基于CT的临床-影像组学模型预测局部晚期头颈癌进展并推动临床适用性
单中心观察性研究纳入171例接受根治性放化疗的局部晚期头颈鳞癌患者,从基线CT提取108个影像组学特征,构建临床-影像组学联合模型预测5年进展,测试集AUC为0.74、敏感度0.53、特异度0.81、准确率0.66,优于单纯TNM8或临床综合模型;PFS模型测试集AUC为0.64、c-index为0.66,可按切点24.37分层高风险与低风险组(log-rank p<0.005)。
要点
- 联合模型预测5年进展的测试集AUC为0.74,高于TNM8模型(0.57)与临床综合模型(0.56)。
- 联合模型敏感度0.53、特异度0.81;临床模型敏感度0.95但特异度仅0.19。
- PFS模型测试集AUC为0.64、c-index为0.66,按切点24.37分层高低风险组log-rank p<0.005。
核心结论
- 联合临床与影像组学特征的模型在预测5年进展方面优于标准TNM8和临床变量,但原文指出仍需进一步验证。
研究设计与样本
- 单中心观察性研究,纳入2016至2023年西班牙巴伦西亚临床大学医院(HCUV)171例接受根治性同步放化疗的局部晚期头颈鳞癌患者,数据含回顾性(2016年1月至2017年1月)与前瞻性(2017年2月至2023年9月)病例。
- 按80%训练验证集(136例)与20%测试集(35例)随机划分,训练集行5折交叉验证,按5年进展分层。
- CT于治疗开始前28天内采集,使用两台扫描仪,静脉注射对比剂,层厚0.5 mm至13 mm,由经验丰富的放射技师在对比增强CT上手动勾画全部原发肿瘤三维感兴趣区。
- 从每个感兴趣区提取108个三维影像组学特征(形状、一阶、二阶),使用符合影像生物标志物标准化倡议(IBSI)的Quibim Precision平台,重采样至1 mm³各向同性体素并行z-score标准化,固定箱宽25。
- 参考标准为5年进展(局部区域复发或远处转移,是 vs 否)及无进展生存期(PFS,诊断至进展或末次随访)。
关键影像表现/征象
- 5年进展组原发肿瘤最大径(major axis length)较无进展组更长,二阶特征显示该组肿瘤异质性更高。
- 联合模型最重要的影像组学特征依次为GLSZM SAE、GLSZM大区域低灰度强调(LALGLE)、形状平坦度(flatness)和GLDM熵。
- SHAP分析显示除平坦度外,各特征值越高与进展风险越高正相关;平坦度呈相反方向。
- PFS模型中影响最大的变量为z轴最大二维直径,直径越大进展风险越高,TNM分期亦有显著影响。
诊断标准与关键数值
- 5年进展预测:联合模型测试集AUC 0.74、敏感度0.53、特异度0.81、准确率0.66;TNM8模型(C1)AUC 0.57、敏感度0.95、特异度0.19;临床综合模型(C2)AUC 0.56。
- PFS预测:联合模型测试集IPCW 0.67、c-index 0.66、动态AUC 0.64,采用随机生存森林(RSF)算法。
- 风险分层切点为24.37(Otsu法),高危及低危组在总体、训练和测试队列中log-rank p<0.005,HR 1.23(95%CI 0.60–2.54)。
- 测试集混淆矩阵:5年无进展者16例中13例正确分类,进展者19例中10例正确分类。
临床应用与阅片要点
- 联合模型可能帮助肿瘤科医生更准确地识别不太可能复发的患者,原文表述为「might assist」。
- 原文指出仅基于肿瘤直径变化的RECIST 1.1等疗效评估标准存在局限,最大径虽在进展组间有差异但未获模型最高权重。
- 原文采用SHAP图以易于理解的图形呈现特征影响方向,提升机器学习影像组学模型对临床医生的可解释性。
局限性
- 原文指出既往头颈癌影像组学模型的主要不足包括缺乏外部验证、可重复性差及研究人群在分期和治疗方面异质性高,导致难以转化至临床实践。
- 原文指出目前尚无标准化、普遍认可的影像组学变量组合获临床验证,且机器学习模型的不透明性使患者个体预测难以解释。
- 原文报告仅3个影像组学特征在不同扫描仪间存在统计学差异:峰度(p=0.007)、范围(p=0.046)、灰度共生矩阵Idmn(p=0.049),因差异特征少且统计显著性较低(p>0.001)未进一步处理。
- 原文结论指出联合模型虽改善5年进展预测,但仍需进一步验证(further validation is necessary)。
全文中译21 节 · 点击展开
引言
头颈鳞状细胞癌(HNSCC)是全球第七大常见癌症 [1]。主要危险因素为烟草、酒精 [2] 及人乳头瘤病毒(HPV)感染 [3, 4]。
超过60%的新发HNSCC病例为局部晚期头颈癌(LAHNSCC)。治疗决策受肿瘤部位、TNM分期、患者年龄及合并症影响 [5, 6]。标准根治性治疗为根治性高剂量顺铂同步放疗 [7],或不适合患者采用放疗联合西妥昔单抗 [7, 8]。尽管给予最佳治疗,复发率仍较高。
第8版癌症分期手册 [9] 完善了HNSCC的预后分层,但仍不理想 [10]。基因表达亦影响HNSCC预后 [11],然而尚无分子分型应用于临床实践 [12]。
CT常用于HNSCC的分期和监测,可提供详细的横断面图像以确定肿瘤位置、大小、淋巴结受累情况及邻近结构评估。计算机断层扫描(CT)的视觉判读存在挑战,尤其是在根治性治疗后区分早期炎性/纤维化改变与活动性疾病方面 [13, 14]。
影像组学应用医学图像的计算分析来提取详细的、定量的和高阶的、亚视觉特征,通过先进算法辅助临床决策 [15]。在头颈癌中,已开发多种影像组学模型以改善诊断、预后评估和毒性预测,聚焦于组织学分级、ENE+、PD-L1表达、HPV状态及治疗相关毒性(如牙关紧闭和口干症)等变量。此外,一些影像基因组学模型已被提出用于预测分子亚型和突变状态。然而,这些模型面临显著局限性,包括缺乏外部验证、可重复性问题以及研究人群在癌症分期和治疗方面的高度异质性,使得将这些发现转化为临床实践具有挑战性。因此,这些模型均未成功应用于临床 [16]。此外,尚无标准化、普遍接受的经临床验证的影像组学变量组合。而且,机器学习(ML)模型的不透明性使患者特异性预测难以解释 [17]。
为解决可解释性问题,引入了Shapley加法解释(SHAP)方法 [18]。SHAP为特征赋予正值或负值以显示其影响方向,值越高表示重要性越大。
我们假设,整合临床和生物学变量及影像组学特征的联合模型可能在将LAHNSCC患者分层为进展风险组方面优于当前标准(肿瘤-淋巴结-转移第八版(TNM8)和HPV)。我们旨在构建基于CT的影像组学模型,将临床-生物学数据整合为多维特征标签用于无进展生存期[PFS]预测,并利用SHAP值直观解释决策过程。
材料与方法
研究设计与患者人群
本观察性研究纳入2016年至2023年在瓦伦西亚大学临床医院(HCUV)诊断为LAHNSCC且符合根治性同步放疗联合顺铂或西妥昔单抗治疗条件的患者。患者数据来自回顾性病例(2016年1月–2017年1月)和前瞻性病例(2017年2月–2023年9月)。
治疗决策由HCUV头颈部肿瘤多学科委员会做出。纳入和排除标准详见补充材料。
TNM8美国癌症联合委员会分期系统[9]。HPV状态通过p16染色和HPV脱氧核糖核酸基因型分析确定[4]。
本研究遵循个体预后或诊断多变量预测模型透明报告声明中列出的指南[19]。
本研究经HCUV机构审查委员会批准,并豁免了对图像进行计算分析需获得书面知情同意的要求。
临床数据
从电子患者记录中收集的临床和实验室数据包括年龄、性别、原发肿瘤部位、TNM8、美国东部肿瘤协作组体能状态、吸烟、饮酒和HPV状态。结局数据包括PFS和5年PFS(局部区域复发或远处转移,是 vs 否)。PFS定义为从诊断之日至疾病进展日期或末次随访日期之间的时间段。
CT数据采集
所有研究患者在开始治疗前28天内接受了CT扫描。CT图像在HCUV使用两台扫描仪采集,并按照该机构诊断影像标准操作规程执行采集和重建方案。所有图像均具有可比的诊断质量,采用静脉注射对比剂,层厚0.5 mm至13 mm。任何在原发肿瘤肿块存在的层面中超过50%层面存在成像伪影的CT扫描均被排除。采集参数的更多细节详见补充表S1。
CT轴位图像从图像归档和通信系统中导出,并以医学数字成像和通信(DICOM)格式存储,用于进一步的影像组学特征提取。
图像分割
DICOM格式的CT图像经匿名化处理后上传至Quibim Precision平台(v2.6 Quibim S.L.)。一名在头颈部肿瘤影像方面拥有20余年经验的HCUV放射科医师审阅图像,以在肿瘤面积最大的层面中识别原发肿瘤。随后,经验丰富的放射技师在所有适用序列上手动分割整个原发肿瘤,创建三维感兴趣体积(VOI)。该勾画在增强CT扫描上进行,可减少HNSCC勾画的观察者间变异性[20]。偏好使用对比剂是因为其能够提供更丰富的像素强度变化,并通过影像组学分析更好地表征HNSCC的组织异质性。
影像组学分析
鉴于所有图像均在单一机构生成,未应用图像质量协调技术。图像分析和机器学习模型流程总结于图S1(电子补充材料)。整个方法学在Python 3.9中实现。本研究在影像组学分析方面的质量通过应用METRICS表格进行评估(补充图S2包含于补充材料中)。
特征提取
放射组学特征是通过集成在Quibim Precision中的纹理分析模块获得的,该模块符合图像生物标志物标准化倡议(IBSI)[21]。图像使用b样条插值重采样至1 mm³的各向同性体素,并按照z-score策略进行归一化。从每个VOI和原始图像中共提取108个三维放射组学特征,提供关于肿瘤组织异质性和形状特征的信息(基于形状、一阶和二阶特征)。对于图像离散化,使用了固定的箱宽25。
单变量分析
对每个放射组学特征进行分析,以评估5年进展组与非进展组之间是否存在统计学显著的分布差异。分析显示差异的特征之间的相关性。当两个特征的相关性高于0.9时,保留在进展者与非进展者之间差异最显著的那个特征。
建模
构建的三个主要模型分别是:基于患者TNM分期的临床模型(C1)、包含TNM和显著临床变量的综合临床模型(C2),以及结合临床和放射组学特征构建的放射组学模型(C+R),用于预测5年进展。缺失值超过20%的临床特征被剔除。剩余的缺失值使用k近邻方法进行插补。使用scikit-learn中的KNNImputer进行数据插补,邻居数设为5。出于模型开发和评估目的,数据集被随机分为训练-验证集(80%)和测试集(20%),并根据5年进展对患者进行分层。在训练-验证集中进行5折交叉验证过程,用于超参数调优并帮助检测模型过拟合[22]。在每个交叉验证折上分析训练数据集中放射组学特征之间的相关性。接下来,在交叉验证过程中,对特征标准化、特征选择和机器学习模型的不同方案进行调优。补充表S2列出了每个步骤中评估和优化的不同选项。使用scikit-learn(v.1.3.1)实现上述所有过程。除原生scikit-learn模型外,还使用scikit-survival(v.0.22.2)和极端梯度提升(XGBoost)(v.2.0.3)进行模型实现。此外,为每个机器学习模型选择了最佳超参数。交叉验证中的调优过程使用Optuna(v.3.5.0)进行,以最大化模型在验证数据集中的性能,并以PFS模型的c-index和5年进展模型的受试者工作特征曲线下面积(AUC)进行量化。所评估的超参数列于补充表S3和S4中。
性能评估
为了在新的未见数据集上评估模型性能,将所选最佳配置在整个训练和验证数据集上重新训练,以在测试集上进行最终性能评估。对于PFS预测,使用c-index、逆概率删失加权(IPCW)c-index和动态AUC(dynAUC)指标进行模型评估。对于5年进展预测,评估指标包括灵敏度、特异度、准确度和AUC。计算所有指标以评估模型的过拟合和泛化能力。
可解释性
为了解哪些所选特征对模型预测影响最强以及影响方向如何,从最终模型中提取了每个所选特征的SHAP值。
统计分析
连续变量的统计分析使用Shapiro–Wilk检验和Levene检验进行方差齐性检验。Student's t检验用于比较方差齐性的正态分布;Welch's t检验用于方差不齐的正态分布,Wilcoxon秩和检验用于非正态分布。由于数据集较小,分类变量使用精确Fisher检验进行分析,显著性设定为p < 0.05。Pearson系数评估正态分布中的相关性,Spearman系数用于非正态分布。分析使用SciPy(v.1.9.3)进行。PFS曲线通过log-rank检验进行比较。
结果
患者特征
本研究共纳入215例患者的数据(63例为回顾性收集,152例为前瞻性收集)。前瞻性与回顾性数据的收集和处理无差异。共有8例患者因缺乏增强CT扫描被排除出分析,另有1例患者因肿瘤区域图像伪影被排除。进一步的排除标准排除了14例仅可获取原发肿瘤磁共振成像图像的患者,以及21例不符合预定义研究纳入标准的患者(图1)。最终剩余171例符合条件的患者纳入研究。
患者的人口学、临床和病理学特征见表1。大多数研究患者(n = 142,83%)为男性,诊断时的中位年龄(范围)为62(35–80)岁,大多数(n = 150,88%)为吸烟者。原发肿瘤最常见的位置为口腔(n = 63,37%),其次为喉(n = 50,30%)。根据TNM8分期,94例(55%)患者为IVA期,36例(21%)为IVB期。总计53%的患者(n = 91)在5年内出现疾病进展。
用于模型开发和测试,136例用于训练和验证,其余35例留作测试。两组之间在任何临床变量或放射组学特征方面均未发现统计学显著差异。
放射组学特征
对每例患者提取了108个放射组学特征。在用于图像采集的不同扫描仪之间,仅观察到三个放射组学特征存在统计学显著差异:峰度(p = 0.007)、范围(p = 0.046)和灰度共生矩阵Idmn(p = 0.049)。鉴于存在差异的特征数量少且其统计学显著性相对较低(p > 0.001),未进行进一步处理。
PFS模型
为预测PFS,R + C模型以及C1和C2模型显示相似的结果,R + C模型在测试集上的IPCW为0.67,c-index为0.66,dynAUC为0.64(表2)。表现最佳的机器学习模型基于对放射组学特征应用最小-最大标准化后的随机生存森林(RSF)。在交叉验证过程中共选择了四个放射组学特征和一个临床变量来构建最终模型。具体超参数见补充表S5。
R + C 模型通过 Otsu 方法[22]计算出的截断值 24.37,将患者分为低风险进展和高风险进展。Kaplan–Meier 生存曲线分析显示,在高风险与低风险队列之间,总体队列、训练队列和测试队列均存在显著的统计学差异(Log-rank p < 0.005,HR 1.23,95%置信区间(95% CI:0.60–2.54)),如图 2 所示。
5 年进展模型
单因素分析
补充表 S6 列出了在 5 年进展者与非进展者之间具有统计学显著差异的所有影像组学特征。共有 8 个基于形状的特征、2 个一阶特征和 5 个二阶特征显示出差异。相关性分析(图 3)显示,大多数基于形状的特征和一阶影像组学特征之间具有高度相关性(> 0.9)。在筛选出两组之间统计学差异最显著的特征后,最终保留了共 2 个形状特征(扁平度和长轴长度)和 3 个二阶特征(灰度级大小区域矩阵(GLSZM)大小区域不均匀性、GLSZM 小区域 emphasis(SAE)和灰度级依赖矩阵(GLDM)依赖熵)。
图 4 显示了先前筛选出的特征在 5 年进展组和非进展组中的箱线图分布。长轴长度图显示,进展者中原发肿瘤的最大直径更长,而二阶特征显示,同一组中原发肿瘤具有更高的异质性。
多因素分析
结果显示,与仅使用临床信息构建的模型(C1 和 C2)相比,联合模型(C + R)获得了更高的 AUC 值,AUC 分别为 0.74、0.57 和 0.56。此外,C + R 模型在敏感性和特异性之间取得了更好的平衡,敏感性为 0.53,特异性为 0.81,优于 C1 和 C2 模型。各模型在训练集、验证集(交叉验证结果)和测试子集上的性能见表 3。
表现最佳的机器学习模型基于 XGBoost 分类器,并在应用影像组学特征的标准缩放后构建。在交叉验证过程中共筛选出 12 个影像组学特征和 4 个临床变量用于构建最终模型。具体超参数见补充表 S5。将所选特征与单因素分析中识别出的特征进行比较时,发现 3 个影像组学特征在两项分析中均具有显著性:扁平度、长轴长度和 SAE。
图5展示了C + R模型在交叉验证过程每一折以及测试数据集上的AUC;同时也展示了测试集上的混淆矩阵。测试集上的AUC与交叉验证过程中获得的结果一致,表明模型对新未见数据具有泛化能力。评估混淆矩阵时,16例5年无进展患者中有13例被正确分类,而19例进展患者中有10例被正确分类。
可解释性
图6展示了PFS和5年进展模型的SHAP值。对于PFS预测,影响最大的变量是z轴上的最大2D直径,突显了肿瘤范围的重要性。直径值较大的患者显示出更高的进展风险。此外,TNM分期对PFS预测有显著影响。
关于5年进展模型,最能提高模型将患者分层为风险组(无进展 vs 进展)能力的八个输入特征为:原发肿瘤位于口腔、TNM分期、GLSZM SAE、GLSZM大面积低灰度强调、烟草消耗、诊断时年龄、平坦度和GLDM熵。如图6所示,肿瘤位于口腔和TNM分期升高是进展的关键风险因素。此外,反映肿瘤异质性的纹理特征如强调和熵是显著的影像组学预测因子。正如预期,烟草消耗和年龄也提示较高风险。如图6所示,每个特征值越高与进展风险越高呈正相关,唯独平坦度形状特征表现出相反效应。
讨论
LAHNSCC患者在接受根治性放化疗(ChRT)后肿瘤学结局的差异凸显了改进风险分层的必要性。本研究旨在通过整合基线CT图像的临床因素和影像组学特征,开发一个综合预测模型,主要目标是估计接受根治性ChRT的非手术LAHNSCC患者的5年复发风险。研究强调临床实用性和可解释性,采用SHAP方法以增进对基于机器学习的模型在治疗决策中的理解。本研究是SHAP在该患者群体定制影像组学模型中的首次应用。
仅有少数研究发表了以PFS为主要目标的LAHNSCC基于CT的影像组学模型[23–25],报告的AUC或CI约为0.72–0.74。其主要不足在于样本量小(110–120例患者)、仅为回顾性设计以及缺乏验证队列。其他挑战涉及外推性,尤其是当模型聚焦于特定解剖部位(如口咽或下咽)时。
在我们的测试集中,仅使用临床数据的模型(C)AUC为0.57,而整合影像组学特征后(C + R)观察到显著改善,AUC达到0.74。尤其值得注意的是,C模型相比C + R模型实现了显著更高的敏感度(0.95 vs 0.53)。虽然C模型似乎最为敏感,但这是以特异度为代价的,其特异度(0.19)明显低于纳入影像组学后可达到的增强特异度(0.81)。这些发现表明,与仅使用临床数据相比,纳入影像组学可能有助于肿瘤科医生更准确地识别不太可能经历复发的患者。
尽管长轴长度是一个相关的基于形状的影像组学特征,在进展组之间呈现差异,但它并未出现在模型中权重较高的特征之列,这凸显了当前工具在评估应答标准(如仅基于肿瘤直径变化的实体瘤疗效评价标准1.1)方面的局限性。C + R模型中最重要的影像组学特征按重要性排序依次为GLSZM SAE、GLSZM大面积低灰度强调(LALGLE)、平坦度(形状)和GLDM熵。
GLSZM分析图像中的灰度区域。灰度区域定义为具有相同灰度强度的连通体素数量。SAE是小区块分布的度量,值越大表明主要为较小尺寸的区块和更精细的纹理,而非大片相似灰度强度的簇。LALGLE测量图像中较大尺寸区块与较低灰度值联合分布的比例。平坦度是病灶空间形状的度量,值范围在1(非平坦,类球形)和0(平坦物体)之间。最后,GLDM量化图像中的灰度依赖性。灰度依赖性定义为在特定距离内依赖于中心体素的连通体素数量。熵代表图像值中的不确定性/随机性。C + R模型中突出的相关影像组学特征代表存在小的相同灰度区域、大的低灰度区域、病灶的平坦度以及灰度强度的随机程度。除平坦度外,与C + R模型相关的影像组学测量捕获了小区域和大区域的特征,以及其分布的随机性。这些特征与HNSCC的异质性本质相一致。
Keek等人[25]的一项研究确定了某些与我们的研究重叠的影像组学特征,如GLSZM灰度和GLDM熵。该方法学上合理,在一个大型队列(n = 809)中前瞻性验证了最初由Parma[26]提出的影像组学特征。尽管将风险分为三组,他们的模型仍能准确预测OS,但性能与原始研究[26]不同。然而,该研究受限于治疗异质性和使用实践中不常用的临床量表,可能妨碍其适用性。
除了对增强这些模型对临床医生的可解释性具有无可争议的贡献之外,使用SHAP方法为我们的工作提供了原创性。该方法的唯一先例是一个北欧团队最近的一项仅聚焦于口咽癌的研究[26]。这项大规模研究共纳入3284名患者,其中3164名在训练集中,120名在临时验证集中。令人印象深刻的是,该研究在验证队列中达到了0.93的AUC。然而,需要注意的是,该研究允许多种治疗方式,这可能使确定性结论复杂化。此外,值得注意的是,尽管是一个整合的影像组学和临床模型,最具影响力的变量完全是临床性质的。
我们研究的主要局限性是样本量小,这可能导致放射组学分析中的过拟合。为减轻这一问题,我们通过特征选择过程限制了模型签名的规模,仅纳入相关特征。此外,事件数量有限和观察期较短使得无法使用前瞻性数据进行模型验证。因此,两个数据集被合并并随机分为训练集和测试集。需要在更大队列上进行外部前瞻性验证,以确保结果的准确外推和可重复性。此外,本研究的另一个局限性是观察者间和观察者内可重复性,因为病灶标注仅由一位经验丰富的放射科医师完成。然而,为尽量减少变异性并减少分割误差,所有分割均由合格的影像技术人员在3D下进行审查和优化。在对任何标注存在不确定性的情况下,原发肿瘤的手动分割由另一位影像技术人员或放射科医师进行交叉核对,以确保边界的准确性。
结论
基于CT放射组学特征并纳入常规临床变量的LAHNSCC综合模型在预测PFS和危险分层方面显示出显著准确性,优于当前的临床模型。需要前瞻性外部验证来证实这些发现。
补充信息
电子补充材料
引用
- Bruixola G, Dualde-Beltrán D, Jimenez-Pastor A, et al. CT-based clinical-radiomics model to predict progression and drive clinical applicability in locally advanced head and neck cancer. Eur Radiol. 2024. PMID: 39706922. doi:10.1007/s00330-024-11301-6
- 全文:PMC12165904(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12165904/
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。