文献速递泌尿生殖腹部MR

机器学习分类器预测前列腺癌Gleason 4模式的准确性优于经验丰富的放射科医生

Machine learning classifiers can predict Gleason pattern 4 prostate cancer with greater accuracy than experienced radiologists.
PubMed 文献 · Eur Radiol · 2019-06-11

该单中心回顾性研究分析了164例前列腺癌索引病灶(外周带119例、移行带45例),构建分区机器学习分类器预测Gleason 4成分,并与三位委员会认证放射科医生的主观判断比较。外周带最佳分类器(PSAd、ADC、DCE-MRI最大强化)交叉验证AUC为0.83,在50%特异度阈值下敏感度0.93,高于三位放射科医生的平均敏感度0.72;移行带最佳分类器(ADC、ME)AUC为0.75,敏感度0.88,高于放射科医生的0.82。结论认为机器学习分类器预测Gleason 4成分的表现优于放射科医生。

要点

  • 外周带分类器用PSAd、ADC和DCE-MRI最大强化,交叉验证AUC 0.83,50%特异度下敏感度0.93。
  • 移行带分类器用ADC和最大强化,交叉验证AUC 0.75,50%特异度下敏感度0.88。
  • 三位放射科医生对外周带病灶平均敏感度0.72、特异度0.40,对移行带平均敏感度0.82、特异度0.44。

核心结论

  • 机器学习分类器预测前列腺肿瘤Gleason 4成分的表现优于放射科医生。
  • 预测模型应分区(外周带与移行带)构建,两个区使用的特征组合不同。
  • 在外周带和移行带,最佳分类器在三个ROC切点上的敏感度和特异度均高于三位放射科医生的平均值。

研究设计与样本

  • 单中心回顾性分析前瞻性采集数据,时间跨度2012年至2015年,训练队列与时间验证队列分开构建。
  • 训练队列纳入164例男性索引病灶(外周带119例、移行带45例),验证队列为30例连续男性(外周带20例、移行带10例)。
  • 采用3-T多参数MRI(Achieva,Philips Healthcare)及32通道相控阵线圈,符合欧洲泌尿放射学会指南。
  • 参考标准为经会阴模板前列腺映射活检±靶向索引病灶活检,由12年经验的泌尿病理学家盲法判读。
  • 测试逻辑回归、朴素贝叶斯、支持向量机、随机森林和前馈神经网络五种分类器,采用五折交叉验证及时间分离验证。

关键影像表现/征象

  • 放射科医生知晓b=2000 s/mm² DWI高信号伴相应低ADC值、低T2W信号及较正常前列腺组织早期明显强化提示更高级别病变。
  • 定量参数包括病灶平均信号强度(T2W、ADC、DCE各时间点)、归一化T2信号强度、早期强化和最大强化。
  • 肿瘤体积与腺体体积采用三平面测量及扁长椭球体公式计算。

诊断标准与关键数值

  • 外周带最佳分类器特征为PSAd、ADC和DCE-MRI最大强化,五折交叉验证AUC为0.83。
  • 外周带最佳分类器在50%特异度阈值下敏感度0.93,三位放射科医生平均敏感度0.72。
  • 移行带最佳分类器特征为ADC和最大强化,五折交叉验证AUC为0.75,50%特异度阈值下敏感度0.88,三位放射科医生平均敏感度0.82。
  • 时间验证队列中外周带和移行带的AUC分别为1.00和0.85。

临床应用与阅片要点

  • 外周带分类器在特异度50%切点敏感度0.93、特异度0.53,在放射科医生平均特异度切点敏感度0.88、特异度0.65。
  • 移行带分类器在特异度50%切点敏感度0.88、特异度0.51,在放射科医生平均特异度切点敏感度0.92、特异度0.44。
  • 作者认为分类器在主动监测场景中尤其有用,可用于决定是否需要活检。
  • 作者指出最大强化在PI-RADSv2中对肿瘤检测作用有限,但可能更有益于Gleason分级表征。

局限性

  • 外周带队列不平衡,因含Gleason 4肿瘤的自然发生率较高,已通过SMOTE处理。
  • 移行带队列虽平衡,但需要更大队列确认分类器性能,尤其是验证队列。
  • 两个队列规模有限,通过特征选择和正则化避免过拟合。
  • 经会阴模板前列腺映射活检可能不如全前列腺切除标本准确。
  • 作者提出进一步工作可考虑前瞻性大规模外部验证及评估预测模型对患者结局的影响。
全文中译14 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:Eur Radiol. 2019 Jun 11;29(9):4754–64. doi: 10.1007/s00330-019-06244-2

引言

前列腺癌是一种异质性疾病,其侵袭性(以Gleason分级为特征)与生存率之间存在密切关系[1]。近年来,出现了Gleason 3和Gleason 4肿瘤代表不同疾病状态的概念[2],这是由于两者在基因组水平上具有不同的特征[3],且在大型长期随访研究中观察到不同的生存率[4, 5]。事实上,在一项纳入379例前列腺切除术标本的多变量研究中,Gleason 4百分比已被证明作为预后标志物优于传统Gleason分级[6]。

因此,一种可靠、定量且无创的检测方法用于识别具有侵袭性疾病风险的患者(即潜在含有Gleason 4成分的患者)将具有显著的临床价值,但目前尚不存在此类方法。

临床参数如肿瘤体积[7]和血清前列腺特异性密度(PSAd)已被证明与Gleason分级相关[8]。

虽然有一些证据表明放射科医生对多参数(mp)MRI的主观判读可用于估计Gleason分级[9],但信号强度的定量测量(包括归一化T2信号强度和表观扩散系数(ADC))也与Gleason分级呈中度相关[10, 11],并已被证明在外周带(PZ)与移行带(TZ)肿瘤之间存在差异[12]。

本研究的目的为:(i)检验基于临床和定量mp-MRI参数的移行带和外周带机器学习分类器能否正确地将肿瘤分类为含/不含Gleason 4成分;(ii)将表现最佳的分类器与三位委员会认证放射科医生的主观判读进行性能比较。

材料与方法

本机构审查委员会批准了本研究,并豁免了个人知情同意要求,允许对作为临床试验/常规诊疗的一部分前瞻性采集的患者数据进行回顾性分析(研发编号:12/0195,2012年7月16日)。

患者队列

构建了两个时间上分离的队列:一个用于生成模型(训练队列),另一个用于时间验证(验证队列)。

对于训练队列,查询了一个包含330例患者的试验数据集。该试验的完整细节此前已有报道[13]。简言之,纳入标准为:(i)既往接受过经直肠超声引导活检、仍怀疑癌症被遗漏或分级错误的男性;(ii)适合使用经会阴模板前列腺定位(TPM)活检进行进一步特征描述的男性。排除标准为:(i)既往有前列腺癌治疗史;(ii)TPM时腺体采样不完整或采样密度不足。

建立训练队列的选择标准为:(i) 2012年2月至2014年1月期间进行的3-T mp-MRI;(ii) 根据多学科肿瘤委员会讨论后在试验方案表上定义的mp-MRI指数病灶Likert评分[14]≥3/5,据此将病灶归为移行区(TZ)或外周区(PZ)来源;(iii) TPM及靶向指数病灶活检证实肿瘤(定义为Gleason评分3+3或更高)。所有样本中均未发现Gleason 5级模式。指数病灶定义为Likert评分最高(3、4或5分)的最显著病灶。该队列包括72个含Gleason 4的病灶(38个Gleason 3+4,34个Gleason 4+3),以及PZ的27个Gleason 3+3病灶,而TZ有22个含Gleason 4的病灶(20个Gleason 3+4,2个Gleason 4+3)和27个Gleason 3+3病灶。患者选择流程图见图1。

验证队列由30名连续男性组成:20名PZ(6个Gleason 3+4,4个Gleason 4+3,10个Gleason 3+3)和10名TZ(3个Gleason 3+4,1个Gleason 4+3,5个Gleason 3+3),采用与训练队列相同的选择标准和扫描方案,于2015年6月至12月期间进行。

表1显示了两个队列中患者的年龄、PSA以及腺体和肿瘤体积。

图1 训练队列患者选择流程图 查看原图 ↗
表1 临床特征 查看原表 ↗

多参数MRI方案

Mp-MRI使用3-T扫描仪(Achieva,Philips Healthcare)和32通道相控阵线圈进行。成像前,静脉给予0.2 mg/kg(最多20 mg)解痉剂(Buscopan;Boehringer Ingelheim)以减少肠蠕动。Mp-MRI符合欧洲泌尿放射学会[14]指南。完整采集参数见表2。

表2 mp-MRI参数描述 查看原表 ↗

靶向活检

超声引导下TPM±靶向活检作为训练队列的参考标准,采用认知性MR引导配准。通过放置于会阴部的近距离放疗模板网格,使用5-mm采样框架对整个腺体进行系统性活检。在TPM时对局灶性指数病灶进行认知性MRI靶向活检。一位具有12年经验的泌尿生殖病理学家在对MRI结果设盲的情况下分析活检芯。未出现非靶向样本Gleason分级高于靶向标本的情况。

选择TPM和靶向活检作为参考标准是因为它们优于经直肠超声活检,是主动监测人群的首选采样方法,并且避免了与前列腺切除术后参考标准相关的谱偏倚[15],后者倾向于纳入侵袭性疾病患者。

多参数MRI审阅

mp-MRI图像由三名委员会认证的放射科医师(读者SP、MA和SP)在Osirix工作站上独立进行定性评估。放射科医师均接受过专科培训,在mp-前列腺MRI临床报告方面分别具有10年、2年和3年经验,每年每人阅读超过100例mp-MRI,并定期参加每周多学科肿瘤委员会会议[16]。放射科医师知晓PSA水平,并根据其对影像特征的个人评估(这些评估源于多年前列腺MRI报告经验及多学科肿瘤委员会会议上的病理反馈),主观评价索引病灶是否含有Gleason 4模式成分(即二分类分类)。

放射科医师知晓,与正常前列腺组织相比,b = 2000 s/mm2 DWI上的高信号并对应低ADC值、低T2W信号以及明显早期对比增强提示更高级别疾病[10, 17]。

mp-MRI衍生定量参数的提取

MR数据集使用MIM Symphony 6.1版(MIM Software Inc)进行分析,该软件对容积性和轴位T2W、ADC及DCE图像进行刚性平移共配准以实现半自动配准,之后可进行后续手动细化。

第四名委员会认证的放射科医师(EJ)具有3年mp-前列腺MRI定量分析经验,对组织病理学结果和其他放射科医师的意见设盲,手动勾画每个索引病灶的感兴趣体积,并记录每个体积在所有时间点轴位T2W、ADC和DCE图像上的平均信号强度(SI)。勾画在T2WI上进行,并在DCE图像和ADC图上手动调整,以考虑变形和配准误差。典型的勾画病灶见图2。为了标准化受试者之间的信号强度,通过将病灶信号强度除以膀胱尿液信号强度来计算归一化T2信号强度指标[18]。

早期强化(EE)和最大强化(ME)指标由DCE-MRI信号强化时间曲线得出。EE定义为第一个强强化对比剂后SI除以对比剂前SI,ME定义为峰值强化SI与基线SI之差归一化至基线SI[19]。

肿瘤体积、腺体体积和PSAd的临床特征也被选为纳入模型开发的 features,其中前两个特征使用三平面测量和长椭球公式测量[20]。

图2 a 一名64岁男性的轴位T2 TSE图像,显示用于提取mp-MRI参数的TZ前列腺肿瘤体积勾画。b 轴位钆对比剂后动态对比增强图像。c 轴位(b) = 2000 mm/s2。d ADC“图” 查看原图 ↗

机器学习模型

测试了五种分类模型,即逻辑回归(LR)[21]、朴素贝叶斯(NB)[21]、支持向量机[21]、随机森林(RF)[22]和前馈神经网络(FFNN)[21]。

为了验证每个模型,采用了五折交叉验证,即将数据分为五折,其中四折用于训练,一折用于测试分类器。此过程重复五次试验,每折各使用一次作为测试集。在每次试验中,为训练集和测试集分别构建受试者工作特征(ROC)曲线并计算相应的AUC。将五次试验的AUC值取平均以产生单一估计值,并使用每次重复不同的数据划分将该过程重复100轮。

由于当用于训练模型的数据不平衡时,机器学习分类器的性能会下降[23],这适用于本研究中我们的PZ队列(72例Gleason 4,对比27例Gleason 3+3),因此对PZ训练队列应用了一种称为合成少数类过采样技术(SMOTE)[24]的重采样技术。在此,通过沿连接每个少数类样本的任意/所有k个少数类最近邻的线段引入合成样本来对少数类进行过采样。对PZ训练队列应用SMOTE后,添加了45个属于3+3 Gleason癌症类的合成样本,并使用这一新的重新平衡数据生成分类器。SMOTE未应用于TZ训练队列,因为该队列足够平衡。

所有算法均使用MATLAB的统计与机器学习工具箱(版本R2017b 9.3.0.713579,MathWorks),FFNN使用一个包含20个神经元的隐藏层。

模型特征选择与内部验证

使用相关特征选择(CFS)算法[25]从训练队列数据集中分别导出TZ和PZ病变的最佳特征组合,分别记为SELTZ和SELPZ。CFS确定(i)每个特征与Gleason 4肿瘤存在的相关程度,以及(ii)所选特征中是否有任何特征因彼此之间的相关性而冗余。冗余特征从SELTZ和SELPZ特征集中移除。

如图3所示,为检验CFS是否有效,我们比较了使用所有特征(记为ALL)训练的分类器的性能与仅使用SELTZ和SELPZ训练的分类器的性能。

图3 本研究中所用特征选择验证策略的流程图。CFS,相关特征选择;ALL,包含所有特征的集合;SELTZ,为TZ选择的特征子集;SELPZ,为PZ选择的特征子集;AUCALLPZ,使用所有特征在PZ上获得的曲线下面积;AUCALLTZ,使用所有特征在TZ上获得的曲线下面积;LR,线性回归;FFNN,前馈神经网络;SVM,支持向量机;NB,朴素贝叶斯;RF,随机森林;AUCSELPZ,使用所选特征在PZ上获得的曲线下面积;AUCSELTZ,使用所选特征在TZ上获得的曲线下面积 查看原图 ↗

最佳模型选择与时间验证

使用SELTZ和SELPZ,我们应用五折交叉验证来比较分类器并选择性能最佳的区域特异性模型,其定义为AUC最高。比较的流程图如图4所示。

一旦为每个区域选出性能最佳的模型,即将其性能与三位放射科医师的表现进行比较。将敏感度和特异度的均值与分类器在ROC曲线上三个感兴趣截断点处获得的值进行比较。具体而言,我们考虑了:(i)以特异度为50%为特征的点(point_50),该点从临床角度具有意义,因为只要维持高水平的敏感度(即较低的假阴性数),我们可以容忍将50%的患者分类为假阳性。

以特异度等于评估图像的三位放射科医师的平均特异度为特征的点(point_RAD),我们使用该点将我们的模型与经验丰富的放射科医师的表现进行比较。

最接近敏感度和特异度均等于1的点的点(point_01),我们选择该点是因为其具有特异度与敏感度之间的最佳权衡。对于所有三个点,我们在训练集上获得的ROC曲线上推导出相应的阈值,然后应用这些阈值来计算分类器在测试集上的敏感度/特异度。

最后,我们应用了时间分离验证,即性能最佳的分类器在训练队列上训练并在验证队列上测试。在PZ队列中进行的所有分析中,SMOTE在用于训练分类器之前应用于训练集。

图4 概述本研究中所用模型验证策略的流程图。SELTZ,为移行区选择的特征子集;SELPZ,为PZ选择的特征子集;AUCSELPZ,使用所选特征在PZ上获得的曲线下面积;AUCSELTZ,使用所选特征在TZ上获得的曲线下面积;LR,线性回归;FFNN,前馈神经网络;SVM,支持向量机;NB,朴素贝叶斯;RF,随机森林;PZ,外周带;TZ,移行带 查看原图 ↗

结果

模型选择与内部验证

CFS选出了SELPZ = {ADC, ME, PSAd}和SELTZ = {ADC, ME}。表3显示了分类器使用所有参数(ALL)和所选特征(SELTZ和SELPZ)在测试集上获得的AUC的均值和标准差。

对于PZ,使用SELPZ训练的模型在测试集上的平均AUC大于使用ALL训练的模型。然而,对于TZ,只有LR和NB受益于特征选择,而FFNN、SVM和RF在使用ALL训练时获得了略好的AUC值。

为了统计验证使用和不使用CFS训练的分类器之间的比较,我们对每个分类器在使用和不使用特征选择训练时在测试集上获得的AUC值之间应用Wilcoxon符号秩检验进行配对比较[26]。对于PZ,除RF外,所有分类器在使用SELPZ训练时获得的AUC值在统计学上优于使用ALL训练的AUC值(p值 < 0.05),而对于TZ,只有LR和NB在使用SELTZ训练时获得了统计学上更好的AUC值。

尽管一些TZ分类器在使用SELTZ训练时性能未在统计学上得到改善,但性能最佳的模型(LR、NB)在应用CFS时获得了更好的结果。因此,我们决定分别使用SELTZ和SELPZ训练分类器来构建TZ和PZ的模型。

对于PZ,LR和NB的AUC值较高,FFNN和RF紧随其后,SVM结果最差。

五种分类器在TZ上获得的结果与PZ相似,尽管AUC值普遍较低。NB和LR是表现最好的模型,SVM和RF是平均AUC值最低的分类器。

为了比较不同分类器在TZ和PZ上获得的AUC分布,应用了Friedman检验[26]以及Iman和Davenport检验[26]。如果检测到统计学差异,则执行Holm检验[26]以比较表现最好的分类器(Friedman秩次最低)与其余分类器。这些检验的结果见表4,其中TZ和PZ表现最好的分类器分别为NB和LR。两种情况下Iman和Davenport等价性统计假设均被拒绝。

对于TZ,Holm事后检验表明NB在测试集上获得的AUC分布在统计学上优于所有其他分类器。对于PZ,LR分类器取得了统计学上更优的表现。

表3 在五折交叉验证后,使用全部特征(ALL)和仅使用CFS选择的特征(SEL)时,五种分类器在测试集上获得的AUC的均值与标准差(括号内) 查看原表 ↗
表4 对5种分类器在测试集上获得的AUC分布的统计检验结果,分类器使用SEL训练并经过五折交叉验证 查看原表 ↗

放射科医师比较与时间验证

图5显示了测试集上的平均ROC曲线,以及三位放射科医师获得的敏感度和特异度均值,以及在100轮五折交叉验证中由NB和LR分类器分别在TZ和PZ上计算的三个截断点处的敏感度和特异度均值。

表5显示了在测试集上于point_50、point_01和point_RAD处计算的敏感度和特异度均值,以及三位放射科医师获得的相应值。

对于PZ,在所有三个截断点处,LR的敏感度(分别为0.93、0.76和0.88)和特异度(分别为0.53、0.73和0.65)均高于三位放射科医师各自的敏感度和特异度0.72和0.40。

尽管放射科医师在TZ中的特异度高于PZ,但其平均表现(特异度和敏感度分别为0.82和0.44)仍低于NB所达到的水平,其中point_50、point_01和point_RAD的敏感度分别为0.88、0.75和0.92,特异度分别为0.51、0.57和0.44。

最后,对于时间验证,表现最好的分类器(TZ为NB,PZ为LR)使用训练队列进行训练,并使用验证队列进行测试。TZ和PZ在验证队列上获得的AUC值分别为0.85和1.00。

图5 平均ROC曲线,以及三位放射科医师获得的敏感度和特异度均值,以及在测试集上经五折交叉验证后由表现最好的分类器(NB和LR)在TZ(左)和PZ(右)上生成的三个截断点处计算的敏感度和特异度均值。PZ,外周带;TZ,移行带;LR,线性回归;NB,朴素贝叶斯;ROC,受试者工作特征 查看原图 ↗
表5 三位放射科医师和表现最佳的分类器在五个折交叉验证后获得的三个截断点上的敏感度(SN)和特异度(SP)均值 查看原表 ↗

讨论

我们的结果表明,设计用于预测已知前列腺癌中Gleason 4成分的分类器具有区域特异性,尽管使用了一组相似的特征,即外周带(PZ)使用{ADC, ME, PSAd},移行带(TZ)使用{ADC, ME}。此外,表现最佳的模型在所有概率阈值下均优于放射科医师的主观意见,并在时间验证中保持了其性能。

此前已有数项研究报告了逻辑回归和mp-MRI衍生参数用于预测前列腺癌Gleason分级的价值[27–30]。虽然我们的研究同意ADC是用于此目的的有用参数,但我们的研究在多个方面与文献不同。首先,所有其他研究均排除了< 0.5 ml的肿瘤;这意味着此类数据不能推广至较小的索引病灶,而后者可能具有侵袭性[31],并且常在主动监测项目中进行随访。

Hötker等[27]研究了195例患者,报告表现最佳的单变量参数(ADC)在区分3 + 3肿瘤与含有Gleason 4的肿瘤时达到了0.69的AUC。其报告的AUC较低的一个可能解释是该研究的多扫描仪性质以及将PZ和TZ癌症合并为单一模型。此外,作者表明Ktrans未能为区分此类肿瘤增加价值,且这些模型未经过外部验证。

文献中的其他研究[27–30]基于不足60例患者推导模型,并将DWI与波谱指标相结合,这需要专业设备和知识。事实上,我们的所有指标均可从国际共识指南[14]推荐的最低协议要求中提取,因此更可推广至非专科中心。由于我们的模型使用PSAd作为Gleason 4肿瘤的预测因子,我们的研究证实了血清和影像生物标志物可以具有协同作用[32]。我们的结果也与另一研究组一致,他们发现肿瘤体积在Gleason分级预测中没有附加价值[27]。

在本研究中,我们选择仅分析索引病灶,以避免统计聚类,并且因为索引病灶通常决定管理策略和患者结局[33],特别是在局灶治疗和主动监测的背景下。我们还选择排除活检时无癌症证据的患者,因为我们希望构建一种可用于接受MRI监测的患者的工具,这些患者将从Gleason分级的定量评估中获益。

虽然由于我们机构偏好DCE-MRI更高的空间分辨率而非时间分辨率(后者是Tofts拟合所必需的),我们未推导Tofts模型参数,但我们证明了ME——一种稳健的半定量指标[34]——可以在ADC之外提高预测Gleason 4癌症成分的判别能力。虽然强化特征在PI-RADSv2中作用有限,但本研究表明这些特征在Gleason分级的表征中可能比肿瘤检测更有益。

随着进一步研究,机器学习分类器可用于主动监测项目,以无创方式检测肿瘤是否已转变为更高的Gleason分级,从而促使活检或干预。鉴于ProtecT研究[35]的发现,这一潜在应用尤为相关,该研究显示,在随机分配至主动监测、手术或放疗的患者中,10年随访的生存结局无显著差异,这可能影响主动监测作为管理策略的采用。事实上,英国NICE已倡导将mp-MRI作为主动监测项目的一部分[36]。

一个可能的局限性是PZ队列的不平衡性质,这是由于含Gleason 4的肿瘤自然发生率较高。然而,这一问题已通过使用SMOTE得到解决。尽管TZ队列是平衡的,但仍需要更大的队列来确认分类器的性能,尤其是对验证队列而言。虽然两个队列的规模有限,但通过减少输入变量数量的特征选择以及允许训练数据集中小比例误分类以产生较不复杂模型的正则化,避免了过拟合。最后,尽管TPM活检相较于经直肠超声引导活检具有若干优势,但它可能不如全 mount 前列腺切除术[37]那样准确。

因此,进一步的工作可考虑前瞻性大规模外部验证(例如,在其他中心)以及这些预测模型对患者结局的影响。

结论

结合PSAd和定量多参数MRI参数的机器学习分类器在预测前列腺癌Gleason模式4方面优于经验丰富的放射科医生的意见。因此,这些分类器在前列腺癌路径的管理决策中可能具有巨大潜力,并且对于为主动监测项目中的患者提供决策信息尤为有用。

引用

  1. Antonelli M, Johnston EW, Dikaios N, et al. Machine learning classifiers can predict Gleason pattern 4 prostate cancer with greater accuracy than experienced radiologists. Eur Radiol. 2019. PMID: 31187216. doi:10.1007/s00330-019-06244-2
  2. 全文:PMC6682575(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6682575/

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。