文献速递妇产影像腹部US

开发与内部验证基于超声的影像组学机器学习模型以预测附件区肿物恶性风险

Developing and validating ultrasound-based machine-learning models incorporating radiomics features to predict malignancy in adnexal masses.
PubMed 文献 · Ultrasound Obstet Gynecol · 2026-03-30

本研究基于IOTA-5/7研究中2012年至2023年单中心2073例附件区肿物患者,开发并内部验证超声影像组学机器学习模型,并与ADNEX模型比较。验证集中临床-影像组学模型(XGBoost,含年龄、CA 125及14个影像组学特征)AUC为0.89,低于ADNEX模型的0.95;在10%恶性风险阈值下,前者敏感度0.94、特异度0.48,后者敏感度0.97、特异度0.72。结论支持在更大研究人群中进一步探索影像组学分析。

要点

  • 临床-影像组学模型在验证集AUC为0.89(95%CI 0.86-0.92),低于ADNEX模型的0.95(95%CI 0.93-0.97)。
  • 在10%恶性风险阈值下,影像组学模型敏感度0.94、特异度0.48;ADNEX模型敏感度0.97、特异度0.72。
  • ADNEX模型仍是目前唯一可计算四类恶性概率的超声方法,影像组学模型尚需进一步探索。

核心结论

  • 研究结果支持在更大研究人群中进一步探索影像组学分析用于鉴别附件区肿物良恶性。
  • 未来研究应考虑每肿瘤使用多张图像、测试替代建模方法,并进行外部验证以评估影像组学模型的泛化能力。

研究设计与样本

  • 回顾性、观察性、单中心研究,数据来自正在进行的国际卵巢肿瘤分析(IOTA)第5和第7期前瞻性观察研究。
  • 纳入2012年1月至2023年12月在意大利罗马Fondazione Policlinico Universitario A. Gemelli IRCCS经超声检出附件区肿物、超声后180天内手术切除且有组织学确认、无同时性恶性肿瘤的患者。
  • 共2073例患者纳入分析,其中803例(38.7%)为组织学确诊的恶性肿瘤;按70:30分层随机分为训练集(1451例)和验证集(622例,含254例恶性肿瘤)。
  • 使用不同型号超声设备,采用标准化IOTA检查与测量技术,由符合EFSUMB II级或III级标准的经验检查者操作;以组织学为参考标准。
  • 每张图像手动勾画感兴趣区,经Wiener滤波(核大小3×3)和Z-score归一化预处理,使用MODDICOM平台提取影像组学特征。

关键影像表现/征象

  • 基线超声中,训练集与验证集肿瘤最大径中位数分别为66 mm(IQR 44–101)和65 mm(IQR 44–99)。
  • 训练集与验证集最大实性成分最大径中位数分别为16 mm(IQR 0–54)和18 mm(IQR 0–59)。
  • 训练集与验证集中多房且囊腔数>10的比例分别为13.6%和13.3%,乳头状突起均为22.2%,声影分别为22.4%和21.7%,腹水分别为9.7%和10.3%。

诊断标准与关键数值

  • 验证集中临床-影像组学模型(XGBoost,含年龄、血清CA 125及14个影像组学特征)AUC为0.89(95%CI 0.86-0.92)。
  • 该模型在基于Youden指数的最佳截断值(31%恶性风险)下,敏感度0.83(95%CI 0.79-0.88)、特异度0.81(95%CI 0.77-0.85)。
  • 该模型在10%恶性风险截断值下,敏感度0.94(95%CI 0.91-0.97)、特异度0.48(95%CI 0.42-0.53)。
  • ADNEX模型在验证集10%恶性风险截断值下,AUC为0.95(95%CI 0.93-0.97)、敏感度0.97(95%CI 0.95-0.99)、特异度0.72(95%CI 0.68-0.77)。
  • ADNEX模型10%恶性风险截断值为其临床使用的推荐阈值。

临床应用与阅片要点

  • 国际学会共识支持超声作为卵巢肿瘤术前诊断与风险分层的首选影像方法,推荐由专家超声检查者主观评估(模式识别)或使用ADNEX模型估计恶性风险。
  • ADNEX模型是临床实践中唯一可计算四种不同恶性类型(交界性肿瘤、FIGO I期卵巢癌、FIGO II–IV期卵巢癌或卵巢转移)概率的超声方法。
  • 影像组学通过自动定量特征提取,可能提高不同检查者间肿瘤分类的一致性。
  • 作者结论支持在更大研究人群中进一步探索影像组学分析,未来研究应考虑每肿瘤多张图像、替代建模方法及外部验证。

局限性

  • 本研究为回顾性、观察性、单中心研究。
  • 2428例患者因无超声图像或图像不适合影像组学分析被排除,被排除者中组织学确诊恶性肿瘤比例高于纳入者(48.5% vs 38.7%),晚期恶性肿瘤比例亦更高(71.6% vs 54.8%)。
  • 1533/2073(74.0%)患者仅有一张适合影像组学分析的图像。
  • Z-score归一化可能引入偏倚,尤其对基于强度的统计特征,因按均值和标准差缩放可能减弱编码肿瘤间生物学异质性的绝对强度差异。
  • 血清CA 125水平在521/2073例患者中不可用(训练集359/1451(24.7%),验证集162/622(26.0%))。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Ultrasound Obstet Gynecol. 2026 Mar 30;67(4):519–29. doi: 10.1002/uog.70203

引言

输卵管卵巢癌是发达国家女性第八大常见癌症,总体5年生存率为30–45% 1, 2。附件肿块的准确术前诊断对于优化患者管理并尽量减少诊断延迟至关重要 3, 4, 5。国际学会已就卵巢肿瘤患者术前诊断和管理达成循证共识声明,支持超声作为风险分层的首选影像学方法 6。推荐由专家超声检查者进行主观评估(使用模式识别)7,或者使用附件不同肿瘤评估(ADNEX)模型 8,以估计恶性风险并确定最佳患者管理策略。ADNEX模型区分良性和恶性肿块的能力与使用模式识别的专家超声检查者相似 9,并且该模型由经验较少的检查者应用时仍能保持其诊断性能 10。ADNEX模型是临床实践中唯一使用的、基于超声的方法,可计算四种不同类型恶性肿瘤(交界性肿瘤、国际妇产科联盟(FIGO)I期卵巢癌、FIGO II–IV期卵巢癌,或来自另一原发肿瘤的卵巢转移)的概率。然而,它依赖于超声检查者识别肿瘤特征。

既往研究探讨了影像组学(一种从医学图像中提取、分析和解释定量特征的技术)在将附件肿块分类为良性或恶性中的作用 11, 12, 13, 14, 15, 16, 17, 18, 19。然而,其中许多研究聚焦于特定患者亚组或特定类型的卵巢肿瘤(例如妊娠患者、浆液性卵巢肿瘤、具有特定超声特征的肿瘤)12, 15, 18。在纳入所有类型卵巢肿瘤的研究中,样本量相对较小(分别为n = 232、241、577、859和1080)13, 14, 16, 17, 19。一些研究未包括任何数据预处理 12, 13, 15, 17, 18,一些缺乏独立验证 14, 18,并且在一项研究中未说明所开发的机器学习模型类型 19。

影像组学面临技术挑战(例如散斑噪声),需要仔细处理以保持数据完整性,例如避免在去除噪声的同时去除有信息量的像素内容。其临床实施既需要整合到现有工作流程中,也需要验证其附加价值。尽管存在挑战,影像组学为主观超声图像评估的关键局限性(即主观解释和观察者间变异性)提供了一种有前景的解决方案。通过实现从超声图像中自动、定量地提取特征,影像组学有可能提高不同检查者之间肿瘤分类的一致性。

本研究的主要目的是开发并内部验证基于超声的影像组学模型,以区分所有类型的良性和恶性附件肿块。次要目的是比较影像组学模型与ADNEX模型的性能。

方法

研究设计

这是一项回顾性、观察性、单中心研究,使用来自正在进行的国际卵巢肿瘤分析(IOTA)第5期9和第7期(ClinicalTrials.gov编号:NCT02847832)前瞻性观察性研究(附录S1)的数据,数据收集于2012年1月至2023年12月期间在意大利罗马转诊肿瘤中心Fondazione Policlinico Universitario A. Gemelli IRCCS进行。

纳入标准为:超声检测到附件肿块;超声检查后180天内手术切除附件肿块;附件肿块的组织学确认;无同时存在的恶性肿瘤。未保存DICOM格式数字超声图像的患者被排除。该方案经负责Fondazione Policlinico Universitario A. Gemelli IRCCS的区域伦理委员会批准(拉齐奥大区伦理委员会3;方案编号0001675/24)。遵循了个体预后或诊断多变量预测模型透明报告+人工智能报告指南20。

临床特征信息(年龄、产次、绝经状态、血清CA 125水平、有无症状)和超声变量(单侧或双侧肿瘤、肿瘤侧别和来源、肿瘤最大直径、肿瘤最大实性成分的最大直径、囊腔数量、囊液回声特性、有无声影、乳头状突起数量、有无腹水、彩色评分)21从Clinical Data Miner22检索,这是IOTA-5和IOTA-7研究中使用的电子病例报告系统。对于双侧肿块,将超声形态最提示恶性的肿块纳入分析;如果肿块超声形态相似,则纳入最大肿块或超声评估最佳的肿块。每个肿块的最终组织学诊断和FIGO分期信息从IOTA数据库检索,组织学用作参考标准。

患者使用不同类型的超声机器进行检查(附录S2,表S1)。超声检查采用标准化的IOTA检查和测量技术进行,并使用IOTA术语描述超声发现21。所有执行超声扫描的检查者均为经验丰富的检查者,符合欧洲医学和生物学超声学会联合会(EFSUMB)II级或III级检查者标准23。超声检查者对超声图像的主观评估(模式识别)用于指导患者管理。

图像分割和特征提取

每位患者以DICOM格式保存的超声图像从外部硬盘或图像存档和通信系统检索。图像要用于影像组学分析,必须为灰度图像,无卡尺、文字或彩色多普勒框。如果患者有不止一张适合影像组学分析的图像,则选择由EFSUMB II级检查者(M.C.)根据肿瘤代表性判断的质量最佳(即肿瘤边界清晰、实性成分显示良好)的图像进行分析。

每张图像的兴趣区(ROI)由五名EFSUMB I级或II级检查者使用Aliza 1.48版软件(Mikhail Isakov,德国波恩)手动分割。所有五名检查者在进行手动分割前均接受了培训,并获得至少一张带有卡尺的参考超声图像,卡尺指示附件肿块的边界以指导分割过程。一名EFSUMB II级检查者(M.C.)审查了所有分割图像,并在分割不准确时重新分割。所有超声图像使用核大小为3×3的维纳滤波器进行预处理以减少散斑噪声24。图像强度使用Z分数进行归一化,以标准化不同患者的图像。归一化对每个ROI单独进行,首先从每个像素的强度中减去ROI的平均强度值。然后将该差值除以在同一ROI内计算的强度值的标准差。Z分数归一化在每个ROI内应用以标准化像素强度,允许进行相对对比度比较并减少扫描仪相关和患者间变异性。这种归一化可能引入偏倚,特别是对于基于强度的统计特征,因为按均值和标准差缩放可能减弱编码肿瘤之间生物学有意义异质性的绝对强度差异。对于评估局部模式和分布的纹理特征,Z分数归一化引入的偏倚可能是微小的。

放射组学特征使用MODDICOM平台提取25。这是一个由Knowledge Based Oncology(KBO)Labs(意大利罗马)开发的开放源代码内部软件,用于定量图像分析,完全符合图像生物标志物标准化倡议的建议26。提取的特征可细分为基于强度的统计特征和纹理特征(附录S3)27。

模型开发

研究前未进行样本量计算。患者队列使用分层拆分以70:30的比例随机分为训练集和留出验证集,以确保两组中良性和恶性(包括交界性、早期、晚期和转移性卵巢肿瘤)肿块的比例相同。选择70:30的训练/验证拆分是因为样本量大28;该比例确保有足够的数据进行有效的模型训练,同时仍允许对未见病例进行准确评估。根据Collins等人29,验证集应至少包括100个事件。使用70:30拆分,我们的验证集包括超过250个恶性肿块(事件)。

在放射组学分析中,采用Mann–Whitney U检验识别训练集中良性与恶性肿瘤之间存在显著差异的放射组学特征。双侧P < 0.05被认为具有统计学意义。随后,采用Benjamini–Hochberg方法对这些P值进行多重检验校正,显著性水平设定为0.05。在机器学习模型的开发中,采用Pearson相关系数研究在良性与恶性肿瘤之间表现出显著差异的放射组学特征(通过Mann–Whitney U检验结合Benjamini–Hochberg校正确定)之间的相关性。为避免多重共线性,当两个或更多特征高度相关(相关系数 > 0.6 30)时,我们将基于Mann–Whitney U检验P值最低的特征纳入模型。为使所选放射组学特征的数值处于统一尺度,采用Z分数归一化缩放对其进行归一化处理。

在出现过拟合的情况下,随后应用了额外的特征选择方法(最小冗余最大相关(MRMR)和递归特征消除(RFE))31, 32。在训练集中进行主成分分析(PCA),以研究超声系统制造商对所选放射组学特征的影响。

使用训练集创建了两种机器学习模型,并在留出验证集上测试其区分良性与恶性附件肿块的能力:一种仅包含放射组学特征的放射组学模型(仅放射组学模型),以及一种包含年龄、血清CA 125水平和放射组学特征的放射组学模型(临床–放射组学模型)。计算每变量事件数(EPV)比值,以确保所选放射组学特征的数量与结局事件数量相适应。按照Peduzzi等人33的建议,该比值计算为验证队列中恶性病例数除以放射组学特征数。

测试了四种机器学习分类器用于构建仅放射组学模型,包括带惩罚项的逻辑回归、随机森林、极端梯度提升(XGBoost)和支持向量机,并选择表现最佳的模型。对于临床–放射组学模型,仅训练了随机森林和XGBoost,因为这些算法原生支持处理缺失值(如血清CA 125水平),从而无需进行数据插补。为确定最优超参数集(机器学习模型的特征参数,用于修改和指导学习过程),在训练集上使用5折交叉验证通过随机网格搜索进行精细调优。为评估哪些临床和放射组学特征对分类贡献最大,在训练集中对临床–放射组学模型和仅放射组学模型进行了特征重要性分析。重要性基于“增益”计算,增益表示在决策树中使用某特征分割数据时模型准确率的平均提升。

我们使用SHapley加性解释(SHAP)值34评估了哪些特征对仅影像组学模型的过拟合贡献最大。我们计算了训练集和验证集中每个特征的平均绝对SHAP值。在训练集中SHAP值高但在验证集中SHAP值较低的特征被判断为可能存在过拟合。我们将“过拟合评分”定义为一个特征在训练集和验证集之间SHAP值的差异。

有关确切软件版本、所需依赖项、预处理流程和特征提取程序的信息提供在GitHub仓库中:https://github.com/Radiomics-gstep/RADIANTES。在对DICOM超声图像进行预处理并提取和归一化所选影像组学特征后,可使用Python(版本3.11.7)导入这些模型。所有这些步骤均可使用该仓库中可用的工具和脚本执行。

模型性能的验证

使用受试者工作特征(ROC)曲线评估模型性能,其区分良性与恶性肿块的能力以ROC曲线下面积(AUC)表示。我们评估了每个模型将肿块分类为恶性的性能,在10%恶性风险截断值(ADNEX模型临床使用的推荐截断值6)处计算灵敏度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比及其95%CI。我们还评估了使用每个影像组学模型的最佳截断值将肿块分类为恶性时的分类性能(即根据Youden指数35提供最多正确分类数的截断值)。我们使用正态近似法估计除AUC以外所有指标的95%CI,AUC则使用自助法。两个影像组学模型与ADNEX模型之间AUC差异的统计显著性使用DeLong方法36计算。

我们通过使用逻辑重校准模型计算校准截距和斜率来评估影像组学模型和ADNEX模型的校准度。校准曲线使用非参数方法生成。校准截距表明预测风险平均而言是被系统性高估(截距<0)还是低估(截距>0)。校准斜率揭示风险是否过于极端(即低风险被低估、高风险被高估(斜率<1))或过于温和(即低风险被高估、高风险被低估(斜率>1))37。

我们使用决策曲线分析评估临床效用,风险阈值(交换率)范围为1%至50%,以确定哪些患者应转诊至肿瘤中心。

将两个影像组学模型的诊断性能与ADNEX模型及原始超声检查者的主观评估进行比较。我们将ADNEX模型应用于训练集和验证集,并使用ADNEX公式计算恶性风险(附录S4)。使用ADNEX模型估计的恶性风险在入组时有血清CA 125水平可用时纳入了该指标进行计算。

统计分析

分类变量以 n(%)表示,连续变量以中位数(四分位距(IQR))表示,并分别在训练集和验证集中报告。良性肿瘤与恶性肿瘤之间的统计学差异,分类变量采用卡方检验(适当时采用Fisher精确检验),连续变量采用Mann–Whitney U检验。采用Kruskal–Wallis检验评估卵巢恶性肿瘤各亚型之间的差异。统计学分析和建模使用RStudio(Posit PBC,Boston,MA,USA)配合R 4.2.2版(R Foundation for Statistical Computing,Vienna,Austria)以及Visual Studio Code(Microsoft,Redmond,WA,USA)配合Python 3.11.7版(Python Software Foundation,Wilmington,DE,USA)完成。

结果

临床、超声和组织病理学特征

从IOTA‐5和IOTA‐7数据库中总共识别出5317例患者。其中,4501例患者符合纳入标准。在排除无可用图像(n = 1480)或图像不适合影像组学分析(n = 948)的患者后,2073例患者被纳入分析(图1),其中803例(38.7%)为组织学确诊的恶性肿瘤。纳入最终分析的患者与排除患者的临床和超声特征见表S2。与纳入患者相比,排除患者中组织学确诊恶性肿瘤和晚期恶性肿瘤的比例更高(恶性:48.5% vs 38.7%;晚期恶性:71.6% vs 54.8%)。尽管纳入与排除患者之间肿瘤的超声表现存在显著差异,但这些差异较小,最显著的差异是排除组中基线超声检查评估为无后方声影的肿瘤比例更高。总体而言,纳入患者中有1293/2073(62.4%)在2021、2022和2023年接受检查,而排除患者中为539/2428(22.2%)(表S3)。每例纳入患者可用超声图像的数量见表S4,显示1533/2073(74.0%)例患者仅有1幅适合影像组学分析的图像。总体而言,1270/2073(61.3%)例纳入患者为良性肿瘤,803/2073(38.7%)例为恶性肿瘤,其中113/803(14.1%)为交界性肿瘤,268/803(33.4%)为早期(FIGO I–II期)浸润性肿瘤,325/803(40.5%)为晚期(FIGO III–IV期)浸润性肿瘤,97/803(12.1%)为来自另一原发肿瘤的转移瘤。1552/2073例纳入患者有血清CA 125水平信息(训练集中1092/1451(75.3%),验证集中460/622(74.0%)),521/2073例患者无该信息(训练集中359/1451(24.7%),验证集中162/622(26.0%))。

在纳入的2073例患者中,1451例被分入训练集,622例被分入验证集。训练集和验证集的临床和超声特征分别见表S5和表S6。训练集和验证集之间未发现显著的临床差异。两组的年龄中位数均为51岁,绝经后患者的比例相同(51.3%),有症状患者的比例也相似(训练集为41.6%,验证集为41.8%)。两个亚组之间肿瘤的超声特征无显著差异。基线超声检查中,训练集肿瘤最大径中位数为66(IQR,44–101)mm,验证集为65(IQR,44–99)mm;最大实性成分的最大径中位数在训练集为16(IQR,0–54)mm,在验证集为18(IQR,0–59)mm。训练集中13.6%的患者和验证集中13.3%的患者肿瘤为多房且囊腔数超过10个。训练集和验证集中均有22.2%的肿瘤存在乳头状突起。训练集中22.4%的肿瘤可见声影,验证集中为21.7%;分别有9.7%和10.3%的患者检出腹水。

肿瘤的组织学诊断和FIGO分期分别见表S7和表S8。早期(FIGO I–II期)和晚期(FIGO III–IV期)卵巢肿瘤在两个集合中的分布相似;早期恶性肿瘤分别占训练集肿瘤的12.1%和验证集的14.8%,而晚期肿瘤分别占训练集和验证集肿瘤的15.5%和16.1%。训练集中最常见的良性组织学诊断为畸胎瘤(占全部肿瘤的12.7%),验证集中为子宫内膜异位囊肿(占全部肿瘤的11.3%);训练集和验证集中最常见的卵巢交界性肿瘤均为浆液性组织学类型。在早期肿瘤中,最常见的组织学类型为浆液性卵巢癌,分别占训练集全部肿瘤的4.3%和验证集全部肿瘤的5.0%,其次为子宫内膜样卵巢癌(训练集3.0%,验证集4.7%)。浆液性组织学类型在晚期卵巢癌中同样最为常见,分别占训练集全部肿瘤的13.4%和验证集全部肿瘤的14.3%。训练集和验证集中大多数转移性卵巢癌均来源于胃肠道(分别占全部肿瘤的2.5%和2.6%)。

图1 研究队列中附件肿块女性纳入情况的流程图。*国际妇产科联盟(FIGO)I–II期。†FIGO III–IV期。IOTA,国际卵巢肿瘤分析。 查看原图 ↗

模型开发

从每个感兴趣区(ROI)中共提取74个影像组学特征。其中,基于经Benjamini–Hochberg程序校正的Mann–Whitney U检验,发现56个特征在良性与恶性肿瘤之间差异有统计学意义。使用Pearson相关分析剔除相关变量后,将14个代表性特征作为输入变量纳入两种影像组学模型(附录S5)。在临床–影像组学模型中,除这14个特征外,还纳入了血清CA 125水平和年龄数据。在训练集中,仅影像组学模型和临床–影像组学模型的最佳性能均由XGBoost提供,其AUC最高。主成分分析(PCA)显示,14个所选影像组学特征的分布在不同类型超声机器之间重叠(图S1),表明超声机器制造商对这些特征的提取无显著影响。

临床–影像组学模型的事件数变量比(EPV)为15.88,计算方式为验证队列中254例恶性病例与16个预测变量(14个影像组学特征、年龄和血清CA 125水平)之比。该值与可接受范围(EPV > 10)33一致,并接近Collins等29推荐的最佳事件数(200),表明样本量充足,可可靠估计模型性能并降低过拟合风险。

特征重要性分析显示,CA 125是临床–影像组学模型中影响最大的特征,重要性值为0.19,其次是影像组学统计特征峰度(F.stat.kurt),重要性值为0.11。所有其他影像组学特征和年龄的重要性值均< 0.08(图S2a)。在仅影像组学模型中,统计特征F.stat.kurt是影响最大的预测因子(重要性值,0.33),其次是尺寸区域矩阵的纹理特征归一化灰度级非均匀性(F_szm.glu.norm)和信息论相关性的第二测度(F_cm.info.corr.2)(重要性值分别为0.083和0.076)(附录S6,图S2b和S3)。

仅影像组学模型、临床–影像组学模型、ADNEX模型和主观评估在训练集和验证集中的性能报告于表1和图S4。在训练集中,以10%恶性风险为截断值,仅影像组学模型的AUC为0.90(95% CI,0.89–0.92),临床–影像组学模型为0.96(95% CI,0.95–0.97),ADNEX模型为0.93(95% CI,0.92–0.94)。

两种影像组学模型在验证集中的判别性能均有所下降,其中仅影像组学模型的AUC下降幅度最大。对这一效应贡献最大的影像组学特征是纹理特征中的游程矩阵归一化灰度不均匀性(F_rlm.glnu.norm)和F_cm.info.corr.2。这两个特征的高值均代表回声异质性(表S9)。在验证集中,仅影像组学模型的AUC为0.81(95% CI,0.78–0.84),临床-影像组学模型为0.89(95% CI,0.86–0.92),ADNEX模型为0.95(95% CI,0.93–0.97)。ADNEX模型的AUC显著高于仅影像组学模型(P < 0.001)和临床-影像组学模型(P < 0.001)。在验证集中,应用ADNEX模型临床使用推荐的10%恶性风险截断值,ADNEX模型的敏感度为0.97(95% CI,0.95–0.99),特异度为0.72(95% CI,0.68–0.77),而临床-影像组学模型的相应值分别为0.94(95% CI,0.91–0.97)和0.48(95% CI,0.42–0.53),仅影像组学模型的相应值分别为0.96(95% CI,0.94–0.98)和0.32(95% CI,0.27–0.37)。对于临床-影像组学模型,基于约登指数确定的最佳截断值为31%时,敏感度和特异度分别为0.83(95% CI,0.79–0.88)和0.81(95% CI,0.77–0.85)。对于仅影像组学模型,基于约登指数确定的最佳截断值为41%时,相应值分别为0.73(95% CI,0.68–0.79)和0.77(95% CI,0.72–0.81)。在验证集中,原超声检查者主观评估的敏感度和特异度分别为0.96(95% CI,0.94–0.98)和0.86(95% CI,0.82–0.89)。

对仅影像组学的XGBoost模型应用了其他特征选择策略(MRMR和RFE),以评估使用替代特征选择方法是否能获得相当的性能(表S10)。尽管基于MRMR的模型表现出略低的过拟合程度,但将Mann–Whitney U检验与Benjamini–Hochberg校正相结合的特征选择方法获得了最高的总体验证性能,因此被选为最终方法。

各模型的校准曲线见图2。临床-影像组学模型的校准并非最优,但在验证集中似乎优于仅影像组学模型和ADNEX模型,其截距为0.20(95% CI,−0.02至0.43),斜率为0.93(95% CI,0.79–1.07)。校准曲线显示,ADNEX模型除在计算风险极低(< 0.08)和极高(> 0.92)的情况外,始终低估恶性风险。在计算风险的整个范围内,临床-影像组学模型的校准优于ADNEX模型,仅影像组学模型除在中等风险(38–54%)区间外,校准也优于ADNEX模型。

训练集和验证集的决策曲线见图3。在验证集中,与替代策略相比,ADNEX模型和主观评估在风险阈值约≥ 3%时显示出临床实用性,影像组学模型在风险阈值约≥ 8%时显示出临床实用性。对于5%至50%的所有风险阈值,主观评估显示出最高的净获益,其次是ADNEX模型。

表1 附件不同肿瘤评估(ADNEX)模型、仅影像组学模型、临床-影像组学模型及主观评估在训练集(n = 1451)和验证集(n = 622)中对恶性附件肿块分类的诊断性能 查看原表 ↗
图2 临床-影像组学(a)、仅影像组学(b)及附件不同肿瘤评估(ADNEX)(c)模型在验证集(n = 622,包括254例恶性肿瘤)中预测恶性附件肿块的校准曲线。灰色阴影代表95% CI。红线表示完美校准。图中直方图展示预测概率区间的分布,显示每个预测概率处为良性(0)或恶性(1)肿块的患者数量。 查看原图 ↗
图3 训练集(n = 1451,包括549例恶性肿瘤)(a)和验证集(n = 622,包括254例恶性肿瘤)(b)的决策曲线,显示在系列阈值概率(临床医生选择治疗(将患者转诊至肿瘤中心)的风险水平)范围内使用特定模型的净获益(在给定阈值下扣除假阳性危害后每位患者检出的真阳性数量)。当模型的净获益曲线在临床相关阈值概率范围内位于全部治疗()和全部不治疗()策略之上时,该模型被认为具有临床实用性。,临床-影像组学模型;,影像组学模型;,附件不同肿瘤评估(ADNEX)模型;,主观评估。 查看原图 ↗

讨论

我们已经表明,影像组学特征在良性和恶性附件肿块之间存在差异,并开发了机器学习模型,将影像组学特征纳入其中,以在大型患者队列中区分良性和恶性附件肿块。在所开发的模型中,影像组学特征中F.stat.kurt成为最具影响力的预测因子,可能反映了恶性组织结构的更大异质性。

包含年龄、血清CA 125水平和影像组学特征的临床-影像组学模型优于仅基于影像组学特征的模型。两种影像组学模型的判别性能在验证集中均有所下降,提示两种模型可能均存在过拟合,且其判别性能劣于ADNEX模型。临床-影像组学模型的校准优于ADNEX模型,但临床实用性较低。

据我们所知,这是使用超声图像38估算附件肿块恶性风险的最大影像组学分析研究。该研究的主要优势包括使用了大型、连续招募的患者队列,以及良性和恶性病变在组织病理学类型上的多样性(表S6)。重要的局限性包括单中心研究设计、研究在妇科肿瘤转诊中心进行、排除了很大比例的病例以及缺乏外部验证。这限制了我们研究结果的普适性。此外,排除可能并非随机,引入了选择偏倚的风险。患者因图像不可用或图像不适合影像组学分析(例如病变上有卡尺或文字标记的图像,或仅部分捕获肿瘤的图像)而被排除。可以假设,带有卡尺和文字标记的图像比没有标记的图像更可能被保存,而更复杂的肿块或疑似恶性的肿块比不那么复杂且外观良性的肿块更可能被标记卡尺和文字。事实上,原超声检查者怀疑恶性的情况更常见,且被排除患者中经组织学确认的恶性肿块多于被纳入患者。然而,除纳入组中伴有声影的肿瘤较多外,纳入与排除肿瘤之间的超声变量仅存在微小差异。此外,纳入与排除患者之间观察到时间上的不均衡,较近年份收集的纳入病例比例更大。这可能引入了与图像质量相关的额外偏倚,因为较近期的图像是使用配备先进软件的现代超声仪器采集的,同时也可能与患者人群相关,原因在于转诊标准、人口学特征或疾病患病率的变化。

我们研究的另一个局限性是每个肿瘤仅使用一幅超声图像进行影像组学分析,主要由于研究的回顾性性质。在大多数病例(74%)中,每个肿瘤仅有一幅图像符合影像组学分析标准。所选图像可能未完全捕获肿瘤异质性。这在将我们的影像组学模型与ADNEX模型进行比较时尤为重要。在ADNEX模型的临床应用中,检查者实时评估多幅超声图像。如果对每个肿瘤的多幅图像进行分析,影像组学模型的表现可能相似或优于ADNEX模型。尽管一部分患者(540/2073(26%))有两幅或更多适合影像组学分析的可用图像,但我们未在该亚组中进行亚分析以评估纳入多幅图像是否能增强模型性能。这一变量应在未来研究中加以解决。

由五名不同检查者进行的超声图像手动分割可能给放射组学分析结果引入了变异性。然而,我们认为其影响较小,因为所有五名检查者在进行分割前均接受了标准化培训,并可参考指示附件肿块边界的参考图像,且所有分割结果在用于放射组学分析前均由一名EFSUMB II级检查者修订并批准或重新分割。本研究的另一局限性是我们未使用三维超声容积数据,这意味着形态学放射组学特征(如面积、伸长率和粗糙度)无法被评估。此外,在验证集中,仅放射组学模型的判别性能下降幅度大于临床-放射组学模型。这可能与我们采用的特定特征选择方法有关。在机器学习中,探索不同的特征选择策略以在保持模型性能的同时减轻过拟合是有用的,本研究通过评估多种方法对此进行了处理。

其他研究团队已开发了基于超声的放射组学机器学习模型来鉴别良性和恶性附件肿块。Liu等人19的回顾性研究检查了1080名患者的1080个卵巢肿块,并开发了仅放射组学模型和临床-放射组学模型。后者包括年龄、病灶最大直径、症状存在情况、绝经状态和腹水存在情况等信息。其仅放射组学模型的AUC优于我们的模型(0.87 vs 0.81),而其临床-放射组学模型的AUC与我们的相似(0.90 vs 0.89)。其临床-放射组学模型的判别性能优于其仅放射组学模型(AUC,0.90 vs 0.87),但未报告该差异的统计学显著性。同样,Barcroft等人13分析了从761名患者获得的1444张超声图像,并开发并外部端到端验证了一个基于放射组学的模型,该模型能够自动分割附件肿块并估计其恶性风险。在端到端系统中,从图像采集到做出预测的整个过程以无缝、自动化流程执行,任何阶段均无需人工干预。其模型的判别性能(AUC,0.90)与先前报道的专家主观评估性能(AUC,0.96)相当,后者根据六个诊断置信度水平计算:肯定良性;可能良性;不确定,但最可能良性;不确定,但最可能恶性;可能恶性;以及肯定恶性39。在我们课题组先前的一项研究中,我们分析了从326名具有实性超声形态附件肿块的患者获得的775张术前超声图像(训练集,n = 228;验证集,n = 98)12。研究发现,与ADNEX模型(AUC,0.80 vs 0.88)和主观评估相比,仅放射组学模型在验证集中表现出较差的诊断性能;仅放射组学模型在最佳68%恶性风险截断值处的敏感度为0.78,特异度为0.76,而主观评估的敏感度为0.99,特异度为0.72。

一项国际共识声明 6 建议采用10%的风险阈值,将附件肿块患者转诊至肿瘤中心,这接受每正确转诊一名恶性肿瘤患者,可能有九名良性肿块患者被不必要地转诊。然而,在10%的恶性肿瘤风险截断值下,我们的影像组学模型相比转诊所有患者几乎没有优势(图3)40。在我们的临床-影像组学模型中,ADNEX模型中包含的基于超声的信息被影像组学衍生特征所替代。显然,在本研究中,影像组学数据并非ADNEX模型中包含的超声数据的合适替代,且影像组学模型的表现劣于ADNEX模型和主观评估。我们的临床-影像组学模型相比ADNEX模型表现较差,可能的原因是影像组学包含的超声信息与ADNEX模型中包含的完全不同。ADNEX模型考虑形态学特征,如乳头状突起和囊腔数量,而我们的影像组学模型分析像素。此外,ADNEX模型中的变量是在实时扫描过程中获得的,意味着可获得整个肿瘤的信息,而非仅来自单张图像的信息。进行主观评估的原始超声检查者还可获取彩色和能量多普勒超声数据。这表明,影像组学模型可能通过使用多张图像或使用超声容积进行分析而得到潜在改善,后者提供了评估更多特征(例如体积、表面积、球形度、紧凑度、伸长率、粗糙度、曲率测量)和更好地捕捉肿瘤异质性的可能性。

开发一种机器学习模型,使其在区分良性和恶性附件肿块方面的性能与经验丰富的检查者的主观评估或ADNEX模型相似,将具有显著的临床价值。与主观评估和ADNEX模型不同,影像组学模型是定量工具,仅需超声图像即可估计恶性风险,无需专家判读。然而,它们依赖于超声检查者生成代表性超声图像的能力,而ADNEX模型仅要求检查者具备一定水平的超声专业知识和熟悉IOTA术语。影像组学软件目前尚未整合到市售超声设备中;它仅用于科学目的,分析前需要手动导出和转换图像。手动分割ROI通常需要几分钟,一旦ROI被勾画,特征提取和模型推断完全自动化并在数秒内完成。对于临床使用,需要自动分割以实现端到端自动化。如果能够提高影像组学模型区分良性和恶性附件肿块的判别性能,并且如果自动分割影像组学模型能够成功整合到超声系统中,影像组学分析可通过基于代表性超声图像提供即时结果来支持经验较少的检查者。然而,将影像组学整合到临床超声系统面临实际挑战,例如图像处理和特征提取的计算需求、工作流程标准化的需要(例如决定获取何种类型的图像:DICOM或JPEG;二维图像或超声容积;每个肿瘤分析多少张图像)以及确保不同型号超声设备之间的兼容性。此外,影像组学软件作为医疗器械还需要获得批准41。除了提高影像组学模型对良性与恶性附件肿块的判别性能外,未来研究还可探索将影像组学特征整合到ADNEX模型中的效果。

总之,我们的影像组学模型不能推荐用于临床应用。然而,我们的结果支持附件肿块超声图像的影像组学分析具有潜力,值得进一步研究。未来研究应纳入每个肿瘤更多的超声图像(至少两张)或超声容积以捕捉肿瘤的空间异质性,这可能改善影像组学模型的性能。为证明影像组学模型临床实施的合理性,目标应是达到与ADNEX模型相似的AUC(AUC,0.93–0.95)。

支持信息

附录S1 关于国际卵巢肿瘤分析(IOTA)数据库以及IOTA第5期和第7期研究的信息。

附录S2 所用超声设备的详细信息。

附录S3 统计和纹理影像组学特征。

附录S4 国际卵巢肿瘤分析(IOTA)附件肿块不同肿瘤评估(ADNEX)模型的描述。

附录S5 在训练集(n = 1451)中良性与恶性肿瘤之间差异显著并纳入两个影像组学模型的影像组学特征(n = 14)。

附录S6 通过特征重要性分析确定的最重要的影像组学特征。

表S1 训练集和验证集中使用的超声机器的分布。

表S2 最终分析中纳入和排除患者的临床和超声特征。

表S3 所有符合条件的患者以及按纳入状态进行超声检查的年份。

表S4 每位患者可用超声图像的数量。

表S5 训练集患者的临床和超声特征(n = 1451)。

表S6 验证集患者的临床和超声特征(n = 622)。

表S7 训练集和验证集患者的组织学结果。

表S8 肿瘤组织学类型和国际妇产科联盟(FIGO)分期的分布(n = 2073)。

表S9 仅影像组学模型中特征重要性的SHapley加法解释(SHAP)分析。

表S10 使用不同特征选择方法的仅影像组学模型性能比较。

图S1 训练集中影像组学特征的主成分分析(PCA)。

图S2 (a)临床-影像组学模型和(b)仅影像组学模型中特征重要性排序。

图S3 良性和恶性肿块中峰度(F.stat.kurt)特征的分布。

图S4 仅影像组学、临床-影像组学和附件区不同肿瘤评估(ADNEX)模型在(a)训练集(n = 1451,其中549例(37.83%)为恶性)和(b)验证集(n = 622,其中254例(40.84%)为恶性)中的受试者工作特征(ROC)曲线。

引用

  1. Moro F, Ciancia M, Berardino SD, et al. Developing and validating ultrasound-based machine-learning models incorporating radiomics features to predict malignancy in adnexal masses. Ultrasound Obstet Gynecol. 2026. PMID: 41906961. doi:10.1002/uog.70203
  2. 全文:PMC13040134(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13040134/

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。