文献速递腹部技术与安全CT

整合临床-影像组学-深度学习特征的机器学习模型可准确预测原发性胃肠道间质瘤术后复发和转移

A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors.
PubMed 文献 · Insights Imaging · 2025-06-26

该回顾性研究从两个独立中心连续纳入2015至2019年经病理确诊的526例原发性胃肠道间质瘤患者,基于临床特征、影像组学特征和深度学习特征构建了63个机器学习模型,其中临床深度学习影像组学模型(CDLRM)在外部验证集和汇总集中的AUC分别为0.963和0.995,决策曲线分析显示该模型在高恶性潜能人群中具有显著净临床获益。

要点

  • CDLRM在外部验证集AUC为0.963(95%CI 0.917–1.00),汇总集AUC为0.995。
  • 外部验证集中CDLRM识别7例复发或转移中的6例,全数据集43例中预测41例。
  • 模型在高恶性潜能组(n=241)决策曲线分析显示显著净临床获益,低恶性潜能组(n=285)获益有限。

核心结论

  • CDLRM模型在预测原发性胃肠道间质瘤术后复发或转移方面表现优异,尤其适用于高恶性潜能患者,可辅助制定个性化治疗和随访策略。

研究设计与样本

  • 回顾性研究,连续纳入两个独立中心(郑州大学附属医院为center 1,河南省肿瘤医院为center 2)2015至2019年经病理确诊的526例原发性胃肠道间质瘤患者,男260例、女266例,平均年龄62岁。
  • center 1数据采用五折交叉验证按80%和20%分为训练集与内部验证集,center 2数据(2016至2019年)作为外部验证集,两中心数据汇总生成汇总验证集。
  • 从动脉期和门静脉期CT图像提取影像组学特征(共1734个手动特征,跨期组合为3468个)及64个深度学习特征,结合临床特征构建7种特征组合、9种机器学习算法共63个模型。
  • 参考标准为术后复发或转移,采用LASSO回归筛选特征,SMOTE过采样处理样本不平衡,以AUC评估模型性能,并进行校准曲线和决策曲线分析。

关键影像表现/征象

  • 中心1和中心2中,Ki-67、生长方式、侵犯、风险分层和核分裂指数在无复发或转移组与复发或转移组间差异均有统计学意义(p<0.05)。
  • 仅中心1中手术类型、边缘轮廓、肿瘤形状、CT强化方式、瘤内退变和肿瘤钙化在两组间差异有统计学意义(p<0.05),中心2中无统计学差异(p>0.05)。
  • 特征权重分析显示侵犯、Ki-67、肿瘤形状、边缘类型、核分裂指数、2个深度学习特征和7个影像组学特征与复发或转移正相关,其中侵犯权重最高。
  • 影像组学特征WaveletHLL-firstorder-Kurtosis、Squareroot-firstorder Robustmeanabsolute deviation和WaveletLLL-firstorder-Energy与复发或转移正相关,ZoneEntropy和cluster shade等纹理不规则指标为影响复发或转移的重要因素。
  • 中心1的36例复发或转移患者中14例最大径≤5 cm,中心2的7例中3例最大径≤5 cm。

诊断标准与关键数值

  • CDLRM(XGBoost)在训练集、外部验证集和汇总集的AUC分别为0.999、0.963(95%CI 0.917–1.00)和0.995。
  • CDLRM在中心1的特异度和敏感度分别为0.859和0.857,在中心2分别为0.973和0.953。
  • 外部验证集中CDLRM识别7例复发或转移中的6例,全数据集43例中预测41例。
  • 各特征组合最佳模型外部验证集AUC:临床模型(随机森林)0.829(95%CI 0.725–0.932),DTL模型(KNN)0.845(95%CI 0.741–0.948),影像组学模型(SVM)0.903(95%CI 0.817–0.988),影像组学+DTL模型(随机森林)0.889(95%CI 0.818–0.960),临床+DTL模型(随机森林)0.892(95%CI 0.816–0.967),临床+影像组学模型(SVM)0.924(95%CI 0.845–0.999)。
  • DeLong检验显示CDLRM与临床模型差异p=0.083,与DTL模型差异p=0.043。

临床应用与阅片要点

  • CDLRM整合临床特征、影像组学特征和深度学习特征,最终模型纳入侵犯、边缘类型、Ki-67、肿瘤形状、核分裂指数、CD-34、17个影像组学特征和6个深度学习特征。
  • 决策曲线分析显示CDLRM在高恶性潜能组(n=241)有显著净临床获益,低恶性潜能组(n=285)干预策略获益可忽略。
  • 作者提出可根据恶性潜能将患者分组:高恶性潜能者需伊马替尼治疗,低恶性潜能者需观察。
  • 作者认为CDLRM可优化胃肠道间质瘤患者尤其是高复发或转移风险患者的随访策略。

局限性

  • 研究因缺乏足够大的具有c-Kit或PDGFRA检测结果的队列,未纳入基因突变分析。
  • 未来研究应探索基因突变对复发或转移的预后影响,并通过前瞻性研究验证CDLRM。
  • CT设备、ROI勾画方法和软件不一致是影像组学可重复性和临床适用性的额外挑战。
  • 中心2中手术类型与复发或转移无显著关联,可能因患者入组时开放手术比例较高,且接受腹腔镜手术的患者无一发生复发或转移,可能使统计结果产生偏倚。
  • 中心2中肿瘤形状和CT强化方式无统计学意义,可能因样本量较小,未来需更大外部验证集解决这些局限。
全文中译17 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. 2025 Jun 26;16:135. doi: 10.1186/s13244-025-02011-8

引言

胃肠道间质瘤(GIST)的发病率多年来呈显著上升趋势,监测、流行病学和最终结果(SEER)数据库的报告显示,其发病率从2001年的每10万人0.55例上升至2011年的每10万人0.78例[1]。大多数研究估计年发病率约为每百万人10–15例[2]。历史上,完整手术切除(R0切除)一直是局限性和原发性GIST的主要治疗方法。然而,尽管完整切除具有核心地位,其术后5年生存率仍约为50%[3]。

既往研究还评估了在接受伊马替尼治疗的晚期GIST患者中对转移性肿瘤进行手术切除的效果。遗憾的是,这些试验未能证明手术在无进展生存期(PFS)这一主要终点上具有显著优势,并因观察到的累积不良反应而提前终止[4]。GIST临床管理中一个持续存在的挑战是准确预测疾病复发或进展,以指导辅助治疗决策。缺乏可靠的、分子层面定义的风险因素导致许多患者未接受治疗,可能引起疾病复发,而另一些患者尽管复发可能性低,却可能被不必要地过度治疗[5]。

目前,晚期GIST患者的结局仍不理想,在靶向治疗时代,确认手术能否改善晚期或转移性疾病结局的证据有限[6]。尽管研究正在持续进行以改进治疗策略,但随机试验仍然缺乏,预后结局仍然较差。

GIST以其遗传异质性著称,各种突变影响其对伊马替尼的反应。例如,研究表明伊马替尼的大部分生存获益出现在携带KIT外显子11突变的患者中,而野生型GIST或携带其他KIT或PDGFRA突变的患者并不能从延长辅助伊马替尼治疗中获得显著获益[7]。斯堪的纳维亚肉瘤组(SSG)XVIII试验的结果进一步证实,野生型GIST或其他突变患者同样不能从延长伊马替尼治疗中获益[7]。

在临床实践中,伊马替尼治疗的持续时间往往因人而异,因药物相关不良反应而停药较为常见。即使是在核分裂率低的患者中也可能发生复发或转移(RM),而一些高危患者术后长期无RM。即使采用改良的美国国立卫生研究院(NIH)风险分层,准确预测GIST患者未来的RM仍然具有挑战性[8]。

近期研究探索了基于影像组学的模型用于GIST患者恶性潜能的个体化预测。Caiyue Ren等[9]和Tao Chen等[10]开发了此类模型以评估GIST的恶性潜能,但这些工具尚不能直接预测RM。虽然无创风险分层具有临床价值,但精准医学需要能够直接预测RM的工具。发生RM的患者的预后仍然较差,总生存期显著缩短。

影像组学已成为一种有前景的方法,可从医学图像中提取定量特征并将其转化为高维、可访问的数据[11–15]。该技术分析像素或体素灰度值的分布和关系,以提供对肿瘤微环境的洞察[16]。在本研究中,我们利用卷积神经网络(CNN)架构构建了我们的模型。CNN通过迭代的卷积和非线性操作处理输入图像数据,将原始数据转化为潜在图像类别的概率分布[17]。

我们的目标是预测GIST手术后的早期复发和转移,为个性化临床随访策略奠定基础并改善患者预后。

材料与方法

患者

本回顾性研究经我院审查委员会批准,并遵循《赫尔辛基宣言》的原则和要求。对于本回顾性研究,我们通过两家医院——郑州大学附属医院(中心1)和河南省肿瘤医院(中心2)——的图像归档和通信系统,连续检索了2015年至2019年间经病理确诊的GIST患者。本研究经郑州大学第一附属医院伦理委员会及河南省肿瘤医院批准。由于本研究的回顾性性质,豁免了书面知情同意。患者选择标准总结于图1。与本文相关术语定义的详细信息可见补充信息1。

根据纳入和排除标准,我们共纳入526例GIST患者。参与者被分为三个独立队列。来自中心1的数据(2015年至2019年)使用五折交叉验证方法分为训练集和内部验证集(80%和20%数据分割)。为创建外部验证集,我们使用了中心2在2016年至2019年期间的数据。我们还汇总了两个中心的数据以生成额外的验证集。工作流程见图2。

图1 本研究的筛选标准 查看原图 ↗
图2 A、B分别从原始图像数据中提取影像组学特征和深度学习特征;C识别临床特征;D、E显示对三类特征各自进行高相关性特征的选择;F将筛选后的特征输入多种机器学习算法以建立模型;G通过ROC、DCA和校准曲线评估模型性能 查看原图 ↗

统计学方法

所有统计分析均使用Python(版本3.7.12)进行,特别是statsmodels模块(版本0.13.2)。通过t检验或卡方检验对训练集和验证集的临床数据进行描述性统计分析。我们将p < 0.05(双侧)视为具有统计学意义。我们在研究中对缺失值进行了插补。对于所有离散变量,我们用中位数填补缺失值;对于所有连续变量,我们用均值填补缺失值。

特征处理

临床特征

按照美国国家综合癌症网络(Version 2.2024)指南,我们记录了CD117、CD34、Dog-1、S-100和Ki-67指数的表达。我们还记录了其他临床信息,如年龄、性别、手术类型、风险分级和有丝分裂指数。我们从增强CT图像中获取CT特征,使用双期成像的动脉期和门静脉期。按照中国临床肿瘤学会指南,提取的CT特征详见补充信息2 [18]。共有四名具有至少7年腹部CT阅片经验的胃肠外科医生参与了本研究。其中三名医生来自中心1,一名来自中心2。他们只知道患者已被诊断为GIST。在本研究中,CT图像中感兴趣区(ROI)的勾画和CT图像特征的确定均由他们主导完成。所有医生独立审阅CT图像。当CT图像特征的判断结果存在差异时,通过讨论达成共识。CT方案详见补充信息3。在补充信息4中,描述了影像组学特征以及深度迁移学习(DTL)特征处理的详细流程。

预特征融合

对未筛选的独立特征集内的特征进行预融合,以获得四个融合特征集:影像组学+DTL(DLR)、临床+DTL、临床+影像组学以及临床+DTL+影像组学。随后使用最小绝对收缩和选择算子(LASSO)结合10折交叉验证寻找最优系数λ。我们保留系数非零的特征进行线性组合,以构建这些特征集的rad-scores。

模型开发

我们通过结合九种经典机器学习算法开发了最优预测模型:线性回归(LR)、支持向量机(SVM)、K近邻、决策树、随机森林、极端随机树、极端梯度提升(XGBoost)、轻量梯度提升机和多层感知机。

基于从训练集中筛选出的七种特征集,我们通过输入每种机器学习算法(见上文)共训练了63个模型。由于复发或转移样本数量较少,导致了样本不平衡(真实世界样本的分布是造成该结果的主要原因),传统机器学习算法可能倾向于偏向主导类别,从而导致模型性能下降。为解决该问题,我们采用了SMOTE过采样方法,通过合成少数类样本来增加数据集中少数类样本的数量,以实现样本平衡。这可以提高模型的训练效果。通过SMOTE过采样,模型能够更好地学习少数类别的特征,从而提高其泛化能力和准确性。此外,SMOTE过采样方法还可以降低模型的过拟合倾向并提高其稳健性。

我们随后使用内部验证集、外部验证集和聚合集的数据对结果进行了验证。然后,我们比较了不同模型对这些数据集的预测结果。为便于比较,我们为每种特征类型选择了外部验证最佳的模型,并使用所得模型集进一步比较校准曲线和决策曲线分析(DCA)。我们确认CDRLM具有最佳的应用潜力。

临床深度学习影像组学模型(CDLRM)整合了临床特征、影像组学特征,并由DTL提取。我们对所有特征应用了预融合方法,这减少了建模过程中丢失的特征数量并提高了模型准确性。据我们所知,这是首次探讨结合深度学习、影像组学和临床信息的整合模型是否可作为预测RM的工具的研究。通过比较多个模型,我们进一步研究了CDLRM能否客观预测复发和转移,并尝试将该预测模型应用于临床决策。影像组学和深度学习特征提取及建模所用算法和参数的详细信息见补充信息5。

结果

特征分析

表1和表2列出了GIST患者的临床特征。在中心1和中心2中,Ki-67、生长模式、侵袭、风险分层和有丝分裂指数在非复发或转移(NRM)组与RM组之间差异显著(p < 0.05)。然而,仅在中心1中,手术类型、边缘轮廓、肿瘤形状、CT强化方式、瘤内变性和肿瘤钙化在NRM组与RM组之间差异显著(p < 0.05),而在中心2中无统计学差异(p > 0.05)。复发患者随访信息见补充信息6。

在中心1中,270例患者的肿瘤起源于胃,而164例为非胃起源,包括121例位于小肠和43例位于其他部位。在中心2中,75例患者为胃起源,7例肿瘤位于十二指肠,16例位于小肠,1例位于其他部位。从动脉期和门静脉期提取特征,涵盖六个类别(一阶、GLCM、GLDM、GLRM、GLSZM和形状),共产生1734个手工特征。其中包括360个一阶特征、14个形状特征以及多种纹理特征,跨模态合并时共计3468个影像组学特征。所有手工特征均使用PyRadiomics中实现的内部程序进行分析。补充信息7详述了所有特征及其各自的p值。

比较并可视化了动脉期和门静脉期DTL特征的相关系数,揭示不同模态特征之间存在弱共线性。这一发现强调了深度学习捕捉动脉期和门静脉期图像特征之间细微差异的能力。最终提取了64个深度学习特征,其相关系数见补充信息8。

表1 临床信息描述 查看原表 ↗
表2 临床信息描述 查看原表 ↗

模型构建

提取的特征被分为三大类:临床特征、影像组学特征和深度学习特征。随后将这些特征组合构建七种模态,如图3B、C所示。使用LASSO进行特征选择,为逻辑回归模型识别出41个系数非零的特征。最终模型包括浸润、边缘类型、Ki-67、肿瘤形状、核分裂指数、CD-34、17个影像组学特征和6个深度学习特征。更多细节见图3W。

图3 A 63个模型(使用机器学习结合不同特征组)的AUC比较,模型AUC最佳值以红色高亮并加深显示。B、C显示初步筛选后应用于外部验证集和聚合集的各种模型的敏感性和特异性比较结果。D–J显示应用于外部验证集的不同模型的混淆矩阵,K–Q显示聚合集的相应结果。R–T分别显示应用于训练集、外部测试集和聚合集的不同模型的ROC曲线。U–W概述了CDLRM的rad-score构建流程 查看原图 ↗

机器学习模型的比较

应用九种机器学习技术训练七种模态,共产生63个模型。识别出每种模态中表现最佳的模型:临床模型(随机森林):AUC = 0.829(95% CI:0.725–0.932)

DTL模型(KNN):AUC = 0.845(95% CI:0.741–0.948)

影像组学模型(SVM):AUC = 0.903(95% CI:0.817–0.988)

影像组学 + DTL模型(随机森林):AUC = 0.889(95% CI:0.818–0.960)

临床 + DTL模型(随机森林):AUC = 0.892(95% CI:0.816–0.967)

临床 + 影像组学模型(SVM):AUC = 0.924(95% CI:0.845–0.999)

CDLRM(XGBoost):AUC = 0.963(95% CI:0.917–1.00)

CDLRM模型优于所有其他模型(图3A)。补充信息9提供了在内实验证集中测试的所有模型的ROC曲线。

在比较预测性能时,CDLRM表现出优越的特异性和敏感性。在中心1,特异性和敏感性分别为0.859和0.857,而在中心2,这些值分别为0.973和0.953。在外部验证集中,CDLRM识别了7例RM病例中的6例,仅漏诊1例。在整个数据集中,CDLRM成功预测了43例RM病例中的41例,漏诊率低,满足临床要求。Delong检验结果证实了CDLRM的优越性,与临床模型(p = 0.083)和DTL模型(p = 0.043)相比观察到显著差异。校准曲线显示预测结果与观察结果之间具有一致性(图4)。

图4 A、B分别显示CDLRM应用于外部验证集和聚合集的校准曲线。C、D显示CDLRM应用于外部验证集和聚合集的DCA结果 查看原图 ↗

亚组分析

根据术后病理将患者分为两个亚组:低恶性潜能组(n = 285)和高恶性潜能组(n = 241)。分别对每个亚组分析CDLRM预测结果。DCA显示高恶性潜能组具有显著的净临床获益,强调了该模型在指导随访和干预策略方面的实用性。相比之下,低恶性潜能组的临床获益有限,干预策略提供的优势可忽略不计(图5)。

图5 对高恶性潜能组与低恶性潜能组进行比较的DCA分析预测,该干预使高恶性潜能患者能够在很大程度上获得临床获益,具有较高的净获益,阐明CDLRM的临床应用场景更适合高恶性潜能人群 查看原图 ↗

讨论

伊马替尼的广泛使用已显著降低了患者术后复发和转移(RM)的发生率。例如,在我们的研究中,尽管198例GIST患者被病理诊断为高危,但仅43例发生RM。为评估GIST行R0切除术后复发风险已付出大量努力,广泛接受的方法包括改良NIH标准、武装部队病理研究所风险分层和预后等高线图[8, 19, 20]。这些方法在有效性上基本相当。Heikki Joensuu等人关于GIST术后复发风险的里程碑式工作,巩固了改良NIH风险分层作为GIST治疗中精准医学基石的地位。然而,接受辅助伊马替尼治疗患者的RM风险研究不足,很大程度上 due to 评估其获益的困难[21]。

随着临床实践的进步,深度学习和影像组学已成为有前景的工具[22]。我们的研究结合这些技术从多角度提取特征,使用机器学习方法开发CDLRM模型,旨在预测口服伊马替尼的术后患者的RM。该模型的预测性能非常令人满意。

CDLRM中的关键特征

CDLRM模型纳入了Ki-67、手术类型、边缘类型、肿瘤形状、生长模式、侵袭、瘤内退变、CT强化方式、改良NIH风险分层和核分裂指数等特征,这些均与RM显著相关。这些发现与既往研究一致。有趣的是,Guy J. C. Burkill等人的研究强调了肿瘤最大直径与恶性潜能之间的相关性,但我们的发现并未证实这一点。在中心1的36例RM病例中,14例最大直径≤5 cm,在中心2的7例RM病例中,3例具有相似大小。这表明即使小的GIST也可能复发或转移。我们的研究中肿瘤大小无统计学显著性,可能反映了手术技术的进步和术后伊马替尼的使用,使得无论肿瘤大小如何均可延长无RM间期。

在中心2中,手术类型与RM无显著关联,可能是由于患者纳入时开放手术的比例较高。值得注意的是,接受腹腔镜手术的患者均未发生RM,这可能使统计结果产生偏倚。此外,肿瘤形状和CT强化方式在中心2中无统计学显著性,可能是由于样本量较小。未来采用更大外部验证集的研究可能会解决这些局限性。

特征权重分析

在特征权重分析中,侵袭、Ki-67、肿瘤形状、边缘类型、核分裂指数、两个深度学习特征和七个影像组学特征显示与RM呈正相关。其中,侵袭的权重最高,表明其在RM中的关键作用。侵袭性肿瘤术后常残留组织,导致RM。Ki-67作为肿瘤增殖标志物,也显示与RM强相关,与既往研究结果一致[23]。

影像组学特征如WaveletHLL-firstorder-Kurtosis、Squareroot-firstorder Robustmeanabsolute deviation和WaveletLLL-firstorder-Energy与RM呈正相关。这些特征反映肿瘤内部的异质性,值越高表明RM可能性越大。ZoneEntropy和cluster shade等指标进一步凸显纹理不规则性是影响RM的重要因素[24]。

模型比较与临床意义

与既往14个模型的横断面比较证实,CDLRM优于其他方法,在外部验证集上取得了更高的AUC(图6)。为进一步比较,在队列选择方面,本研究与Chen Tao[10]、ChingWei Zhang[25]、Yancheng Song[26]和Bing Kang等[27]选择了多中心队列。外部队列验证也被用于推广模型的预测性能。虽然大多数既往研究结合了影像组学和临床特征,但仅Bing Kang等和本研究将深度学习特征纳入模型构建。与仅关注深度学习的Bing Kang等不同,我们采用经典机器学习进行模型训练,确保了高可重复性和更广泛的适用性[9, 28–32]。

CDLRM使临床医生能够优化GIST患者的随访策略,尤其是RM高风险患者,从而改善预后并促进精准医学。为探索其临床应用,我们建议将患者分为亚组:高恶性潜能需要伊马替尼治疗者和低恶性潜能需要观察者。DCA曲线分析显示,CDLRM通过促进早期发现和干预,为高恶性潜能亚组提供了实质性的临床获益。

图6 CDLRM与既往研究采用的模型比较。对于部分模型,我们未纳入95%CI,因为无法从原始文献中获取该信息。唯一的单中心研究来自Chu及其合作者 查看原图 ↗

局限性与未来方向

虽然使用SMOTE过采样和五折交叉验证最小化了过拟合并提高了模型准确性,但仍存在某些局限性。例如,由于缺乏足够大的具有c-Kit或PDGFRA检测结果的队列,本研究未考虑基因突变[33]。未来研究应探索基因突变对RM的预后影响,并通过前瞻性研究验证CDLRM。

CT设备、ROI勾画方法和软件不一致性的变异性是影像组学研究可重复性和临床适用性的额外挑战。建立这些因素的共识指南对于该领域的未来进展至关重要。

结论

CDLRM模型在预测原发性GIST的RM方面表现出色,尤其是在高恶性潜能患者中。通过指导临床决策和优化个体化治疗方案,该模型代表着在推进GIST管理精准医学方面迈出的重要一步。

补充信息

电子补充材料

引用

  1. Xie W, Zhang Z, Sun Z, et al. A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors. Insights Imaging. 2025. PMID: 40571854. doi:10.1186/s13244-025-02011-8
  2. 全文:PMC12202268(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12202268/

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。