1.00),准确率为0.89。此外,初级放射科医师的综合诊断能力从初始的准确率0.77、灵敏度0.60、特异度0.86分别提升至0.93、0.87和0.97。同时,高级放射科医师从0.86、0.73和0.93分别提升至0.95、0.93和0.96。
GEP肿块由不同比例的胰腺腺泡、导管成分和胰岛组成。GEP的MPCT特征与其病理组织的组成密切相关。以导管结构和肌肉层为主要成分的GEP,其强化程度通常低于正常胰腺。在以腺泡组织为主的GEP病例中,其强化模式通常与正常胰腺相似,呈现均匀化的趋势[17, 18]。相比之下,GIST是由梭形细胞、上皮样细胞或两者混合构成的真性肿瘤。这些肿瘤在MPCT图像上通常表现为均匀性。在CT图像上,GIST常表现为外生性生长,通常表现为从胃肠道壁向腹腔突出的肿块[19]。同样,向外生长的特征也可在GEP中观察到。黏膜溃疡是大多数GIST腔面表面的常见表现,这种表现可能被误认为具有导管样结构的GEP[20, 21]。
放射组学结果突出显示强度特征最具影响力,其贡献来自平扫期(1/1)、动脉期(8/10)、静脉期(12/18)和延迟期(7/7)。这一观察使我们假设,源自MPCT的灰度直方图参数的异质性可能与GEP和GIST[22]组织内病理成分的变化相关。巧合的是,Li等[11]的研究显示,两种病变整体均表现为均匀强化,但静脉期的强化程度高于动脉期。此外,在定量分析中,他们发现GEP的强化值和强化率高于GIST(GEP = 43.54 HU ± 11.78,GIST = 29.16 HU ± 13.69,p < 0.001),强化比(GEP = 1.08 ± 0.45,GIST = 0.77 ± 0.37,p < 0.001),观察到统计学差异。这一现象提示静脉期比其他期相发挥更显著的作用,突出了强度特征的诊断价值,与我们的假设相似。这也解释了为什么本研究中V-Rs包含更显著的强度特征并表现出最佳的单期预测性能。
引入eML辅助诊断后,初级放射科医师的ICC从0.483显著提高至0.849,其诊断性能分别提高了16%、27%和11%,经Delong检验证实。然而,高级放射科医师未观察到显著差异。初级放射科医师缺乏足够的临床实践和专业知识,需要时间来发展其技能。本研究所涉及的罕见疾病展示了eML如何帮助初级放射科医师更快速地诊断这些病例,缩短其学习曲线并增强其临床经验。相比之下,高级放射科医师通过长期临床实践积累了丰富经验,具有更强的各种疾病识别能力。这一经验在结果中发挥重要作用,这意味着eML辅助虽有帮助,但对他们影响较小。
与其他聚焦于MPCT主观分析以鉴别GIST和GEP的研究不同,我们的研究依赖于通过对整个病灶ROI进行定量放射组学分析的客观评估来进行鉴别诊断。这种分析方法覆盖整个肿瘤,提供更全面的三维信息,反映GIST和GEP的异质性。这与单层CT图像仅提供二维信息的局限性形成对比。值得注意的是,这可能潜在解释了我们研究中DL模型性能略逊的原因。Kim等[9]描述了基于MPCT征象诊断GEP的最佳预测因子,灵敏度为0.857,特异度为0.825。然而,我们的融合模型超越了这一性能,达到了灵敏度0.87和特异度0.90。在Li等[11]的一项单中心研究中,基于132例个体使用CT图像鉴别GEP和GIST,与胰腺的强化比被确定为最佳预测因子,AUROC为0.81(0.71–0.88)。相比之下,我们的融合模型经外部队列验证,表现出更优越的性能,AUROC为0.90(0.79–1.00)。
本研究存在若干局限性。第一,作为一项回顾性研究,存在选择偏倚的可能性。第二,尽管纳入来自两个中心的样本,总体样本量仍相对较小。未来可能需要更大规模的前瞻性研究来验证当前发现。第三,手动分割耗时较长,迫切需要一种全自动分割方法来提高效率。
结论
我们开发并验证了一种基于无创MPCT的eML模型,用于自动识别GEP和GIST。该方法有望辅助放射科医师实现及时、准确的诊断,为决策提供有价值的参考。
补充信息
电子补充材料
引用
- Sun K, Wang Y, Shi R, et al. An ensemble machine learning model assists in the diagnosis of gastric ectopic pancreas and gastric stromal tumors. Insights Imaging. 2024. PMID: 39320559. doi:10.1186/s13244-024-01809-2
- 全文:PMC11424595(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11424595/
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。