ESR要点:欧洲医学影像信息学会影像组学实践推荐
本文由欧洲医学影像信息学会提出影像组学实践推荐,强调方法学复杂性影响可重复性与临床转化。推荐遵循CLEAR清单与METRICS质量评估工具,使用符合IBSI标准的标准化工具如PyRadiomics提取特征,并规范数据划分、模型调优、评估与校准流程。
要点
- 影像组学方法学复杂,研究者需理解以保证模型严谨开发与临床实施(证据等级高)。
- 研究应遵循CLEAR清单并使用METRICS质量评估工具(证据等级低)。
- 特征提取应使用符合IBSI标准的工具如PyRadiomics并遵循已知最佳实践(证据等级中等)。
核心结论
- 影像组学研究有机会改善临床决策(证据等级中等),但研究者应理解其固有方法学复杂性以确保严谨的模型开发和顺利的临床实施(证据等级高)。
研究设计与样本
- 欧洲医学影像信息学会发布的实践推荐,基于实际示例和文献综述提出影像组学全流程最佳实践建议。
诊断标准与关键数值
- 影像组学研究应遵循影像组学专用清单如CLEAR,并使用质量评估工具如METRICS(证据等级低)。
- 影像组学特征提取应使用符合IBSI指南的标准化工具如PyRadiomics,并遵循当前已知最佳实践(证据等级中等)。
- 建议选择使分箱数在16至128之间的分箱宽度,该范围内固定分箱数的特征计算可重复性好且无显著差异。
- 图像预处理中强度归一化可采用z-score归一化、WhiteStripe、Min-Max归一化和基于直方图的技术如直方图匹配和CLAHE。
- 数据划分应在患者层面进行以避免信息泄漏;验证数据可通过重采样方法如bootstrap或k折交叉验证获得。
临床应用与阅片要点
- 特征提取参数如强度离散化、体素大小重采样等必须在影像组学论文中报告以确保可重复性。
- 模型调优必须仅在验证集上进行,测试集应仅使用一次以报告最终性能指标,避免测试集过拟合。
- 校准方法可用于纠正模型输出分数与参考标准概率的不一致,可生成校准曲线评估预期校准误差。
- 模型可解释性可通过SHAP、LIME等方法实现,并建议将影像组学特征与生物学变量相关联以增强信任。
- 开放科学条目包括数据、参数文件、代码和模型的公开可用性,有助于方法透明和可重复研究。
局限性
- 影像组学固有的方法学复杂性使其难以复现已发表模型并在真实临床实践中实施。
- 基于单变量分析的特征选择可能被认为不恰当,因其可能对影像组学特征对结局的贡献产生不准确判断。
- 每变量患者数准则在多变量分析中证据薄弱。
全文中译17 节 · 点击展开
关键推荐
影像组学研究为改善临床决策提供了机会(证据等级:中等)[1],但研究人员应了解其固有的方法学复杂性,以确保严谨的影像组学模型开发及顺利的临床实施(证据等级:高)。
研究人员在开展影像组学研究时应遵循影像组学专用清单,如影像组学研究评价清单(CLEAR),并使用质量评估工具,如影像组学方法学评分(METRICS)(证据等级:低)。
影像组学特征提取应使用符合影像生物标志物标准化倡议(IBSI)指南的标准化工具,如PyRadiomics,研究人员应遵循目前已知的最佳实践以提高临床转化(证据等级:中等)。
引言
影像组学在改善临床决策、患者管理和临床结局方面具有巨大前景。然而,随着影像组学研究进入第二个十年,这一有前景方法的临床实施仍然远远落后[2]。
影像组学受限于方法学复杂性。这就是为什么在真实临床实践中复现和实施已发表的模型仍然具有挑战性。指南[3]和评估工具[4]已经可用,可帮助研究人员和临床医生开展高质量的影像组学研究。然而,为开展有价值的影像组学研究寻找合适的支持仍然是一项挑战。
随着医学影像的不断发展,掌握影像组学方法学的复杂性不仅需要理论理解,还需要实际案例的指导。基于实际案例,我们旨在为临床医生、研究人员和数据科学家提供一份路线图,以解锁影像组学的复杂方法学,提高可重复性、泛化性,并最终促进临床采用。在此,我们利用真实世界案例并概述影像组学工作流程的关键步骤。我们涵盖整个流程,从图像预处理、特征可解释性和模型开发到模型评估,如图1所示。通过强调实际案例,我们旨在使读者能够理解该方法所面临的挑战,并自信地将影像组学应用于其研究中。在每一节末尾,我们提供相应笔记本的链接。您可以在此使用ProstateX及相应的公开病灶分割数据集[5, 6]自行尝试主要教学要点,并最终可根据自身研究定制给定条目。这些笔记本也可在https://github.com/JoaoSantinha/RadiomicsEurRadEssentialsPaper获取。
影像组学特征:提取参数、图像预处理、高阶特征滤波器及可解释性直觉
在本节中,我们回顾与影像组学特征相关的最佳实践,从特征提取到图像预处理、图像滤波器及特征可解释性。
提取参数与图像预处理
在影像组学工作流程中,进行图像预处理是为了标准化图像质量、规避采集易感性,并确保影像组学特征的可重复性[7]。强度归一化是最重要的图像预处理步骤之一[8]。
在体素强度具有单位的情况下(例如CT-HU、PET-SUV、MRI-ADC-mm2/s等),我们可以预期患者间的强度具有一定程度的标准化。然而,在定性成像中(例如非定量MRI),强度单位是任意的。在这种情况下,组织的强度与组织类型相关,但它是相对于图像中所表示的邻近组织而言的。因此,可能需要诸如z-score归一化、WhiteStripe[9]、最小-最大归一化以及基于直方图的技术[10](如直方图匹配和对比度受限自适应直方图均衡化(CLAHE)[11])等归一化方法,以根据受试者、检查设备和成像设备来标准化强度。
开源Python包PyRadiomics是最常用的影像组学特征提取框架[12]。它遵循影像生物标志物标准化倡议(IBSI)指南,其差异已在PyRadiomics文档中详细描述(https://pyradiomics.readthedocs.io/en/latest/faq.html?highlight=IBSI#does-pyradiomics-adhere-to-ibsi-definitions-of-features),并且与其他框架一样,使用图像和相应的分割来提取影像组学特征以进行进一步分析。这种提取依赖于对若干参数的精细调整以确保有意义的特征值。这些参数包括强度离散化、体素大小重采样等,在任何影像组学稿件中报告此类参数对于确保可重复性都是至关重要的[13]。
强度离散化可增强降噪效果并提高提取特征的可重复性[14]。组距(每个强度组将具有此预定义宽度)通常优于组数(图像强度被拉伸或压缩,使得掩膜内的强度将被划分为此预定义数量的组),因为它独立于所选分割区域中的强度范围,从而减少了分割变异性[15]。这种方法可产生更多可重复的影像组学特征[16, 17]。一项全面的体模研究试图找到能够使影像组学特征可重复性最高的最佳组距[12]。然而,尽管报告了不同组距下特征值存在一定程度的变化,但作者无法证明特征稳定性受组距选择的显著影响,也无法指出某个组距是最优的。因此,建议一致地报告所有预处理步骤以提高可重复性[12]。组距的选择取决于感兴趣区域的强度范围。由于目前尚无明确的指南,建议选择使组数在16至128之间的组距,该范围在固定组数下显示出良好的可重复性,且在此范围内计算的特征无显著差异[18, 19]。
在处理具有体素间距异质性的数据集时,图像分辨率也至关重要,因为通过重采样进行标准化对于提高放射组学特征的可重复性至关重要[20]。这确保放射组学特征的差异不仅仅源于分辨率差异。重要的是确定图像是各向同性还是各向异性,并据此选择重采样体素大小,同时考虑平面内分辨率和层厚等特征。
尽管可以通过下采样平面内分辨率(伴随信息丢失)或上采样贯穿平面分辨率(通常不推荐,因为使用了非采集信息)从各向异性图像获得各向同性图像,但更安全的方法涉及重采样平面内分辨率并以2D而非3D提取特征,后者通常用于各向同性图像。
用于高阶放射组学特征的图像滤波器
特征对于在放射组学研究实现高预测性能至关重要,预处理滤波器(例如,高斯拉普拉斯、小波、指数、对数、平方、平方根等)可在特征提取前应用于图像,以增强医学图像中临床相关特征和模式的量化[21]。这些滤波器的输出示例如图2所示。图像生物标志物标准化倡议最近引入了一套标准化的与成像模态无关的卷积滤波器(例如,均值、高斯拉普拉斯、Laws和Gabor核、可分离和不可分离小波——包括分解形式以及Riesz变换),已被证明可增强可重复性[21]。
虽然滤波器将纹理特征的数量扩展到数百甚至数千个,可能使可解释放射组学模型的创建复杂化——特别是在病例数量有限的研究中——Demircioglu[22]的最新研究结果表明,将从原始图像和滤波图像中提取的特征相结合可能是有益的,因为该方法在各种公共图像数据集上与仅使用原始图像特征相比产生了相似甚至更优的预测性能。
在以下Google Colab笔记本链接中,我们展示了将每个滤波器应用于原始图像的结果(https://colab.research.google.com/github/JoaoSantinha/RadiomicsEurRadEssentialsPaper/blob/main/Image%20and%20Filtered%20Images.ipynb)。
放射组学特征可解释性的直觉理解
可解释性是阻碍放射组学分析融入临床实践的关键障碍。特征的复杂性直接影响其可解释性;虽然一阶特征和形状相关指标相对简单明了,但纹理特征及源自图像滤波的特征则带来更大挑战。
在采用透明方法学并遵循标准化影像组学检查清单(如影像组学研究评估检查清单(CLEAR)[3])和质量评估工具(如影像组学方法学评分(METRICS)[4])的同时,还必须解决可解释性问题[23]。因此,必须努力将影像组学特征与生物学变量相关联,以增强对该方法学的信任。此外,还必须进一步努力将影像组学特征与生物学变量相关联,以增强对该方法学的信任。例如,某些特征如熵与肿瘤异质性等生物学参数具有直接相关性[24]。利用颜色映射来可视化与感兴趣组织类型相关的特征,如图3所示,进一步提高了可解释性并促进了临床采用[25]。
影像组学特征单变量分析
单变量分析允许评估每个影像组学特征与感兴趣结局之间的关联[25]。为评估此类关联,可使用受试者工作特征曲线下面积[26, 27]、Pearson相关检验[28]、卡方检验、t检验、Welch t检验、Mann–Whitney U检验、方差、Relief和互信息等方法[29]。鉴于大量特征和相对较小数据集所带来的挑战,这些方法通常作为特征选择工具,旨在降低维度和防止过拟合,与Hosmer和Lemenshow倡导的“有目的的选择”方法相一致[30–32]。通常,统计显著性(通常以p < 0.05表示)指导特征纳入多变量建模[33],并伴随多重比较校正[34, 35]。此外,无监督聚类已被用于从每个聚类中选择单个代表性特征用于建模[36]。
尽管单变量分析在影像组学和其他医学科学中普遍使用,但基于单变量分析的特征选择可能被认为不恰当,因为它可能对影像组学特征对结局的贡献产生不准确的判定[33]。
影像组学研究中另一种常见方法涉及多变量分析中每个影像组学变量对应n名患者的标准,该标准在二分类逻辑回归分析中显示的证据较弱[37],而收缩方法可能更适合在模型拟合过程中进行特征选择并减少模型过拟合[38]。
以下Google Colab笔记本展示了单变量分析及随后利用其信息进行建模的示例,并将其与使用最佳实践开发的影像组学模型进行比较(https://colab.research.google.com/github/JoaoSantinha/RadiomicsEurRadEssentialsPaper/blob/main/Radiomics%20Features%20Univariable%20Analysis.ipynb)。
影像组学模型开发的最佳实践
在本节中,我们回顾与模型开发和评估若干步骤相关的最佳实践,这些步骤中的错误常常危及所开发的模型。
数据划分
正确的数据划分对于避免信息泄漏以及避免通过提供测试数据信息而使训练过程产生偏倚至关重要[3]。因此,必须在患者层面进行数据划分。超参数优化可使用验证数据进行,作为初步基准,随后通过最终模型的测试加以确认。
验证数据可通过单次划分(留出法)获得,但该方法易受抽样问题影响。因此,重采样方法更为可取,例如自举法或k折交叉验证(CV)。CV可根据标签分布采取多种形式(分层CV),采用内循环和外循环(嵌套CV),或允许逐例推断(留一法CV)[39]。通过使用不同随机种子,可对多次迭代的结果取平均值。
一旦流程-模型配置最终确定,确认验证结果需要新的测试样本。理想情况下,在模型开发后收集新的患者数据可提供最稳健的验证方法。在回顾性研究中,常见做法是保留一部分初始数据。然而,为避免随机抽样问题,更倾向于采用“时间性”划分技术,这要求在模型开发后获取新患者[40]。
结局参数选择
选择(相关的)结局参数需要系统化方法,该方法应考虑影像组学模型所处的阶段。放射学人工智能部署与评估准则(RADAR)模型为此提供了结构化框架[41],其借鉴了Fryback和Thornbury的诊断效能框架[42]。该框架中的一个重要概念是,在临床前阶段证明价值并不能保证在临床阶段具有相同价值。
临床前阶段评估技术效能和诊断准确性。技术效能评估模型处理相关图像的能力,而诊断准确性涉及其敏感性和特异性。进入临床阶段后,评估模型对临床诊疗的实际影响。评估的参数包括其对诊断推理、治疗决策和患者结局的影响。此外,卫生经济学评价对于确定实施影像组学模型的成本效益至关重要,正如最近一项关于将影像基因组学模型与临床数据整合用于识别普通人群中BRCA突变携带者的临床和经济影响的研究所示[43]。
模型比较
在提取特征并划分数据后,可使用影像组学特征作为输入构建多种模型[44]。根据具体的目标,可采用一系列模型类别,包括但不限于回归模型、基于树的模型、神经网络或支持向量机。然而,在比较不同模型类型时,单一评价指标不足以进行全面评估。
为了理解不同模型的复杂性,有多种统计检验可用于评估临床相关的性能指标[45]。对于分类任务,可采用McNemar检验和用于混淆矩阵的Cochran's Q检验、用于曲线下面积的DeLong检验或用于方差的F检验来比较模型。这些检验应应用于使用相同流程(如留出法、交叉验证、分层交叉验证、嵌套交叉验证或其他方法)进行训练和评估的模型,以确保差异并非由不同流程所致。随后,研究者应独立权衡假阳性和假阴性的影响,考虑每种错误的后果。在某些临床情境中,假阴性对患者的影响可能比假阳性更为严重。因此,在比较模型及其各自的性能指标时,审慎考量至关重要[46]。
模型微调与评估
超参数优化和微调对于最大化模型性能至关重要。由于影像组学特征是硬编码的不可学习特征,学习发生在提取的特征之上[12],与深度学习模型相比,这有利于进行计算成本低廉的“超参数扫描”,即研究者测试多种超参数设置以达到最优性能。
一个常见错误是在测试集上反复测试模型,导致测试集过拟合[47]。因此,优化必须仅在验证集上进行。一旦确定了具有最佳参数的最佳模型,测试集应仅使用一次以报告最终性能指标。为提高从验证集到测试集评分的结果的泛化性,建议使用相对较大且多样化的验证集进行超参数扫描。
模型/分类器的校准
机器学习模型输出0到1之间的评分,这些评分通常未经过校准,意味着它们不能准确反映与参考标准一致的可能性。例如,如果一个模型始终将病例评为0.6分,但正确率为90%,人们会期望评分反映这一准确率,或许应为0.9。校准旨在纠正这些偏差[45]。
多种校准方法试图减轻这些偏差。一个例子是Platt缩放,但它假设逻辑关系,而这种关系可能并不总是成立。一种较新的、日益受关注的方法是共形预测[48],它需要一个单独的留出集进行校准,并提供评分-概率一致性的数学保证。随后,可生成校准曲线以评估预期校准误差(ECE),表明输出评分与概率的一致程度。此外,必须检查输出评分分箱的直方图与底层概率的对比,以确保分布没有显著偏向0或1。
模型可解释性
在开发模型时,通常需要在可解释性与性能之间进行权衡。例如,线性分类器提供了可解释性,但其性能可能不及更复杂的机器学习模型。因此,同时实现可解释性和性能是可解释人工智能(Explainable AI)领域的一个活跃研究方向。临床医生和研究人员必须评估每个临床用例,以确定所需的可解释性水平,并考虑模型性能与其复杂性之间的关系。诸如赤池信息准则(AIC)等统计指标有助于在此方面做出最优决策。此外,进行深入分析和推理有助于形成关于模型行为的假设,并逻辑性地提取可解释性[49]。SHapley加性解释(SHAP)[50](例如图4)和局部可解释模型无关解释(LIME)[51]等方法已被广泛用于模型可解释性。
在下一个Google Colab笔记本中,我们将逐一介绍此处提到的模型开发的各个方面(https://colab.research.google.com/github/JoaoSantinha/RadiomicsEurRadEssentialsPaper/blob/main/Radiomics%20Features%20Model%20Development.ipynb)。
开放科学
最后但同样重要的是与影像组学模型开发相关的几个方面的开放科学状态。这些重要的开放科学项目包括数据、参数文件、代码和模型的公开可用性,其可用性将带来方法学步骤的清晰性、透明度以及可重复研究[2, 52]。
总结陈述
在本综合教程中,我们提供了掌握整个影像组学流程复杂性所需的基本知识。遵循影像组学研究的生命周期,我们从图像预处理开始,贯穿整个影像组学流程,直至模型可解释性(表1和图1)。
“影像组学特征提取与预处理”强调了在不同设置和模态之间标准化图像的重要性,从而实现更可重复的结果。“单变量分析”探讨了影像组学特征与临床结局之间的关联;因此,它支持“特征选择”这一关键步骤,并概述了需要考虑的潜在陷阱。如果操作得当,单变量分析可减少过拟合,并支持稳健影像组学模型的开发。
“影像组学模型开发”需要细致的数据划分和结局参数选择,应用RADAR框架可能有助于此。为验证影像组学结果,必须将验证策略形式化。使用保留测试集对于开发稳健的影像组学模型至关重要。遵循这些方法有助于理解模型在真实世界情境中的实际表现。“模型比较”有多种统计检验方法可供使用。避免过拟合至关重要,过拟合可能是模型微调过程中反复测试模型的结果。建议使用校准方法使模型输出与真实世界情境相一致。
“模型可解释性”是开发有意义的影像组学模型的关键。尽管较简单的模型通常具有更好的可解释性,但它们可能以模型性能为代价。可解释性在影像组学模型应用于临床环境的过程中起着至关重要的作用,遵循影像组学专用指南将有助于研究人员实现可解释性。
患者摘要
影像组学是分析医学图像的一种有前景的工具。在本文中,我们全面概述了其基本方法,并探讨了影像组学流程的所有关键步骤,包括预处理、单变量分析、数据划分、结局参数选择、模型评估以及可解释影像组学模型的开发。我们还讨论了关于特征选择、数据处理、结局参数选择和过拟合的方法学挑战。
引用
- Santinha J, Pinto Dos Santos D, Laqua F, et al. ESR Essentials: radiomics-practice recommendations by the European Society of Medical Imaging Informatics. Eur Radiol. 2024. PMID: 39453470. doi:10.1007/s00330-024-11093-9
- 全文:PMC11835989(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11835989/
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。