基于增强CT的肝细胞癌巨梁索型亚型:深度学习优于机器学习
该回顾性多中心研究基于增强CT开发了ResNet-ViT对比学习(RVCL)深度学习模型,用于术前预测肝细胞癌的巨梁索型(MTM)亚型,并以术后病理为金标准。外部测试集上RVCL的AUC为0.93,优于五种基线深度学习模型(AUC 0.46-0.72)和三种机器学习模型(AUC 0.49-0.60)。将AFP整合入RVCL未带来显著诊断性能提升。
要点
- RVCL模型在外部测试集预测MTM的AUC为0.93,敏感度0.75、特异度0.96。
- 深度学习模型预测MTM优于机器学习模型,后者AUC接近或低于随机猜测水平。
- 在RVCL基础上加入AFP未显著提升诊断性能。
核心结论
- 基于增强CT的深度学习模型能准确预测肝细胞癌患者的MTM亚型,为临床决策提供智能工具。
研究设计与样本
- 回顾性多中心研究,最终纳入368例经组织病理学确诊的肝细胞癌患者,来自两家医疗中心。
- 训练集198例(MTM阳性47例、阴性151例),内部测试集85例(阳性22例、阴性63例),外部测试集85例(阳性26例、阴性59例)。
- 输入为增强CT动脉期和门静脉期轴位图像中肿瘤最大截面的二维感兴趣区,以术后组织病理学为金标准。
诊断标准与关键数值
- 病理诊断MTM的标准为肿瘤以大梁状结构为主(>50%),且 trabecular cords 超过6个细胞厚度。
- 内部测试集RVCL的AUC为0.95(95%CI 0.91-0.99),准确率0.86,敏感度0.75,特异度0.98。
- 外部测试集RVCL的AUC为0.93(95%CI 0.89-0.97),准确率0.85,敏感度0.75,特异度0.96。
- 外部测试集五种基线深度学习模型的AUC范围为0.46-0.72,三种机器学习模型的AUC范围为0.49-0.60,均显著低于RVCL(均p<0.05)。
- 将AFP纳入RVCL后,内部测试集AUC为0.99(95%CI 0.96-1.00,p=0.08),外部测试集AUC为0.98(95%CI 0.94-1.00,p=0.05),均无显著提升。
临床应用与阅片要点
- 作者认为RVCL模型可作为一种无创工具用于MTM-HCC的术前预测,辅助个体化治疗决策。
- 作者指出RVCL计算需求可能限制其在资源有限环境中的实际部署。
- 作者提到RVCL联合临床因素(RVCL+C)在资源充足的临床工作流程中可作为综合诊断的金标准,而EfficientNet在计算或数据受限时可能足以用于初步筛查。
局限性
- 作者指出RVCL计算需求可能阻碍其在资源有限环境中的实际应用。
- 作者指出将临床数据整合入RVCL依赖标准化临床输入,在异质性医疗环境中面临挑战。
- 作者指出传统CNN在外部验证中性能明显下降,提示可能过拟合且泛化能力有限。
- 作者指出ViT需要大量数据集才能达到最佳训练效果。
- 作者指出EfficientNet敏感度有限,限制了其在高风险MTM-HCC检测中的可靠性。
全文中译15 节 · 点击展开
引言
巨梁状-massive(MTM)是肝细胞癌(HCC)的一种亚型,于2019年被世界卫生组织正式认可[1–3]。其特征为厚度超过六个细胞的梁状结构[4–6]。与非MTM HCC相比,MTM亚型通常表现为更大的肿瘤体积、升高的血清甲胎蛋白(AFP)水平以及显著更差的预后[7]。由于其独特的分子类型和致癌通路,MTM-HCC可能对血管生成抑制剂(如抗Ang-2和抗VEGFA抗体)具有一定敏感性[8]。此外,研究人员发现CKLF样MARVEL跨膜结构域包含6(CMTM6)可刺激肿瘤细胞中程序性死亡-1(PD-L1)的产生,作为对抗T淋巴细胞的防御机制。因此,结合抗CMTM6和抗PD-L1治疗的免疫状态评估可能在治疗MTM-HCC方面更为成功[9, 10]。因此,在治疗开始前识别MTM-HCC对于定制个体化治疗方案和预测患者结局具有重大临床意义。然而,目前MTM的评估依赖于病理标本,这可能引入潜在的采样误差并需要术后评估。
传统影像学特征已被探索用于预测MTM。具体而言,动脉期(AP)低强化超过20%或50%、广泛坏死和严重缺血已被确定为MTM的独立预测因素。然而,其敏感性(7.4–57%)和特异性(31–66%)仍不理想[11–14]。除影像诊断外,越来越多的研究表明影像组学模型可有效预测MTM[7, 15–25]。然而,这些模型在测试集中的表现仍不令人满意,特异性(SPE,< 62%)和阳性预测值(PPV,< 46%)尤其偏低[15]。此外,各研究之间存在显著差异,一些研究确定随机森林(RF)为表现最佳的模型,另一些则倾向于支持向量机(SVM),还有其他研究证明逻辑回归(LR)模型优于前两者[15, 18, 23]。这种不一致性引发了关于影像组学模型的标准化、可重复性、稳定性和临床可转化性的广泛关注。
深度学习(DL)方法通过解决传统机器学习(ML)算法的局限性,推动了医学图像诊断的发展[26–28]。基于Transformer的架构因其能够有效捕捉全局特征依赖关系,在医学图像诊断处理方面展现出潜力[29–31]。最近一项研究[25]开发了一种多任务DL影像组学模型,用于预测HCC患者经肝动脉灌注化疗(HAIC)后的MTM亚型和预后。然而,该方法受限于其对HAIC后患者数据的需求。因此,我们提出,我们新型的基于注意力的DL模型可以为MTM-HCC提供更准确的术前预测。
因此,本研究旨在开发一种新型深度学习模型,以术后组织病理学检查结果作为金标准,预测肝细胞癌(HCC)患者的MTM亚型。此外,将进行全面的比较分析,以评估所提出模型与现有深度学习及传统机器学习模型的诊断性能,确保对其准确性、稳健性和临床适用性进行严格评估。
材料与方法
研究人群
本研究获得所有参与中心机构审查委员会的批准,鉴于其回顾性研究性质,免除知情同意要求(LDYYLL-2024-398,2022-432)。训练数据集和内部测试数据集来自兰州大学第一临床医院(中心1)的患者,外部测试数据集由甘肃省人民医院(中心2)的患者组成。
纳入2019年1月至2023年8月期间因HCC接受手术切除或肝移植的连续患者。患者符合以下标准方可纳入:(1)年龄大于18岁;(2)术前两周内进行过肝脏增强CT检查;(3)组织病理学确诊为HCC;(4)具备临床实验室数据和病理切片。排除标准包括:(1)术前有局部区域治疗或化疗史;(2)图像质量差或存在伪影(图1)。
在模型训练方面,中心1的患者按7:3比例随机抽样分为训练数据集和内部测试数据集。中心2的数据集仅用作外部测试数据集进行独立验证。为确保一致性和可比性,所有模型均使用相同的数据集进行训练和评估。
临床和实验室数据
收集人口学特征和临床数据,包括年龄、性别、肝病病因(丙型肝炎、乙型肝炎或其他)、肿瘤大小、AFP水平、血小板计数、中性粒细胞计数、中性粒细胞与淋巴细胞比值(NLR)、凝血酶原时间(PT)、国际标准化比值(INR)、天冬氨酸氨基转移酶(AST)水平、丙氨酸氨基转移酶(ALT)水平、白蛋白水平、总胆红素水平和癌胚抗原(CEA)水平。
组织学诊断和免疫组织化学
病理学评估
所有组织学标本均由对其它临床和影像学数据不知情的腹部病理科医师复核。以粗梁状结构为主(> 50%)、特征为梁状索厚度超过六个细胞的肿瘤被归类为MTM [3]。还进行了其他组织病理学评估,包括确定微血管侵犯(MVI)状态。
CT成像
CT图像在横断面采集,覆盖动脉期和门静脉期。详细的成像方案见表S1和表S2。
影像组学分析
一名获得委员会认证的腹部放射科医师(Reader 1,L.J.,具有6年肝脏影像学经验)使用ITK-SNAP软件(http://www.itksnap.org)在所有三个数据集中,于轴位动脉期(AP)和门静脉期(PVP)图像上手动分割肝细胞癌(HCC)病灶的二维感兴趣区(ROI),重点关注肿瘤横截面最大的轴位层面。随后所有分割均由一名资深放射科医师(J.K.)核实。为评估观察者内和观察者间可重复性,Reader 1和另一名放射科医师(J.Q.)在一个月后独立重新分割了随机选取的60例亚组,并计算组内相关系数(ICC)以评估一致性。
随后,将动脉期和门静脉期的ROI导入“FeAture Explorer(FAE)v.0.5.7”软件(https://github.com/salan668/FAE.git)以提取一整套全面的定量特征。除原始特征外,还对每个ROI应用高级变换——包括小波变换、平方、平方根、对数、高斯拉普拉斯、梯度和指数滤波——以衍生影像组学特征。ICC低于0.8的特征被认为不可重复,并从进一步分析中排除。
影像组学模型在训练队列中通过以下步骤构建:(a) 使用Z-score归一化对每个特征进行标准化;(b) 估计每对特征的皮尔逊相关系数(PCC),并剔除阈值超过0.90的共线特征;(c) 采用方差分析(ANOVA)选择候选特征;(d) 使用多种分类器,包括SVM、RF和LR,构建诊断模型。所有步骤均在训练数据集上采用5折交叉验证进行,以确定产生最高AUC的最佳组合。
DL模型开发
本节阐述我们提出的用于肿瘤分类的学习框架(如图2所示)的方法学,该框架整合卷积神经网络(CNN)与视觉变换器(ViT),以实现有效的特征提取、融合和判别。以显示肿瘤最大直径的轴位CT层面作为DL模型的输入。该过程的详细描述见附录S1。
为进行比较分析,使用相同样本量训练和验证五种不同的模型:AlexNet [32]、VGG [33]、ResNet [34]、ViT [35]和EfficientNet [36]。
统计分析
基线特征总结如下:连续变量若满足正态性和方差齐性假设,则以均值±标准差报告;否则以中位数和四分位距(IQR)报告。分类变量以频数和百分比表示。连续变量的比较,当满足正态性和方差齐性假设时使用独立样本t检验;否则采用Mann-Whitney U检验。分类变量使用卡方(χ2)检验分析。为评估训练集、内部测试集和外部测试集之间连续变量的差异,根据数据分布采用单因素方差分析(ANOVA)或Kruskal-Wallis检验。事后两两比较采用Bonferroni校正以控制多重检验。模型的预测性能使用受试者工作特征(ROC)曲线分析评估,计算AUC并使用DeLong方法进行比较。
结果
患者特征
在最初筛选的427例患者中,59例根据预设标准被排除(图1),最终纳入368例患者。该队列包括训练数据集198例患者(54%)(平均年龄56±10岁[标准差];男性156例[79%],女性42例[21%]),内部测试数据集85例患者(23%)(平均年龄57±9岁[标准差];男性63例[74%],女性22例[26%]),以及外部测试数据集85例患者(平均年龄57±11岁[标准差];男性66例[78%],女性19例[22%])。乙型肝炎病毒感染作为肝病的主要危险因素,在368例患者中有287例(78%)存在。当实验室变量作为连续指标分析时,除AFP水平(p=0.002)和国际标准化比值(INR)(p=0.002)外,所有特征在训练集、内部测试集和外部测试集之间分布相似(表1)。在训练集中,198例患者中有47例(24%)被诊断为MTM-HCC。与非MTM HCC患者相比,这些MTM患者表现出显著更高的血清AFP水平(p=0.002)(表2)。
临床因素分析
连续型实验室变量根据正常参考范围或临床相关性进行二分类。当将实验室变量作为分类指标评估时,训练数据集中甲胎蛋白(AFP)水平大于100 ng/mL成为MTM HCC的独立预测因素(比值比[OR] = 1.001 [95% CI:1.000,1.002];p = 0.027)(表S4)。
ResNet-ViT对比学习(RVCL)模型的诊断性能
我们使用内部和外部测试数据集评估了RVCL算法的性能。结果总结于表3,其中列出了详细指标(AUC、准确率、灵敏度、特异度、精确率和F1分数),ROC曲线见图3。在内部测试数据集中,模型的AUC为0.95(95% CI:0.91,0.99),准确率为0.86,灵敏度为0.75,特异度为0.98。在外部测试数据集中,模型的AUC为0.93(95% CI:0.89,0.97),准确率为0.85,灵敏度为0.75,特异度为0.96。当将临床因素AFP纳入模型时,AUC无显著差异(内部测试数据集:AUC = 0.99 [95% CI:0.96,1.00;p = 0.08],外部测试数据集:0.98 [95% CI:0.94,1.00;p = 0.05])。
基线DL模型的诊断性能
与现有主流模型(AlexNet、VGG、ResNet、ViT和EfficientNet)相比,RVCL模型在所有评估指标上均表现出更优的性能,详见表3和图4,并在图3中进行了展示。在基线模型中,AlexNet、VGG、ResNet和ViT在训练数据集上的AUC值分别为0.63(95% CI:0.55,0.70)、0.71(95% CI:0.65,0.77)、0.77(95% CI:0.72,0.82)和0.73(95% CI:0.68,0.78)。然而,它们在内部和外部测试数据集上的AUC值接近或低于随机猜测水平(0.5)。尽管EfficientNet的AUC表现相对可接受,在内部测试数据集上为0.77(95% CI:0.71,0.83),在外部测试数据集上为0.72(95% CI:0.66,0.78),但其灵敏度和F1分数相当低。具体而言,在内部测试数据集上,灵敏度和F1分数分别为0.53和0.48,而在外部测试数据集上分别为0.53和0.45。
机器学习模型的诊断性能
我们最终选择了八个影像组学特征输入模型(附录S2,表S3)。三种机器学习模型(LR、RF和SVM)在训练集、内部测试集和外部测试集上的性能均显著劣于RVCL(表S5)。具体而言,LR、RF和SVM在训练数据集上的AUC值分别为0.53(95% CI:0.44,0.62)、0.53(95% CI:0.43,0.61)和0.54(95% CI:0.45,0.64)。它们在内部和外部测试数据集上的性能基本保持不变,AUC值接近或低于随机猜测水平(0.5)。在内部测试数据集上,LR的AUC值为0.49(95% CI:0.34,0.64),RF为0.50(95% CI:0.36,0.64),SVM为0.45(95% CI:0.31,0.58)。同样,在外部测试集上,AUC值分别为0.60(95% CI:0.48,0.74)、0.49(95% CI:0.39,0.63)和0.59(95% CI:0.46,0.72)。值得注意的是,三种机器学习分类器在识别HCC的MTM亚型方面的诊断性能变化极小。
讨论
为实现对HCC中侵袭性MTM亚型的无创且客观的诊断,我们开发并验证了一种基于对比增强CT的深度学习模型(RVCL算法),系统评估了其对MTM的诊断性能。结果表明,RVCL模型在识别MTM亚型方面优于现有主流深度学习模型,如AlexNet、VGG、ResNet、ViT和EfficientNet,展现出更优的诊断效能。此外,与传统机器学习模型(包括LR、RF和SVM)相比,RVCL算法表现出显著优势,而三种传统机器学习模型在MTM识别中的性能未显示出显著差异。
RVCL模型优于现有DL和ML模型的卓越诊断性能可归因于其创新的架构设计,这体现在三个关键方面。首先,通过利用ResNet-50提取局部特征并整合ViT捕获长距离依赖关系,RVCL实现了局部与全局特征的协同建模。该方法解决了传统CNN在全局上下文建模方面的局限以及纯Transformer在局部细节捕获方面的不足,显著提高了Recall指标(外部测试集Recall为75%,与ViT的50%相比有显著提升)。其次,RVCL有效结合了残差学习与自注意力机制。残差连接缓解了梯度消失问题,而自注意力机制动态调整特征权重,使模型能够更有效地关注关键区域。这在F1 Score(78%)和AUC(93%)方面取得了优异表现。最后,RVCL采用了结合二元交叉熵(BCE)损失与三元组损失的混合损失函数。BCE损失确保分类准确性,而三元组损失增强特征判别力,使模型在保持高Precision(91%)的同时显著提高Recall和F1 Score。这在精确率与召回率之间实现了更好的平衡。这些设计要素共同使RVCL在细粒度分类任务中表现出色。
传统CNN,包括AlexNet、VGG和ResNet等架构,表现出较强的特异性,使其能有效排除非MTM病例。然而,其敏感性仍不理想,且在外部队列验证中表现出明显的性能下降,提示其易发生过拟合且泛化能力有限。ResNet显示出相对稳定的训练性能,但在新数据集中精确率不一致,引发了对假阳性的担忧。ViT依靠通过自注意力进行的全局特征分析,实现了优异的特异性,但敏感性较差且性能不均衡,需要大量数据集才能实现最佳训练。EfficientNet比其他基线模型更好地平衡了特异性与泛化性,其可扩展架构有利于部署,但其敏感性一般,限制了其在高风险MTM-HCC检测中的可靠性。相比之下,混合RVCL模型协同了局部特征提取与全局上下文理解,在敏感性和特异性方面均提供稳健且均衡的性能,同时具有较强的泛化能力。然而,其计算需求可能阻碍在资源有限环境中的实际应用。将临床数据整合到RVCL(RVCL + C)中进一步提升了诊断精确率和敏感性,达到近乎完美的性能,但对标准化临床输入的依赖在异质性医疗环境中构成挑战。传统CNN和ViT以牺牲敏感性为代价优先保证特异性,而EfficientNet提供了兼顾可部署性的折中方案,但牺牲了诊断准确性。RVCL/C+成为资源充足的临床工作流程中全面诊断的金标准,而在存在计算或数据限制的情况下,EfficientNet可能足以用于初步筛查。这强调了协调模型复杂性、数据质量和临床目标以优化实际应用的重要性。
与LR、RF和SVM等传统机器学习模型相比,RVCL模型表现出显著更优的诊断性能,而三种传统机器学习模型在MTM识别中未见明显差异。这一发现与既往研究存在一定不一致。例如,Zhang等[18]在一项基于232幅磁共振成像(MRI)图像的单中心研究中报道,LR优于其他传统机器学习算法(包括K近邻、贝叶斯、决策树(DT)和SVM),在训练集和测试集上的AUC值分别为0.766和0.739。此外,Feng等[15]从365例患者的增强CT图像中提取影像组学特征,使用最小绝对收缩和选择算子(LASSO)回归筛选特征,并将其纳入SVM分类器,在内部和外部测试集上的AUC值分别为0.80和0.74。Cai等[23]从127例患者的MRI图像中提取影像组学特征,并采用RF算法识别MTM-HCC,在训练集和验证集上的AUC值分别为0.916和0.833。这些结果的差异可能源于患者队列、成像方式(MRI vs CT)、感兴趣区(二维 vs 三维)以及特征降维方法的不同。相比之下,我们的研究通过头对头比较,进一步证实了DL模型在处理高维、非线性医学影像数据方面的独特优势,尤其是在提取复杂特征和建模全局上下文信息方面。传统机器学习模型由于特征提取能力有限,难以捕捉CT图像中的细微差异,导致其在MTM识别任务中的性能相对有限。
我们的研究结果表明,血清AFP水平升高是MTM亚型的独立预测因子,这与既往报道一致[7, 15]。然而,将AFP纳入RVCL模型并未显著提高其诊断性能(p ≥ 0.05),这与既往研究一致[15]。这可能提示RVCL模型已从CT图像中提取了足够的诊断信息,使得AFP提供的额外临床信息对模型性能的贡献有限。然而,这并不排除通过纳入其他临床或影像特征(如肿瘤标志物、病理数据或多模态成像)进一步提升模型性能的潜力。多模态数据的融合可能为模型提供更全面的信息,从而在复杂病例中实现更精确的诊断。
我们的研究存在若干局限性。首先,我们的样本量——尽管来自多机构——对于DL研究而言仍相对较小。需要更大的多中心数据集来减少潜在偏倚并进一步验证泛化性,以实现更好的性能。其次,DL常被视为“黑箱”,模型可解释性有限可能降低临床采用率。为增强模型的可解释性,未来研究可纳入可解释性技术(如Grad-CAM)以可视化模型的决策过程,从而增加临床医生对模型的信任。最后,使用来自两个中心的不同CT扫描仪可能影响影像组学特征。
总之,RVCL模型在MTM-HCC亚型的无创诊断中展现出显著优势,其采用了一种协同整合CNN和ViT的创新架构。其稳健的诊断性能凸显了其作为临床决策支持工具的潜力,为未来在精准医学和个性化治疗策略中的应用铺平了道路。
补充信息
电子补充材料
引用
- Jia L, Li Z, Huang G, et al. Macrotrabecular-massive subtype in hepatocellular carcinoma based on contrast-enhanced CT: deep learning outperforms machine learning. Insights Imaging. 2025. PMID: 40875079. doi:10.1186/s13244-025-02063-w
- 全文:PMC12394088(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12394088/
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。