基于堆叠集成机器学习的瘤内异质性评分增强肺磨玻璃结节侵袭性预测
这项多中心回顾性研究纳入802例肺磨玻璃结节患者,基于瘤内异质性评分与临床-影像特征构建堆叠集成机器学习模型,用于原位腺癌、微浸润腺癌与浸润性腺癌的三分类。堆叠分类器表现最优,内部与外部验证集宏观AUC分别为0.7850与0.7717;SHAP分析显示瘤内异质性评分、结节大小、结节类型和年龄为关键特征。
要点
- 堆叠分类器三分类内部验证集宏观AUC 0.7850、外部验证集0.7717,优于其他模型。
- SHAP显示瘤内异质性评分贡献最大(21.2%),其次为结节大小、结节类型和年龄。
- 二分类中预测浸润性腺癌能力最强,内部与外部验证集AUC分别为0.8738与0.8442。
核心结论
- 堆叠分类器是整合瘤内异质性评分与临床-影像特征进行肺腺癌侵袭性三分类的最佳算法,有助于磨玻璃结节的精准诊断与临床决策。
研究设计与样本
- 多中心回顾性研究,纳入三个中心共802例肺磨玻璃结节患者,训练集477例、内部测试集205例(7:3比例),外部验证集120例来自第三中心。
- 纳入标准为病理确诊肺腺癌、术前薄层CT(层厚≤1.5 mm)表现为磨玻璃结节、结节直径5–30 mm、无既往活检或放化疗。
- 采用六种基础机器学习算法(随机森林、自适应提升、轻量梯度提升机、梯度提升决策树、极端梯度提升、类别提升)构建堆叠集成分类器,以逻辑回归为元模型。
- 参考标准为组织病理学诊断,将结节分为原位腺癌、微浸润腺癌与浸润性腺癌三类。
- 模型选择依据内部测试集与外部验证集宏观AUC最大化且稳定>0.75。
关键影像表现/征象
- 浸润性腺癌的瘤内异质性评分显著高于原位腺癌和微浸润腺癌(p<0.05)。
- 微浸润腺癌的瘤内异质性评分有高于原位腺癌的趋势,但无统计学显著性(p>0.05)。
- 亚组分析显示堆叠分类器在纯磨玻璃结节与部分实性结节亚型间诊断性能存在差异。
诊断标准与关键数值
- 三分类堆叠分类器内部测试集宏观AUC 0.7850,外部验证集宏观AUC 0.7717。
- 二分类预测浸润性腺癌的内部测试集AUC 0.8738、外部验证集AUC 0.8442(强)。
- 二分类预测原位腺癌的内部测试集AUC 0.7722、外部验证集AUC 0.7970(中等)。
- 二分类预测微浸润腺癌的内部测试集AUC 0.7089、外部验证集AUC 0.6739(弱)。
- 二分类任务采用约登指数进行阈值优化。
临床应用与阅片要点
- 瘤内异质性评分是量化肿瘤异质性的影像生物标志物,评分越高提示细胞组成与空间分布多样性越大。
- 模型可将病变明确分为低风险(原位腺癌)与高风险(浸润性腺癌)组,辅助手术决策。
- 模型对微浸润腺癌诊断效能最低,源于其组织学特征(贴壁生长伴浸润≤5 mm)造成特征空间重叠,临床应用中需注意这一局限。
- SHAP分析中瘤内异质性评分贡献最大(21.2%),阅片时可关注结节大小、结节类型(实性成分比例)及患者年龄等关键特征。
局限性
- 回顾性多中心设计因各机构扫描仪制造商不同,导致CT采集方案存在异质性,影响纹理特征提取与模型泛化性。
- 堆叠集成架构需为每层级单独划分训练数据集,且多算法整合需要大量计算资源,增加了计算需求与算法复杂度。
- 仅纳入手术切除标本,系统性排除了非手术管理的病例(可能代表惰性表型),引入了谱偏倚。
- 缺乏纵向术后随访数据,限制了对组织病理学分类之外临床结局的预后模型效度评估。
全文中译17 节 · 点击展开
引言
肺癌是全球癌症相关死亡的主要原因,其中肺腺癌(LUAD)是最常见的组织学亚型[1]。低剂量计算机断层扫描(CT)筛查的广泛采用显著提高了早期LUAD的检出率,早期LUAD常表现为磨玻璃结节(GGN)[2]。目前的影像学分类将GGN分为纯磨玻璃结节(pGGN),即缺乏实性成分,以及部分实性结节(PSN),即同时含有磨玻璃和实性成分[3]。尽管pGGN通常与浸润前病变相关,如不典型腺瘤样增生(AAH)或原位腺癌(AIS),但高达27%的患者在病理检查时可能被诊断为浸润性腺癌(IAC)[4]。手术治疗策略差异显著;亚肺叶切除通常足以应对AAH、AIS或微浸润性腺癌(MIA),而IAC通常需要肺叶切除加淋巴结清扫[5–7]。这种差异凸显了准确术前分类的必要性。
预测浸润性的当前挑战主要源于pGGN亚型之间重叠的CT特征。依赖结节大小或形态学特征(如分叶和毛刺)的传统诊断方法已显示出有限的有效性[8]。尽管近年来肺结节表征的计算技术取得了进展,但这些方法仍存在显著局限性[9–12]。虽然影像组学模型擅长提取定量影像特征,但它们通常假设肿瘤异质性均匀,忽视了提示浸润潜能的局部形态和纹理变化[9, 10]。此外,尽管深度学习架构在特征提取方面具有稳健性,但其面临计算效率低下、对大量标注数据集的依赖以及倾向于过拟合等挑战。这些问题因其“黑箱”性质而加剧,这掩盖了其机制可解释性并增加了其对对抗性扰动的脆弱性[11, 12]。此外,AIS、MIA和IAC之间的生物学和预后连续性需要精细的风险分层方法,因为MIA与AIS或IAC不同,需要独特的治疗考量[13, 14]。然而,大多数研究主要使用二分类任务(例如,区分AAH与IAC[15, 16]或AIS与MIA/IAC[17, 18]),针对AIS、MIA和IAC三者鉴别的努力有限[19–21]。因此,这一疏漏在精准管理中造成了显著差距。
瘤内异质性(ITH)评分是一种创新的定量影像生物标志物,通过对CT衍生像素模式的计算分析,为评估肺结节异质性提供了稳健的框架[22–25]。该指标通过对标签图进行多尺度聚类生成。它有助于实现高通量影像特征的降维,同时保留具有生物学相关性的空间异质性。ITH评分通过标准化不同数据集间的扫描间变异性,捕捉与潜在恶性潜能相关的内在肿瘤复杂性。近期研究表明,较高的ITH评分与更大的异质性相关,使其成为一种有效的影像生物标志物,在表现为GGN的LUAD中优于传统影像组学方法[22–25]。
在本研究中,我们同时使用基础集成和堆叠集成机器学习技术来整合ITH评分与临床-影像学特征,从而开发三分类模型,旨在增强对表现为GGN的LUAD侵袭性的术前预测[26, 27]。本研究有可能革新临床决策,并为早期肺癌预后提供可重复的框架,满足精准肿瘤学中尚未满足的关键需求。
材料与方法
患者入组
本多中心回顾性研究经湘潭市中心医院(编号2021-07-009)、桂林医学院附属医院(编号2023YJSLL-121)和西南医科大学附属医院(编号KY2020147)的机构审查委员会批准,符合《赫尔辛基宣言》。由于回顾性设计及患者数据匿名化,本研究豁免知情同意。
符合条件的参与者基于以下标准筛选:(1)经组织病理学确诊的LUAD,在术前薄层CT扫描(层厚≤1.5 mm)上表现为GGN;(2)结节直径5–30 mm;(3)既往无活检或放化疗。排除标准如下:(1)影像或病理数据质量欠佳;(2)CT扫描至手术间隔>6个月;(3)存在多灶性原发性肺癌或肺转移性疾病。
总体而言,共纳入来自三个医疗中心的802例符合条件的患者。其中,来自中心1和中心2的682例连续招募的患者被随机分为训练集(n=477)和内部验证集(n=205),即按7:3比例分配。此外,来自中心3的120例前瞻性入组患者构成独立外部验证集。研究入组流程见补充图1。
CT影像学特征评估
本多中心研究中的CT采集方案遵循我们既往研究[24]中建立的标准化参数。所有符合条件的CT图像均系统归档于图像存档与通信系统中,由三名委员会认证的心胸放射科医师进行判读,每人具有>10年的亚专科经验。他们独立评估高分辨率CT图像,并对病理结果设盲。他们使用肺窗设置(窗位:−600 HU;窗宽:1500 HU)以优化GGN的特征描述。
根据第八版肺癌肿瘤、淋巴结、转移(TNM)分类[28](补充材料1),评估了若干影像学特征,包括结节大小和类型、位置、边缘、形状,以及分叶征、毛刺征、血管集束征、空泡征和胸膜凹陷征。
ITH评分计算
完成肺结节分割后(补充材料2),我们计算ITH评分作为评估肿瘤异质性的定量指标。该评分整合了来自病灶掩膜的局部像素特征与全局像素分布模式。本研究中的所有CT扫描均采用层厚≤1.5 mm的容积扫描方案获取,在保持高诊断细节的同时最大限度地减少空间分辨率异质性。
参考既往报道[22–25],本研究概述了计算ITH评分所涉及的几个关键阶段。首先,我们应用Li等[22]针对非小细胞肺癌患者开发的ITH评分计算方法(https://pypi.org/project/ITHscore),使用“pyradiomics”包并采用“RadiomicsFeatureExtractor()”算子,所有参数均设置为CT图像处理的默认值。随后进行像素级特征提取,使用2×2窗口对肿瘤内每个像素计算共104个像素级特征(包括强度、纹理和小波变换),以捕获局部像素特征。特征提取过程完成后,根据像素间特征相似性将其组织为聚类。最佳聚类数设定为五[22–25],因为该配置在最大化簇间方差的同时最小化簇内方差。随后为每个像素分配聚类标签,生成可视化呈现不同肿瘤亚区域的聚类标签图。最后,ITH评分作为量化标签图内多样性水平的指标,如下式(1)所示:其中V代表通过无监督学习识别的像素簇总数(V = 5),Stotal表示分割病灶的总横截面积。参数ni表示簇i内拓扑学上不同区域的数量,Si,max指簇i中观察到的最大连续面积。ITH评分范围为0至1,值越高表明细胞组成和空间分布的多样性越大。
基于集成堆叠分类器的三分类模型
为了预测表现为GGN的LUAD的侵袭性,三分类模型的输入包括ITH评分;临床变量,如年龄和性别;以及CT影像学特征。详细框架如图1所示,展示了集成堆叠分类器,涉及几个关键过程。(1)使用六种监督机器学习算法进行基模型训练:随机森林、自适应提升、轻量梯度提升机、梯度提升决策树、极端梯度提升和类别提升。这些模型在训练集上使用五折交叉验证方法进行训练和微调。随后,在这些交叉验证循环内进行网格搜索超参数优化,以确保稳健性并防止数据泄漏[26, 27]。(2)在确定具有最优超参数的基模型后,计算每种机器学习算法的预测值,以生成集成学习框架第二层的元特征。(3)在第二层中,使用逻辑回归对生成的元特征进行元模型的训练和评估[29–31]。(4)在集成堆叠分类器完成后,外部验证集完全保留用于最终评估,确保性能评估的无偏性。
影像组学分析
影像组学分析遵循结构化流程,包括三个主要阶段:特征提取、降维优化和预测建模[21, 32]。详细方案见补充材料3。
模型选择方案
基模型和集成机器学习模型使用训练集开发。对这些模型的性能进行了定量评估,以宏平均受试者工作特征(ROC)曲线和曲线下面积(macro-AUC)作为主要评价指标。macro-AUC指标独立评估每个标签的性能并对所有标签的分数取平均值。次要验证指标包括诊断准确率、精确率、召回率和F1分数,用于评估分类一致性。最终模型的选择基于最大化macro-AUC稳定性并在内部测试集和外部验证集上均达到> 0.75的值[33]。
使用SHapley加法解释(SHAP)框架进行模型解释
我们使用SHAP来量化特征贡献并揭示与LUAD相关的GGN中ITH评分、临床-影像学特征与侵袭性预测之间的非线性关系,以增强我们集成模型的临床可解释性。该方法与医学影像生物标志物可解释机器学习的最新方法学进展相一致[23, 34]。关于模型解释和特征子集识别的详细信息见补充材料4。
统计分析
所有统计分析和建模均使用R(版本3.6.3;R Foundation for Statistical Computing)和Python(版本3.11.0;Python Software Foundation)进行。详细方案见补充材料5。
结果
患者特征
训练集包括477例患者,其中90例(18.9%)诊断为AIS;163例(34.2%)诊断为MIA;224例(46.9%)诊断为IAC。内部验证集包括205例患者,其中41例(20.0%)诊断为AIS;65例(31.7%)诊断为MIA;99例(48.3%)诊断为IAC。外部验证集包括120例患者,其中30例(25.0%)诊断为AIS;38例(31.7%)诊断为MIA;52例(43.3%)诊断为IAC。
入组患者的详细特征见表1。三组间未检测到显著差异(p > 0.05),表明各组间具有可比性。训练集中AIS、MIA和IAC的临床-影像学特征的比较分析总结于补充表1。
AIS、MIA和IAC之间ITH评分的变异性
AIS、MIA和IAC术后诊断的ITH评分的代表性可视化展示见补充图2。ITH评分的比较(图2a–c)表明,IAC的ITH评分显著高于AIS和MIA(p < 0.05)。MIA的ITH评分有高于AIS的趋势,但无显著性(p > 0.05)。
诊断性能
我们使用ITH评分以及临床-影像学特征作为基础和集成机器学习模型的输入变量,以在三分类任务中预测表现为GGN的LUAD的侵袭性。表2列出了各种机器学习模型的详细性能指标,包括宏平均AUC、准确率、召回率、精确率和F1分数。其中,堆叠分类器获得了最高的宏平均AUC,在内部测试集和外部验证集中分别为0.7850和0.7717,展示了其优越的总体性能。图3a、b显示了堆叠分类器在内部和外部验证集中三分类的ROC曲线。此外,三分类模型(AIS vs. MIA vs. IAC)的混淆矩阵热图见补充图3。
图4a、b展示了二分类任务AIS vs. 非AIS(MIA + IAC)、MIA vs. 非MIA(AIS + IAC)和IAC vs. 非IAC(AIS + MIA)在内部和外部验证集中的混淆矩阵。在这些二分类任务中使用约登指数进行阈值优化以提升性能。该模型在预测IAC方面表现出卓越的能力。其在内部和外部验证集中的AUC评分分别为0.8738和0.8442(强)。AIS的AUC评分分别为0.7722和0.7970(中等),MIA的AUC评分分别为0.7089和0.6739(弱)。
亚组分析揭示了堆叠分类器在pGGN和PSN亚型之间的诊断性能存在显著差异(补充图4和5)。更多细节见补充材料6。
模型解释
图5通过条形图和玫瑰图放大视图展示的SHAP值,全面解释了堆叠分类器。该分析表明,ITH评分(21.2%)是对模型贡献最大的特征。
在基于SHAP的特征子集识别中,四个最具影响力的特征——ITH评分、结节大小、结节类型和年龄——始终表现出显著高于其他变量的贡献值(图6)。ITH评分表现出最大的贡献,表现为累积宏AUC值的显著增加。其他三个特征在贡献幅度和累积宏AUC方面也呈现出渐进式增加。然而,随着补充模型特征的加入,累积宏AUC出现逐渐下降后趋于平稳的现象。
堆叠分类器、影像组学模型和ITH评分的性能比较
与ITH评分和堆叠分类器相比,影像组学模型(补充图6)表现较差,其中堆叠分类器表现最佳(表3和补充图7)。更多细节见补充材料7。
讨论
我们同时实施了基础和集成机器学习模型,以将临床-影像学特征与ITH评分相结合。堆叠分类器在三分类模型中表现出最高的预测性能。此外,还开发了三个二分类模型:堆叠分类器在预测IAC方面表现出优越性能,在预测AIS方面表现中等,在预测MIA方面表现最低。ITH评分在三分类任务中优于传统影像组学模型,而堆叠分类器在相同分类任务中超越了这两种方法,这与既往研究的结果一致[22–25]。
尽管影像组学模型擅长提取定量影像特征,但它们通常假设肿瘤异质性均匀,忽视了可能提示侵袭潜能的局部形态和纹理变化[9, 10]。为解决这一局限性,通过在多尺度上对标签图进行聚类开发了ITH评分,有效降低了影像特征的维度,同时保留了 essential 空间差异。此外,它标准化了不同数据集间的变异性,更准确地表征了内在复杂性和恶性潜能[22–25]。这与本研究的发现一致,即影像组学模型的表现不如ITH评分。
堆叠分类器整合了来自多个基模型的特征,并利用可训练的元模型(如逻辑回归)来捕捉非线性交互作用。通过发挥多个基模型的优势并弥补其不足,这增强了可解释性和稳健性,从而为多模态生物标志物的整合提供了坚实基础[29–31, 35]。
基于堆叠分类器的三分类框架被分解为三个二分类模型,精确分层了性能水平。与堆叠分类器结果类似,pGGN的亚组分析显示其在预测IAC方面具有优越的判别能力,在识别AIS方面具有中等效能,而在分类MIA方面效果减弱,这反映了肿瘤侵袭性的生物学连续谱。高模型置信度与IAC中组织病理学证实的侵袭性强烈相关,而低风险预测与惰性AIS表型一致。该模型对MIA的诊断局限性源于固有的生物学模糊性,因为中间型病理特征(贴壁生长伴浸润≤5 mm)形成了重叠的特征空间,使二分类复杂化[28]。因此,该系统的临床效用主要在于其能够将病变明确分类为低风险(AIS)和高风险(IAC)组,辅助手术决策。
在本研究中,基于SHAP的可解释性分析识别出四个具有显著高SHAP值的主导特征:ITH评分、结节大小、结节类型和年龄。ITH评分已成为最具影响力的预测因子,凸显了其在量化肿瘤异质性中的既定作用——肿瘤异质性是反映生物学过程(如血管生成失调和异质性细胞增殖)的关键生物标志物。根据第八版肺癌TNM分类,结节大小反映了浸润性侵袭生长模式[28]。此外,结节类型是LUAD(尤其是GGN)中肿瘤侵袭性的替代标志物,其中较高的实性成分与侵袭性病理特征相关。这一观察结果与既往研究一致,表明PSN比pGGN更具侵袭性[36, 37]。最后,高龄与表现为GGN的LUAD肿瘤侵袭性相关,印证了早期研究[36, 37]。
本研究存在一些局限性。第一,回顾性多中心设计因各机构扫描仪制造商的差异而引入了CT采集方案的异质性,影响了纹理特征提取和模型泛化性。第二,尽管堆叠集成架构在术前分层GGN肺结节的诊断效用方面表现出价值,但其实现需要为每个层级分别准备训练数据集,并需要大量计算资源进行多算法集成,从而增加了计算需求和算法复杂性。第三,仅关注手术切除标本引入了频谱偏倚,因为非手术管理的病例(可能代表惰性表型)被系统性地排除。最后,缺乏纵向术后监测数据限制了对预后模型在组织病理学分类之外的临床结局方面的有效性评估。
结论
基于堆叠分类器的三分类框架通过整合多种数据流,显著增强了磨玻璃结节(GGN)的术前侵袭性评估。纳入肿瘤内异质性(ITH)评分、结节大小、结节类型和年龄等参数,为临床-影像学特征和肿瘤异质性提供了有价值的见解。本研究可能革新临床决策,因为该方法可能促进早期肺癌个体化管理策略的制定,满足精准肿瘤学中关键未满足的需求。
补充信息
电子补充材料
引用
- Zuo Z, Zeng Y, Deng J, et al. Intratumoral heterogeneity score enhances invasiveness prediction in pulmonary ground-glass nodules via stacking ensemble machine learning. Insights Imaging. 2025. PMID: 41006794. doi:10.1186/s13244-025-02097-0
- 全文:PMC12474818(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12474818/
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。