基于[68Ga]Ga-PSMA-11 PET/MRI的机器学习术前检测原发性前列腺癌前列腺外侵犯
该回顾性研究纳入107例原发性前列腺癌患者,利用[68Ga]Ga-PSMA-11 PET/MRI、血液、组织学及人口学参数构建可解释机器学习模型预测前列腺外侵犯,并与传统影像判读比较。可解释提升机模型在交叉验证中AUC为0.88(95%CI 0.87-0.89),独立验证AUC为0.88(95%CI 0.75-0.97),优于视觉临床判读的AUC 0.71(p=0.02)。
要点
- 可解释提升机模型交叉验证AUC 0.88,优于视觉PET/MRI判读AUC 0.71(p=0.02)。
- 仅用非侵入性特征的模型交叉验证AUC 0.83,与视觉判读差异无统计学意义(p=0.34)。
- 模型特征重要性中ISUP分级和阳性穿刺针比例分别排第一和第三。
核心结论
- 基于常规采集临床数据的机器学习可显著改善前列腺癌患者术前前列腺外侵犯检测,可能有助于更准确的临床分期和决策。
研究设计与样本
- 前瞻性注册临床试验(NCT02659527)的试点研究,回顾性纳入2014年5月至2019年12月扫描患者77例用于训练和交叉验证,2020年5月至2021年2月扫描患者30例用于独立验证,共107例。
关键影像表现/征象
- 视觉评估前列腺外侵犯采用Bloch等人建议的MRI标准,PET阳性定义为前列腺包膜外出现高PSMA摄取,尤其神经血管束及周围组织区域。
- PET/MRI定性特征包括肿瘤分期、结节状态、转移分期、骨转移、神经血管束侵犯、包膜穿透、前列腺尖或底部接触、精囊侵犯及前列腺外侵犯。
- 半定量PET/MRI特征包括SUVmax、SUVmean、SUVmin、SUVpeak、总PSMA病灶(TL-PSMA)和PSMA衍生肿瘤体积(PSMA-TV)。
诊断标准与关键数值
- 前列腺外侵犯定义为术后组织病理学存在精囊侵犯或包膜外侵犯。
- 全部特征模型交叉验证AUC 0.88(95%CI 0.87-0.89),敏感度0.76(95%CI 0.73-0.79),特异度0.82(95%CI 0.79-0.85),阳性预测值0.86(95%CI 0.84-0.88),阴性预测值0.75(95%CI 0.73-0.77)。
- 非侵入性特征模型交叉验证AUC 0.83(95%CI 0.81-0.85),敏感度0.56(95%CI 0.53-0.59),特异度0.88(95%CI 0.85-0.91)。
- 全部特征模型独立验证AUC 0.88(95%CI 0.75-0.97),敏感度0.93(95%CI 0.80-1.00),特异度0.60(95%CI 0.33-0.87)。
- 视觉PET/MRI判读AUC 0.71,敏感度0.55,特异度0.88,阳性预测值0.86,阴性预测值0.59。
临床应用与阅片要点
- 2024年EAU指南仅对MRI检测前列腺外侵犯给出弱推荐,因其敏感度不足以识别所有前列腺外生长肿瘤且依赖判读者经验。
- 作者认为结合MRI空间能力与PSMA-PET分子精度的多模态方法可提高分期准确性。
- 作者认为高质量成像方案和标准化MRI参数以及PET/MRI等混合成像整合可改善前列腺外侵犯诊断准确性。
局限性
- 原文未报告局限性。
全文中译11 节 · 点击展开
引言
根治性前列腺切除术(RP)是局限性前列腺癌(PCa)患者的常见治疗选择[1]。尽管RP通常能提供良好的治愈效果,但可能发生功能性不良事件,如与手术破坏神经血管束相关的勃起功能障碍[2]。因此,为了平衡术后功能[3]与长期疾病结局[4],当前实践指南推荐对局限性肿瘤行保留神经的RP。对于具有前列腺外延伸(EPE)的肿瘤,包括具有包膜外延伸(ECE)(T3a)或精囊侵犯(SVI)(T3b)的肿瘤,推荐行前列腺周围组织的广泛切除[1]。
然而,由于多参数磁共振成像(mpMRI)和靶向前列腺特异性膜抗原(PSMA)的正电子发射断层扫描(PET)放射性示踪剂的敏感性欠佳,术前准确检测EPE具有挑战性,这常常导致手术范围选择不当[5, 6]。因此,非常需要一种更准确的术前EPE评估方法。
机器学习(ML)有可能通过影像与临床数据的多模态整合实现更准确的评估。然而,临床ML应用的两个主要批评点是缺乏对其决策过程的洞察,以及很少有专家同时精通临床和ML方面。一方面,新的可解释方法可以改善验证、风险评估、安全性、可理解性以及ML系统与先前建立的临床知识的整合,从而提高医学界的接受度,进而带来更好的健康结局[7–9]。另一方面,自动化ML方法有望部分解除临床应用所需的ML专业知识限制。
因此,在本研究中,我们采用可解释和自动化ML,基于PSMA-PET/MRI、组织学和临床参数,无创地在术前预测原发性PCa男性中EPE的存在,以探索其用于可解释ML辅助手术指导的潜力。
材料与方法
研究设计
在这项前瞻性注册临床试验(NCT02659527)的初步研究中,回顾性纳入2014年5月至2019年12月期间接受RP并接受术前[68Ga]Ga-PSMA-11 PET/MRI扫描的患者,用于开发(训练和交叉验证)阶段。对于独立验证,纳入具有相同纳入和排除标准、在2020年5月至2021年2月期间接受[68Ga]Ga-PSMA-11 PET/MRI扫描的患者。排除标准见队列流程图(图1)。
所有患者均接受了[68Ga]Ga-PSMA-11 PET/MRI扫描,并在扫描后中位43 ± 26天内接受了根治性前列腺切除术(RP)。总共从维也纳总医院的临床数据档案中为每位患者提取了24项术前参数。作为临床常规工作的一部分,确定了11项定性、视觉评估的PET/MRI特征。此外,还获取了6项半定量PET/MRI特征以及2项血液来源参数(术前PSA和血清睾酮水平)、3项活检来源参数包括国际泌尿病理学会(ISUP)分级、肿瘤与整体组织比值和含肿瘤活检样本比值,以及2项一般患者特征包括年龄和体重指数(BMI)。所采用参数的选择标准包括其常规评估以确保所开发模型无缝整合到临床工作流程中、与相关临床试验(NCT02659527)研究方案规定的参数一致,以及对中心效应具有高稳健性概率,确保在开发队列之外的稳健性和泛化性。
预测目标为前列腺外侵犯(EPE),其定义为基于术后组织病理学结果存在精囊侵犯(SVI)或包膜外侵犯(ECE)。创建了两个基于机器学习的分类模型用于预测EPE。一个模型基于所有24项术前特征,而另一个模型仅基于无创获取的参数(排除组织学和血液参数)。将机器学习模型的诊断性能与术前PET/MRI判读进行比较。研究流程概览见图2。本研究遵循《赫尔辛基宣言》进行,并获得当地伦理委员会批准(伦理编号:EK 1985/2014)。患者通过书面知情同意书同意参与。报告按照CLAIM指南进行[10]。
图像判读
[68Ga]Ga-PSMA-11 PET/MRI图像由两名混合成像临床专家(M. Hartenbach,核医学;P. Baltzer,放射学)使用Hermes Hybrid 3D软件(Hermes Medical Solutions,瑞典)进行解读。PET/MRI衍生的特征包括肿瘤分期、结节状态、转移分期、是否存在骨转移、神经血管束侵犯、包膜穿透、肿瘤是否接触前列腺尖部或前列腺基底部、精囊侵犯、是否存在包膜外侵犯(EPE),以及半定量最大标准化摄取值(SUVmax)、SUVmean、SUVmin、SUVpeak、PSMA总病灶(TL-PSMA)和PSMA衍生肿瘤体积(PSMA-TV)。分级和分期依照2009年国际抗癌联盟(UICC)肿瘤淋巴结转移(TNM)分类进行[11]。如果MRI或PSMA-PET任一发现提示EPE,则判定为存在EPE。在MRI上,EPE的视觉评估按照Bloch等人[12]的建议进行。对于PET,如果前列腺包膜外存在高PSMA摄取,尤其是在神经血管束及周围组织区域,则EPE状态为阳性。图像采集的详细信息见补充部分“成像方案”。
机器学习
为确保稳健的性能估计,进行了100折分层蒙特卡罗交叉验证,作为初始训练和交叉验证阶段的一部分,80%的样本随机分配到训练集,20%的样本分配到测试集。选择交叉验证期间的最佳模型,并在独立测试集上进一步验证。共使用了五种分类算法,包括决策树(DT)、逻辑回归(LGR)、随机森林(RF)、极限梯度提升(XGB)和可解释提升机(EBM)[13]。评估性能指标包括受试者工作特征曲线下面积(AUC)、准确率、平衡准确率、灵敏度、特异度、阳性预测值和阴性预测值。指标公式见补充部分“性能指标”。预处理的详细信息见补充部分“机器学习预处理”。
除了逻辑回归和EBM分类器等本身可解释的模型外,还采用了多种可解释人工智能功能。通过Shapley加性解释(SHAP)研究了各特征预测重要性及重要性方向的见解[14]。创建了EBM特定的全局特征偏依赖图(PDP),以指示模型输出相对于特征值的精确变化。进行了探索性数据分析,包括每个特征的单变量描述统计以及基于均匀流形近似和投影(UMAP)的降维[15]。
统计分析
连续数据以均值 ± 标准差(SD)或中位数和四分位距报告。分类变量以数量和百分比表示。诊断性能指标与95%置信区间(CI)一同提供,尽可能在交叉验证折上计算。对于独立验证,95%置信区间使用10,000次自助抽样样本计算。任何缺失值均使用k近邻插补法进行插补。患者特征的亚组差异对连续分布变量使用t检验或Mann–Whitney U检验评估,对分类变量使用Fisher精确检验或卡方检验评估。AUC值使用DeLong检验进行比较。统计显著性定义为p值 ≤ 0.05。所有使用的软件列于补充部分“Software”中。
结果
患者
对于开发队列,评估了122例局限性前列腺癌(PCa)患者,其中45例因图1所示原因必须被排除。共有77例患者符合初始训练和交叉验证程序的条件。按前列腺外侵犯(EPE)存在与否分层的患者特征见表1。在77例患者中,44例(57%)根据术后组织学结果被诊断为EPE,28例(36%)患者根据视觉PET/MRI评估受到影响。整个数据的交互式描述性统计可通过https://cspielvogel.github.io/epe_descriptive_statistics/epe_descriptive_statistics.html访问。通过UMAP进行的降维表明,在所有特征上EPE患者倾向于相似(补充图1)。独立验证队列在模型开发程序结束后收集。独立验证队列由30例患者组成,其中15例(50%)根据组织学受到影响。独立验证队列的患者特征见补充表3。
机器学习模型的诊断性能
对于使用所有可用术前特征预测EPE,最高的100折蒙特卡洛交叉验证AUC与EBM相关,AUC为0.88(95% CI 0.87–0.89),敏感度为0.76(95% CI 0.73–0.79),特异度为0.82(95% CI 0.79–0.85),阳性预测值为0.86(95% CI 0.84,0.88),阴性预测值为0.75(95% CI 0.73–0.77),平衡准确度为0.79(95% CI 0.77–0.81),准确度为0.79(95% CI 0.77–0.81)。对于仅使用无创特征构建的第二个模型,EBM同样是表现最佳的分类器,AUC为0.83(95% CI 0.81–0.85),敏感度为0.56(95% CI 0.53–0.59),特异度为0.88(95% CI 0.85–0.91),阳性预测值为0.88(0.86–0.90),阴性预测值为0.62(95% CI 0.60–0.64),平衡准确度为0.72(95% CI 0.70–0.74),准确度为0.70(95% CI 0.68–0.72)。由于EBM超过了标准临床PET/MRI判读的表现,因此进行了额外的独立验证以确认这些发现。在这一额外验证步骤中,EBM达到了AUC 0.88(95% CI 0.75–0.97),敏感度0.93(95% CI 0.80–1.00),特异度0.60(95% CI 0.33–0.87),阳性预测值0.71(95% CI 0.58,0.87),阴性预测值0.71(95% CI 0.71–1.00),平衡准确度0.77(95% CI 0.63–0.90),准确度0.77(95% CI 0.63–0.90)。完整的性能指标见图3a。其他分类器在交叉验证期间的性能见补充图2和3。
与视觉PET/MRI判读的比较
为引入一个用于与机器学习所得结果进行比较的基线模型,将临床标准视觉PET/MRI-based术前EPE评估与组织病理学金标准进行比较,以得出诊断性能指标。视觉判读得出的AUC为0.71,敏感度为0.55,特异度为0.88,阳性预测值为0.86,阴性预测值为0.59,平衡准确度为0.71,准确度为0.69。性能指标和混淆矩阵见图3。通过DeLong检验比较AUC表明,含有创特征的机器学习模型相较于仅含无创特征的模型有显著改善(p < 0.0001)。此外,含有创特征的机器学习模型与视觉临床PET/MRI判读之间存在显著差异(p = 0.02)。然而,仅含无创特征的机器学习模型与视觉临床PET/MRI判读之间没有差异(p = 0.34)。
机器学习模型的可解释性
对于包含有创特征的机器学习(ML)模型,基于SHAP的特征重要性评估中,ISUP和阳性活检针数比例分别排名最重要和第三重要(图4)。除了新增的两个有创衍生特征外,其余非有创特征在有创模型和纯非有创模型中的重要性大致一致。一个显著的例外是SUVmax,它在非有创模型中排名第四重要,但在含有创特征的模型中缺失。由于观察到SUVmax在两个模型中的重要性存在差异,我们假设SUVmax可能是冗余的,并可能与某一有创特征相关。因此,ML算法可能将该特征从模型中排除。于是,我们检验了SUVmax与其他特征之间的线性相关性(补充图4)。Spearman秩检验表明,ISUP分级与SUVmax之间存在轻微但单调且高度显著的 correlation(R = 0.37,p < 0.001,补充图8)。由于特征重要性估计方法存在差异,我们使用置换重要性估计(补充图5和6)验证了SHAP重要性,结果证实了SHAP特征重要性,尽管存在预期的微小变异。由于SHAP特征重要性在提供精确特征值与模型输出之间关联的洞察方面分辨率较低,因此创建了EBM特异性PDP(补充图7)。PDP证实了SHAP分析所指示的预期特征方向,然而,与较低分期相比,在肿瘤分期cT2c时,模型输出阳性EPE状态的概率呈现出违反直觉的轻微增加。
讨论
在这项注册临床试验(NCT02659527)的初步研究中,EPE成功地从常规记录的术前参数中被预测。可解释ML模型的诊断性能与[68Ga]Ga-PSMA-11 PET/MRI影像的视觉临床判读性能进行了比较。ML模型在以下方面提高了诊断性能:AUC提高0.17(0.71 vs 0.88)、灵敏度提高0.21(0.55 vs 0.76)、阴性预测值提高0.16(0.59 vs 0.75)、平衡准确率提高0.08(0.71 vs 0.79)、准确率提高0.17(0.71 vs 0.88),而阳性预测值相同,视觉评估的特异性略高(0.88 vs 0.82)。纯基于非有创特征的模型略优于临床判读;然而,差异不显著。在独立验证中,有创模型的性能保持较高水平(AUC 0.88),表明该模型的稳健性。
我们于2023年12月4日使用PubMed进行了文献检索,检索式如下:(“machine learning” OR “deep learning” OR “artificial intelligence”)AND PET AND(“extracapsular extension” OR “extraprostatic extension”)。检索共获得三篇文献[16–18],均为2021年2月至2023年11月间发表的原创性论著。在这三项研究中,预测分析均仅基于影像学特征,包括实验性影像组学特征和标准化SUV参数。然而,这些研究的预测模型均未纳入血液学、人口学或组织学因素。三篇文献中影像检查均采用PET/CT而非PET/MRI,且仅采用PET模态进行特征提取。所有研究均使用氟-18标记的PSMA([18F]DCFPyL或[18F]F-PSMA-1007),而非本研究使用的[68Ga]Ga-PSMA-11,且预测的是ECE而非EPE。相关研究的性能范围为AUC 0.63至0.77。
2024年EAU指南仅对MRI检测EPE给出了弱推荐,原因在于其识别所有存在前列腺外生长的肿瘤的敏感性不足,且依赖判读专业知识,影响诊断一致性[5]。本研究所采用的PSMA-PET/MR的出现,通过靶向前列腺癌的分子特征,提供了更高的敏感性和特异性。总体而言,我们的研究结果为支持多模态方法的有限但不断增长的证据增添了内容,通过结合MRI的空间能力与PSMA-PET的分子精准性,提高了分期准确性。
尤其是在mpMRI中,图像质量对于确保诊断准确性至关重要,特别是对于接受MRI引导活检的前列腺癌患者的局部分期评估[19]。高质量MRI能够更准确地勾画前列腺包膜及邻近结构,这对于EPE检测至关重要[20]。Francesco Giganti等人已证明PI-QUAL v2简化了图像评估,并确保高质量图像可用于后续诊断[21]。低质量图像可能掩盖早期前列腺外征象,增加假阴性。确保高质量的成像方案和标准化MRI参数,以及整合PET/MRI等混合成像模态,可以提高EPE诊断准确性,进一步支持将先进成像整合到术前评估工作流程中。
在我们的研究中,我们决定省略实验性影像组学特征,因为其目前在临床应用准备度方面存在局限。尽管影像组学领域已取得显著进展,但仍存在相当大的挑战阻碍其融入临床实践。主要问题之一是缺乏标准化,尽管有影像生物标志物标准化倡议(Image Biomarker Standardization Initiative)[22]等努力,这一问题仍然存在。这种标准化的缺乏影响影像组学特征,使其易受所用中心、扫描仪和协议的不同而变化,尤其是在核医学和PET应用中。此外,影像组学特征对数据格式、预处理和数据集不均匀性敏感,导致可重复性和标准化方面的挑战[23, 24]。鉴于这些考虑以及影像组学特征尚未在临床环境中实施的事实,我们的机会性机器学习(ML)模型允许整合仅作为常规临床实践一部分收集的特征。该方法旨在促进这些模型更直接、更可靠地融入临床工作流程,确保在真实临床场景中更安全、更可解释且更有效的实施。尽管如此,影像组学可能代表一种评估基于影像的前列腺外侵犯的合理方法。例如,一项先前进行的荟萃分析表明,在分析的13篇出版物中,通过MRI影像组学检测前列腺外侵犯的平均合并AUC为0.80 [25]。
通过应用EBM算法,我们方法的可解释性得到了进一步增强,在EBM模型中,每个特征以模块化方式对预测作出贡献。因此,可以精确确定每个孤立特征在给定取值下的影响,而不是通过SHAP等方法进行近似。这通过展示模型利用合理且临床已知的关联来做出预测,从而有助于建立对模型的信任。例如,可以合理假设肿瘤阳性活检柱比例越高,与肿瘤的更高侵袭性和扩散相关(补充图7),这可能与EPE的发生相关。此外,当将新型生物标志物整合到诸如EBM之类的白盒模型(glass-box model)中时,可以获得对新型生物标志物对模型影响的精确评估。这可能有助于理解该生物标志物的作用,允许与现有医学知识整合,并使在其他模型和场景中使用时能够对该特征的稳健性进行更精确的验证。我们的研究进一步证实了先前的研究发现,即SUVmax是Gleason评分和ISUP分级的无创指标[26]。EBM和SHAP均可进一步提供关于各个参数相对贡献的见解,使医生不仅能够更好地理解预测模型,还能独立于模型提高对风险因素相关性的理解。包括EBM和SHAP在内的可解释性方法还可以为如何使用模型提供指导。例如,某些特征在临床实践中可能并不总是可获得。如果某个特征缺失,可以对其进行插补或近似,以便应用预测模型。EBM和SHAP提供的相对全局特征重要性可以指导医生理解特征缺失的影响可能有多严重,从而判断在给定场景下模型是否可信。此外,SHAP可用于提供对个体患者预测的见解,突出说明模型为何认为给定预测对给定患者可能是合理的。图5展示了我们模型中两个基于SHAP的个性化预测示例。术前准确识别EPE具有挑战性,但对PCa患者的临床管理至关重要。EPE涵盖肿瘤超出前列腺的局部扩散,对临床分期不利,并对手术决策、激素治疗和放疗决策至关重要。因此,我们的研究结果表明,ML方法可能提高PCa中TNM分期的准确性和治疗决策。尽管我们通过可解释人工智能方法以及稳健的交叉验证和独立验证对研究结果进行了全面验证,但我们的研究并非没有局限性,结果必须谨慎解读。使用医学影像数据的ML模型已知对成像方案、扫描仪和中心的变化敏感。在本研究中,我们旨在通过选择作为临床常规一部分进行评估的稳健影像特征来抵消这一现象。使用成熟特征结合可解释性方法进一步使我们能够评估模型是否学习了特征与预测目标之间的合理关联,由于队列规模有限和单中心性质,这在本研究中非常重要。本研究的主要目标是通过ML探索已确立参数的整合以增强临床流程。该方法旨在提供一种稳健且实用的解决方案,规避获取新的、可能复杂、不可靠且昂贵的参数的需要,并避免对现有临床工作流程进行上游改动。因此,发现在原发性前列腺癌中与EPE相关的新参数超出了本工作的范围。最后,尽管采用了交叉验证和独立验证集两者的严格验证方案,仍需要在外部队列上进行进一步验证以确保泛化性。尽管存在这些局限性,本研究通过研究一个具有全面影像和病理信息的特征明确的队列,并结合严格应用的机器学习方法评估尽管队列规模有限但仍成功进行模型训练,为整合ML驱动工具以支持手术决策的可能性提供了坚实证据。
总之,我们的研究表明,常规获取的参数有可能通过术前检测前列腺外延伸来辅助前列腺癌患者的临床治疗决策。本研究的结果表明,与[68Ga]Ga-PSMA-11 PET/MRI的标准视觉评估相比,采用可解释的机器学习模型预测前列腺外延伸可提高诊断性能,这对临床分期和治疗决策具有潜在意义。
补充信息
电子补充材料
引用
- Spielvogel CP, Ning J, Kluge K, et al. Preoperative detection of extraprostatic tumor extension in patients with primary prostate cancer utilizing [68Ga]Ga-PSMA-11 PET/MRI. Insights Imaging. 2024. PMID: 39666257. doi:10.1186/s13244-024-01876-5
- 全文:PMC11638435(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11638435/
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。