文献速递腹部技术与安全CT

利用多期增强CT图像预测晚期胆囊癌全身治疗的治疗反应

Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images.
PubMed 文献 · Eur Radiol · 2025-05-08

本研究在4家机构连续纳入399例晚期胆囊癌患者,基于多期增强CT构建深度学习影像组学特征,并结合临床因素建立DLRSC模型预测全身治疗反应。模型在内外部测试集的AUC分别为0.86和0.84,低评分组患者的无进展生存期和总生存期更差。

要点

  • DLRSC模型基于多期增强CT预测晚期胆囊癌全身治疗反应,外部测试集AUC为0.84。
  • 模型最佳截断值为0.536,低评分组患者的无进展生存期和总生存期更差。
  • 多因素分析仅肿瘤大小为疗效的独立预测因素(OR=1.17,95%CI 1.12–1.28,p=0.043)。

核心结论

  • DLRSC模型可预测晚期胆囊癌患者接受全身治疗的治疗反应,并评估其生存获益。

研究设计与样本

  • 回顾性多中心队列研究,纳入4家医院2017年6月至2023年6月连续招募的399例晚期胆囊癌患者。
  • 317例来自3家医院按8:2随机分为推导集(n=253)和内部测试集(n=64),外部测试集82例。
  • 基于多期增强CT图像(动脉期、门静脉期、延迟期)构建深度学习影像组学特征,并与临床因素结合建立DLRSC模型。
  • 参考标准为RECIST v1.1标准评估的客观缓解率,每8–12周行CT/MRI评估。

关键影像表现/征象

  • Grad-CAM分析用于显示模型决策时关注的疑似肿瘤区域。
  • 门静脉期CT图像预测性能优于动脉期和延迟期,且ROI分割一致性更高。

诊断标准与关键数值

  • DLRSC模型内部测试集AUC为0.86(95%CI 0.82–0.89),外部测试集AUC为0.84(95%CI 0.80–0.87)。
  • 深度学习特征内部测试集AUC为0.85(95%CI 0.80–0.89),外部测试集AUC为0.83(95%CI 0.80–0.86)。
  • DLRSC模型最佳截断值为0.536,据此将全数据集分为低评分组和高评分组。
  • 多因素分析显示肿瘤大小与疗效独立相关(OR=1.17,95%CI 1.12–1.28,p=0.043)。

临床应用与阅片要点

  • 作者认为该模型可帮助临床医生告知患者潜在无效治疗的风险,减少不必要的不良事件并优化医疗资源分配。
  • DLRSC模型在决策曲线分析中全数据集净获益大于深度学习特征。
  • 在10%概率阈值下,DLRSC模型与深度学习特征的净获益差为0.022,相当于每约46例治疗可多发现1例获益者。

局限性

  • 尽管采用了多种方法减少模型过拟合,但样本量相对较小,过拟合风险无法完全消除,需在前瞻性研究的大样本数据集中验证。
  • 手动勾画ROI受主观经验影响,需开发无监督的肿瘤边界分割方法。
  • DSC反映不同观察者间分割的空间一致性而非影像组学特征的可重复性,尽管采用标准化分割方案,潜在噪声特征可能影响模型结果。
  • 虽采用广义尺度方法平衡不同中心图像,但各中心图像采集方案的差异可能引入固有偏倚。
  • 虽已控制部分混杂变量,但治疗差异等其他潜在混杂变量需在未來研究中进一步评估。
全文中译16 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:Eur Radiol. 2025 May 8;35(11):7410–20. doi: 10.1007/s00330-025-11645-7

引言

胆囊癌(GBC)是一种高度致命的肝胆恶性肿瘤[1, 2]。GBC的全球发病率呈上升趋势。由于其症状不典型且肿瘤生物学行为具有侵袭性,该病主要在晚期才被诊断[3]。大多数GBC患者在确诊时不适合行手术切除[4]。

全身治疗在无法手术的晚期GBC患者中已显示出有效性[5]。吉西他滨联合奥沙利铂(GEMOX)方案一直是常用的首选标准治疗。然而,单纯化疗的疗效仍不令人满意,中位总生存期(OS)为8.3个月[6]。近年来,使用抗程序性细胞死亡蛋白1(PD-1)抗体的免疫治疗在晚期GBC中显示出令人鼓舞的结果[7, 8]。在首选化疗方案(吉西他滨联合铂类)中加入抗PD-1抗体后,观察到OS改善[9]。然而,由于肿瘤内异质性,对联合治疗的反应存在差异。基于可靠预测生物标志物的患者选择对于最大化疗效和优化个体化治疗策略至关重要。

目前,已提出多种工具用于预测治疗反应[10–12]。然而,大多数研究集中于临床病理因素,其模型的预测性能并不令人满意。此外,通常难以获得足够的肿瘤组织进行分子谱分析,且该过程为有创操作。因此,开发一种无创方法可能是一个值得进一步研究的有趣课题。

影像组学是一种经过充分验证的方法,通过捕捉细微的视觉线索,为无创评估肿瘤异质性和微环境提供了新的见解[13–15]。此外,由卷积神经网络(CNN)自动提取的深度学习(DL)特征在图像判别方面已展现出显著能力[16, 17]。尽管取得了这一重大进展,目前尚无研究报道利用多期对比增强CT(CE-CT)图像成功预测晚期GBC患者对全身治疗的治疗反应。

因此,我们旨在开发并外部验证一种深度学习影像-临床特征(DLRSC),通过结合DL特征和临床因素来无创预测全身治疗的治疗反应。此外,还研究了最终模型所提供的生存获益。

材料与方法

研究设计

这项回顾性多中心队列研究按照STROCSS标准进行报告[18]。我们严格遵循1975年《赫尔辛基宣言》的伦理指南。相关机构的研究伦理委员会已批准该研究。

2017年6月至2023年6月期间,连续招募来自4家医院的晚期GBC患者用于模型开发和评估。如图1所示,来自3家医院的317例符合条件的患者使用随机数字表按8:2的比例随机分为两组(即推导数据集(n = 253)和内部测试数据集(n = 64)),用于模型开发和内部验证。一个包含82例患者数据的独立外部数据集用于模型的外部验证。纳入标准为(1)全身治疗前经病理学确诊为GBC,(2)根据实体瘤疗效评价标准1.1版(RECIST v 1.1)评估至少有一个可测量病灶,以及(3)完整的临床和CT图像数据。有接受抗肿瘤治疗史或同时患有其他恶性肿瘤的患者将被排除。

图1 研究设计流程图。ROC,受试者工作特征曲线 查看原图 ↗

临床结局

客观缓解率(ORR)定义为达到完全缓解或部分缓解的患者[19]。根据RECIST 1.1版,每8–12周通过CT/MRI检查评估肿瘤对全身治疗的反应[20]。主要终点为GBC对抗PD-1抗体联合GEMOX方案的ORR。本研究的次要终点为无进展生存期(PFS),定义为从治疗开始至疾病进展日期或末次随访之间的间隔。OS定义为从治疗开始至死亡或末次接触之间的时间。

显著临床预测因子的选择

基于临床知识和文献检索,我们收集了与治疗疗效相关的潜在临床因素,包括癌抗原19-9、癌胚抗原、甲胎蛋白和肿瘤大小[21–23]。根据第8版AJCC TNM分期系统,还记录了cT(临床肿瘤)分期、cN(临床淋巴结)分期和cM(临床转移)分期。最后,我们进行多因素logistic回归分析以确定治疗疗效不佳的独立危险因素。此外,肿瘤大小测量的详细描述见补充材料S1。

图像采集

所有个体在治疗开始前均接受了基线腹部增强CT(CE-CT)检查。详细扫描参数见补充表1。

感兴趣区的勾画

使用3D Slicer软件(版本4.11)在三期增强CT(CE-CT)图像上进行肿瘤分割[24]。两名对临床信息不知情的经验丰富的放射科医师使用“Level Tracing”功能手动标注感兴趣区(ROIs)。勾画病灶最大横截面及其在z轴上的两个最近层面。若存在多个肿瘤,则选择最大病灶进行下游分析。排除包含空气、大血管和邻近器官的区域。两名放射科医师在ROI勾画上的分歧经讨论后解决。在本研究中,从推导数据集中随机选取50例患者的图像用于计算Dice相似系数(DSC),以评估手动分割的一致性。多期CT图像的平均DSC分别为0.91 ± 0.12(动脉期)、0.95 ± 0.03(门静脉期)和0.92 ± 0.14(延迟期)。所有ROIs均由两名放射科医师审核。

数据预处理

瘤周区域是评估肿瘤微环境的重要组成部分。肿瘤微环境与胆管癌患者对全身治疗的反应密切相关[25, 26]。因此,为捕获肿瘤微环境的定量信息,将肿瘤区域掩膜向各个方向扩张5 mm[27–29]。对于多期CT图像,我们采用广义尺度方法对像素强度进行标准化[30]。选择每个层面中ROIs的中心进行对齐。为确保模型训练的平滑收敛,将像素值从[0, 255]归一化至[0, 1][31]。我们将图像重塑为224 × 224像素大小,作为深度学习(DL)模型的输入数据。

在模型训练前,通过在推导数据集中应用一系列变换(如翻转和旋转)进行数据增强,以提高DL模型的稳健性。

模型开发与评估

我们引入预训练的残差网络18(ResNet18)来开发用于预测治疗疗效的DL特征[32, 33]。该迁移学习网络由四个Block组成,每个卷积层后均接BatchNorm和ReLu激活函数。使用Sigmoid函数作为最后一层以产生概率预测。我们使用五折交叉验证在推导数据集上对DL特征进行微调。我们采用早停法以防止过拟合。参数组合如下:激活函数 = ‘ReLu’,优化器 = ‘Adam’,分类函数 = ‘sigmoid’,学习率 = ‘0.0002’。此外,采用梯度加权类激活映射(Grad-CAM)监测该网络检测到的可疑肿瘤区域,以做出关于应答或无应答的决策。DL特征使用Python软件(TensorFlow库)进行训练、调优和测试(Intel Core i5-12600KF CPU、NVIDIA GeForce RTX 4060 GPU和32 GB RAM)。有关模型开发的更多信息见补充材料S2。

然后,我们在推导数据集中使用多变量逻辑回归算法,将选定的临床因素纳入深度学习(DL)特征,构建了一个联合模型。我们进行受试者工作特征曲线(ROC)分析以评估预测性能。使用DeLong检验比较不同的ROC曲线。分别通过决策曲线(DCA)和校准曲线分析评估模型的临床实用性和稳定性。

为探究特定期相的特异性影像组学特征与治疗反应之间的关联,我们分别评估了动脉期、门静脉期和延迟期CT图像单独的预测性能(补充图1)。

预后分层

在外部测试数据集中AUC值最高的模型被确定为最优模型进行进一步分析。基于约登指数的最大值,将整个数据集分为低评分组和高评分组。采用Kaplan–Meier法估计胆囊癌(GBC)患者的无进展生存期(PFS)和总生存期(OS)。使用对数秩检验比较两个不同评分组之间的生存时间。

统计分析

我们使用SPSS(v26.0)、R(v4.0)和Python(v3.8.3)软件进行数据分析。所有显著性检验均为双侧检验,p < 0.05。连续数据以中位数 ± 四分位距(IQR)描述。连续变量的比较采用Mann–Whitney U检验或Student's t检验。分类变量采用卡方检验进行比较。在本研究中,DCA在10%至40%的阈值概率范围内进行评估[34, 35]。例如,10.0%的阈值概率表示愿意进行10次治疗以找到一名获益者。在评估范围内,概率的较低极端值代表接受联合治疗的意愿较大,而较高概率代表尽管有效性概率较高但接受联合治疗的意愿较小。此外,我们使用R软件的pmsampsize包估计样本量(R2cs = 0.28,参数 = 8),模型开发至少需要246例病例[36]。

结果

患者特征

技术流程图见图2。在本研究中,推导数据集的中位PFS为5.2(IQR,4.5)个月,内部测试数据集为5.1(IQR,4.8)个月,外部测试数据集为4.5(IQR,3.8)个月(表1)。推导数据集的中位OS为10.1(IQR,8.3)个月,内部测试数据集为9.5(IQR,10.7)个月,外部测试数据集为10.9(IQR,10.1)个月。

图2 模型开发的工作流程。AFP,甲胎蛋白;CA19-9,糖类抗原19-9;ROI,感兴趣区;DLRSC,深度学习影像组学-临床特征;ROC,受试者工作特征曲线 查看原图 ↗
表1 患者特征 查看原表 ↗

深度学习特征和DLRSC模型的评估

多变量逻辑回归分析结果见图3。仅肿瘤大小(比值比(OR)= 1.17(95% CI,1.12–1.28),p = 0.043)被确定为与治疗效果相关的独立因素。此外,我们在不同患者亚组中重新分析了临床因素与疗效之间的关联(补充图3)。临床因素与疗效之间关联的性质与我们的主要发现一致。

DL签名和DLRSC模型的预测性能见图4A。在内部和外部测试数据集中,DL签名的AUC分别为0.85(95% CI,0.80–0.89)和0.83(95% CI,0.80–0.86)(表2)。DLRSC模型产生了最佳的判别能力,AUC分别为0.86(95% CI,0.82–0.89)和0.84(95% CI,0.80–0.87)(表2)。Delong检验显示,DL签名与DLRSC模型的AUC之间无显著差异(p = 0.641)。在外部数据集中AUC值最高的DLRSC模型被确定为下游分析的最佳模型。DCA图显示,DLRSC模型在整个数据集中具有更大的净获益(图4B)。DLRSC模型的校准图显示,该模型在所有数据集中均校准良好(图4C)。计算了若干混淆矩阵(补充图4)。

此外,生成了激活图,图4D展示了对全身治疗反应不同的患者示例,以说明所建立的DLRSC模型的实际使用情况。

图3 多变量logistic回归分析的森林图。它们描述了各临床因素与疗效之间的关联。垂直线代表无效应的值。数据以OR值及95% CI表示。BMI,体重指数;CA19-9,糖类抗原19-9;CEA,癌胚抗原;AFP,甲胎蛋白;OR,比值比;CI,置信区间 查看原图 ↗
图4 模型评价与解释。A 衍生数据集和测试数据集中DL签名和DLRSC模型的AUC。B 决策曲线分析展示了模型用于治疗选择的净获益。“全部治疗”意为“全部接受联合治疗”。治疗选择的较低阈值概率表明相对更优先接受联合治疗以获得更长生存,而较高阈值则表明相对更优先避免联合治疗。例如,10.0%的阈值概率表明愿意实施10次治疗以找到1例获益者,而20.0%的阈值概率表明愿意实施5次治疗以找到1例获益者。C DLRSC模型在所有数据集中的校准图。D 增强CT图像(门静脉期)的代表性示例及使用Grad-CAM对DLRSC模型的可视化。AUC,曲线下面积;DLRSC,深度学习影像组学-临床签名;Grad-CAM,梯度加权类激活映射 查看原图 ↗
表2 模型预测晚期胆囊癌全身治疗反应的预测性能 查看原表 ↗

生存分析

根据最佳截断值,DLRSC模型的阈值设定为0.536,然后将整个数据集分为低评分组和高评分组。进行生存分析以评估该模型提供的生存获益。PFS和OS的Kaplan–Meier生存曲线见图5A–F。按DLRSC模型分层后的两个评分组之间,PFS和OS存在显著差异(log-rank p < 0.05)。在不同亚组中,高评分组患者的PFS和OS率均高于低评分组(补充图5)。

图5 基于DLRSC模型,在推导数据集和测试数据集中,高评分组(橙线)与低评分组(红线)之间PFS(A–C)和OS(D–F)的Kaplan–Meier生存曲线。结果显示,低评分组患者的PFS和OS更差。PFS,无进展生存期;OS,总生存期;DLRSC,深度学习影像组学-临床特征。 查看原图 ↗

讨论

评估系统治疗的治疗反应对于为晚期GBC患者制定个体化治疗至关重要。在这项回顾性多中心研究中,开发了一种用于预测治疗反应的新型联合模型(DLRSC),并使用多期CE-CT图像和临床因素进行了外部验证。DLRSC模型显示出良好的预测性能,在内部和外部测试数据集中的AUC分别为0.86(95% CI,0.82–0.89)和0.84(95% CI,0.80–0.87)。该模型显示出良好的区分度、校准度和临床实用性。进行了Grad-CAM分析以帮助临床医生更好地理解预测结果。此外,还确定了DLRSC模型提供的生存获益。

在既往研究中,已有少数研究探讨了晚期GBC患者系统治疗反应的预测因素。这些研究对其区分能力的外部验证非常有限,且未进行校准度评估。例如,Cheng等回顾性分析了69例GBC患者,并探讨了免疫治疗疗效的预测因素[11]。然而,这项单中心研究未使用独立外部队列进行验证。

近年来,影像组学通过捕捉细微的视觉线索在解决具有挑战性的临床问题方面取得了巨大成就,并日益受到关注。它可以从放射学图像中提取大量定量特征[37]。此外,DL影像组学技术可以基于CNN从放射学图像中自动获取特征表示,并在大型数据集中显示出稳健的区分能力[38]。据我们所知,肿瘤异质性和微环境与胆管癌患者系统治疗反应密切相关[25, 26]。同时,肿瘤异质性和微环境可以在放射学层面得到反映[39–41]。因此,在本研究中,我们提出了一种源自CNN的端到端DL特征,并研究了该DL特征在预测治疗反应和预后分层中的有效性。分析结果显示,DL方法对于真实世界应用可能具有足够的稳健性和泛化能力。此外,我们发现门静脉期CT图像的性能优于动脉期和延迟期CT。这可能归因于与肿瘤异质性相关的影像组学特征在门静脉期图像中更容易被捕捉。值得注意的是,与其他期相相比,门静脉期CT图像在ROI分割方面也表现出显著更高的一致性。门静脉期分割的更好一致性似乎与其信息量很好地匹配。即使这两个因素可能并非存在因果关系,它们在该期相中的协同效应可能共同促成了该模型的良好性能。

多因素logistic回归分析显示,仅肿瘤大小被确定为与疗效相关的独立因素。然而,Delong检验显示,DL签名与DLRSC的AUC之间未发现显著差异(p = 0.641)。这提示肿瘤大小可能并未显著辅助DL签名进行疗效预测。这可能归因于大小测量基于影像报告,且已被我们的模型所捕获。我们观察到,在本研究中TNM分期与疗效无相关性。这可能归因于瘤内异质性和肿瘤微环境。胆囊癌TNM分期系统基于肿瘤浸润、淋巴结转移状态和远处转移而建立。并非所有相同TNM分期的肿瘤对联合治疗的反应都相同。相同TNM分期的病灶可能存在显著的生物学差异,例如基因表达水平和肿瘤浸润淋巴细胞,这些已被证明与疗效密切相关[19, 42]。

此外,识别将从后续联合治疗中获益的患者对于实现良好的临床结局至关重要。在我们的研究中,DCA分析显示DLRSC模型比DL签名获得了更大的净获益。使用DLRSC模型对治疗决策具有积极影响。在10%概率阈值下,DL签名与DLRSC模型之间的净获益差异为0.022,表明与DL签名相比,DLRSC模型需要治疗1/0.022 ≈ 46例患者才能多发现一例获益者。

我们的研究存在一些局限性。第一,尽管已采用多种方法来尽量减少模型过拟合,但由于样本量相对较小,过拟合的风险无法完全消除。本研究应在前瞻性研究获得的更大数据集中进行验证。第二,ROI区域的手动勾画受主观经验影响。需要开发一种针对肿瘤边界的无监督分割方法。此外,DSC能反映不同观察者之间分割的空间一致性,而非影像组学特征的可重复性。尽管我们通过标准化分割方案最大限度地减少了人为变异性,但潜在的噪声特征可能影响模型结果。第三,本研究首次采用广义尺度方法以平衡来自不同中心的图像。然而,由于各中心图像采集方案的差异,可能引入固有偏倚。最后,尽管已控制了一些混杂变量,但其他潜在的混杂变量,如治疗差异,应在未来研究中进一步评估。

结论

总之,我们通过结合DL签名和临床因素,开发并外部验证了DLRSC模型,用于预测晚期GBC患者对系统治疗的治疗反应。该模型为识别可能从联合治疗中获益的潜在患者提供了有价值的信息。此外,DLRSC模型在GBC患者的预后分层中有效。该模型的泛化能力应在未来研究中予以评估。

补充信息

电子补充材料

引用

  1. Wu J, Zheng Z, Li J, et al. Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images. Eur Radiol. 2025. PMID: 40341972. doi:10.1007/s00330-025-11645-7
  2. 全文:PMC12559086(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12559086/

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。