评估人工智能预测的双参数MRI影像特征用于预测前列腺癌侵袭性的可行性:一项多中心研究
该回顾性多中心研究纳入4家医院878例根治性前列腺切除术后病理证实的前列腺癌患者,利用预训练AI算法自动分割病灶并提取bpMRI特征,构建5种预测ISUP分级的方法。外部验证中基于深度学习的影像组学模型AUC最高(0.700–0.791),优于临床影像模型、传统影像组学模型、PI-RADS评分及活检病理,且在3家外部验证医院间无统计学显著差异(p>0.05)。
要点
- 外部验证中深度学习影像组学模型预测ISUP分级的AUC为0.700–0.791,在五种方法中最高。
- 该模型AUC在3家外部验证医院间无统计学显著差异(p>0.05),显示一定泛化能力。
- 传统影像组学模型外部验证AUC仅0.566–0.632,远低于既往单中心研究报告的0.70–0.93。
核心结论
- 利用AI从bpMRI提取影像特征构建的深度学习影像组学模型,可能用于术前预测前列腺癌的侵袭性,并在外部验证中显示出一定泛化能力。
- 深度学习影像组学模型在外部验证集的AUC为0.700–0.791,高于临床影像模型(0.597–0.718)、传统影像组学模型(0.566–0.632)、PI-RADS评分(0.554–0.613)和活检病理(0.537–0.578)。
研究设计与样本
- 回顾性多中心研究,共纳入4家医院878例根治性前列腺切除术后病理证实的前列腺癌患者,训练集来自Hospital_1共345例,外部验证集533例(Hospital_2 18例、Hospital_3 231例、Hospital_4 284例)。
- 参考标准为根治性前列腺切除术后病理ISUP分级,将患者分为ISUP_1、ISUP_2和ISUP_3–5三组。
- bpMRI图像来自13台MR扫描仪、5个不同厂商,采用预训练AI算法自动分割疑似前列腺癌病灶并提取影像特征。
- 比较5种预测方法:临床影像模型、PI-RADS分类、传统影像组学模型、基于深度学习的影像组学模型和活检病理。
关键影像表现/征象
- AI算法选取每个患者bpMRI上预测的最大病灶作为索引病灶,并提取病灶体积、病灶最大径、病灶平均ADC值、DWI平均信号强度和T2WI平均信号强度等特征。
- 病灶位置分为仅外周带(PZ)、仅移行带(TZ)及同时累及PZ和TZ(PZ+TZ)三类。
诊断标准与关键数值
- 外部验证集中深度学习影像组学模型预测ISUP_1、ISUP_2和ISUP_3–5的AUC范围为0.700–0.791,为五种方法中最高。
- 外部验证集中临床影像模型AUC为0.597–0.718,传统影像组学模型AUC为0.566–0.632,PI-RADS评分AUC为0.554–0.613,活检病理AUC为0.537–0.578。
- 预测ISUP_1时深度学习影像组学模型AUC最高,优于传统影像组学模型、PI-RADS评分和活检病理(均p<0.05),但与临床影像模型无统计学显著差异(p=0.120)。
- 预测ISUP_2和ISUP_3–5时深度学习影像组学模型AUC均高于其他预测方法(均p<0.05)。
- 外部验证中深度学习影像组学模型、PI-RADS分类和传统影像组学模型预测ISUP_2及ISUP_3–5的AUC在3家医院间均无统计学显著差异(均p>0.05);仅活检病理预测ISUP_2的AUC在Hospital_3与Hospital_4间有统计学显著差异(p=0.021),临床影像模型预测ISUP_3–5的AUC在Hospital_3与Hospital_4间有统计学显著差异(p=0.008)。
临床应用与阅片要点
- 作者认为深度学习影像组学模型有望为评估前列腺癌侵袭性提供客观、无创的方法,有助于进一步减少过度治疗和避免不必要活检。
- 传统影像组学模型在本多中心研究中外部验证AUC仅0.566–0.632,低于既往单中心研究报告的0.70–0.93,作者分析原因可能与传统影像组学缺乏统一机器学习算法框架、算法步骤人工选择影响模型效能有关。
局限性
- 原文指出目前手动勾画感兴趣区仍是影像组学分析的主要方法,不可避免地消耗一定人力和时间。
- 原文指出现阶段大多数相关研究局限于单中心研究,相关模型的泛化能力及如何达到临床应用水平仍需讨论和验证。
- 原文指出传统影像组学缺乏统一的机器学习算法,各算法均有优缺点且目前无统一标准,提高传统影像组学模型在不同数据集中的可重复性仍需大量样本集进行研究和验证。
全文中译13 节 · 点击展开
引言
前列腺癌(PCa)是全球男性中第二常见的癌症[1]。目前,避免对惰性PCa的过度治疗是一项临床挑战[2]。由于PCa治疗方案的选择及其预后价值与其生物学行为密切相关,早期预测和准确判断患者病灶是否具有侵袭性,对于获得最佳治疗方案和疗效具有重要临床意义[3]。
Gleason评分(GS)是评估PCa侵袭性常用且有效的指标。2014年,国际泌尿病理学会(ISUP)提出使用Gleason分级分组(GG),根据GS分为五组,可更好地指导临床工作[4]。经直肠超声(TRUS)引导下穿刺活检常用于确定术前GS,但由于穿刺取样的随机性,无法准确评估PCa病灶并评价肿瘤异质性。基于上述原因,术前穿刺活检获得的GS与根治性前列腺切除术(RP)获得的GS存在差异,可能导致患者治疗过度或不足[5, 6]。前列腺多参数磁共振成像(mpMRI)和前列腺影像报告和数据系统(PI-RADS v2.1)的进展提高了检测和评估PCa的能力。考虑到动态对比增强(DCE)MRI在PI-RADS评分中的效用有限,一些专家提出从方案中去除DCE,从而产生了双参数MRI(bpMRI)的概念,即仅依赖T2加权成像(T2WI)和扩散加权成像(DWI)。bpMRI的优势被认为包括因排除DCE序列而降低成本和缩短检查时间。相关研究[7]表明,PCa区域的表观扩散系数(ADC)比TRUS穿刺活检GS更能反映PCa的侵袭性。然而,前列腺bpMRI的分析主要依赖放射科医师的经验和主观判断,导致结果变异性增加、可靠性降低[8]。
影像组学研究涉及从多模态医学图像中提取高通量定量特征,并利用机器学习算法将这些特征转化为与肿瘤病理生理学相关的高维挖掘信息,可能有助于临床诊断和决策[9, 10]。基于mpMRI的影像组学模型已用于PCa患者的风险分层[11–14]。多项研究表明,从T2WI和ADC中提取的特征有助于GS分类[15–17]。目前,手动勾画感兴趣区(ROI)仍是影像组学分析的主要方法,不可避免地消耗一定的人力资源和时间。现阶段大多数相关研究报道[13, 18, 19]局限于单中心研究。相关模型的泛化能力以及如何达到临床应用水平仍需讨论和验证。
在本研究中,我们使用预训练的人工智能(AI)算法自动分割PCa病灶[20]并提取bpMRI特征。我们开发了多种模型并评估其术前预测PCa侵袭性的可行性。此外,在多中心数据集上评估和验证了预测模型的临床效能。
材料与方法
数据入组
本回顾性研究经机构审查委员会批准(IRB编号:2021060),所有方法均按照相关指南执行。该声明批准免除患者书面知情同意。数据从四家不同医院回顾性收集。研究纳入2017年11月至2022年12月期间接受前列腺bpMRI检查随后行RP的患者。这包括收集bpMRI图像及相关临床信息,如年龄、PSA水平、bpMRI结果、活检病理和RP病理报告。排除标准如下:(1)既往内分泌治疗,(2)根据RP病理为良性前列腺增生,(3)缺失PSA数据,(4)活检病理记录不完整,(5)MR图像不完整,(6)明显的图像伪影。数据纳入过程如图1所示。
参考标准
所有患者均接受了活检和RP,且所有患者均有可用的病理样本。病理由经验丰富的病理学家按照国际泌尿病理学会(ISUP)组的指南进行评估。参考标准使用RP病理结果建立,将患者分为三组:ISUP_1、ISUP_2和ISUP_3–5。
AI算法提取的图像特征
匿名化处理后,使用dicom2nii.py(Python 3.5)将DICOM文件转换为NIFTI格式,然后输入预训练的AI软件。关于AI软件的详细技术信息,请参阅补充材料。
对于每例纳入患者,AI算法在bpMRI图像上预测的最大病灶被指定为索引病灶进行分析。病灶位置分类为仅位于外周带(PZ)、仅位于移行带(TZ)或同时位于PZ和TZ(PZ + TZ)。计算以下图像特征并用于预测模型:(1)病灶体积,(2)病灶直径,表示病灶的最大直径,(3)病灶平均ADC值(ADClesion),(4)病灶在DWI上的平均信号强度(DWIlesion),以及5)病灶在T2WI上的平均信号强度(T2WIlesion)(如图2所示)。
预测方法
为预测ISUP_1、ISUP_2和ISUP_3–5类别,开发了五种预测方法,即PIRADS分类、活检病理、临床-影像模型、影像组学模型和深度影像组学模型。开发这些预测方法所涉及的步骤如图2所示。所用训练数据集来源于Hospital_1,而外部验证数据集包括来自Hospital_2、Hospital_3和Hospital_4的数据。
PIRADS方法和活检方法均使用各自结果拟合有序logistic回归模型,以预测最终PR病理分级。具体而言,PIRADS方法使用PIRADS分类(1至5)预测最终PR病理被分类为ISUP_1、ISUP_2或ISUP_3–5的概率。活检方法使用活检结果(阴性或ISUP 1至5)预测最终PR病理被分类为相同ISUP类别的概率。
在临床-影像模型的构建中,临床变量被用作协变量。这些变量包括年龄、PSA水平、PIRADS评分以及可疑临床显著性前列腺癌(csPCa)病灶的图像特征,后者包括位置、体积、直径、ADC值、DWI信号强度和T2WI信号强度。
为构建影像组学模型,使用Python中的PyRadiomics包(https://pyradiomics.readthedocs.io/en/latest/changes.html)从ADC图上的感兴趣区(ROI)提取图像特征。采用Z-score归一化对提取的特征进行标准化,并计算Pearson相关系数(PCC)以识别高度相关特征。剔除PCC值超过0.99的特征以减轻多重共线性。随后采用Kruskal–Wallis检验选择最终影像组学模型的特征。对于分类器,使用了最小绝对收缩和选择算子(LASSO)算法。
为了构建深度影像组学模型,使用深度学习算法提取图像特征。构建过程包括几个关键步骤:(1)预处理ADC图:初始预处理包括对ADC图的强度进行归一化。(2)ROI重采样:对ROI进行重采样以确保体素大小一致。(3)深度特征提取:使用预训练的深度学习模型从分割的ROI中提取特征。(4)特征降维:得到的通道特征图通过最大值滤波进行降维,最终获得一组512个一维特征。(5)模型构建:提取深度特征后,深度影像组学模型的构建遵循与前述影像组学模型相似的流程。
在模型调优方面,采用5折交叉验证来选择超参数α的最优值,该参数控制L1惩罚的强度。在一系列α值上进行了网格搜索,并选择交叉验证准确率最高的值。该过程确定了与ISUP分级相关的一组显著预测因子。
预测效能评估
使用外部数据集通过受试者工作特征(ROC)分析评估各方法的预测效果。该评估通过计算ROC曲线下面积(AUC)来进行。
统计分析
统计分析使用R 4.1.3软件进行。服从正态分布的定量变量以均值±标准差表示,非正态分布的定量变量以中位数(Q1,Q3)表示。分类变量以频数表示。变量的正态性使用Kolmogorov-Smirnov检验评估,分类变量之间的关联使用卡方检验检验,多组之间的差异使用Kruskal-Wallis检验比较。多分类ROC分析使用pROC包中的multiclass.roc()函数进行。分类指标的计算使用reportROC包中的reportROC()函数进行(补充材料)。DeLong检验用于比较五种预测方法之间曲线下面积(AUC)的差异。p值小于0.05被认为具有统计学意义。
结果
临床特征
共有878例符合条件的患者参与了研究,平均年龄为68.7±6.6岁。在这些患者中,345例来自Hospital_1,分别有18例、231例和284例来自Hospital_2、Hospital_3和Hospital_4。除年龄外(p=0.878),所有临床变量在四家医院之间均表现出统计学显著差异(均p<0.001)。关于不同数据集中临床变量的更多详细信息见表2。
根据RP病理结果,62例患者被归类为ISUP_1,300例为ISUP_2,516例为ISUP_3–5。除患者年龄分布外(其在三个ISUP分级间差异无统计学意义,p = 0.563),所有其他临床变量在不同ISUP分级间均显示出显著差异(均p < 0.05)。此外,四家医院间ISUP分级的分布存在统计学显著差异(p < 0.001)。不同ISUP分级中各变量的详细信息见表3。这些变量在不同ISUP分级间的分布见图3。
模型开发指标
有序logistic回归分析结果表明,年龄、PSA水平、病灶位置和ADC值是统计学显著的预测因子(均p < 0.001),而PIRADS、体积、直径、DWI强度和T2WI强度无显著差异(均p > 0.05)。Brant检验(p > 0.05)表明该模型对数据拟合良好。有序logistic回归模型的更多细节见补充材料(表S17)。
影像组学模型采用LASSO方法构建,该方法识别出13个关键特征(3个一阶特征和10个纹理特征)纳入最终模型。深度影像组学模型纳入了从卷积网络中提取的13个特征。影像组学和深度影像组学LASSO分类器的开发过程见补充材料(图S8)。影像组学模型和深度影像组学模型所选特征的系数见补充材料(表S18)。
预测结果以混淆矩阵的形式可视化,如图4所示。
模型评估
采用ROC分析评估临床-影像模型、PIRADS分级、影像组学模型、深度影像组学模型和活检病理的性能,结果详见图5和图6以及表4和表5。
表4中呈现了评估指标,包括AUC、准确率(ACC)、灵敏度(SEN)、特异度(SPE)、阳性预测值(PPV)、阴性预测值(NPV)、阳性似然比(PLR)和阴性似然比(NLR)。在外部验证数据集中,各预测方法的AUC范围为:临床-影像模型0.597至0.718,PIRADS评分0.554至0.613,影像组学模型0.566至0.632,深度影像组学模型0.700至0.791,活检0.537至0.578。训练数据集和外部验证数据集的ROC曲线见图5。
对于ISUP_1的预测,深度影像组学模型的AUC最高,超过影像组学模型、PIRADS评分和活检病理(均p < 0.05);然而,深度影像组学模型与临床-影像模型无显著差异(p = 0.120)。对于ISUP_2的分类,深度影像组学模型的AUC与其他预测方法相比最高(均p < 0.05)。对于ISUP_3–5的分类,深度影像组学模型的AUC也优于其他预测方法(均p < 0.05)。外部验证数据集中区分ISUP分类的AUC比较的DeLong检验结果见补充材料(表S19)。
表5展示了外部数据集中三家医院评估的AUC。采用Delong检验比较AUC,结果概述于补充材料(表S20)。由于Hospital_2的数据中没有ISUP_1患者,无法进行ISUP_1的比较。对于ISUP_2的预测,仅活检病理的AUC在Hospital_3和Hospital_4之间差异显著(p = 0.021)。对于ISUP_3–5的预测,仅临床-影像模型的AUC在Hospital_3和Hospital_4之间显示统计学显著差异(p = 0.008)。PIRADS分级、影像组学模型和深度影像组学模型在ISUP_2和ISUP_3–5分类的预测方面在三家医院之间无显著差异(均p > 0.05)。预测的ROC曲线见图6。
讨论
在本研究中,根据国际泌尿外科学会(ISUP)分级系统,我们将数据分为ISUP 1、ISUP 2和ISUP 3–5组,开发了五种预测前列腺癌(PCa)ISUP分组的方法,并在外部多中心数据集上评估和验证了各种预测方法的临床效能。我们的结果表明,与其他方法相比,基于深度学习的影像组学模型在预测PCa侵袭性方面表现出最佳性能(AUC范围为0.700至0.791),且其他三个外部验证数据集之间无统计学显著差异(均p > 0.05)。我们的研究表明,基于深度学习的影像组学模型有望为评估PCa侵袭性提供一种客观、无创的方法,有助于进一步减少过度治疗和避免不必要的活检,并具有一定的泛化性。
bpMRI可提供关于PCa侵袭性的重要信息[21, 22],根据既往研究,ADC值在预测GS方面具有较高价值[23, 24]。ADC值基于DWI计算,利用水分子的扩散衰减反映活体组织的微观结构,具有良好的可靠性和稳定性[25]。影像组学与ADC联合应用于PCa的诊断和评估也一直是研究热点。多位研究者[26]报道,ADC序列图像特征预测PCa的准确率可达97.39%,这意味着仅在ADC图上提取图像特征进行预测即可达到较好的准确率。Algohary[27]等报道,双参数MRI上的瘤内影像组学特征可预测PCa的风险,且影像组学特征主要来源于ADC图。
本研究选择ADC图进行特征提取,并开发了传统影像组学和深度学习影像组学两种模型,以评估其在预测PCa侵袭性方面的临床应用价值。本研究结果显示,传统影像组学模型在训练队列中的AUC为0.609至0.882,而三个外部验证数据集的AUC仅为0.566至0.632。此前多项单中心研究报告[19, 28–30]传统影像组学模型在预测PCa侵袭性方面表现良好(AUC值为0.70至0.93);然而,本多中心研究显示其准确率较低。原因可能是目前传统影像组学尚无统一的机器学习算法。系统且严格的机器学习框架包括特征提取、分类、交叉验证、算法选择和统计分析。这些算法步骤的人工选择可在一定程度上影响模型的效率[31]。各种算法各有优缺点,目前这些算法尚无统一标准。提高传统影像组学模型在不同数据集中的可重复性仍需大量样本集进行研究和验证。
此外,深度学习影像组学模型在本研究中显示出良好的效能。该模型包括从卷积网络中提取的13个特征(表5),其在训练队列中的预测效果为0.791至0.882,在外部验证队列中为0.700至0.791。使用深度学习算法是机器学习的一个重要分支。各种机器学习算法被用于神经网络以学习样本数据的内部规律。卷积神经网络(CNN)是深度学习中最具代表性的模型。许多具有不同结构的神经网络已被创建,如AlexNet、GoogLeNet、ResNet和DeepLab。这些算法能够更充分地提取数据特征,从而实现各种任务的算法集合[32]。我们的研究结果与既往工作一致。同样,Khosravi等[33]开发了基于GoogLeNet的模型;其研究表明,区分GG = 1组与GG ≥ 2组病变的AUC为0.78,而区分GG ≥ 4组与GG = 1组病变的AUC为0.86。Aldoj等[34]基于多通道3D CNN进行分析,并使用开源数据集ProstateX建立PCa分类器。研究表明,GG ≥ 2组与GG = 1组病变的敏感性、特异性和AUC分别为81.9%、86.1%和0.897。这些结果证实,深度学习技术能够挖掘图像的高维特征,在构建预测模型方面具有明显优势,为预测PCa侵袭性提供了新思路,并有望未来应用于临床环境。
近年来,尽管许多研究报道了影像组学模型在前列腺癌(PCa)应用中具有广阔前景[13, 35, 36],但基于多中心数据或聚焦于侵袭性的研究较少。多中心数据研究验证对于训练影像组学模型的适用性和稳定性极为重要,并可促进其临床应用。在本研究中,深度学习影像组学模型在三个外部医院对PCa病灶ISUP分组的预测差异无统计学意义(p > 0.05),表明该模型在不同医院、不同MRI扫描仪、不同场强和不同扫描参数之间具有较强的泛化性。原因可能如下:(1)本研究使用预训练的AI算法处理bpMRI图像以进行病灶分割和特征提取,使ROI的选择更加准确和稳定,减少了人为误差。(2)研究中纳入的ISUP分组均具有术后RP病理。与活检病理结果[13]相比,本研究的病理信息更为准确。既往研究表明,活检病理与全前列腺切除病理的一致性仅为54%[37]。(3)本研究中影像组学模型基于ADC图选择病灶并提取特征。根据既往报道[38],不同厂商扫描仪及不同场强ADC图提取特征的稳定性差异无统计学意义(p = 0.51),这有助于开发稳定的影像组学模型并促进多中心临床应用。
本研究存在若干局限性。尽管这是一项多中心研究,但我们的队列规模相对较小,且各中心的患者分布和ISUP分组数据不平衡,这可能影响了我们的发现。其次,本研究未将PCa按TZ或PZ进行分组。相关研究报道[39],用于PCa检测和评估的有效影像组学特征在TZ和PZ之间存在差异。然而,在本研究数据集中,相当数量的病灶足够大而跨越PZ和TZ,这种情况在各种数据集中占35.1%至74.5%。如果分析仅纳入局限于TZ或PZ的病灶,这些病例将不符合纳入条件,从而显著减少可供研究的样本量。为解决这一问题,未来研究应致力于收集更多病例,特别是局限于PZ或TZ的病例。将病灶位置作为预测因素纳入模型可能产生更准确的模型。通过根据病灶位于TZ或PZ进行分类,未来研究可以更准确地提取影像组学特征,从而可能提高模型的诊断效能。
这项多中心研究证实,使用AI从bpMRI图像中提取图像特征的深度学习影像组学模型有潜力预测PCa的侵袭性,并具有较强的外部泛化性;此外,该模型有望为临床评估PCa提供一种客观、无创的新方法。
补充信息
电子补充材料
引用
- Wang K, Luo N, Sun Z, et al. Evaluating the feasibility of AI-predicted bpMRI image features for predicting prostate cancer aggressiveness: a multi-center study. Insights Imaging. 2025. PMID: 39812752. doi:10.1186/s13244-024-01865-8
- 全文:PMC11735704(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11735704/
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。