非小细胞肺癌的无创分类:基于影像组学与语义特征的随机森林模型比较
本研究纳入106例非小细胞肺癌患者训练随机森林模型,比较基于语义特征、影像组学特征及二者联合的分类性能,并在100例独立数据集中验证。语义特征模型在验证集AUC为0.82,而影像组学模型和联合模型AUC分别为0.5和0.56,与随机猜测无显著差异。结论认为基于CT语义特征的随机森林模型可较准确进行无创分类,影像组学模型泛化性差需谨慎使用。
要点
- 语义特征模型在独立验证集AUC为0.82,训练集AUC为0.78,表现稳健。
- 影像组学模型和联合模型在训练集AUC均为1,但验证集AUC仅0.5和0.56,提示过拟合。
- 空气支气管征、磨玻璃成分、空洞和卫星结节对鉴别腺癌与鳞癌贡献最大。
核心结论
- 基于CT语义特征的随机森林模型可较准确无创分类非小细胞肺癌,验证集AUC为0.82。
- 基于影像组学特征的模型在独立验证集上表现差(AUC 0.5和0.56),可能缺乏泛化性,应谨慎使用。
研究设计与样本
- 单中心回顾性研究,训练集106例(42例鳞癌、64例腺癌),来自2011年1月1日至2015年12月31日病理证实的非小细胞肺癌患者。
- 独立验证集100例(65例腺癌、35例鳞癌),来自癌症影像档案(TCIA),按腺癌比例抽样以平衡构成。
- 训练集CT采用三种Philips扫描仪(MX8000、Brilliance iCT 256、Brilliance 40),管电压120 kVp,管电流34–229 mAs。
- 参考标准为组织病理学诊断;两名胸部放射科医师(分别有14年和9年经验)盲法独立评分11项语义特征,分歧经共识解决。
- 从CT扫描中提取756个影像组学特征,去除高度相关冗余特征(成对相关系数>0.8,n=641)后保留115个独立特征。
关键影像表现/征象
- 腺癌中空气支气管征(p<0.0001)、磨玻璃成分(p=0.0006)和卫星结节(p=0.004)显著更常见。
- 空洞在106例中仅9例出现,其中8例为鳞癌(p=0.002)。
- 变量重要性排名前三的语义特征为空气支气管征(MDA=0.039)、磨玻璃成分(MDA=0.023)和空洞(MDA=0.019)。
- 肿瘤位置、毛刺征和肿瘤边缘无判别价值。
- 影像组学特征中重要性最高的是GLSZM短区域低强度强调(MDA=0.005)、变异系数(MDA=0.004)和NGTDM粗糙度(MDA=0.003)。
诊断标准与关键数值
- 语义特征随机森林模型(RF-sem)训练集AUC 0.78,验证集AUC 0.82。
- 影像组学随机森林模型(RF-rad)训练集AUC 1,验证集AUC 0.5,与随机猜测无显著差异(p=0.9)。
- 联合模型(RF-all)训练集AUC 1,验证集AUC 0.56,与随机猜测无显著差异(p=0.6)。
- RF-sem的OOB误差为25.5%,低于RF-rad的40.6%和RF-all的37.7%。
- 模型决策阈值示例:以50%概率为界,超过50%决策树判为腺癌则分类为腺癌,否则为鳞癌。
临床应用与阅片要点
- 基于放射科医师判读的语义特征随机森林模型可用于组织病理学模棱两可或无法取样时的非小细胞肺癌无创分类辅助。
- 语义特征模型在不同放射科医师标注的数据集上表现一致,提示对观察者间变异具有稳健性。
- 影像组学模型在独立数据上表现与随机猜测无异,作者认为其可能不适合该任务,应谨慎使用。
- 随机森林模型输出的分类概率可用于临床决策,平衡肿瘤类型概率与患者个体情况。
局限性
- CT研究无法完全排除纳入邻近正常组织小区域(如相邻肺不张所致实变)的可能,但已通过排除难以与邻近萎陷肺区分的病灶来最小化此类情况。
- 中央型鳞癌可能代表性不足,因此类肿瘤常与相邻肺不张无法分离;纳入更多中央型肿瘤(预计多数为鳞癌)可能改善模型性能。
- 原始影像组学特征空间包含756个来自不同数据采集参数CT扫描的特征(尤其是TCIA来源者),影像组学特征可重复性各异且依赖肿瘤分割和图像后处理步骤。
- 作者认为未来使用更精细选择的影像组学特征(尤其是针对特定分类任务设计的特征)可能提供更有用的结果。
全文中译11 节 · 点击展开
引言
非小细胞肺癌(NSCLC)占所有原发性肺部恶性肿瘤的85%。1其中,约60%为腺癌(ADCA),35–40%为鳞状细胞癌(SCCA),大细胞癌占比不足5%。1传统上,ADCA与SCCA通过苏木精-伊红染色切片的组织病理学检查加以区分。ADCA根据主要病理亚型的不同,可表现为贴壁型、腺管型、乳头状或微乳头状、或实性片状结构。SCCA的特征为存在角化、癌珠形成及细胞间桥。2NSCLC常通过痰液细胞学或临床及影像学特征作出诊断,但往往缺乏足够组织进行组织学亚型分型和分子分析,需要多学科协作进行决策。2尽管两种NSCLC亚型的根治性治疗选择相似——手术或立体定向体部放疗(SABR)——但两者在预后和靶向药物选择方面存在差异。3因此,一种准确的无创NSCLC分型检测方法可作为有价值的替代手段,用于不适合手术切除患者的预后评估和靶向药物选择。
影像组学和机器学习(ML)在影像研究中日益普及。4影像组学涉及对灰度图像进行计算分析以提取特征(如均值、众数、峰度和偏度),这些特征预期可量化肿瘤的病理生理学。5ML是利用影像组学及其他相关变量(如年龄、性别和空气支气管征)在合适的计算算法(如随机森林或逻辑回归)中推断临床相关信息(如肿瘤亚型)的任务。CT影像组学已被证明在预测NSCLC亚型方面具有中等至高度准确性,报告的性能为68–90%。6–8然而,尽管影像组学具有改变影像学范式的潜力,5其广泛接受仍受到变量可重复性、流程标准化及所用变量的生物学解释等 largely 未解决的挑战的阻碍。4,9,10
语义特征,即放射科医师对CT图像主观判读所衍生的特征,已在多项独立研究中被证明与肿瘤亚型和组织病理学相关。11–17空气支气管征和磨玻璃影在ADCA中更为常见,而空洞和毛刺征在SCCA中更为常见。16,17然而,据我们所知,尽管存在这些众所周知的关联,语义特征尚未被纳入ML算法建模以预测肿瘤亚型,从而以定量方式辅助临床决策。此外,尚无研究在区分ADCA与SCCA时对影像组学特征与语义特征(如空气支气管征和空洞)进行比较或联合。
我们假设,结合语义特征和影像组学特征优势的多变量预测模型在NSCLC分类方面可能比任一单独类别的变量产生更高的准确性。这种无创分类将使无法获得足够组织病理学亚型分型的患者受益。因此,本研究的目的是开发并比较基于语义特征、影像组学特征以及两者联合的NSCLC分类模型。
方法与患者
患者人群
训练数据集由转诊至单一机构的患者组成,具体如下:我们识别了2011年1月1日至2015年12月31日期间转诊至我院三级医疗中心的病理证实NSCLC患者的治疗前CT扫描。如果无法在CT上准确确定肿瘤边界(例如由于邻近肺不张),则排除患者。最终数据集包括106项检查(42例SCCA,64例ADCA;图1)。独立验证队列(n = 100)包括从Cancer Imaging Archive下载的65例ADCA和35例SCCA,对ADCA进行子采样以确保比例均衡。18–20当地伦理委员会对本项匿名数据回顾性研究免除了知情书面同意。
成像
训练数据集中患者的成像在三台Philips扫描仪之一上进行:MX8000、Brilliance iCT 256或Brilliance 40(Philips Medical Systems,Best,荷兰)。患者取仰卧位,于深吸气末成像。扫描参数如下:探测器准直:0.625–0.75;旋转时间:0.5–0.75 s;管电压:120 kVp;管电流:34–229 mAs。在30–70 s延迟后,以2–4 ml s−1的速率静脉给予100–150 ml碘普罗胺300(300 mg I/mL Ultravist,Bayer Pharma,柏林,德国)。
语义特征
两名胸部放射科医师(AN和MM,分别具有14年和9年经验)对组织病理学诊断不知情,独立记录九项结节语义特征(表1)和两项背景实质特征,即肺气肿(存在或不存在)和气道的增厚(存在或不存在)。11,12,21–26
分歧结果通过共识解决。验证数据集的标注由另一名不知情的读者UB(10年放射学经验)使用相同描述完成。
放射组学特征
肿瘤由UB使用开源软件ITK-Snap(v. 3.4.0;补充材料1)勾画。27从分割的感兴趣体积中,使用在MATLAB(Release 2016b,The MathWorks,Inc.,Natick,MA)中开发的内部特征提取工具导出756个放射组学特征。去除高度相关的冗余特征( pairwise相关系数>0.8;n = 641),最终得到115个独立放射组学特征。
随机森林模型开发与验证
在本研究中,我们使用随机森林进行机器学习。随机森林以其高性能和泛化能力著称。28此处我们提供随机森林模型开发的摘要;技术细节见补充数据。
随机森林模型是一组大量的决策树,例如2000棵。“随机”这一名称暗示了单个决策树的每次分裂都是从输入变量的随机子集中发展而来的。每个成员树还通过使用自助采样法,即有放回采样,在数据集略有不同的变体上进行训练,其中一些案例被多次采样,而另一些则完全被省略(标记为“袋外”[OOB]样本)。由于OOB样本未用于训练该特定树,它们被用于内部验证,OOB样本中误分类案例的比例作为性能指标:OOB误差。在所有2000棵决策树训练完成后,一个新的案例由整个“随机森林”通过从成员树获取投票来进行分类。基于所需的敏感度设定决策阈值,为每个新案例提供最终分类;例如,使用50%概率阈值,如果一个案例被>50%的树分类为ADCA,则可分类为ADCA,否则为SCCA。
我们使用训练数据集开发了三个随机森林分类器:一个仅包含语义变量的分类器(RF-sem),一个仅包含放射组学特征的分类器(RF-rad),以及一个同时包含语义和放射组学特征的分类器(RF-all)。模型验证在独立验证队列上进行。
统计分析
使用R v. 3.3.2进行统计分析。29连续变量以均数和标准差报告。对于描述性分析,ADCA与SCCA之间的差异使用Wilcoxon秩和检验确定连续变量的差异,使用Fisher精确检验确定分类变量的差异。两位放射科医生之间关于语义变量的观察者间一致性使用Cohen's κ检验测量,并总结为估计的加权κ评分及其95%CI。使用0.05的p值截断值来确定统计显著性。
随机森林模型的性能以两个指标报告:随机森林模型的OOB误差报告为内部验证期间决策树的错误率。第二个指标——曲线下面积(AUC)——作为完全训练模型的性能指标,并分别报告训练数据和验证数据的结果。我们使用两个指标而非一个来展示个体树(OOB误差)和整个森林(AUC)的稳健性。两个指标是相关的,理想的分类器应同时具有低OOB误差和高AUC。
由于我们的随机森林使用了大量变量,我们还使用“平均精度下降”(MDA)指标测量了训练数据集中各个变量的重要性,即移除所讨论变量后分类器精度的下降。一个变量的MDA越高,该变量越重要。MDA为零的变量与结局(肿瘤亚型)无关,如果移除该变量,分类器精度不会下降。MDA低但非零的变量仍然有用,因为随机森林在设计上当个体变量与结局 weakly related 时表现良好,并通过将它们汇集到一个稳健的最终分类器中来减轻其弱关联。28
结果
从病理诊断到胸部CT成像的平均间隔为21天(范围5–41天)。患者年龄从40.3岁到85.5岁(中位数:71.4岁),性别比例相似(女性50例:男性56例)。ADCA与SCCA患者在年龄(p = 0.6)、吸烟(p = 0.67)或性别(0.55)方面无显著差异(表2)。
在13个 tested 语义变量中,有三个在ADCA中显著更常见,即空气支气管征(p < 0.0001)、磨玻璃成分(p = 0.0006)和卫星结节(p = 0.004)。空洞形成仅见于106例总病例中的9例,其中8例为SCCA(p = 0.002)。表3描述了两种NSCLC亚型中语义变量的频率。
随机森林模型的比较
语义随机森林(RF-sem)在训练和测试数据集上表现相当,AUC分别为0.78和0.82(图2)。仅影像组学和联合模型在训练数据上对肿瘤亚型实现了完美区分(AUC 1),但在验证数据上性能非常低,AUC分别为0.5和0.56——与随机猜测相似(图2)。RF-sem的OOB误差(在模型训练期间得出,25.5%)也低于RF-rad(40.6%)和RF-all(37.7%)。图3显示了每种类型的示例肿瘤及其类别概率,突出了随机森林模型的概率性质,可在临床决策中加以利用,以在肿瘤类型概率与个体患者情况之间取得平衡。
就变量重要性而言,空气支气管征(MDA = 0.039)、磨玻璃成分(MDA = 0.023)和空洞形成(MDA = 0.019)是排名最高的语义变量,而肿瘤位置、毛刺征和肿瘤边缘没有任何鉴别价值。在影像组学变量中,排名最高的变量是灰度级尺寸区域矩阵(GLSZM)短区域低强度强调(GLSZM-SZLIE;MDA = 0.005)、变异系数(MDA = 0.004)和邻域灰度差矩阵(NGTDM)粗糙度(MDA = 0.003)。语义特征和排名前10的影像组学特征(总计 = 756)的变量重要性见表4。
讨论
我们开发了三种NSCLC分类模型。RF-sem利用的是语义特征,这些特征由两名胸部放射科医师从训练数据中达成共识获得,并由另一名放射科医师从验证数据中获得。RF-rad基于计算机辅助提取NSCLC的CT图像影像组学特征,而RF-all是语义特征和影像组学特征的组合。尽管两个数据集均由不同的放射科医师标注,RF-sem在训练数据和验证数据上均表现良好,表明使用语义特征开发的随机森林模型对观察者间变异性具有稳健性。RF-rad和RF-all在训练数据上给出了完美预测,但在验证数据上的表现并不优于随机猜测——表明使用影像组学特征开发的随机森林存在高度过拟合。
我们发现若干语义特征对NSCLC亚型具有高度预测性(表3),其中空气支气管征、磨玻璃成分、空洞和卫星结节在判别能力方面排名最高(表4)。我们关于各种语义特征相对比例的研究结果支持先前报道的趋势,仅有少数差异13,30–32:若干临床变量包括高龄、男性和吸烟史已知在SCCA中更为常见,此外还有毛刺征和中心位置等语义特征。32在我们的队列中,这些变量在ADCA和SCCA之间均无显著差异,且对分类器未作出实质性贡献。
本研究中最重要的影像组学特征是GLSZM-SZLIE(MDA = 0.005)、变异系数(MDA = 0.004)和NGTDM粗糙度(MDA = 0.003)。这些特征的生物学对应物尚知之甚少;在此我们尝试对这些特征在肿瘤CT图像中可能代表的内容作出直观解释:GLSZM最初用于细胞核的纹理表征,33它以共享相同灰度强度的连续体素区域来量化图像异质性。相对均匀的肿瘤将具有共享相似灰度强度的大体素区域,反之亦然。衍生量GLSZM-SZLIE,顾名思义,在低灰度(如磨玻璃密度)体素分布不均匀的肿瘤中预期会较高。NGTDM粗糙度最初在各种天然材料(如鹅卵石、草)和合成材料(如布料)上测试,34在邻近体素强度相似且体素强度空间变化率低的肿瘤中会较高。换言之,它们将包含相似强度体素的簇,这些簇在背景中突出,赋予肿瘤“粗糙”的外观纹理。变异系数(标准差与均值之比)是一种一阶统计纹理特征,在灰度强度变化大且平均强度低的肿瘤中较高。在我们的队列中,所有三种特征在ADCA中比在SCCA中略为常见。
此前已有少数学者探索了放射组学在非小细胞肺癌(NSCLC)分类中的应用:在其概念验证研究中,Basu 等人利用 74 例 NSCLC 的 CT 衍生放射组学特征训练了一个分类器(准确率:68%)。7 他们的研究侧重于区分二维放射组学特征与三维放射组学特征的效能,并比较了多种模型类别,包括随机森林、支持向量机、决策树和最近邻。其最佳模型准确率为 68%,是在留一交叉验证方案中使用全部 215 个特征获得的。然而,作者未报告表现最佳的变量,因此无法将其与我们的放射组学特征进行比较。Wu 等人(n = 300)和 Zhu 等人(n = 129)最近开展的两项研究报告了更高的放射组学模型性能(AUC 分别为 0.72 和 0.9)。6,8 除此之外,这两项研究均未将放射组学特征与语义特征进行比较;我们的研究与这两项研究之间最重要的差异在于,三项研究中表现最佳的放射组学特征子集各不相同。一种可能是,由于存在数百个放射组学特征且其中大多数相互相关,一些不同的高排名特征可能仅仅是同一特征的不同变体。第二种可能是,其他作者开发的某些放射组学模型可能存在过拟合,正如在我们研究中所见,尽管 Wu 等人使用了外部验证队列,使其研究中过拟合的可能性不大。过拟合是机器学习(ML)研究中常见的设计问题,尤其是在变量数量相对于病例数较多且缺乏外部验证队列的研究中。由于通常使用数百个变量以及围绕可重复性的问题,放射组学在获得广泛认可方面面临双重挑战,尽管目前正在努力实现放射组学的标准化。35
我们的研究存在若干潜在局限性:由于这是一项 CT 研究,我们无法完全排除纳入小范围正常组织的可能性,例如因邻近肺不张导致的实变。然而,我们通过排除难以与邻近萎陷肺组织区分的病灶,将此类情况降至最低。因此,中心型鳞状细胞癌(SCCA)可能存在代表性不足,因为此类肿瘤常与邻近肺不张无法分离。中心位置是 SCCA 的已知特征,纳入更多中心位置的肿瘤(预计多数为 SCCA)可能会改善模型性能。33 其次,与大多数放射组学研究一样,我们原始的放射组学特征空间包含大量(n = 756)来自 CT 扫描的特征,这些扫描的数据采集参数各不相同,尤其是来自 TCIA 的数据。放射组学特征在可重复性方面存在差异,且依赖于肿瘤分割和图像后处理步骤。27 因此,我们认为未来使用更精细选择的放射组学特征的研究,尤其是针对特定分类任务专门设计的特征,可能会提供更有用的结果。
结论
我们的研究表明,使用语义特征对非小细胞肺癌(NSCLC)进行无创分类是可行的,并且可以通过机器学习算法以良好的准确度(AUC:0.82)完成。然而,CT扫描影像组学特征在独立验证数据上表现不佳(RF-tex和RF-all的AUC分别为0.5和0.56),尽管在测试数据上分类完美,但可能不适合此项任务。
引用
- Bashir U, Kawa B, Siddique M, et al. Non-invasive classification of non-small cell lung cancer: a comparison between random forest models utilising radiomic and semantic features. Br J Radiol. 2019. PMID: 31166787. doi:10.1259/bjr.20190159
- 全文:PMC6636267(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6636267/
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。