基于临床评估分类与影像组学特征的多参数MRI机器学习算法预测外周带临床显著前列腺癌的比较
回顾性纳入73例经多参数MRI检查后行根治性前列腺切除术或靶向活检的患者,比较PI-RADS分类与ADC图影像组学特征结合支持向量机、神经网络和随机森林三种算法对外周带临床显著前列腺癌(GrG≥3)的鉴别效能;结果显示影像组学特征的影响取决于特征选择和所用算法,可提高也可降低诊断准确率。
要点
- PI-RADS分类联合形状特征(如最大三维直径)在随机森林模型中可使AUC提高0.05(p<0.001)。
- 在神经网络模型中,PI-RADS联合影像组学特征均降低预测效能,最大AUC降低0.08(p<0.001)。
- 影像组学特征对临床显著前列腺癌的鉴别价值仍存争议,取决于特征选择和算法。
核心结论
- 影像组学特征对区分临床显著与非显著前列腺癌的影响仍有争议,取决于特征选择和所用机器学习算法,可导致诊断性能提高或降低。
- PI-RADS分类在预测临床显著性方面优于所有单独影像组学特征子集(p=0.003或p<0.001)。
- 随机森林模型中加入最大三维直径特征较单独PI-RADS提高诊断准确率(ΔAUC=+0.05,p<0.001),为最佳工作模型。
研究设计与样本
- 回顾性纳入73例患者(平均年龄66.3±7.6岁),均行3T多参数MRI后接受根治性前列腺切除术(n=33)或靶向活检(n=40)。
- 所有检查在单一3T扫描仪(Magnetom PrismaFIT,Siemens Healthineers)上按ESUR指南完成,包括T1w、T2w、DWI、ADC和DCE序列。
- 以组织病理学为参考标准,将Gleason分级分组≥3定义为临床显著前列腺癌,≤2为临床非显著。
- 从ADC图提取105个影像组学特征,采用主成分分析、单变量分析及支持向量机、神经网络、随机森林三种算法进行100折交叉验证。
- 排除8例PI-RADS=3病灶(均为临床非显著)后,对剩余病灶进行预测模型构建。
关键影像表现/征象
- 主成分分析显示良性外周带组织与恶性病灶可清晰聚类,但不同Gleason分级分组之间未见可区分的亚聚类。
- 恶性病灶的平均ADC值低于良性组织(p<0.001),与PI-RADS分类一致。
- 部分影像组学特征在良恶性组织间存在差异,如联合熵(p<0.001)。
- 不同Gleason分级分组间部分影像组学特征存在差异,如mean(GrG 1/3、2/3、3/4&5的p值分别为0.007、0.012、0.016)和联合熵(GrG 1/3、1/4&5的p值分别为0.018、0.008)。
诊断标准与关键数值
- 临床显著前列腺癌定义为Gleason分级分组≥3,非显著为≤2。
- 区分临床显著性的前四位影像组学特征为:表面积体积比(p=0.008)、联合熵(p=0.026)、最小轴(p=0.028)、最大三维直径(p=0.041)。
- 支持向量机模型中,PI-RADS联合表面积体积比或最小轴提高预测性能(p=0.008、p=0.002,ΔAUC=+0.04)。
- 随机森林模型中,PI-RADS联合最大三维直径提高预测性能(p<0.001,ΔAUC=+0.05);联合最大三维直径和联合熵未提高性能(p=0.27),其余组合降低性能(最大ΔAUC=−0.17,p<0.001)。
- 神经网络模型中,PI-RADS联合任何影像组学特征均降低预测性能(最大ΔAUC=−0.08,p<0.001)。
临床应用与阅片要点
- 本研究中,所有PI-RADS=3病灶均为临床非显著前列腺癌,分析时被排除以避免过拟合和偏倚。
- 影像组学特征联合PI-RADS的分类性能高度依赖于所选特征子集和机器学习算法,部分组合可降低诊断准确率。
- 采用开源软件(PyRadiomics、3D Slicer)和最小图像预处理以提高方法透明度和可重复性。
局限性
- 原文未报告局限性。
全文中译12 节 · 点击展开
引言
前列腺癌(PCa)的诊断必须通过肿瘤组织予以确认[1, 2]。磁共振成像(MRI)引导下穿刺活检或超声(US)/MRI融合穿刺活检可提高PCa的检出率[1, 3–5]。多参数MRI(mpMRI)可改善活检的患者选择,并可能减少不必要的侵入性检查[4]。即使采用影像引导,采样偏倚仍是一项关键挑战,因为多灶性以及肿瘤内高度的时空异质性会影响诊断确认[6–9]。采样偏倚之所以成为问题,是因为风险分组会影响治疗策略[1, 4, 8, 10]。临床显著性PCa的定义是一个具有挑战性的动态过程,相关争论仍在持续[10–13]。Gleason分级分组(GrG)≤ 2的患者预后远优于GrG ≥ 3的患者[11, 12]。此外,GrG ≤ 2的患者可能适合主动监测或消融治疗[13]。目前亟需优化非侵入性风险分层[14]。mpMRI是前列腺影像报告和数据系统(PI-RADS)的基础,后者是一套标准化的采集、检查和报告方案[3, 15]。与依赖阅片者主观判断的PI-RADS[3, 15, 16]不同,影像组学分析代表了另一种策略,可在视觉感知之外以定量和计算的方式评估PCa[9, 17, 18]。影像组学支持诊断决策的能力已在多种癌症实体中得到证实[3, 9, 17, 18]。然而,对合适特征和分类算法的理解仍有限[3, 19, 20]。Bonekamp等已揭示了一种改进的预测方法,可区分GrG ≤ 1与GrG ≥ 2[21]。表观扩散系数(ADC)在区分不同GrG方面显示出最高的相关性[21]。目前已有大量研究在开展,以对基于MRI的PCa分类的最佳工作模型进行分层[3, 22–25]。分类方法对性能变异有强烈影响[19]。然而,特定特征和预测模型在多大程度上影响区分GrG ≤ 2与GrG ≥ 3的诊断性能,这一问题尚未得到探讨[3, 22–26]。本研究的目的在于评估应用临床评估分类PI-RADS和ADC衍生影像组学特征来构建并比较三种预测模型,并分析它们对临床显著性PCa鉴别的影响。
材料与方法
患者人群
本研究经法兰克福大学医院伦理委员会机构审查委员会批准(项目编号:41/19)。共筛选1125例患者以纳入研究,这些患者于2014年至2019年间接受检查。图1显示了纳入流程。纳入标准为:(a)在本院接受靶向穿刺活检(US/MRI融合穿刺活检、MRI引导下穿刺活检)或根治性前列腺切除术(RPX),(b)组织学确诊为PCa,以及(c)在同一台3-T(T)MRI扫描仪上接受影像检查。排除标准为:(a)检查方案不完整/不充分,(b)mpMRI图像存在伪影,以及(c)接受新辅助治疗后出现退行性改变。从mpMRI至穿刺活检/RPX的中位时间为0个月,最长为7个月。表1总结了临床和流行病学特征。
MR成像采集与检查
所有检查均在临床常规工作中使用单台3-T扫描仪完成,配备标准32通道体部线圈(Magnetom PrismaFIT,Siemens Healthineers)和内置脊柱相控阵线圈。MRI检查按照欧洲泌尿生殖放射学会(ESUR)指南进行,包括T1加权(T1w)、T2加权(T2w)、扩散加权成像(DWI)、ADC和动态对比增强(DCE)序列。图2显示了前列腺典型mpMRI的一个示例。所有MRI检查均由一位经验丰富的放射科医师主要执行和阅片,并由一位委员会认证的放射科医师确认。每个前列腺病灶均应用PI-RADS v2进行分类[15]。为进行后续的放射组学分析,以“医学数字成像和通信”(DICOM)格式提取T2w、ADC图(来源于b值为0/1000或50/1000 s/mm²的DWI(n = 64;n = 9))和DCE MR图像。表2详细描述了采集参数。
MRI分割
与机构工作站及相应临床报告直接对照,提取的序列由一名研究者(S.B.,具有6个月经验并接受过泌尿病理影像专门培训)在委员会认证放射科医师(T.J.V.、B.B.,分别具有18年或10年泌尿病理影像经验)监督下,使用开源3D Slicer软件平台(http://slicer.org,版本4.9.0)[27, 28]并连续放置VOI进行重新审阅。在3D Slicer计算平台内应用T2w和DCE图像,以在ADC图上视觉关联病灶定义。我们按照Bonekamp等[21]的研究对ADC进行了连续定量分析。图3展示了VOI标注的标准化半自动算法及体积渲染。手动部分通过应用分割编辑器的绘制工具完成。良性组织VOI通过勾画外周带(PZ)中距指数病灶最大距离的正常表现组织,为每位患者手动定义。全栖息地VOI通过半自动种子生长算法生成,随后使用画笔擦除工具对伪影进行手动校正[28–30]。
特征提取
影像生物标志物标准化倡议(IBSI)目前不涵盖图像预处理[31]。关于预处理或归一化算法尚无共识[32, 33]。数字图像处理可能妨碍可重复性,建议报告所有处理细节[32, 33]。因此,为确保最佳透明度和可比性,我们按照Aerts等[18]执行的算法,通过使用未更改的原始图像数据将图像处理限制在最低程度。我们采用了开源软件包PyRadiomics[34],其作为放射组学分析的参考标准日益确立[32, 34],作为3D Slicer内的扩展[27, 28]。从七个特征类别中提取了所有标准特征:一阶统计量、形状特征、灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRLM)、灰度尺寸区域矩阵(GLSZM)、灰度依赖矩阵(GLDM)、邻域灰度色调差矩阵(NGTDM),在ADC中产生105个特征/VOI(http://pyradiomics.readthedocs.io)[34]。我们使用PyRadiomics内的默认设置提取特征,即无重采样或滤波、无基于小波的特征、箱宽25,并强制对称GLCM(http://pyradiomics.readthedocs.io)[18, 32, 34]。
组织标本与MRI一致性
组织标本在美因河畔法兰克福歌德大学医院森肯伯格病理研究所(SIP)进行分析。索引病灶(及良性感兴趣体积(VOI))通过将多参数磁共振成像(mpMRI)与病理报告中最高格里森分级(GrG)(及无恶性证据的前列腺组织)的评估进行关联来确定。J.K.(具有10年经验的泌尿病理学家)对根治性前列腺切除术(RPX)标本进行标注,以匹配MRI检查的索引病灶(及良性VOI)(最高前列腺影像报告和数据系统(PI-RADS)评分或无恶性征象)。若病理评估与索引病灶(最高GrG ≠ 标注的mpMRI索引病灶)或良性VOI不一致,则重新检查图像并结合组织病理切片直接重新评估。我们将组织病理学结果视为金标准。若患者同时有活检和RPX组织可用,我们评估RPX组织。在本研究中,我们将GrG ≥ 3定义为临床显著性前列腺癌(PCa)。
评估方法
我们将表观扩散系数(ADC)衍生的影像组学特征和PI-RADS分类与GrG进行关联分析。我们进行二维主成分(PC)分析和单变量分析(UA),以分析良性 versus 恶性组织以及非显著 versus 显著PCa。在我们的队列中,所有PI-RADS = 3的PCa病灶(n = 8)均为临床非显著,被排除在后续分析之外。我们通过UA计算所有特征的显著性值(p值)。我们选择双尾Student t检验和Wilcoxon检验中p值最低的前四个特征作为最稳定的特征用于后续评估步骤[19]。我们进行多变量相关性分析以校正共线性并减少特征。特征降维是一种常用方法,可降低过拟合风险[17, 35]。为评估预测能力,我们针对预测因子子集的15种组合生成了支持向量机(SVM)、神经网络(NN)和随机森林(RF)分析的受试者工作特征(ROC)曲线。我们采用100折交叉验证评估预测性能[36]。每次运行中,我们随机抽取70%样本用于训练,并用剩余独立的30%样本数据验证分类器(修改方法如前所述[37])。我们获取曲线下面积(AUC),并通过应用双尾Student t检验对100个AUC值评估模型预测能力的差异。机器学习算法在Python 3.7中使用开源scikit-learn 0.21.3软件包执行,SVM使用SVC,NN使用MLPClassifier,RF分析使用RandomForestClassifier,特征预先使用StandardScaler归一化(https://scikit-learn.org/)[38]。我们使用Prism 6.0(GraphPad软件)和JMP 14(SAS)进行进一步统计分析。显著性值标示如下:*p < 0.05;**p < 0.01;***p < 0.001。方法学研究设计流程图见补充文件1。
结果
影像组学特征在良性 versus 恶性前列腺组织中存在差异
主成分(PC)分析将良性外周带(黑色)与恶性指数病灶(彩色,图4a)聚类分开。变异GrG的亚簇未被可视化显示(绿色/黄色/橙色/红色,PI-RADS 1/2/3/4&5;图4a)。恶性病灶显示较低的平均ADC值(p < 0.001),这与PI-RADS [15]一致(图4b)。比较良性与恶性前列腺组织时,多种影像组学特征存在差异,其中联合熵(JE,p < 0.001)作为示例展示(图4c;所有特征见补充文件2)。比较不同GrG时,我们观察到部分影像组学特征存在差异,均值(p(GrG 1/3, 2/3, 3/4&5) = 0.007, 0.012, 0.016)和JE(p(GrG 1/3, 1/4&5) = 0.018, 0.008)作为示例展示(图4d、e;所有特征见补充文件3)。
高危患者的临床显著PCa病灶在影像组学特征上显示差异
PC分析未实现根据指数病灶临床意义的分层(图5a)。样本呈随机分布(图5a;点:绿色,非显著PCa;红色,显著PCa)。PI-RADS评估类别在临床显著PCa中分布不同(图5b,似然比和Pearson p < 0.001)。在我们的队列中,所有PI-RADS = 3的病灶均被发现为临床非显著(图5b)。为避免预测模型过拟合和冗余,PI-RADS = 3病灶(n = 8)被排除于进一步分析。接下来,确定了迭代Wilcoxon和双尾Student's t检验的前四个特征(图5 c–f展示迭代Student's t检验数据;所有数据见补充文件4)。优先特征表面积与体积比(SVR)、JE、最小轴(LA)和最大3D直径(max3D)显示最低p值(p = 0.008,p = 0.026,p = 0.028,p = 0.041),对检查病灶的临床意义进行分层(图5c–f)。多变量检验揭示高相关性(图5g;表3)。因此,对于连续预测模型,高度相关形状特征(max3D、SVR、LA)的内部组合被排除(表3)。尽管JE与形状特征显示相关性(图5g;表3),我们进行了组合子集用于预测模型生成,因为JE代表不同特征类别GLCM的成员。我们能够确定PI-RADS为最独立变量(图5g;表3;每个特征|相关性| < 0.47)。
临床显著性PCa病灶的预测性能取决于所选特征子集和机器学习算法
我们使用15个影像组学特征子集和临床评估分类PI-RADS训练了三种机器学习算法来预测PCa病灶的临床显著性(图6)。SVM、NN和RF在比较PI-RADS与不同特征子集时显示出不同的预测性能(图6a–c)。PI-RADS在预测临床显著性方面优于所有单独的影像组学特征子集(图6a–c,使用NN时max3D的p = 0.003,所有其他模型的p < 0.001)。PI-RADS与影像组学特征的不同组合根据所采用的机器学习算法改善或削弱了预测性能(图6a–c)。使用SVM时,PI-RADS与SVR或LA的组合改善了预测性能(p = 0.008,p = 0.002,ΔAUC = + 0.04;图6a,d)。使用NN时,PI-RADS与影像组学特征的每种组合均削弱了预测性能(图6b,e;加入SVR时AUC下降最大,p < 0.001,ΔAUC = − 0.08)。使用RF时,额外应用max3D优于单独使用PI-RADS(p < 0.001,ΔAUC = + 0.05;图6b,f),建立了最佳工作模型(图6)。PI-RADS与max3D和JE的组合未能将性能提升至单独使用PI-RADS的水平(p = 0.27),而所有其他组合甚至削弱了预测性能(图6c,f;加入JE时AUC下降最大,p < 0.001,ΔAUC = − 0.17)。图6 d–f展示了PI-RADS及其与形状特征SVR、LA和3Dmax组合的代表性100折交叉验证ROC曲线及其AUC值。
讨论
在本研究中,我们分析了不同影像组学特征子集和临床评估类别PI-RADS对三种机器学习算法预测性能的影响,以根据临床显著性对PZ的PCa进行分层。我们首先证明了VOI放置与PI-RADS [15]评估的一致性。我们的数据表明,使用机器学习算法整合影像组学特征可以对临床显著PCa的预测性能产生正向或负向影响。结果强调了使用影像组学机器学习策略时需要谨慎,但也显示了特征SVR、LA和max3D改善PI-RADS评估类别的潜力。
Gleason分级存在观察者间差异,其中GrG = 2与GrG = 3之间的区分尤为困难[39]。新的决策支持工具对于减少过度治疗和治疗不足至关重要[10, 11, 14, 39]。定性平均ADC是PI-RADS的一部分[15],但其他特征虽不属于当前评估分类,却具有独立数据[3, 22, 23, 25, 40]。影像组学解读生物学和预后参数的能力已在大量研究中得到证实[3, 9, 17, 18]。在前列腺癌(PCa)中,仅检测恶性肿瘤已扩展到对侵袭性的评估,直至基因组风险分层生物标志物[3, 35, 40, 41]。在此背景下,ADC分析似乎尤其影响PCa侵袭性的区分[3, 21, 40, 42]。Bonekamp等人已证明,平均ADC在区分GrG ≤ 1与GrG ≥ 2方面与复杂的机器学习方法表现相当[21]。因此,我们聚焦于ADC来检查我们的患者队列。既往研究已证明mpMRI和影像组学能够区分不同组织类型以辅助PCa诊断,我们的数据支持这一发现[23, 35, 43]。然而,这一发现不应被过度强调,因为它似乎是监督式VOI定义方法的逻辑结果[21, 35, 44],表明VOI放置适当[21, 35, 44]。最高的方法学透明度、开源软件和标准化对于获得有效结果和促进跨学科研究是必要的[32, 33, 45, 46]。我们的研究设计旨在提出一种可行且可重复的逐步方法及开源软件的使用。对于图像处理以及影像组学特征的定义和提取,我们应用了开源软件[28, 34],而众多研究应用了自研软件,使可重复性几乎不可能[33]。图像预处理可能改变提取值并可能降低跨数据集的可重复性[32, 33]。目前,关于不同的预处理设置尚无共识[32, 33]。我们将图像操作降至最低,未进行额外预处理。ADC作为定量值不需要归一化[21]。与Aerts等人一致,我们应用了默认设置的PyRadiomics[18]。为减少VOI分割相关的变异性,我们在3D Slicer中应用了种子生长算法[27–30]。Parmar等人证明,基于UA Wilcoxon检验的特征选择结合RF在影像组学应用中具有最高的性能和数据稳定性[19]。因此,我们通过Wilcoxon方法进行UA特征选择,并进一步应用多变量相关性测量来处理共线性[46]。我们测试并比较了不同的机器学习算法,因为已知分类方法的选择对性能变异具有重大影响[19, 20]。与Parmar等人一致,我们发现最佳工作模型使用RF分类方法[19]。
我们的研究存在需要讨论的局限性。我们检查了回顾性数据并随后纳入患者;不能排除选择偏倚。我们采用了组织标本,这些标本通过三种不同技术获取:RPX、超声/磁共振融合活检以及磁共振引导活检,活检技术可能带来采样偏倚[4, 5, 7]。我们未纳入移行区癌。我们应用了临床常规方案,若能对更同质的数据进行分析则更为理想。约40%的患者因既往活检而存在前列腺组织改变。非初次活检患者可能不应被视为离群值,而是临床常规中的实际问题。我们确实纳入了这些患者以减少选择偏倚。我们的研究人群仅73例,较为有限,更大的队列可能提高统计分析的显著性。在我们的队列中,所有PI-RADS病变等于3的患者(n = 8)均被发现患有临床意义不显著的前列腺癌(PCa)。由于这些患者会使预测模型产生偏倚,他们在机器学习分析中被排除,尽管这可能限制所获结果的普适性。通过将患者纳入限制为同一台3-T扫描仪的检查,我们排除了扫描仪间变异性。然而,如Baeßler等[45]的体模研究所示,扫描仪内变异性可能改变了我们的结果。我们的PI-RADS预测子集仅使用一个影像组学特征时表现优于使用两个特征,这一事实可能解释为维度增加可能导致判别力下降[3]。我们将分析限制于三种机器学习算法,不能排除未应用的算法可能显示不同的结果。我们在委员会认证放射科医师(T.J.V.、B.B.)的监督下,并与泌尿病理学家(J.K.)及病理报告直接对照,对指数病变进行了标注。然而,即便是靶向活检和RPX标本也存在残余不确定性[4, 47]。
总之,我们的研究强调了前列腺mpMRI检查中ADC衍生影像组学特征在根据临床意义对前列腺癌病变进行分层方面的潜力。我们强调在应用计算机辅助诊断之前需要谨慎,因为预测性能高度依赖于特征和机器学习算法的选择,最差情况下甚至可能降低临床评估性能。无创预测模型可能有潜力成为决策支持工具的一部分,帮助临床医师选择合适的治疗,但在转化为临床常规之前我们需要保持谨慎。
电子补充材料
(PDF 54 kb)
(DOC 3513 kb)
(DOC 5388 kb)
(DOC 4497 kb)
引用
- Bernatz S, Ackermann J, Mandel P, et al. Comparison of machine learning algorithms to predict clinically significant prostate cancer of the peripheral zone with multiparametric MRI using clinical assessment categories and radiomic features. Eur Radiol. 2020. PMID: 32676784. doi:10.1007/s00330-020-07064-5
- 全文:PMC7599168(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7599168/
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。