文献速递腹部技术与安全CT

结直肠癌肝转移评估自学习自动分割模型(COALA)的开发与外部评估

Development and external evaluation of a self-learning auto-segmentation model for Colorectal Cancer Liver Metastases Assessment (COALA).
PubMed 文献 · Insights Imaging · 2024-11-22

本研究开发了COALA自学习自动分割模型,用于在门静脉期增强CT上分割结直肠癌肝转移灶并计算总肿瘤体积。模型内部测试集平均DICE评分为0.85,外部测试集为0.83;两个测试集上自动分割与合并分割所得总肿瘤体积的ICC均为0.97。模型在治疗前后扫描上的表现无显著差异。

要点

  • COALA模型在内外测试集上分割结直肠癌肝转移灶的DICE评分分别为0.85与0.83,TTV一致性ICC均为0.97。
  • 模型在治疗前与治疗后扫描上的DICE评分无显著差异(外部P=0.64,内部P=0.22)。
  • 自动分割有望辅助总肿瘤体积评估,但原文为回顾性研究,模型在前瞻性临床场景中的效能尚未验证。

核心结论

  • COALA模型在内部和外部测试集上均获得较高DICE评分,对总肿瘤体积评估达到近乎完美的一致性。
  • 作者认为该模型有潜力在常规临床实践中提供可靠且一致的总肿瘤体积评估。

研究设计与样本

  • 回顾性研究,纳入两个医学中心数据;内部数据集来自CAIRO5试验(47家医院,2014年11月至2022年1月),外部数据集来自Oslo-COMET试验(单中心,2012年2月至2016年1月)。
  • 内部数据集含373例患者的783份门静脉期增强CT,外部数据集含35例患者的50份门静脉期增强CT;参考标准为三名腹部放射科医师校正后经STAPLE算法合并的分割。
  • 采用教师-学生自学习框架:教师模型基于99份手动分割CT训练,学生模型基于教师生成的663份自动分割CT加初始99份分割训练,最终模型为学生模型。
  • 模型采用nnUNet两阶段3D U-Net级联,5折交叉验证(80:20训练-验证划分),每折1000步,初始学习率0.05,在NVIDIA A100 GPU上训练。

关键影像表现/征象

  • 原文未涉及影像征象描述,模型输入为门静脉期增强CT,输出为结直肠癌肝转移灶及周围12个腹部解剖结构的分割。

诊断标准与关键数值

  • 内部测试集(21份CT,来自10例患者)平均DICE评分0.85(IQR 0.05),治疗前0.87(IQR 0.02),治疗后0.85(IQR 0.05)。
  • 外部测试集(50份CT,来自35例患者)平均DICE评分0.83(IQR 0.10),治疗前0.84(IQR 0.10),治疗后0.82(IQR 0.05)。
  • 内部与外部测试集上,模型分割与合并分割所得总肿瘤体积的ICC均为0.97。
  • ICC分级标准:差(ICC<0.4)、一般(ICC 0.4–0.59)、好(ICC 0.6–0.74)、优秀(ICC 0.75–1.0)。

临床应用与阅片要点

  • 原文结论指出,自动分割手动放射学评估(如目前临床使用的RECIST1.1疗效评估)是模型一个有前景的应用方向。
  • 作者认为该模型有潜力在常规临床实践中提供可靠且一致的总肿瘤体积评估。
  • 原文未据此给出具体的阅片或报告操作推荐。

局限性

  • 研究的回顾性性质限制了对模型在前瞻性临床环境中效能的预测。
  • 合并分割由放射科医师在已有预分割基础上校正生成,可能导致评分者间DICE评分和ICC高于从头分割的结果。
  • 外部测试队列与训练队列在每例患者结直肠癌肝转移灶数量上存在差异,这虽可视为模型稳健性的体现,但也对训练数据在广泛临床场景中的代表性提出疑问。
  • 未在公开基准数据集上评估模型,因现有数据集(如LiTS)主要包含原发性肝脏肿瘤而非结直肠癌肝转移。
  • 未来研究应纳入全球中心的数据并包含更具临床代表性的测试队列。
全文中译11 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:Insights Imaging. 2024 Nov 22;15:279. doi: 10.1186/s13244-024-01820-7

引言

基线的总肿瘤体积(TTV)以及对系统性治疗的TTV反应,对结直肠癌肝转移(CRLM)患者的总体生存和无复发生存具有预后价值[1–5]。目前,CRLM对系统性治疗反应的评估使用实体瘤疗效评价标准(RECIST1.1)[6]。然而,RECIST1.1与生存之间的相关性仍不确定[7]。在评估CRLM对系统性治疗的反应时,使用TTV可能带来更具临床相关性的评估。评估TTV需要对众多CRLM进行手动分割,这是一项耗时且需要相当专业知识的任务。此外,手动分割具有主观性,导致观察者间变异。因此,尽管TTV具有潜在的预后价值,TTV评估尚未在临床实践中被采用。人工智能(AI)CRLM分割模型可能帮助临床医生自动评估TTV,促进其在常规患者护理中的实际应用。

近年来,肝脏和原发性肝脏肿瘤的自动分割已被广泛研究,采用了多种深度学习架构,如卷积神经网络、UNet及UNet变体、生成对抗网络等,用于分割肝细胞癌等原发性肝脏肿瘤,并取得了有前景的结果[8–17]。然而,本工作聚焦于CRLM,与原发性肝脏肿瘤相比,CRLM因其表现异质性和边界欠清晰而呈现出独特挑战。尽管已有一些关于CRLM自动分割的工作,但与原发性肝脏肿瘤的大量研究相比仍然有限。例如,Vorontsov等提出了一种CRLM半自动分割方法,与手动分割相比提高了分割速度,但缺乏体积准确性[17]。同样,Wesdorp等引入了一种CRLM自动分割模型;然而,该模型在外部测试队列中表现不佳[16]。分割准确性的不足凸显了开发更精确模型的迫切需求,以具备临床级CRLM分割能力,从而促进自动化TTV评估。

为解决当前自动化CRLM分割在空间准确性方面的局限性,我们使用大型患者队列开发了一种基于自学习的结直肠癌肝转移评估(COALA)分割模型。COALA模型利用教师-学生动态机制,由在较小分割数据集上训练的教师模型指导在较大未分割数据集上学习的学生模型。通过使用由多位放射科医生整合的平均地面真值分割,我们旨在尽量减少观察者依赖性变异,并提高在临床实践中采用TTV评估的可行性。

材料与方法

本研究回顾性纳入了来自两个医疗中心的数据。阿姆斯特丹UMC医学伦理审查委员会、挪威区域伦理委员会以及奥斯陆大学医院数据保护官批准了本研究方案。所有患者均按照机构惯例进行管理。所有患者签署了书面知情同意书,允许将其数据用于研究。

数据集

我们利用两个数据集进行这项回顾性研究:INTERNAL数据集和EXTERNAL数据集。INTERNAL数据集包括来自CAIRO5试验(NCT02162563)注册的373例患者的783次门静脉期CT扫描(CT-PVP),该试验是由荷兰结直肠癌组于2014年11月至2022年1月在47家医院开展的多中心随机对照试验[18]。CAIRO5试验评估了对于初始不可切除的仅限肝脏的结直肠癌肝转移(CRLM)患者的最佳全身诱导治疗。患者根据原发肿瘤部位和基因突变状态随机接受不同的全身治疗联合方案。这些治疗方案包括双药或三药化疗联合靶向治疗。

EXTERNAL数据集包括来自Oslo-COMET试验(NCT01516710)入组的35例患者的50次CT-PVP,该试验是在奥斯陆大学医院于2012年2月至2016年1月开展的单中心、随机优效性试验。患者被随机分配接受腹腔镜或开腹保留肝实质的肝切除术[19]。

两个数据集均包括全身治疗前基线和全身治疗后随访时的CT-PVP。我们收集了年龄、性别、全身诱导治疗方案和CRLM数量的信息(表1)。CT采集和重建参数详见补充数字内容中的表S1。

表1 INTERNAL和EXTERNAL数据集的患者人口学特征 查看原表 ↗

数据准备

对于INTERNAL数据集,两名研究团队成员(M.Z.、N.W.)使用IntelliSpace Portal 9.0®(Philips)的肿瘤追踪模态功能,对来自55例患者的120次CT-PVP中的1113个CRLM进行了半自动分割。最初,IntelliSpace Portal根据密度差异自动生成感兴趣区。两名研究团队成员逐层手动修整这些轮廓以实现精确分割。三名腹部放射学专家(J.H.v.W.:18年经验,J.v.d.B.:10年经验,I.N.:2年经验)使用IntelliSpace Portal独立审查并在必要时调整了这些分割。

对于EXTERNAL数据集,两名研究团队成员使用3DSlicer(5.4.0)独立对来自35例患者的50次CT-PVP中的72个CRLM进行了初始分割。三名腹部放射学专家(G.K.:12年经验,T.S.:15年经验,F.K.K.:10年经验)随后各自使用3DSlicer(5.4.0)和MedSeg(1.0)独立审查并在需要时校正了所有这些分割。

INTERNAL和EXTERNAL数据集中三名放射科医师校正后的分割通过同时真值与性能水平估计算法(STAPLE)合并为单一分割,以下称为合并分割[20]。

已有研究表明,纳入周围腹部结构可提高分割模型的性能;因此,在CRLM分割之外,我们还纳入了十二个相关周围解剖结构的分割:十二指肠、胰腺、双侧肾上腺、脾、胆囊、双肾、结肠、胃、小肠和肝脏[21]。这些额外的分割使用解剖分割模型TotalSegmentator自动生成,作为模型的上下文信息,帮助其识别扫描中的相关区域并提高CRLM分割准确性[22]。图1展示了来自INTERNAL数据集的一个分割CT-PVP示例。

图1 由三位放射科医生手动分割并使用STAPLE算法合并的门静脉期轴位计算机断层扫描示例。绿色 = CRLM,青绿色 = 肝脏,粉色 = 脾,深蓝色 = 胰腺,浅蓝色 = 肾上腺,红色 = 胃,黄色 = 结肠 查看原图 ↗

模型实现

我们采用自学习方法来训练COALA分割模型,其示意图见图2。自学习首先以一个教师分割模型开始,该模型在少量手动分割的训练数据上训练。然后使用该教师分割模型为整个未分割的训练数据集生成分割。这些教师生成的分割随后用于训练学生分割模型。学生分割模型通过利用额外的训练数据,可以超越初始教师分割模型的性能。该方法有助于减少手动分割并提高分割模型的稳健性和泛化能力[23]。

我们最初使用INTERNAL数据集中先前已手动分割的120个CT-PVP中的99个CT-PVP子集训练了一个教师分割模型。使用该教师分割模型,我们获得了剩余INTERNAL数据集的自动分割,该数据集包含来自318名患者的663份CT扫描。所得的自动分割和初始的99个分割被用于训练学生分割模型。学生模型作为最终的COALA分割模型。

我们为教师和学生分割模型选择了包含两阶段3D U-Net级联的nnUNet网络设置[24]。该级联包括一个在降采样图像上训练的初始U-Net,用于生成低分辨率分割,作为训练后续全分辨率U-Net的辅助输入。我们使用5折交叉验证,训练-验证比例为80:20,每折1000步,初始学习率为0.05,训练低分辨率和全分辨率U-Net。所有模型均在NVIDIA A100 GPU上训练,每折约需一天。

图2 所提出的用于对比增强CT扫描上CRLM和腹部器官分割的学习框架。CT-PVP,门静脉期计算机断层扫描 查看原图 ↗

性能评估

我们使用来自EXTERNAL数据集的50个CT-PVP以及包含21个CT-PVP的INTERNAL数据集子集,评估了训练后的COALA模型的性能。为评估我们模型对CRLM分割的空间准确性,我们使用DICE评分将模型的分割结果与合并分割结果进行比较。为评估我们模型的TTV评估,我们从模型分割和合并分割中推导出以体素为单位的TTV。我们通过计算双向混合效应组内相关系数(ICC)来检验模型分割与合并分割TTV之间的一致性,并将结果分类为差(ICC < 0.4)、一般(ICC 0.4–0.59)、好(ICC 0.6–0.74)或优(ICC 0.75–1.0)。最后,我们使用Welch t检验比较模型在新辅助治疗前(pre-NAT)和新辅助治疗后(post-NAT)扫描上的性能。p值小于0.05表示具有统计学意义。

结果

患者特征

INTERNAL数据集包含来自373例患者的783个CT-PVP,描绘了14,152个CRLM;EXTERNAL数据集包含来自35例患者的50个CT-PVP,描绘了72个CRLM。在INTERNAL数据集中,大多数患者为男性(64%);在EXTERNAL数据集中,不到一半的患者为男性(46%)。INTERNAL数据集中诊断时CRLM的中位数量(12个对1个)和中位最大直径(42 mm对19.5 mm)更高。影像数据包括全身治疗前基线的CT-PVP(INTERNAL:373(48%),EXTERNAL:410(52%))和全身治疗后随访的CT-PVP(INTERNAL:31(62%),EXTERNAL:19(38%))。见表1。

分割模型

COALA模型在EXTERNAL数据集上达到了平均DICE评分0.83(IQR:0.10),在pre-NAT和post-NAT扫描上的平均DICE评分分别为0.84(0.10)和0.82(IQR:0.05)。在INTERNAL数据集的留出子集上,COALA模型达到了平均DICE评分0.85(IQR:0.05),在pre-NAT和post-NAT扫描上的平均DICE评分分别为0.87(IQR:0.02)和0.85(IQR:0.05)。Welch t检验显示,在EXTERNAL或INTERNAL数据集上,模型在pre-NAT或post-NAT扫描上的性能均无显著差异(p = 0.64和p = 0.22)。模型获得的分割结果与真实合并分割之间的视觉比较见图3。

图3 门静脉期轴位计算机断层扫描中COALA模型分割与合并分割的比较。红色 = 我们模型执行的自动分割,绿色 = 由三名放射科医师执行并使用STAPLE算法合并的合并手动分割 查看原图 ↗

总肿瘤体积分析

由COALA模型推导的TTV与合并分割体积之间的一致性在EXTERNAL数据集和INTERNAL数据集上均达到ICC 0.97。从模型分割和合并分割获得的以体素为单位的中位、最大和最小TTV见表2。

表2 在INTERNAL和EXTERNAL数据集上从COALA模型分割和合并分割推导的以体素为单位的TTV 查看原表 ↗

讨论

本研究介绍了全自动结直肠癌肝转移(CRLM)分割与总肿瘤体积(TTV)评估模型COALA的开发与外部评估。通过采用自学习训练设置并结合多样化数据集,以及将三位放射科医师的CRLM分割结果整合为统一参考标准,我们减少了所需的人工训练样本,增强了模型的稳健性和泛化能力,并减轻了观察者依赖性变异。COALA模型在CRLM分割DICE评分上无显著差异,并在来自奥斯陆大学医院的外部评估队列中显示出TTV评估近乎完美的一致性。总体而言,这些发现表明所提出的COALA模型有潜力在常规临床实践中提供可靠且一致的TTV评估。

尽管原发性肝脏肿瘤的自动分割已使用多种深度学习架构得到广泛研究[8–17],但结直肠癌肝转移(CRLM)的分割因其表现异质性和边界欠清晰而面临独特挑战。Vorontsov等人在将深度学习应用于CRLM的TTV评估方面做出了重要贡献[17]。其基于全卷积网络的方法确实在分割速度上有所改善,但受限于分割和体积准确性的不足。具体而言,其自动分割甚至经用户校正的CRLM分割模型所达到的DICE评分显著低于我们的COALA模型所达到的DICE评分(分别为0.68和0.85)。同样,Wesdorp等人提出了一种CRLM自动分割模型,但在外部测试队列中表现不佳[16]。这些局限性凸显了对能够进行临床级CRLM分割的更精确模型的需求。通过利用更大、更多样化的训练数据集(833次扫描,而此前研究为115次),我们力图增强模型对来自不同患者人群的新未见数据的泛化能力。此外,我们通过纳入三位经验丰富的放射科医师的标注来增强参考标准的可靠性,降低了个体偏倚或错误的风险。最后,我们的研究包括使用奥斯陆大学医院数据对COALA模型进行外部评估,展示了其在不同医疗中心间的适用性和有效性。

我们的研究存在若干局限性,应予说明。第一,本研究的回顾性性质限制了对模型在前瞻性临床环境中效能的预测。第二,合并分割由放射科医师在已有预分割基础上进行校正而生成,与从头分割相比,可能导致更高的评估者间DICE评分和ICC。第三,外部测试队列与训练队列存在差异,具体表现为每位患者的结直肠癌肝转移(CRLM)数量不同。尽管模型在这一差异下仍表现良好可被视为一项优势,但这也引发了关于训练数据对广泛临床场景代表性的疑问。最后,我们未在公开可用的基准数据集上评估模型,因为现有数据集(如肝脏肿瘤分割(LiTS)数据集)主要包含原发性肝脏肿瘤,而非CRLM [25]。为解决这一问题,我们将内部测试集与模型一同公开,以供未来基准测试使用。未来研究应纳入来自全球各中心的数据,并包含更具临床代表性的测试队列。将人工放射学评估自动化(例如目前临床实践中使用RECIST1.1标准进行的疗效评估)是一项有前景的应用。

总之,本研究引入了首个全自动CRLM分割模型COALA,其分割结果与观察者间一致性相符,并在TTV评估中显示出近乎完美的一致性。该模型对由三名放射科医师标注的数据进行外部评估,凸显了其稳健性,大幅减轻了观察者依赖性变异。这些进展为可靠且一致的TTV测量提供了有前景的基础,而后者对于结直肠癌肝转移患者的有效管理至关重要。

补充信息

电子补充材料

引用

  1. Bereska JI, Zeeuw M, Wagenaar L, et al. Development and external evaluation of a self-learning auto-segmentation model for Colorectal Cancer Liver Metastases Assessment (COALA). Insights Imaging. 2024. PMID: 39576456. doi:10.1186/s13244-024-01820-7
  2. 全文:PMC11584830(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11584830/

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。