深度学习用于儿童骨肉瘤肿瘤体积精确测量与治疗反应预测
这项回顾性多中心研究开发了两个卷积神经网络,基于MRI自动分割儿童骨肉瘤并测量体积,再用体积变化预测诱导化疗后的组织病理学反应(坏死≥90%)。模型在外部验证集上分割Dice系数为0.81,反应预测准确率80%、敏感度90%、特异度70%,作者认为CNN体积测量与人工评估相当,体积变化可预测化疗反应。
要点
- CNN自动分割儿童骨肉瘤MRI的Dice系数内部验证0.86、外部验证0.81,与人工测量体积强相关(内部r=0.98、外部r=0.95)。
- 基于体积变化的反应预测模型在20例中正确分类16例(80%),敏感度90%、特异度70%,略优于人工测量的15/20例。
- 组织病理学以肿瘤坏死≥90%定义为反应者,<90%为非反应者;非反应者肿瘤在化疗后显著增大,反应者缩小或稳定。
核心结论
- CNN自动测量的肿瘤体积与人工评估相当,基于CNN体积变化的模型可预测儿童骨肉瘤对化疗的组织病理学反应。
研究设计与样本
- 回顾性多中心研究,训练集为Centre A的81例患者162次MRI扫描,内部验证集10例20次扫描,外部测试集为Centre B的10例20次扫描,以组织病理学坏死≥90%为参考标准。
关键影像表现/征象
- 组织学反应<90%坏死的肿瘤在诱导化疗后显著增大,≥90%坏死的肿瘤表现为体积缩小或稳定。
- AI分割与人工分割的Dice系数内部验证0.86、外部验证0.81,中位Hausdorff距离分别为15.0 mm和14.2 mm。
- 内部验证集AI与人工体积相关系数r=0.98(p<0.001),Bland-Altman平均偏差−6 mm³,95%界限−112至+99 mm³。
- 外部验证集AI与人工体积相关系数r=0.95(p<0.001),Bland-Altman平均偏差−0.2 mm³,95%界限−13至+12 mm³。
- 椭球公式体积与人工分割体积内部验证r=0.94、外部验证r=0.93(均p<0.001)。
诊断标准与关键数值
- 以组织病理学肿瘤坏死≥90%定义为反应者、<90%定义为非反应者,作为金标准。
- 反应预测模型在20例中正确分类16例,准确率80%、敏感度90%、特异度70%。
- 体积估计CNN的内部验证Dice系数为0.86、外部验证为0.81,中位Hausdorff距离分别为15.0 mm和14.2 mm。
临床应用与阅片要点
- 作者认为CNN自动体积测量与人工评估相当,基于体积变化的模型可非侵入性预测化疗反应,辅助患者管理。
- 作者指出传统三径线测量和椭球公式缺乏可重复性、观察者间变异大,人工MRI分割耗时且不适合常规实践。
局限性
- 回顾性设计可能引入选择偏倚并限制普遍性。
- 样本量小,尤其外部验证集,降低了统计效能;外部中心患者数量有限可能限制在异质临床环境和不同成像平台上的性能评估, findings的普遍性应谨慎解读。
- CNN模型在两个中心的MRI扫描上训练,可能限制在不同成像协议上的性能。
- 作为参考标准的人工分割存在变异性。
- 模型基于组织病理学肿瘤坏死而非无事件生存或总生存评估治疗反应;体积缩小作为主要影像生物标志物,但儿童肿瘤学中良好反应也可包括坏死或囊性变等结构改变,仅依赖体积可能低估反应。
全文中译11 节 · 点击展开
引言
骨肉瘤是儿童和年轻成人中最常见的原发性恶性骨肿瘤。目前的标准治疗方案包括使用大剂量甲氨蝶呤、阿霉素/多柔比星、顺铂(MAP)的新辅助联合化疗,随后进行手术切除和辅助化疗[1, 2]。尽管自20世纪80年代以来多药联合化疗取得了显著进展,但过去20至30年间无进展生存率基本保持不变,局限性疾病的5年无事件生存率通常在60%至70%之间,而转移性疾病仅为30%[3]。虽然转移性疾病的存在是生存的最强预测因素[4],但原发肿瘤对化疗的组织学反应已被描述为另一个重要的生存预测因素[5]。≥ 90%肿瘤坏死的阈值表明对化疗有良好的组织学反应,已被广泛采纳为评估治疗疗效的基准,并用于临床试验中的风险分层[6, 7]。然而,组织学肿瘤反应作为骨肉瘤预后指标的实用性仍存在持续争议。最近一项研究表明,肿瘤坏死的预后价值可能受到诱导化疗强度的影响[4]。
基于MRI的肿瘤体积变化已被提出作为一种非侵入性生物标志物来填补这一角色。早期研究证明了MRI衍生的三维体积测量与组织病理学反应之间的相关性,提示其在治疗评估中的潜在作用[8]。然而,临床实践中常用的方法,如三径线测量和椭球公式估算体积,缺乏可重复性且存在较高的观察者间变异性,限制了其可靠性[9]。
手动MRI肿瘤分割耗时且在常规实践中不切实际。近年来,基于深度学习的卷积神经网络(CNN)在各种肿瘤的自动肿瘤分割中显示出相当大的前景,包括脑膜瘤[10]等良性肿瘤和非小细胞肺癌[11]等恶性肿瘤。尽管取得了这些进展,其在儿童肿瘤学——尤其是骨肉瘤——中的应用仍基本未被探索。虽然人工智能(AI)在肿瘤影像学中的应用日益增多,但聚焦于儿童放射学的研究仍然稀缺。鉴于骨肉瘤的罕见性以及在儿童中开展大规模AI研究的挑战,迫切需要为这一脆弱人群建立稳健、经过验证的AI模型。
为填补这一空白,我们开发了一种用于骨肉瘤肿瘤体积测量的全自动CNN。本研究旨在评估其与人类读者相比的准确性,以及其基于诱导化疗后肿瘤体积变化区分应答者与非应答者的能力。
材料与方法
患者
这项多中心回顾性研究经机构审查委员会批准(IRB 48854),因回顾性设计而豁免患者知情同意。在A中心(斯坦福大学),我们识别了2006年1月至2024年7月期间经活检证实诊断为高级别骨肉瘤的112例患者(< 26岁)。纳入标准为基线时及MAP化疗后4个月内完成MRI扫描。排除(n = 21)包括缺失组织病理学坏死报告(n = 3)、化疗前或第二次MRI后> 4周行肿瘤手术(n = 4)、MRI扫描不完整(n = 12)以及严重伪影(n = 2)(图1)。最终队列包括91例患者(39例女性,52例男性,年龄6–26岁,平均15 ± 5岁)(表1)。训练集包括81例患者(34例女性,47例男性,年龄范围5–25岁,平均15 ± 5岁),共162次标注MRI扫描(化疗前和化疗后)。内部验证集包括10例患者(5例女性,5例男性,年龄9–26岁,平均16 ± 5岁),每例均有两次MRI扫描(化疗前和化疗后)(图1A)。我们的CNN模型使用B中心(Children’s Wisconsin;2例女性,8例男性,年龄6–18岁,平均13 ± 0岁)10例患者的20次MRI扫描进行外部验证(表1)。B中心的MRI数据收集于2018年1月至2024年7月,符合与A中心相同的纳入标准(图1B)。
训练集与外部验证集之间的临床特征均衡良好(表1)。所有患者均接受新辅助MAP化疗,持续9 ± 3周。化疗后MRI扫描在基线后10 ± 4周进行,局部控制手术在15 ± 10周进行。
在A中心,90例患者的MRI扫描在基线时和化疗后使用3 T Discovery MR750、3 T Signa HDxT或3 T GE SIGNA™ PET-MRI AIR™扫描仪采集。在B中心,患者使用1.5 T Philips Ingenia、1.5 T Siemens Aera、Avanto、Magnetom Symphony、3 T Magnetom Skyra或3 T GE SIGNA™ Champion PET-MRI扫描仪接受MRI检查。
成像方案包括轴位、冠状位和矢状位T1加权序列,轴位和矢状位脂肪饱和T2-FSE序列,轴位扩散加权(DW)图像(b值:50和600/800 s/mm²),以及注射0.1 mmol/kg钆(Gd)(钆布醇,Gadavist®,Bayer HealthCare Pharmaceuticals)后采集的脂肪饱和T1序列。中心内和中心间使用了不同的T1加权序列,反映了扫描仪型号和机构方案的不同。
手动肿瘤测量和标注
两名委员会认证的放射科医师(读者1和读者2),各自拥有两年的肿瘤影像学亚专业方向——其中一人拥有专门的一年儿童肿瘤影像学经验,尤其侧重于骨肿瘤——完成了所有肿瘤测量和标注。读者1使用3D Slicer(http://www.slicer.org)[12]在钆增强T1加权MR图像上手动标注原发肿瘤。分割在轴位平面上进行。为提高空间配准和准确性,将钆增强图像与平扫T1和T2加权序列叠加,增强所有序列上的肿瘤勾画。
为评估可重复性,读者2在不知晓读者1结果的情况下进行了独立分割。对于读者自身一致性,读者1在间隔2个月后对10例病例重新进行了标注。此外,读者1在化疗前和化疗后的钆增强T1加权MR图像上测量了肿瘤三维直径(a、b、c),并使用椭球体公式计算肿瘤体积:V = πabc/6。
卷积神经网络架构
我们的体积估计算法处理对比增强T1加权MR图像(输入),生成所检测骨肉瘤病灶的体积(输出),单位为mm³(图2)。该方法应用预处理步骤以标准化图像属性,随后使用基于放射科医师勾画轮廓(7年经验)训练的CNN进行自动3D分割。CNN采用交叉熵/Dice损失和Adam优化[13]进行训练,使用½、½、½子采样和128 × 128 × 128输入 patch 大小,以平衡几何保真度和数据集限制。该模型包含12个卷积层、ReLU激活函数和31.1 M参数(118.69 MB)。训练在来自81例患者的162次MRI扫描上进行,并在20次内部和20次外部扫描(中心A和B)上进行验证。外部验证作为稳健性检查,因为这些扫描是独立获取的,且设备与训练数据不同。
结局预测模型
我们开发了一种基于图像的结局预测模型,该模型将我们基于CNN的体积估计器作为关键子模块纳入,旨在预测治疗反应,定义为组织学上达到≥ 90%坏死(图3)。使用体积估计模型的单独实例分别计算治疗前基线MRI扫描和诱导后MRI扫描的肿瘤体积。两次扫描之间肿瘤体积的变化计算如下:
该变化作为治疗反应的主要影像学生物标志物。结局预测模块应用逻辑回归,使用放射科医师标注的影像学特征(基线体积、诱导后体积和Δ肿瘤体积)以及源自组织病理学坏死测量的结局标签进行训练。组织病理学作为金标准,将患者分类为反应者(≥ 90%坏死)或无反应者(< 90%坏死)。
训练排除了用于验证体积估算模型的所有数据。最终架构包含三个高层模块:两个基于CNN的纵向MRI输入体积估算器,以及一个结局预测模块。模型性能依据组织学缓解分类进行评估,指标包括准确率、灵敏度和特异度。
统计分析
我们使用Python v3.10(2021)及以下开源库:NumPy v2.1.0(2024)、SciPy v1.13.2(2023)、Pandas v2.2.3(2024)和Scikit-learn v1.5(2024)。AI分割性能使用Dice系数、Hausdorff距离和体积差值进行评估,以箱线图呈现。Dice系数在体素水平上衡量CNN预测分割与放射科医生定义的金标准之间的空间重叠。为评估一致性,采用Spearman相关分析AI衍生与人工衍生的肿瘤体积,同时使用Bland–Altman分析量化差异。肿瘤体积测量的观察者间和观察者内变异性通过组内相关系数(ICC)评估,分别反映不同观察者间(观察者间)和同一观察者内(观察者内)的一致性。Dice系数进一步衡量空间重叠和勾画一致性。模型性能使用灵敏度、特异度和准确率进行评估。灵敏度反映被正确识别为> 90%坏死(真阳性)的患者比例,而特异度衡量被正确识别的无缓解者(真阴性)。诊断准确率代表验证队列中正确预测的总体比例。由于本研究为回顾性研究,未进行前瞻性样本量估算。所有具有可用影像学和histopathology数据的合格病例均被纳入,所有分析以p值 < 0.05表示统计学显著性。
结果
CNN性能与验证
图4展示了AI衍生的肿瘤分割叠加于基线和化疗后的代表性MR图像上, illustrating肿瘤体积随时间的变化。3D分割(3D S)*提供了体积变化的详细可视化。坏死< 90%的肿瘤在治疗后表现出显著增长,而坏死≥ 90%的肿瘤则显示体积缩小或稳定。这些结果证明了该模型通过分割和体积估算准确追踪肿瘤进展和治疗反应的能力。
体积估算CNN在中心A和中心B分别达到Dice系数0.9和0.8,平均Hausdorff距离分别为15 ± 19 mm和14 ± 8 mm。性能在内部和外部验证集上均进行了评估。
在内部验证集(中心A)中,AI衍生肿瘤体积与人测肿瘤体积显示出强相关性(r = 0.98,p < 0.001,图5A)。Bland–Altman分析显示平均偏倚为−6 mm³,95%界限范围为−112至+99 mm³,表明偏差极小。使用椭球公式计算的人测肿瘤体积与人测肿瘤体积测量值显著相关(r = 0.94,p < 0.001,图5A),而Bland–Altman分析显示平均偏倚为115 mm³,95%界限范围为−351至+580 mm³(图5A)。
在外部验证集(中心B)中,AI衍生肿瘤体积与人测肿瘤体积同样呈强相关(r = 0.95,p < 0.001,图5B)。Bland–Altman分析显示平均偏倚为−0.2 mm³,95%界限范围为−13至+12 mm³。使用椭球公式计算的肿瘤体积与基于手动分割的人测测量值显著相关(r = 0.93,p < 0.001),Bland–Altman分析显示平均偏倚为7 mm³,95%界限范围为−21至+35 mm³(图5B)。
肿瘤体积测量的可重复性
读者1(307 ± 595 mm³)与读者2(328 ± 761 mm³)之间的观察者间变异性显示中等一致性(ICC = 0.7,p = 0.001),平均差异为27 ± 497 mm³(图S1)。初始测量(199 ± 86 mm³)与重复测量(187 ± 94 mm³)之间的观察者内一致性高(ICC = 0.9,p = 0.001),平均差异为6.9 ± 89 mm³(图S1)。
AI生成的反应分层与组织病理学反应的相关性
由于样本量较小,将A中心和B中心的患者合并进行反应分层。组织病理学显示,20例骨肉瘤中12例坏死> 90%,8例坏死< 90%。诱导后MRI扫描显示,20例中12例肿瘤体积稳定或缩小,8例肿瘤体积增大。结局预测模型正确分类了16/20例(图6),在区分反应者与非反应者方面达到90%的灵敏度、70%的特异度和80%的诊断准确率。
讨论
我们的数据显示,用于测量骨肉瘤肿瘤体积的CNN取得了较强的分割性能,Dice系数分别为0.86(A中心)和0.81(B中心),且Hausdorff距离精确。AI得出的肿瘤体积也与人工测量高度相关。此外,第二个用于预测治疗反应的CNN表现出90%的灵敏度、70%的特异度和80%的准确率。
骨肉瘤患者的不良预后因素包括基线时即存在转移性疾病——这与低于25%的长期生存率相关[14],以及诱导化疗后组织学肿瘤坏死低于90%和肿瘤体积增大[15, 16]。Shin等发现骨肉瘤的3D MRI肿瘤体积变化可显著预测化疗后的结局[17]。因此,在诱导化疗期间表现为肿瘤生长的患者可能受益于更早期的手术和更积极的化疗方案[18]。传统上,肿瘤体积变化采用椭球公式(V = πabc/6)估算,该公式基于肿瘤最长径线[19]。然而,这种方法可能过度简化了肿瘤形状和反应动态。CT/MRI上的手动分割是算法开发的参考标准,但该方法耗时、技术难度大且需要专业知识,在临床上仍不实用[20–22]。传统体积估算方法的局限性促使人们探索3D体积学方法。Aghighi等证明,3D肿瘤体积估算在预测尤文肉瘤反应方面优于1D实体瘤疗效评价标准(RECIST)和2D WHO标准。然而,该方法被证明不如真实体积测量准确[23]。Phillias等证明,在高级别骨肉瘤中,肿瘤体积增大与骨转移风险升高直接相关,凸显了评估肿瘤负荷的预后重要性。[15]。除体积参数外,治疗相关的影像学变化也已被探索。Bishop等报道肿瘤坏死的可预测性与治疗强度呈负相关,提示更长、更密集的治疗方案会降低预测准确性[4]。综上,这些发现提示肿瘤体积变化可作为额外的预后标志物,为风险分层和指导治疗调整提供有价值的见解。Kim等发现,通过椭球公式测量的肿瘤体积增大可独立预测AJCC II期骨肉瘤更短的无转移生存期和总生存期(OS),而校正后的坏死率也与更差的结局相关[24]。同样,Moon等报道基于3D MRI的肿瘤体积变化可显著预测高级别骨肉瘤的无病生存期[25]。然而,线性测量仍受限于可重复性低,如Zhao等所示,观察者内变异为6–14%,观察者间变异高达25%[26]。
基于人工智能的分割较人工勾画提高了效率和可重复性。尽管很少有研究关注基于MRI的骨肉瘤分割,Hasei等人开发了一种X射线人工智能模型(敏感度:95.5%,特异度:96.2%,AUC:0.99)[27],Huang等人引入了一种基于CT的方法(Dice:87.8%)[20]。Ouyang等人提出了UATransNet,一种纳入自感知注意力的基于MRI的U-Net模型(Dice:0.9)[28],其分割准确度与本研究相当。除骨肉瘤外,人工智能分割已成功用于其他肿瘤。Kawaguchi等人表明,人工智能得出的实体肿瘤体积改善了I期肺腺癌的生存预测(AUC:0.8)[29],而脑膜瘤的深度学习模型达到了与人类专家相当的分割准确度(Dice:0.9)[10]。在NSCLC中,基于3D-Slicer的人工智能勾画显示与病理学具有更强的相关性,并减少了观察者间变异性[30]。然而,人工智能在儿童骨肿瘤中的应用仍特征描述不足,很大程度上是由于所涉及病理的挑战和数据有限,最近发表的大多数人工智能算法集中于脑肿瘤[31]。迄今为止,已有少数研究探讨了人工智能在儿童淋巴瘤[32]、神经母细胞瘤[33]、Wilms瘤[34]和神经内分泌肿瘤[35]中的应用。这些工作主要集中于图像分割,表现出与成人研究相当的性能,而在反应预测或结局建模中的应用在很大程度上仍未被探索。
我们的第二种算法同样基于CNN方法,以80%的准确率预测组织病理学反应。虽然Teo等人进行了类似研究,但他们在小队列(n = 10)中使用了基于模糊C均值聚类和加权多数投票的更简单分类模型[36]。同样,Bouhamama等人开发了一种基于MRI的模型,用于接受新辅助化疗患者的术前风险分层,AUC为0.95[37]。然而,他们的方法基于影像组学,因此难以与我们的CNN直接比较。此外,我们基于CNN的模型正确分类了16/20例,略优于人工测量(15/20例),突显了其在治疗反应预测中的潜在临床效用。
本研究存在若干局限性。第一,其回顾性设计可能引入选择偏倚并限制普遍性。第二,样本量较小,尤其是在外部验证中,降低了其统计效能。来自外部中心的患者数量有限,可能限制在异质性临床环境和跨成像平台上全面评估模型性能的能力。因此,对研究结果的普遍性应谨慎解读。第三,CNN模型在两个中心的MRI扫描上训练,这可能限制其在不同成像协议下的性能。第四,作为参考标准的手工分割存在变异性。第五,模型基于组织病理学肿瘤坏死而非无事件生存或总生存(OS)来评估治疗反应。虽然组织学反应是常用的替代指标,但它可能无法完全反映长期临床结局。肿瘤体积缩小被用作主要成像生物标志物,但在儿童肿瘤学中,良好反应也可能涉及结构变化,如坏死或囊性变。因此,仅依赖体积可能低估对治疗的真实反应。未来研究应探索额外的成像特征,如纹理、内部组成和功能参数。尽管患者队列相对较小,但鉴于骨肉瘤在该人群中罕见,其仍具有意义,且良好和不良反应者的分布均衡。为提高稳健性和增强临床适用性,需要具有更大且更多样化患者群体的前瞻性、多中心数据集,以及整合额外的结局指标和临床变量。
总之,本研究提出了一种用于骨肉瘤肿瘤体积估计的全自动CNN,其性能与传统方法相当,并呈优于传统方法的趋势。该算法在诱导化疗后量化的肿瘤体积变化被验证为组织学肿瘤坏死的预测因子,突显了其在预后评估中的潜力。这些发现支持将AI驱动的体积分析纳入临床工作流程,有望优化患者管理并改善骨肉瘤的治疗结局。
补充信息
补充信息
引用
- von Krüchten R, Barrow M, Adams L, et al. Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma. Eur Radiol. 2025. PMID: 41176552. doi:10.1007/s00330-025-12115-w
- 全文:PMC12694974(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12694974/
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。