非小细胞肺癌癌基因突变状态预测:系统综述与Meta分析,特别关注基于人工智能的方法
该系统综述与Meta分析纳入124项研究(45,747例NSCLC患者),其中51项进入Meta分析,评估基于CT影像组学的人工智能模型预测EGFR、ALK和KRAS突变状态的效能。基于影像组学的模型预测EGFR突变汇总AUC为0.769,联合临床数据模型AUC为0.821;ALK模型AUC为0.831,KRAS模型AUC为0.735。作者认为影像组学模型可能为确定NSCLC癌基因突变状态提供无创替代方案,需进一步研究临床数据能否提升性能。
要点
- 基于CT影像组学的AI模型预测EGFR突变汇总AUC为0.769,联合临床数据模型AUC为0.821,后者性能轻度提升。
- ALK突变预测汇总AUC为0.831,KRAS突变预测汇总AUC为0.735,KRAS相关研究间异质性明显。
- Meta回归未发现年龄、对比剂使用、分割方式、模型类型或AI方法对预测性能有统计学显著影响。
核心结论
- 基于影像组学的模型可能为确定NSCLC癌基因突变状态提供无创替代方案,但需进一步研究分析临床数据能否提升其性能。
研究设计与样本
- 系统综述与Meta分析,遵循PRISMA和MOOSE指南,PROSPERO注册号CRD42022349809,检索至2024年11月20日,限英文文献。
- 共纳入124项研究(45,747例NSCLC患者)进行定性分析,其中51项(21,766例)纳入Meta分析;所有研究均为回顾性,92项为单中心。
- 仅纳入基于CT的模型进行定量分析,参考标准为基因检测确定的EGFR、ALK和KRAS突变状态。
- 采用双变量方法合并敏感度与假阳性率,计算汇总受试者工作特征曲线及诊断比值比(DOR),并采用Deeks漏斗图不对称检验评估发表偏倚。
诊断标准与关键数值
- EGFR突变影像组学模型(37项研究、72个模型):汇总AUC 0.769,敏感度0.754(95%CI 0.727–0.780),假阳性率0.344(95%CI 0.308–0.381),对应特异度0.656(95%CI 0.619–0.692),DOR 5.91(95%CI 4.74–7.27)。
- EGFR突变联合模型(影像组学+临床数据,29项研究、38个模型):汇总AUC 0.821,敏感度0.806(95%CI 0.776–0.833),假阳性率0.315(95%CI 0.270–0.364),对应特异度0.685(95%CI 0.636–0.730),DOR 9.07(95%CI 7.32–11.10)。
- ALK突变影像组学模型(3项研究、4个模型):汇总AUC 0.831,敏感度0.754(95%CI 0.638–0.841),假阳性率0.225(95%CI 0.163–0.302),对应特异度0.775(95%CI 0.698–0.837),DOR 11.10(95%CI 5.83–19.10)。
- KRAS突变影像组学模型(6项研究、8个模型):汇总AUC 0.735,敏感度0.475(95%CI 0.153–0.820),假阳性率0.181(95%CI 0.054–0.461),对应特异度0.819(95%CI 0.539–0.946),DOR 4.28(95%CI 2.26–7.4)。
临床应用与阅片要点
- 作者认为影像组学与AI工具提供了一种无创策略,可支持NSCLC的分子分型。
- 作者指出,针对临床和方法学方面的验证研究对于确保其可靠性并整合入常规临床实践至关重要。
局限性
- 所有纳入研究均为回顾性,且大多为单中心(92项)。
- 仅21项研究进行了外部验证。
- 124项研究中有51项样本量低于200例,其中13项少于100例。
- KRAS突变预测研究间异质性明显,性能变异较大。
- EGFR联合模型Deeks不对称检验结果有统计学意义(p<0.05),提示可能存在发表偏倚,但视觉检查与敏感性分析提示由一项影响较大的研究驱动。
全文中译19 节 · 点击展开
引言
肺癌是全世界女性和男性中最致命的癌症[1]。非小细胞肺癌(NSCLC)是最常见的组织学亚型,占病例的80–85%,其中腺癌是最常见的亚型(占病例的40–50%)[2]。分子分型对于基因型驱动的靶向治疗已变得至关重要,现已成为许多晚期NSCLC患者的标准治疗[3]。然而,传统的分子基因分型方法需要侵入性检测和基因序列检测,面临成本高、采样偏倚、样本充足性、周转时间、操作风险和医疗并发症等挑战[4–6]。此外,作为液体活检的替代性血液分子诊断对许多患者的整体可及性可能有限[7],这凸显了研究非侵入性方法以表征NSCLC癌基因突变状态的必要性。
放射学成像是肺癌至关重要的非侵入性诊断工具,用于筛查、诊断、分期以及早期和晚期病例的管理[8]。具体而言,计算机断层扫描(CT)仍是肺癌可视化的标准方法,可提供优异的形态学和纹理信息。近年来,放射组学——一门专注于从医学图像中提取和分析定量特征的科学学科——受到了关注,尤其是在肺癌领域[8]。此外,人工智能(AI)在成像中的应用使得通过预测结局、治疗反应、疾病进展或肿瘤的突变和分子谱来满足重要的临床需求成为可能[9]。特别是,放射组学与AI的结合已被证明是预测NSCLC癌基因突变状态的有前景的非侵入性工具[8]。
在本系统综述和荟萃分析中,我们的多学科团队旨在:(1)综述关于使用基于影像的模型和放射组学预测NSCLC中三种关键可靶向致癌驱动基因改变(包括表皮生长因子受体(EGFR)、间变性淋巴瘤激酶(ALK)和Kirsten大鼠肉瘤病毒(KRAS))的现有科学证据;(2)分析基于AI的方法专门用于预测癌基因突变状态的整体性能;(3)评估在模型中纳入临床变量是否改善其性能;以及(4)从临床角度评估现有证据的影响。
材料与方法
本系统综述和荟萃分析按照系统综述和荟萃分析优先报告条目(PRISMA)[10]和流行病学观察性研究荟萃分析(MOOSE)[11]指南进行。本综述在开始前已在PROSPERO注册(注册号CRD42022349809;补充材料)。
检索策略
使用关键词“Radiomics”、“NSCLC”和“Mutational status”在Medline(通过Pubmed)、Cochrane Library和EMBASE数据库中系统检索截至2024年11月20日发表的符合条件文献(更多细节见补充表S1)。对发表年份、参与者年龄或国籍无限制。检索仅限于英文发表的文献。
研究选择
文献检索和研究选择由两名评审员独立完成。使用Covidence系统综述软件(Veritas Health Innovation,墨尔本,澳大利亚;www.covidence.org)作为筛选和数据提取工具(纳入和排除标准见补充材料)。
质量评估
使用医学影像人工智能清单(CLAIM)[12]评估每项研究可能纳入定量评估的方法学质量(见补充材料)。对于纳入的研究,随后使用诊断准确性研究质量评估-2(QUADAS-2)工具[13]评估偏倚风险(RoB),该工具专为诊断准确性研究的评价而设计。该工具在其四个标准领域——患者选择、指标试验、参考标准和流程与时机——中应用,未作修改(见补充材料)。
数据提取
见补充材料。
数据分析
对于定量分析,仅考虑基于CT扫描的模型。按照Reitsma等人的方法[14],采用双变量方法对灵敏度和假阳性率(FPR)进行荟萃分析。计算汇总受试者工作特征(sROC)曲线,将每个灵敏度和特异度对转换为诊断比值比(DOR),由于其在不同阈值下的稳健性和临床可解释性,DOR被用作主要汇总指标。DOR定义为(灵敏度×特异度)/[(1−灵敏度)×(1−特异度)],反映患有目标疾病的患者相对于未患该疾病者出现阳性结果的比值。DOR为1表示无判别能力,而较高值表示诊断性能改善。重要的是,DOR独立于疾病患病率,这使其特别适合用于汇总不同人群特征研究的荟萃分析。FPR在数学上等同于1−特异度,被有意选择代替特异度,因为它更直接地反映错误阳性预测的可能性——这是临床决策场景中的一个关键关注点。更多细节见补充材料。
为评估研究间的发表偏倚风险,我们对每种突变类型(EGFR、ALK、KRAS和联合EGFR模型)进行了Deeks漏斗图不对称性检验,这是诊断试验准确性荟萃分析的推荐方法。p值<0.10被认为提示显著不对称。
还进行了荟萃回归分析,探讨不同预测因素的影响(见补充材料)。
分析使用R统计软件v4.2.2及mada/tidyverse软件包进行。
结果
根据检索策略共获得890篇文章(图1)。去重后,筛选了553项研究。根据纳入和排除标准,124项研究被纳入系统综述,所有这些研究均开发了预测EGFR、ALK和/或KRAS的模型。其中,51项符合荟萃分析条件,通过了质量检查,因此被纳入(补充表S2)。
定性分析(系统综述)
研究的方法学特征
表1总结了这些研究的方法学特征。在124项研究中,90项仅使用机器学习(ML)算法,14项在以深度学习(DL)为重点的文章中将ML用于对照模型。仅10项研究仅使用DL算法,而10篇出版物使用了经典统计模型。在使用ML(一种或多种分类器)的90篇文章中,最常见的分类器为逻辑回归(n = 56)、支持向量机(n = 49)和随机森林(n = 39)。在分析的124篇论文中,最常用的划分策略为训练-验证集划分(n = 98)。外部验证仅在一小部分研究中实施(n = 21)。关于成像技术,CT是最常用的模态(n = 86),其次是正电子发射断层扫描(PET)/CT(n = 30)以及单独PET(n = 6)。此外,在一项研究[15]中,收集了独立获取的PET/CT扫描和增强CT图像,而在另一项研究[16]中,使用了PET/CT、CT和增强诊断质量(CTD)图像。在86项使用CT扫描进行的研究中,51项纳入非增强图像,23项纳入增强图像。8项研究未说明是否使用对比剂,而4项纳入增强和非增强扫描。73项研究进行了手动分割,分别有4项和38项研究使用了自动或半自动分割。3项研究应用了两种方法(用于验证或根据所用成像模态采用不同方法),6项研究未说明分割方法。
研究的临床特征
定性综合评估的124项研究共纳入45,747例非小细胞肺癌(NSCLC)患者。尽管大多数研究纳入超过200例患者,但有51篇文献的样本量低于该阈值,其中13篇纳入不足100例患者。所有研究均为回顾性研究,且大多为单中心研究(n = 92)。有一项研究未说明参与中心的数量[17]。在地域来源方面,大多数患者数据集来自中国队列(n = 87),其次来自美国(n = 9),来自日本、加拿大及若干欧洲国家等其他国家的较少(补充表S3)。总体而言,收集的基本临床和人口学信息包括性别、年龄、吸烟状况、TNM分期、组织学类型及图像采集时的治疗状态,但在124项评估研究中,分别有15、12、23、49、33和29项研究无法获得上述信息。124项研究所纳入患者的临床特征见表2。患者年龄的中位数[范围]/均值 ± 标准差(SD)分别为61.9 [58.93–64.22]岁和61.78 ± 3.60岁。在性别方面,总人群性别均衡,女性19,305例,男性20,702例。32,333例患者有吸烟史资料,其中大多数为非吸烟者(n = 17,293);另有1175例患者吸烟史未知。在75项详细说明TNM分期信息的研究中,大多数(n = 49)包含四个分期(I–IV)的信息。在26项未纳入所有分期患者的研究中,三项研究仅纳入早期患者(I期和II期)[18–20],两项纳入II–IV期患者[21, 22],九项仅纳入III期和IV期患者[23–31](其中三项以IV期患者为主[23–25, 27, 31]),三项仅纳入IV期患者[32–34],一项纳入晚期患者但未说明为III期还是IV期[35],五项纳入I–III期患者而未包括最晚期[17, 36–39]。共有90项研究纳入腺癌患者:68项仅纳入该组织学亚型,27项同时纳入其他NSCLC组织学类型。最后,在大多数情况下(n = 85),图像采集于患者接受任何治疗之前,另有两项研究同时纳入治疗后图像[40, 41]。仅有两项研究[29, 42]纳入接受酪氨酸激酶抑制剂(TKIs)治疗的患者。
研究中的偏倚风险
图2总结了纳入研究的偏倚风险。每项研究的每个信号问题及适用性判断的个体反应详见补充表S4。关于患者选择,大多数研究(n = 122)被判定为低偏倚风险,而仅有一项研究被评为高偏倚风险[43],一项为不确定[44]。在指标检测领域,73项研究被认为低偏倚风险,而51项[16, 18–20, 22, 23, 29, 30, 35, 36, 39–41, 43–80]因检测实施或解读细节不足而被评为不确定。关于参考标准,全部124项研究均被归类为不确定。采用此分类是因为没有一项研究明确说明基因检测是否对基于影像的模型结果设盲。然而,由于分子检测本质上独立于基于图像的预测且不依赖于主观解读,该领域的实际偏倚风险可能极小。关于流程和时间,120项研究被评为低偏倚风险,4项[18, 43, 44, 53]为不确定,主要由于指标检测与参考标准之间间隔的报告不完整或患者纳入和随访可能存在不一致。
定量分析(荟萃分析)
共有51项研究、涵盖21,766名患者符合定量评估的纳入标准。针对基于影像组学的模型进行了三项独立的荟萃分析:(1)EGFR突变(n = 47项研究)[15, 20, 23, 26, 28, 30, 32, 33, 37, 39, 44, 46–50, 52, 53, 56, 60, 64, 66, 67, 76, 81–103];(2)ALK易位(n = 3项研究)[104–106];(3)KRAS突变(n = 6项研究)[45, 52, 56, 88, 92, 96]。五项研究开发了同时针对EGFR和KRAS突变的模型[52, 56, 88, 92, 96]。此外,对预测EGFR突变的联合模型(影像组学特征+临床变量)进行了单独的荟萃分析。补充表S5总结了所有已进行的荟萃分析中纳入的研究。关于EGFR、ALK和KRAS模型的影像组学特征详情分别概述于补充表S6、补充表S7和补充表S8中。
EGFR
针对基于影像组学特征构建的模型的荟萃分析结果总结于图3。对纳入的37项研究(72个不同模型)[15, 20, 23, 26, 32, 33, 39, 44, 46–48, 50, 52, 56, 60, 64, 66, 67, 76, 81–92, 96, 97, 99, 100, 102, 103]绘制了层次化sROC曲线,这些研究评估了AI算法在预测NSCLC中EGFR突变状态方面的性能(补充图S1)。如观察所见,基于影像组学的模型在预测EGFR突变状态方面表现出高诊断性能,总体AUC为0.769。AI算法确定EGFR突变状态的敏感度从0.196到0.982不等,估计值为0.754(95% CI 0.727–0.780)。这些算法的假阳性率(FPR)范围为0.006至0.761,估计值为0.344(95% CI 0.308–0.381)。这对应于汇总特异度0.656(95% CI 0.619–0.692)。检测到EGFR突变阳性病例的可能性几乎是未检测到的六倍(DOR = 5.91 [95% CI 4.74–7.27])。
本研究还分析了在影像组学模型或同时包含影像组学和深度特征的模型[48](本研究中将包含临床数据与影像组学或深度特征的模型称为联合模型)中加入临床变量对EGFR突变预测的影响。本荟萃分析纳入29项研究(38个模型)[26, 28, 30, 37, 39, 46–50, 53, 56, 64, 67, 81, 83–86, 90, 91, 93–96, 98, 100, 101, 103]。请注意,来自[86]的所有联合模型均被纳入分析(影像组学特征加临床数据、深度学习加临床数据、深度学习加影像组学特征加临床数据)。结果见图4,sROC曲线见补充图S1。总体而言,联合模型的性能较影像组学模型略有提高,AUC为0.821,灵敏度为0.806(95% CI 0.776–0.833):模型灵敏度范围为0.523至0.982。FPR结果相似,为0.315(95% CI 0.270–0.364;模型FPR范围为0.017至0.761)。相应的合并特异度为0.685(95% CI 0.636–0.730)。联合模型检出EGFR突变阳性病例的可能性是未检出者的九倍以上(DOR = 9.07 [95% CI 7.32–11.10])。此外,我们进行了一项扩展分析,纳入了某些作者开发的补充模型[70, 76, 79]。这些模型虽排除了临床数据,但整合了影像组学和深度特征。性能指标变化极小(AUC = 0.825,灵敏度 = 0.805 [95% CI 0.777–0.831],FPR = 0.306 [95% CI 0.263–0.353]),因为这些模型对整合影像组学和临床信息的合并研究池贡献甚微(补充图S2、S3)。
ALK
该荟萃分析聚焦于基于影像组学的模型,共纳入三项研究(四个模型)[104–106]。预测ALK易位的总体AUC为0.831,灵敏度范围为0.682至0.825,估计值为0.754(95% CI 0.638–0.841)。这些算法的FPR范围为0.167至0.277,估计值为0.225(95% CI 0.163–0.302)。由此得出特异度为0.775(95% CI 0.698–0.837)。检测到ALK异常阳性病例的可能性是未检测到的11倍(DOR = 11.10 [95% CI 5.83–19.10])(图5和补充图S4)。
KRAS
共纳入六项研究(八个模型),评估基于影像组学的模型对KRAS突变的预测[45, 52, 56, 88, 92, 96]。结果见图6和补充图S5。KRAS突变的预测总体AUC为0.735,灵敏度为0.475(95% CI 0.153–0.820);模型灵敏度范围为0.015至0.875。FPR为0.181(95% CI 0.054–0.461);模型FPR范围为0.005至0.468。KRAS突变的合并特异度为0.819(95% CI 0.539–0.946)。使用基于影像组学的模型检测到KRAS突变阳性病例的可能性是未检测到的四倍以上(DOR = 4.28 [95% CI 2.26–7.4])。如观察所见,各项研究之间的性能差异显著,反映出相当大的异质性。
小样本效应评估
最后,为评估潜在的小样本效应和发表偏倚,我们进行了Deeks不对称检验,这是诊断试验荟萃分析推荐的方法。仅合并的EGFR模型产生了统计学显著结果(p < 0.05),提示潜在不对称性。然而,目视检查および敏感性分析表明,这是由一项具有不成比例效应量和精确度的影响性研究所驱动。在仅EGFR影像组学模型以及KRAS或ALK中未观察到显著不对称性。相应的漏斗样图和p值见补充图S6–S9。
荟萃回归和亚组分析
评估了不同预测因子对模型预测性能的可能影响,针对EGFR突变(针对ALK或KRAS突变的研究不足)。本分析共纳入47项研究[15, 20, 23, 26, 28, 30, 32, 33, 37, 39, 44, 46–50, 52, 53, 56, 60, 64, 66, 67, 76, 81, 82, 84–102, 107, 108]。亚组包括25个仅影像组学模型[15, 23, 32, 33, 39, 44, 46, 48, 52, 76, 81, 82, 85, 88–92, 97, 99, 107]和22个联合模型[26, 28, 30, 37, 47, 49, 50, 53, 56, 64, 67, 84, 86, 87, 93–96, 98, 100, 101, 108];38项研究使用机器学习(ML)[15, 23, 26, 28, 30, 32, 33, 37, 39, 44, 49, 50, 52, 53, 56, 60, 64, 66, 67, 76, 82, 84, 85, 89, 90, 92–102, 107, 108],9项使用深度学习(DL)[20, 46–48, 81, 86–88, 91];32项基于平扫CT[26, 30, 32, 37, 39, 46–48, 52, 60, 64, 66, 67, 76, 81, 82, 85–90, 92, 94, 95, 97–99, 101, 102, 107, 108],10项基于增强CT[15, 23, 28, 33, 44, 53, 84, 93, 96, 100](两项研究同时使用两种方法及三项此信息未知的研究被排除),33项研究采用手动分割[15, 20, 23, 26, 28, 30, 32, 33, 37, 39, 44, 46–50, 52, 53, 56, 60, 64, 66, 67, 76, 81, 82, 84–102, 107, 108],11项采用半自动方法[23, 46, 56, 60, 67, 76, 84, 90, 92, 94, 96](三项此信息未知的研究被排除)。年龄、是否使用造影剂、分割类型、模型类型及人工智能方法均未产生统计学显著结果(补充表S9)。
讨论
目前,侵入性分子检测是晚期NSCLC诊断和基因分型的金标准[109, 110]。然而,其局限性包括样本不足——细胞较少或出血性样本——[111, 112]、脆弱癌症患者进行侵入性操作的风险以及周转时间过长[109],需要在临床实践中验证和整合新流程。近年来,影像组学在肺癌的预后和预测方面显示出令人鼓舞的结果[113]。这种简单、可重复的方法使临床医生能够收集关于肿瘤类型、侵袭性、进展和治疗反应的重要数据[114]。此外,与其他方法不同,影像组学仅依赖于作为患者标准诊疗流程一部分获取的CT扫描等医学图像,能够捕捉患者和组织水平的异质性,在资源消耗和成本方面是一种可负担的工具。然而,在将此类方法纳入常规临床工作流程之前,适当的验证对于标准化至关重要。
本系统综述与荟萃分析评估了多种基于影像的模型在预测非小细胞肺癌(NSCLC)中三种常见致癌基因突变——EGFR、ALK和KRAS——方面的性能,并特别关注人工智能(AI)方法。尽管Nguyen等[115]此前已对此进行过探讨,Chen等[116]近期亦有涉及,但这两篇综述主要聚焦于技术性能,未深入探索临床适用性(这三篇综述在方法学范围和贡献方面的详细比较见补充表S10)。本研究通过按输入类型(仅临床、仅影像组学或联合)对方法进行分层,提供了独特的视角,从而能够从临床决策的角度直接比较其相对价值。此外,如前所述,我们将纳入范围限定于基于CT扫描的方法——CT是NSCLC临床工作流程中的标准影像模态——从而确保方法学的同质性并增强转化相关性。再者,与文献中的常见做法——特别是Nguyen等[115]和Chen等[116]所采用的方法,即每项研究仅提取性能最佳的模型进行定量合成——不同,我们纳入了所有符合预设标准的模型,无论其性能如何。通过纳入所有可比较的模型,本分析提供了更广泛的证据视角,凸显了异质性以及更大规模、多中心研究设计对于获得更可靠结论的重要性。为以统计学上稳健的方式合成这种异质性,我们应用了双变量随机效应模型(Reitsma等[14])并进行了亚组荟萃回归分析,从而能够探索方法学和临床协变量对模型性能的影响。因此,我们的荟萃分析揭示,使用CT衍生影像组学特征的AI模型在预测EGFR和ALK突变方面表现良好,灵敏度分别为0.754 [95% CI (0.727–0.780)]和0.754 [95% CI (0.638–0.841)]。然而,KRAS的预测性能欠佳,灵敏度有限(0.475 [95% CI (0.153–0.820)]),主要归因于Hinzpeter等[92]所开发模型引入的异质性。尽管使用Zhou和Dendukuri[117]开发的方法无法可靠地评估异质性,但Hinzpeter等[92]开发的两个模型中观察到的可忽略灵敏度(两者均为0)对分析中KRAS预测的总体灵敏度产生了负面影响。鉴于模型性能存在相当大的变异性(例如,灵敏度范围为0.015至0.875),这些发现应被解释为探索性和假设生成性的。建模策略、特征选择和验证方案的标准化对于未来研究减少异质性并使KRAS预测能够获得更确切的评估至关重要。值得注意的是,所报告的灵敏度和假阳性率(FPR)值反映的是各项研究中使用的特定操作阈值。相比之下,SROC曲线提供了跨所有可能阈值的诊断性能的全局汇总。这两个视角是互补的:SROC反映模型的整体判别能力,而研究特异性指标则提供了对常规临床条件下真实世界性能和误分类风险的更直接洞察。最后,尽管我们的结果未能明确表明纳入临床变量是否能增强模型性能,但我们确实观察到在EGFR模型中添加临床特征后预测准确性有适度改善的趋势(AUC从0.769增至0.821),与此前的报道[116]一致。虽然AUC这一5%的绝对增益可能看似有限,但我们认为它可能具有有意义的启示——特别是在大规模筛查或分诊场景中,即使判别能力的微小改善也可能转化为患者结局和医疗资源配置的实质性差异。临床变量可能有助于减少假阳性并提高特异性,当这些模型用于优先安排分子检测时这一点尤为有价值。这一观察与我们研究中纳入的多项影像组学和深度学习研究一致,这些研究在整合临床数据后特异性得到改善——通常绝对增益范围为0.05至0.24,具体取决于建模策略和特征选择方法[39, 56, 64, 84, 86, 88, 96, 100]。尽管如此,数据收集增加的复杂性以及模型可解释性方面的潜在挑战必须仔细权衡,未来需要前瞻性验证以更好地评估这一权衡。
我们的研究结果支持将影像组学用作确定癌基因突变状态的潜在筛查工具,并特别关注基于CT的模型以契合标准临床工作流程,因为CT在晚期NSCLC中广泛应用(PET/CT常用于局限期和晚期)[118]。总之,未来研究应优先开展进一步验证并考虑一些关键方面,首先是确保最低样本量以保证基于AI的模型所获结果的可靠性[119, 120]。在我们的系统综述和荟萃分析中,超过一半的研究在>200例患者中进行(系统综述n = 72/124,荟萃分析n = 32/51(EGFR为n = 29/47,ALK为n = 2/3,KRAS为n = 3/6)),但仍有相当数量的研究样本量较小,这限制了其结论的相关性。多中心设计也是获得更可靠结论所期望的,但很少有研究采用这种方法(系统综述中n = 31/124,荟萃分析中n = 15/51(EGFR为n = 10/47,ALK为n = 0/3,KRAS为n = 3/6))。其次,纳入独立队列进行外部验证将强化结果,产生更稳健且可重复的模型。在定性分析纳入的124项研究中,(n = 21)使用了外部队列进行验证,其中7项被纳入EGFR荟萃分析[33, 44, 46, 49, 85, 91, 101]。最后,患者队列应反映真实世界临床场景,这一点很重要。因此,为实现最佳诊断适用性,研究应聚焦于未接受治疗的人群,以避免潜在的治疗相关混杂效应,这一标准在大多数被评估的研究中均得到遵循,但部分研究有所欠缺。研究最好应针对III–IV期NSCLC患者,尤其是IV期患者,这与临床指南推荐将分子检测作为这些患者的优先事项相一致[109, 110]。如本研究所示,迄今为止发表的大多数研究未提供TNM分期信息或纳入了所有分期的患者。
尽管所评估的研究存在异质性,本研究表明放射组学在确定癌基因突变状态方面具有潜力。因此,使用CT扫描放射组学的人工智能(AI)模型可作为检测非小细胞肺癌(NSCLC)中可靶向驱动突变的有效无创筛查工具,具有良好的敏感性和中等特异性。尽管如此,我们承认此类工具的任何临床实施都必须先经过严格的前瞻性验证。这些工具并非旨在替代金标准技术(如聚合酶链反应(PCR)或下一代测序——这些在任何治疗决策之前常规进行),而是促进及时识别最适合从基因检测中获益的理想候选者,从而节省时间、降低成本并保留通过有创方式获得的宝贵样本。因此,基于AI的预测应被视为旨在优化检验前概率的辅助工具,而非独立的诊断手段。鉴于其高敏感性,这些模型有助于确保大多数突变阳性病例被正确标记,并随后通过实验室检测予以确认。重要的是,本综述并非旨在倡导立即临床使用,而是综合当前证据并确定未来研究的有前景方向。在这方面,前瞻性验证研究以及影像学方案和AI方法的标准化将是确保安全有效临床转化的关键。然而,与任何筛查策略一样,用于突变预测的AI工具存在假阳性风险,可能导致不必要的确认性检测或误判。这一问题在低剂量CT(LDCT)肺癌筛查背景下已有充分文献记载,其中假阳性结果与过度诊断和潜在有害的后续操作相关[121]。尽管我们的工作并非聚焦于癌症筛查本身,但将AI模型应用于富集或分诊患者进行分子检测时,同样的担忧仍然相关。若干方法可帮助减轻这一风险,包括多模态整合临床和影像学数据以提高特异性、在筛查背景下使用模型时采用更严格的决策阈值、结合互补预测工具的分层工作流程,以及严格的外部验证和校准以确保正确的模型解读。虽然在本研究中,加入临床变量仅带来预测性能的边际改善,但其在真实世界环境中减少假阳性的潜力应在前瞻性验证中进一步探索。这些策略,连同提高模型透明度和在临床研究中系统报告假阳性的努力,可能改善基于放射组学的筛查工具的安全性和临床实用性。最终,虽然本讨论强调了假阳性的临床负担,但同样重要的是承认假阴性的影响,这可能导致可操作突变患者错失靶向治疗的机会。因此,敏感性仍然是评估这些工具的关键优先事项。
对影响EGFR突变预测因素的评价未得出显著结果,可能是由于研究数量有限和数据缺失所致。尽管如此,某些变量虽然未达到统计学显著性,但在开发可用于潜在临床应用的准确模型时可能至关重要。我们的定性分析中有一些研究探讨了方法学方面对模型性能的影响[41, 61]。例如,Huang等[41]发现肿瘤分割的观察者间变异性会影响放射组学预测癌基因突变的能力,提示自动或半自动模型可能更为可取。跨中心的特征协调也成为一个相关议题。例如,Shiri等[61]对从多中心CT数据集提取的放射组学特征应用了ComBat协调方法,并报告模型在EGFR和KRAS突变预测方面的性能均有大幅提升——预测性能提高可达10–15%。这些发现强调了在开发面向多中心使用的模型时协调技术的重要性,因为扫描仪和协议相关的异质性可显著损害泛化能力。尽管我们的综述中仅有少数研究应用了协调技术,且这些技术未被系统报告,但其在不同临床环境中增强模型稳健性的潜力值得在未来多中心开发中进一步关注。其他作者强调了实验设置变异性[72]和CT层厚对基于放射组学模型预测能力的影响[38]。AI方法的选择也值得注意。尽管在EGFR突变预测方面未发现机器学习(ML)和深度学习(DL)方法之间存在显著差异,但后者可能具有优势。因此,虽然放射组学分析涉及病灶分割和特征提取——这是一个耗时且变异较大的过程——但DL模型仅需要病灶边界框,从而减少了变异性。另一方面,DL模型,尤其是端到端卷积神经网络(CNN)模型,如本研究所纳入的那些[27, 46, 47, 59, 62, 65, 68, 88, 122–124],通常更为复杂且能够解决复杂问题。考虑到现有证据,在设计 and 实施验证研究时,方法学方法应被仔细审视,这似乎是合理的。更广泛地说,这些发现凸显了在原始研究中提高方法学透明度和标准化的必要性,包括一致地报告成像协议、分割策略和AI模型特征,以便在未来系统综述中实现更具信息性和稳健性的亚组分析。在这方面,为确保本工作的完全透明,我们对每个癌基因应用了Deeks漏斗图不对称检验。EGFR(仅放射组学)、ALK或KRAS均未检测到显著不对称,提示纳入研究中发表偏倚风险较低。然而,需要注意的是,Deeks检验评估的是效应量与研究对象精度之间的关联;因此,对显著结果的解释应谨慎,尤其是当基于有限数量的研究时。唯一具有统计学意义的结果出现在联合EGFR模型中,尽管这在很大程度上归因于一项有影响力的单个研究,敏感性分析已证实这一点。这些发现补充了我们为最小化荟萃分析中偏倚所做的努力,并强调了未来研究中全面透明报告的重要性。
我们的研究存在局限性,原因在于其回顾性/单中心性质以及纳入出版物的异质性,影响了我们结论的强度。关于ALK和KRAS突变的证据稀缺,增加了在这些情况下得出明确结论的难度。另一个重要考虑与研究所采用的方法学有关。因此,大多数研究仅专注于肿瘤本身,而未考虑其他相关方面,例如肿瘤与纵隔的距离、周围肺实质或其在肺内的位置等。此外,关键方法学参数——如对比增强方案、分割策略或AI流程细节——报告不一致,限制了我们进行更精细的亚组或荟萃回归分析以探索模型性能异质性来源的能力。我们坚信,考虑这些因素也可能有助于改善影像组学模型的性能。然而,我们的工作提供了关于基于影像的模型预测关键NSCLC癌基因突变现有证据的最新且全面的分析,强调临床方法和AI模型。尽管存在局限性,我们的综述和荟萃分析旨在指导该领域的未来研究。
总之,基于影像组学的模型为确定NSCLC中EGFR突变状态提供了一种有用的非侵入性方法,并且似乎至少对ALK突变保留相似的预测价值。此外,尽管纳入临床变量往往能提高模型性能,但仍需进一步验证。
补充信息
电子补充材料
补充图S9
补充材料
引用
- Fuster-Matanzo A, Picó-Peris A, Bellvís-Bataller F, et al. Prediction of oncogene mutation status in non-small cell lung cancer: a systematic review and meta-analysis with a special focus on artificial intelligence-based methods. Eur Radiol. 2025. PMID: 40921820. doi:10.1007/s00330-025-11962-x
- 全文:PMC12963223(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12963223/
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。