基于影像组学的可解释人工智能预测肺部立体定向体部放疗后治疗反应
本研究回顾性分析单中心56例患者80个肺寡转移灶,从CT计划图像提取107个影像组学特征,经LASSO筛选后构建XGBoost模型预测SBRT后完全缓解(CR),并结合SHAP进行可解释性分析。模型在训练集和验证集的AUC分别为0.897(95%CI 0.860-0.935)和0.864(95%CI 0.803-0.924)。
要点
- XGBoost模型在验证集预测SBRT后肺转移灶完全缓解的AUC为0.864(95%CI 0.803-0.924)。
- LASSO筛选出9个变量(8个影像组学特征、1个剂量学变量、0个临床变量)用于建模。
- SHAP分析显示偏度、表面积体积比、球形度和BED10是预测完全缓解最重要的变量。
核心结论
- 整合XGBoost模型与SHAP策略能够评估SBRT后肺部病灶的完全缓解,有望以可理解的方式辅助临床医生制定个体化SBRT策略。
研究设计与样本
- 单中心回顾性分析56例患者80个肺寡转移灶,患者来自一项经机构审查委员会批准的前瞻性I-II期试验(Destroy-1: P#594/CE);CT计划图像采用128层扫描仪(Brilliance 128, Philips Healthcare)以2 mm层厚采集;参考标准为SBRT后4个月增强CT按RECIST v1.0评价的完全缓解。
关键影像表现/征象
- 影像组学特征从包含GTV分割的CT DICOM图像中提取,共107个特征(19个一阶统计特征、26个形状直方图特征、16个灰度共生矩阵特征、16个灰度尺寸区域矩阵特征、5个邻域灰度差矩阵特征、14个灰度依赖矩阵特征)。
- SHAP分析显示完全缓解概率较高与偏度较低、表面积体积比较高、BED10较高和球形度较高相关。
- 偏度的SHAP值大于零对应完全缓解机会增加,识别出的最佳阈值为<0.5;表面积体积比的阈值为>0.39;仅BED10等于100 Gy时SHAP值大于0。
诊断标准与关键数值
- 完全缓解(CR)定义为CT扫描上靶病灶消失;部分缓解(PR)定义为病灶减少超过30%;疾病进展或无反应归类为无反应者(NR)。
- 治疗反应转换为二分类结局:完全缓解为阳性,其他任何情况为非完全缓解(NCR)。
- XGBoost模型在训练队列的AUC为0.897(95%CI 0.860-0.935),在验证队列的AUC为0.864(95%CI 0.803-0.924)。
- XGBoost模型的准确率、精确率、召回率和F1分数分别为0.800、0.813、0.923和0.967。
临床应用与阅片要点
- 作者认为该可解释影像组学模型能更好地预测肺转移灶SBRT后的治疗反应,并为临床实践提供进一步指导。
- SHAP图以临床医生友好的方式解释模型输出,可帮助临床医生理解特定患者或病灶特征在预测临床结局中的作用。
局限性
- 原文未报告局限性。
全文中译15 节 · 点击展开
引言
肺是大多数实体瘤常见的转移部位,高达54%的癌症患者在疾病过程中会发生肺转移。1 与通常接受全身治疗的侵袭性转移播散患者不同,寡转移性疾病或转移负荷较小的患者更可能从局部治疗中获益。2 作为局部治疗中手术的潜在有益替代方案,立体定向体部放疗(SBRT)目前被认为与其他可用治疗方式相当。3 许多寡转移情境下的研究报告了1年局部控制率为70%-100%,较长的局部控制与较小的肿瘤尺寸和较高的生物等效剂量(BED)(≥100 Gy)相关。4–6
肺和转移灶在相关基质和血管系统以及基因组表达方面表现出显著异质性,对预后可能具有重要影响。7 因此,肿瘤的临床特征可能无法完全反映其异质性。随着放射组学的发展,这一局限性可能得到部分解决,因为可以提取若干临床无法检测的特征来捕捉病灶内部和病灶之间的肿瘤异质性8–10,然后将其与肿瘤的生物学结构和周围微环境相关联。11 虽然大多数肺转移放射组学研究仍处于探索阶段,但一些研究已经能够获得放射组学特征来预测治疗效果,包括总生存期12–14以及淋巴结复发和再发率。15,16 关注肺SBRT治疗在治疗反应方面疗效的研究则要少得多。17,18 由于SBRT在肺寡转移中的广泛采用,迫切需要基于放射组学分析的新预测模型,以区分对治疗有反应和无反应的肿瘤。换言之,在这一临床背景下,缺乏可靠且准确的预测模型是肺癌患者实施个体化治疗的重大障碍,尤其考虑到最近发现的放射组学特征具有潜在预后价值。
在过去几年中,数据驱动技术的快速进步也影响了放射肿瘤学中的治疗反应建模和结果预测。先进的机器学习(ML)模型可以通过利用患者在放射治疗前和治疗期间的相关放射基因组生物标志物数据,将患者特异性放射敏感性纳入结果建模中。19然而,尽管许多ML模型已显示出前景,但它们通常被视为“黑箱”,即就每个特征对输出预测的重要性而言,它们是不可解释的。这是不可取的,因为由于对预测的理解不清晰,临床医生将失去信任。“可解释人工智能”(XAI)一词是指用于构建AI系统的方法和途径,使最终用户能够理解和解释AI模型产生的结果和预测。由于“不透明”AI应用的日益部署,对清晰性和可解释性的需求尤其源于错误AI预测在医疗保健等关键领域中可能产生的高影响后果。因此,AI模型在临床常规中的有效实施在很大程度上取决于其决策过程和底层逻辑能够被解释和透明的能力。最近提出的一种能够为ML模型提供全局和局部解释的方法是Shapley加性解释(SHAP)值,这是一种事后可解释算法,使用加性归因将SHAP值从ML特征空间转换到临床变量空间。20这种转换在一个博弈论框架内运作,该框架将每个特征解释为博弈中的一个参与者,评估该特征对最终预测的个体贡献,从而允许评估特征的局部和全局重要性并提高模型的可解释性。此外,ML模型的另一个局限性包括结果类别的不平衡,这导致性能偏斜,转化为较低的敏感性和较高的误诊率。一种能够处理不平衡场景的最新策略是算法层面的方法,其中新的分类器如极端梯度提升(XGBoost)通过加权少数类和改变样本权重分布来适应处理不平衡数据。XGBoost由Chen等人21提出,作为一种有效的基于树的集成ML算法,在预测准确性、可解释性和分类通用性方面已显示出更高的复杂系统建模能力。22
为此,本研究旨在开发一个可解释的ML框架,利用放射组学和临床数据,通过将XGBoost模型与SHAP算法连接来预测SBRT后肺转移的治疗反应。特别是,我们旨在描述这种可解释的ML模型如何有可能在临床上用于识别最具预测性的协变量,并为接受SBRT的患者提供治疗决策信息。
方法
研究队列
回顾性评估了56例患者共80个肺寡转移灶,既往在我院接受过SBRT治疗。患者是一项前瞻性I-II期试验的一部分,23该试验经天主教大学机构审查委员会批准(Destroy-1:P#594/CE)。每位患者均给出了书面知情同意。
CT图像采集、分割和计划
患者以仰卧位进行模拟定位。使用128层扫描仪(Brilliance 128,Philips Healthcare,Best,荷兰)以2 mm层厚获取CT计划图像。临床靶体积(CTV)被确定为大体肿瘤体积(GTV)。根据呼吸运动分析(自由呼吸或腹部加压或深吸气屏气)定义患者特异性内靶体积(ITV)。基于先前对患者摆位可重复性的分析,23所有患者的摆位边界(SM)设定为3 mm。计划靶体积(PTV)基于对ITV和SM的评估来定义。
所有患者接受30至50 Gy的处方剂量,分5次连续照射。使用α/β比值为10,这相当于BED10范围为60至100 Gy。所有SBRT计划均使用6 MV X射线能量束,采用固定野调强放疗(IMRT)或容积调强弧形治疗(VMAT)技术生成。剂量使用塌陷锥卷积算法计算,剂量网格大小为2 mm。如果至少95%的PTV被100%处方剂量照射,且所有热点(高达140%处方剂量)均落在GTV内,则靶区覆盖被定义为最优。
治疗反应评估
通过SBRT后4个月的形态学增强CT确定的治疗影像学反应被认为是主要临床结局。根据RECIST(实体瘤疗效评价标准)系统v1.0,24该时间点被认为适用于早期和晚期应答型癌症。完全缓解(CR)定义为CT扫描上靶病灶消失;缩小超过30%被归类为部分缓解(PR);疾病进展或无反应被归类为无应答者(NR)。肿瘤反应的发生被转换为二分类结局:经历完全缓解(CR)的患者为阳性,任何其他情况(NCR)为阴性。
影像组学特征和分析
影像组学分析所需的所有特征均从包含GTV分割的CT DICOM图像中提取。图像处理使用Pyradiomics 2.0.1软件包进行,25该软件能够提取图像生物标志物标准化倡议(IBSI)规定的标准化特征。26总共为每个病灶自动提取了107个特征(19个一阶统计特征、26个基于形状的直方图特征、16个灰度共生矩阵特征、16个灰度尺寸区域矩阵特征、5个邻域灰度差矩阵特征和14个灰度依赖矩阵特征)。预处理步骤包括使用标准Pyradiomics程序将CT图像重采样为1 mm3的各向同性体素(CT图像采用B样条插值),以及使用25 Hounsfield单位的固定箱宽对体素强度进行离散化。此外,GTV的手动分割允许去除任何Hounsfield单位低于−400 HU和高于1000 HU的体素,这些体素被认为代表无意中纳入GTV的正常肺组织和骨组织。补充材料提供了特征提取过程中Pyradiomics所有参数设置的摘要。
数据准备
通过评估由一名放射肿瘤科医生和一名放射科医生进行的2次分割所获得的每对放射组学特征之间的一致性相关系数(CCC),评估放射组学特征的稳定性。该分析针对30个随机选择的病灶进行。为避免过拟合和降低变量维度,采用最小绝对收缩和选择算子(LASSO)回归方法识别与完全治疗反应相关的潜在变量。这是一种基于将L1范数正则化项纳入线性回归模型的嵌入式方法。它广泛用于特征选择,因为它将不太显著特征的系数收缩为零,选择一小部分特征形成最终的潜在描述符组。特别是,即使存在冗余特征(即它们之间强相关),LASSO也会选择1个并将其他特征的值降至零。
图1显示了完整分析流程图的概览。
机器学习建模
XGBoost是一种较新的算法,目前被认为是机器学习中的最先进方法,能够通过将梯度提升的能力与高效的树学习算法相结合,解决传统算法在处理大型数据集、缺失值和特征间复杂交互方面的已知局限性。更详细地说,XGBoost是一种集成学习方法,它结合多个弱模型的预测以产生强预测。梯度提升用于训练决策树,决策树是XGBoost中的弱模型。这表明该算法将决策树拟合到前一次迭代的残差上。以下目标函数用于训练XGBoost的决策树:
其中l是损失函数,yi是第i个训练样本的真实标签,是第i个训练样本的预测标签,fk是第k个决策树,Ω是惩罚树复杂度的正则化项。该目标函数使用梯度下降进行优化。在决策树训练之后,XGBoost通过对每棵树的加权预测取平均值来生成预测。此外,在训练期间,使用相同的目标函数确定每棵树的权重。因此,该算法能够确定哪些树更重要,并需要在最终预测中获得更大的权重。
整个数据集以分层方式按80:20的比例分为测试集和训练集。超参数的微调使用Python scikit-learn包中的GridSearchCV算法进行,采用5折交叉验证重复10次。模型的性能使用验证集结果的受试者工作特征(ROC)曲线和曲线下面积(AUC)进行评估。此外,使用scale_pos_weight超参数增加少数类的权重,以避免数据不平衡问题。
XGBoost模型的判别能力用受试者工作特征曲线下面积(AUC)、灵敏度、特异度和F1分数进行量化。
SHAP分析
对全局和局部可解释性进行了Shapley加法解释(SHAP)交互值分析,目的是为机器学习(ML)模型所做的决策提供人类可理解的解释。20 SHAP分析是一种基于数学博弈论的模型无关方法。在此,预测变量被视为合作博弈中的“参与者”,其目标是对单个观测值获得可靠的预测。考虑到预测变量的所有潜在组合,每个预测变量获得与其贡献成比例的“收益”。特别地,对于特定的预测变量,SHAP值通过在所有可能的预测变量组合中纳入和排除该预测变量来考虑模型预测的差异。这允许捕捉每个输入参数的平均边际贡献,并解释任何ML模型的预测。
在SHAP框架中,Shapley值以对数几率贡献的形式输出。然而,对数几率空间的输出难以解释,因此最好将其直接转换为概率。该操作可使用model_output = ‘probability’选项执行,能够使用DeepSHAP重缩放器直接将SHAP值转换为概率。
所有统计分析,包括ML训练和测试以及SHAP分析,均使用R软件(版本3.6.1,R Foundation for Statistical Computing)和Python 3.8(Python Software Foundation,OR,USA)软件包scikit-learn、xgboost、imblearn、tabgan和shap进行。
伦理声明
所有研究程序均符合2021年WHO关于健康人工智能伦理和治理的指导。27
结果
本分析共纳入56例患者、共计80个肺部病灶。在所有病灶中,49个(61.3%)达到完全缓解。
影像组学特征及选择
总共从每个病灶中提取了107个影像组学特征。总体平均CCC为0.97 ± 0.14。形状特征得分最高,为0.98 ± 0.08,表明观察者间重现性非常高。对于纹理和强度特征,平均CCC≥ 0.89。
数据预处理后,我们对所有考虑的潜在预测变量进行了LASSO回归,旨在降低原始特征空间的维度。在原始变量中,LASSO回归算法仅选择了9个输入变量(0个临床、1个剂量学和8个影像组学),这些变量与完全缓解相关的系数非零,因此被用于ML建模。
XGBoost模型性能评估
XGBoost模型的准确率、精确率、召回率和F1分数分别为0.800、0.813、0.923和0.967。图2显示了XGBoost模型的ROC曲线。在训练队列和验证队列中,AUC分别为0.897(95% CI 0.860-0.935)和0.864(95% CI 0.803-0.924)。
SHAP分析
图3报告了对结果的全局解释。图3A显示了9个显著特征对完全缓解预测的总体贡献。偏度、表面积与体积比、球度和BED10被发现是对模型预测完全缓解性能有显著影响的前4个输入变量。图3B显示了SHAP蜂群图,更深入地解释了每个变量值如何对感兴趣的结果作出贡献。在该图中,完全缓解的高概率和低概率分别位于x轴的正侧(正SHAP值)和负侧(负SHAP值)。特别是,对于前4个特征,该图显示完全缓解概率较高与偏度值较低以及表面积与体积比、BED10和球度值较高相关。
图4显示了全局SHAP决策图,通过映射每个预测的累积SHAP值来帮助理解模型决策。x轴代表模型输出,即SBRT后完全缓解的概率,单位经从对数几率转换为概率。该图以“期望值”为中心位于x轴上。模型特征按显著性递减顺序列于y轴。每个观测的预测值由一条彩色线表示。每个特征的SHAP值从图的底部到顶部依次加到模型的基值上。这说明了每个特征如何影响总体预测以及预测在决策过程中如何变化。
关于局部可解释性,图5显示了2个具有高和低完全缓解概率的代表性病灶。在个体基础上,这2幅图提供了关于模型决策过程的丰富信息,它们可能非常有助于帮助临床医生快速识别模型的关键组成部分。每位患者输入特征的值由图旁的数字表示。该图在显示模型如何得出其决策方面信息量很大,它们可能非常有助于帮助临床医生在个体水平上识别模型中具有高决策力的主要特征。从图5A和B来看,模型对这2位患者的完全缓解预测概率值分别为0.89和0.08。
使用SHAP值,还可以获得所谓的依赖图,其显示结局风险作为单一独立特征的函数。该图中每个具有正SHAP值的点对应于更高的完全缓解概率。图6显示了按重要性排序的前4个变量的依赖图,即偏度、表面积与体积比、球形度和BED10。偏度值与完全缓解机会呈反比关系,而模型捕捉到SVR和球形度的直接关系。跨越零值的SHAP值可能为识别这些协变量的相关阈值提供有用工具。例如,低偏度值产生的SHAP值大于零,表明这些患者完全缓解的机会增加,最佳阈值确定为< 0.5。同样,已确定表面积与体积比> 0.39的阈值。对于剂量,仅BED10值等于100 Gy时SHAP值大于0。
从临床角度来看,对这些发现进行更全面的解读是有意义的,将在讨论部分更详细地讨论。
讨论
在过去几年中,立体定向体部放疗(SBRT)后的完全治疗反应与患者预后密切相关,这凸显了其在寡转移 setting 中的重要性。Franceschini 等[15] 在 358 例因各种实体瘤寡转移性疾病接受 SBRT 治疗的大样本患者中评估了局部反应对总生存的影响。研究提供了局部反应影响结局的有力证据,完全缓解、部分缓解(PR)或疾病稳定患者 24 个月总生存率分别为 81.4%、53.6% 和 38.6%。同样,Macchia 等[28] 呈现了一个大型真实世界多中心数据集,纳入 846 个接受 SBRT 治疗的卵巢、子宫和宫颈寡转移病灶,探讨疗效和临床结局。作者报告完全缓解对总体 2 年 actuarial 局部控制率有显著影响(完全缓解为 91.5%,不完全缓解为 52.5%)。然而,尽管 SBRT 在寡转移癌症患者中广泛应用,采用 SBRT 而非其他治疗仍由临床医生根据患者特征和合并症自行决定。因此,在开始 SBRT 治疗前预测影像学反应的能力可能对于选择最佳治疗方式至关重要。
在细胞和组织学水平上,肺癌都是一种高度异质性疾病。因此,仅关注临床特征的研究可能无法充分传达肺部病灶的异质性。如今已确定,边缘不规则毛刺状的肿瘤提示更具浸润性,而高度异质性的肿瘤应被视为更具侵袭性[29]。从这个角度来看,放射组学在表征组织学、遗传足迹和瘤内异质性方面的能力,构成了一种有前景的可靠工具,可提供关于癌症结局的可信预测。
在本研究中,基于放射组学分析,我们开发了一个可解释的基于机器学习(ML)的模型,用于预测以治愈为目的接受 SBRT 治疗的肺部病灶的治疗反应。XGBoost 模型表现出最佳分类性能(验证队列中 AUC 值为 0.864),因此被认为能够在接受 SBRT 前确定肺部病灶完全治疗反应的概率。同时,我们证明,基于 SHAP 值的可解释性方法所提供的领域特定特征重要性可视化,可以突出模型的显著特征,并且临床医生可以 readily 理解。因此,临床医生可能更好地理解特定患者或病灶特征在预测临床结局中的作用,进而可能指导和强化治疗策略[30]。
如图2和图3所示,SHAP分析的结果很好地解释了所选变量对完全治疗反应的影响。有趣的是,所有临床预后因素,如年龄、性别、组织学类型、肿瘤分期或患者体能状态,均被排除在模型之外。除BED10外,仅有影像组学特征成为完全反应的强预测因子。具体而言,对于重要性排序前5位的变量,偏度和伸长率低值以及SVR、BED10和相关性高值驱动模型预测倾向于完全反应的高概率。这些发现可以基于近期文献更好地理解,总结于表1。
偏度是一种描述数据强度分布形状的特征,最近被认为是肺癌结局的潜在强特征标志。31–34,37,42,43 特别是,偏度已被报道为接受SBRT治疗患者局部失败和总生存的预测特征,31 化放疗后病理大体残留病灶的预测特征,33 化放疗后病理NR患者的预测特征32 以及恶性肺结节识别的预测特征。34 基于这些发现,一些研究人员正在探索偏度特征可能具有特定影像学表现的生物学基础。例如,偏度已被与NSCLC中的KRAS突变相关联,该突变提示治疗抵抗和肺癌诊断不良。35 表面积与体积比和球形度是与完全反应关联更强的形状特征。特别是,我们发现显示较高SVR和球形度值的病灶提示SBRT后完全反应的概率更高。这一结果是预期的,因为已有充分文献记载,大体积和球形度较差的肿瘤患者在总生存和局部区域控制方面预后更差。36 BED10的作用目前在文献中已充分确立,从Onishi等人的关键分析44显示接受BED10 ≥ 100 Gy的早期非小细胞肺癌患者局部控制改善。
与上述文献一致,我们的结果报告偏度、表面积与体积比、球形度和BED10仍然是预测SBRT后肺部病灶完全反应的关键变量。因此,临床医生应意识到这些特征在预测接受SBRT和消融意图治疗病灶的治疗反应中的重要性。
在迄今已发表的众多论文之后,10–18本研究强调了放射组学在评估肿瘤异质性方面的潜力,以及其开发影像生物标志物以预测SBRT后肺部肿瘤临床结局的能力。然而,我们意识到,在寡转移场景中,放射组学特征仅是冰山一角,仅提供预测临床结局的部分途径。通过纳入遗传或表观遗传变量,机器学习模型的预测能力有望得到提升,这些变量可用于更好地理解疾病背后的生物学机制。将遗传和放射组学数据与剂量学和临床数据整合,将提供新的证据支持方法,能够表征癌症患者、预测预后并指导选择最有效的个体化治疗。例如,Wong等45能够识别与生存相关的主要肿瘤microRNA表达模式,开发了一种microRNA分类器,用于确定哪些寡转移患者将从SBRT中获益更多。
必须强调一些潜在的局限性。首先,回顾性分析的常见局限性适用,且患者队列规模并非过大。为了使每组具有合适的样本量,我们因此对缓解结局选择了简单的二分类(完全缓解 vs 所有其他缓解)。为了在建议的二分类(即完全缓解、部分缓解、疾病稳定和疾病进展)之外改进缓解分层,我们希望将来收集更多病灶。我们意识到合适的样本量对于获得精确可靠的结果至关重要,而样本不足的研究可能会出现过拟合数据的问题。在本研究中,我们采用了多种策略和最佳实践,以尽可能降低过拟合的概率。首先,我们通过在我们的数据集上进行k折交叉验证,执行了准确的内部验证。这包括将我们的数据集分成多个折,在不同子集上训练模型,并在剩余数据上评估其性能。这将确保模型在一个子集上训练,超参数在另一个子集上调优,以提高模型在不同数据划分间的泛化能力。其次,我们使用了一种正则化技术,在损失函数中添加惩罚项,以防止模型过于紧密地拟合训练数据。例如,Lasso算法中的L1正则化将系数的绝对值添加到损失函数中,迫使一些系数变为恰好为零。这种特征选择的选择通过选择最相关的特征并排除不相关或冗余的特征,从而降低模型复杂度,有助于降低过拟合风险。尽管采用了这种方法,我们仍不能完全排除过拟合的发生,这种可能性代表了我们研究的一个局限性。此外,由于我们的研究仅限于单一机构,不同机构之间在图像采集、靶区定义和临床结局评估方面可能存在差异。因此,病灶的准确分割对于确保提取特征的稳健性至关重要。由于未进行详细的敏感性分析,我们确定了从两套分割(由两位不同临床医生执行)中提取的影像组学特征的CCC,以量化特征的可重复性。显著高的CCC值(平均0.972)表明靶区定义良好。最后,我们模型的性能尚未通过来自不同队列的外部验证进行验证。基于本研究的发现,下一步意向是在多中心研究中验证结果的稳定性和泛化性。
结论
总之,我们的研究提供了有力的概念验证,即基于放射组学实施XGBoost等新的强大机器学习(ML)模型,可能大大增强立体定向体部放疗(SBRT)治疗反应预测所需的准确性。SHAP分析为治疗反应预测提供了可理解的解释,使放射肿瘤科医生能够理解隐藏在ML算法中的决策过程,并以可控的方式指导个性化SBRT治疗。需要用独立数据集对我们的结果进行外部验证,以确认我们模型的稳健性和泛化性。
引用
- Cilla S, Romano C, Macchia G, et al. Radiomics-based explainable artificial intelligence to predict treatment response following lung stereotactic body radiation therapy. Br J Radiol. 2025. PMID: 41071045. doi:10.1093/bjr/tqaf043
- 全文:PMC12659744(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12659744/
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。