经导管动脉化疗栓塞治疗肝细胞癌的疗效预测:利用嵌套决策树模型挖掘CT纹理分析的潜力
本回顾性研究纳入2011年1月至2017年9月间37例患者共92个经活检证实的肝细胞癌病灶,基于治疗前动脉期CT图像提取肿瘤大小及纹理参数,构建嵌套多参数决策树模型预测药物洗脱微球TACE后完全缓解和进展。模型预测原发TACE病灶完全缓解的AUC达0.96、准确率88.9%、阳性预测值96.9%,预测进展及其他组别的AUC为0.83–0.88。作者认为基于肿瘤异质性和大小的嵌套决策树模型可高准确度预测TACE疗效,可能作为多学科治疗决策的附加参考。
要点
- 原发TACE病灶完全缓解预测模型AUC 0.96、阳性预测值96.9%、准确率88.9%。
- 原发TACE病灶进展预测AUC 0.88、准确率80.6%;重复TACE病灶进展预测AUC 0.86、准确率80.0%。
- 重复TACE病灶完全缓解预测仅依赖面积一个参数,AUC 0.83、准确率75.0%。
关键影像表现/征象
- 病灶按mRECIST在基线动脉期CT上手动分割,提取熵、峰度、偏度、阳性像素均值(MPP)和阳性像素分布均匀性(UPP)等直方图纹理参数。
- 原发TACE病灶的MPP显著高于重复TACE病灶(180.5 ± 213.6 vs 92.8 ± 21.6,p = 0.001)。
- 原发TACE病灶中38/72(52.8%)达完全缓解、16/72(22.2%)进展;重复TACE病灶中8/20(40%)达完全缓解、8/20(40%)进展。
诊断标准与关键数值
- mRECIST疗效标准:完全缓解为瘤内动脉强化消失;部分缓解为存活肿瘤直径总和减少至少30%;进展为存活肿瘤直径总和增加至少20%;稳定为不符合部分缓解或进展者。
- 原发TACE完全缓解预测模型含8个二元分割、6个参数(面积总效应0.744、均匀性0.267、肝硬化0.145、MPP 0.019、偏度0.003、峰度0.001),AUC 0.96、阳性预测值96.9%、阴性预测值82.5%、准确率88.9%。
- 原发TACE进展预测模型含7个二元分割、5个参数(面积0.974、峰度0.201、偏度0.078、MPP 0.004、均匀性0.003),AUC 0.88、阳性预测值58.3%、阴性预测值85.0%、准确率80.6%。
- 重复TACE完全缓解预测模型含3个二元分割、仅面积一个参数(总效应0.986),AUC 0.83、阳性预测值80.0%、阴性预测值83.3%、准确率75.0%。
- 重复TACE进展预测模型含3个二元分割、3个参数(面积0.97、MPP 0.125、峰度0.068),AUC 0.86、阳性预测值83.3%、阴性预测值78.6%、准确率80.0%。
临床应用与阅片要点
- 本研究中心从放射科用于肿瘤患者纵向随访的软件中提取CT纹理参数,靶病灶分割为放射科报告常规步骤,纹理参数自动计算,解读医师无需额外操作。
- 作者认为决策树模型易于理解且可重复,不同于不可追踪的神经网络模型,便于融入常规工作流程。
- 作者指出部分纹理分析工具提供灰度共生矩阵等额外参数,可能进一步提高预测模型准确度。
局限性
- 研究样本量较小,但通过分析患者全部治疗病灶达到了建模所需的病灶数量。
- CT扫描在两台不同扫描仪系统上完成,可能产生CT衰减值的轻微差异,从而对纹理参数造成偏倚。
- 病灶分割为手动完成,易出现误差;由三名放射科医师(其中两名具有长期肝脏影像经验)对分割ROI进行共识读片以减少该误差。
- 分析基于轴位图像数据集上的2D分割,这是为符合mRECIST标准;3D分析在肿瘤异质性方面可能更准确。
全文中译12 节 · 点击展开
引言
肝细胞癌(HCC)占原发性肝癌的90%以上,就发病率而言是全球第六大常见癌症,也是全球癌症相关死亡的第四大常见原因[1–3]。根据临床实践指南,诊断为中期或晚期肿瘤疾病的患者不适合行根治性手术切除,而是分配至局部区域介入治疗,或者替代性地接受蛋白激酶抑制剂治疗如索拉非尼[3, 4]。特别是在巴塞罗那临床肝癌(BCLC)B期患者中,经导管动脉化疗栓塞(TACE)在许多机构中代表标准治疗方案[3, 5, 6]。此外,TACE也是BCLC A期等待肝移植患者中最广泛使用的桥接治疗。TACE的疗效已在随机对照试验中得到证实[7, 8]。然而,总生存期的显著差异提示并非所有治疗的病灶都会对TACE有效应答,因为HCC患者在治疗后表现出广泛的潜在短期和长期结局[9]。
近年来,人们致力于识别可能预测HCC病灶对TACE治疗应答的生物标志物,旨在促进决定患者应接受初次或重复TACE还是采用不同方式治疗的决策过程。所使用的预测算法基于实验室结果和临床评分[10]或源自CT或MRI纹理分析的影像学参数[11, 12]。此类概念的出现展示了局灶性肝病患者向精准医学发展的新兴趋势,并描绘了将HCC病灶评估扩展到当前分类系统之外的一般能力。
虽然已有的预测方法考虑了几个参数,但它们通常仅被单独和二分类使用。通过将多个因素嵌套到决策树模型中,可能使用决策树内不同位置处冗余因素的不同阈值,可能进一步提高治疗应答预测的准确性。
本研究的目的是探讨基于直方图的CT纹理分析衍生的嵌套决策树模型在根据改良实体瘤疗效评价标准(mRECIST)预测HCC病灶对TACE治疗应答中的价值,以证明在初次和重复TACE之前准确预测完全缓解和疾病进展是可行的。
材料与方法
研究样本
本回顾性研究经机构审查委员会批准;患者签署了书面知情同意书。纳入观察窗口期2011年1月至2017年9月期间接受TACE治疗且经组织病理学证实为HCC的所有患者。排除标准为:(1)无肝脏基线动态对比增强CT的患者;(2)治疗后最早4周缺乏随访CT影像的患者;(3)CT图像无诊断价值的患者。最终研究样本由37例患者共92个单独治疗的HCC病灶组成(图1)。
纳入接受姑息性TACE的BCLC B期患者,以及因不适合手术或作为等待肝移植期间桥接治疗而接受TACE的BCLC A期患者。由于疾病分期存在初始异质性,本研究仅聚焦于根据mRECIST预测靶病灶缓解,未评估长期结局参数,例如总生存期。
CT成像
所有患者均按照本机构标准肝脏成像方案接受四期CT检查。成像采集如下:平扫期、晚动脉期(AP)、门静脉期(PVP)和3分钟延迟期(DP)。CT检查在128层(Somatom Definition Edge,Siemens Healthineers;管电压设置100 kV,有效管电流110 mAs;准直128 mm × 0.6 mm,螺距0.6,旋转时间0.5 s,层厚1.5 mm)或256层(Somatom Definition Flash,Siemens Healthineers;管电压设置100 kV,有效管电流65 mAs;准直128 mm × 0.6 mm,螺距0.6,旋转时间0.5 s,层厚1.5 mm)扫描仪系统上采集。平扫后,经静脉以4 ml/s的流率通过高压注射器(Ulrich Medical)注射1.2 ml/kg的370 mg I/ml碘普罗胺(Ultravist® 370,Bayer Pharma)。采用团注跟踪技术,在腹腔干水平降主动脉达到100 HU后18 s采集AP图像。PVP和DP图像分别在达到扫描启动阈值后70 s和180 s获得。CT检查时间点如下:TACE前1周内基线成像,TACE后4周首次随访成像,随后每3个月随访一次。
经导管动脉化疗栓塞操作
TACE操作由两名具有> 10年介入经验的介入放射科医师之一(C.J.Z.)完成。采用Seldinger技术穿刺右股动脉,分别将4-French cobra或sidewinder导管插入腹腔干和肝总动脉。若存在变异血管解剖,额外行肠系膜上动脉插管。为显示肿瘤供血动脉,行数字减影血管造影,并使用高柔顺性2.7-French微导管(ProGreat,Terumo)对供血血管行超选择性插管。为进行栓塞,在透视引导下缓慢注射载多柔比星的100-μm微球(Tandem Beads,Embozene,现为Boston Scientific),多柔比星最大剂量至150 mg。若较早观察到供血血管内血流停滞和肿瘤染色消失,则以较低的多柔比星总剂量终止注射。获得闭合性DynaCT以评估治疗成功与否。
图像和纹理分析
将所有患者及所有时间点的图像数据集导入mint Lesion™ 3.0软件(Mint Medical GmbH;市售)进行后处理。由一名具有2年腹部影像经验的放射科医师(J.V.)按照mRECIST标准,在动脉期图像(轴位平面,层厚1.5 mm)上对每个病灶进行手动分割。所有分割结果由一名具有>15年经验的腹部影像专科放射科医师(D.T.B.)和一名具有>15年经验的腹部影像及介入放射学专科放射科医师(C.J.Z.)审核。测量差异通过共识解决。分割感兴趣区(ROIs)的CT纹理分析由mint Lesion™软件基于灰度直方图自动完成,包括以下参数:熵、峰度、偏度、正像素均值(MPP)和正像素分布均匀性(UPP)。
按照mRECIST标准,在基线和随访CT检查上手动分割病灶强化部分后计算TACE治疗反应;mRECIST时间点反应评估标准如下:完全缓解(CR),任何瘤内动脉强化消失;部分缓解(PR),存活肿瘤直径总和至少减少30%;疾病稳定(SD),不符合部分缓解或疾病进展的任何病例;疾病进展(PD),存活肿瘤直径总和至少增加20%。如果病灶在TACE后未达到CR,且机构多学科胃肠道肿瘤委员会决定重复TACE治疗,则对病灶剩余强化部分设定新的基线。该新基线用于重复TACE后的后续反应评估。
提取所有CT纹理分析参数、mRECIST时间点反应和病灶测量值,特别是短轴和长轴直径(单位mm)及面积(单位mm²)。
统计分析与图形可视化
使用SPSS 14(IBM Corporation)进行描述性统计分析,使用JMP® 14.0(SAS Institute, Inc.)计算预测模型,两者均为市售软件。
将HCC分为两组:(1)既往未治疗、接受首次TACE的病灶(VT病灶);(2)因首次TACE后反应不完全或疾病进展而接受重复TACE的病灶(RT病灶)。进行此步骤是为了区分首次治疗序列是否对剩余存活肿瘤部分的纹理有任何影响,从而判断准确反应预测所需的参数阈值是否需要改变。基线特征采用独立样本Student t检验、卡方检验和Fisher精确检验进行比较(显著性水平p < 0.05)。
两个数据集被导入 JMP® 的 Prediction Profiler 模块。以 CR 或 PD 作为结局参数。该模块在建模过程中创建了不同的测试数据集和确认数据集,并基于肿瘤大小(面积)、周围肝实质(肝硬化 vs 非肝硬化肝脏)以及 CT 纹理分析参数计算预测模型,最终生成四种不同的决策树模型,每个模型各自参数均自动生成最佳判别阈值:(1)VT 病灶以 CR 为预测目标,(2)VT 病灶以 PD 为预测目标,(3)RT 病灶以 CR 为预测目标,(4)RT 病灶以 PD 为预测目标。病灶分类基于二元分裂。每个节点的最小分裂大小设为十个病灶以避免过拟合。
生成参数对模型的贡献、受试者工作特征(ROC)曲线以及用于描述模型性能的混淆矩阵。基于混淆表计算阳性预测值(PPV)、阴性预测值(NPV)和准确率。
结果
基线特征
在纳入的 92 个病灶中,17 个见于女性,75 个见于男性。基线影像时的平均年龄为 70.3 岁(± 9.3,范围 49–88)。87%(80/92)的病灶起源于肝硬化肝脏,而 13%(12/92)位于非肝硬化肝实质。每例患者 HCC 病灶的平均数为 3 个(范围 1–7)。病灶在不同解剖肝段之间的分布不均匀,大多数见于右肝叶(67/92,67.8%),尤其是 VIII 段(31/92,33.7%)。所有基线特征总结于表 1。本研究中 72 个 HCC 病灶接受单次 TACE 治疗,而 20 个肿瘤需要重复治疗次数(范围 2–4 次 TACE 治疗)。
与 RT 病灶相比,VT 病灶的 MPP 显著更高(180.5 ± 213.6 vs 92.8 ± 21.6,p = 0.001)。未观察到基线 CT 纹理参数的其他显著差异。数据总结于表 2。
对 TACE 治疗的缓解
在初次 TACE 组中,72 个病灶中有 38 个(52.8%)在治疗后影像上显示 CR(示例见图 2);16 个病灶(22.2%)在随访 CT 上显示 PD。在重复 TACE 组中,20 个病灶中有 8 个(40%)被评定为 CR,而 8 个病灶(40%)在随访影像上显示 PD。
每个病灶随时间的变化过程以及随访影像时间点的靶病灶缓解情况以泳道图展示(补充材料)。与 RT 病灶相比,VT 病灶的总体疾病随访平均时间框架显著更长(268 ± 235 天 vs 171 ± 110 天,p = 0.01)。疾病相关死亡或肝移植的时间点在泳道图中可视化。
病灶对首次TACE治疗反应的预测
用于预测VT病灶完全缓解(CR)的计算决策树模型包含8个二元分裂,使用6个参数对病灶进行准确分类。这些参数如下:面积(总效应0.744)、均匀度(0.267)、肝硬化(0.145)、MPP(0.019)、偏度(0.003)和峰度(0.001)。该模型的ROC曲线分析达到曲线下面积(AUC)0.96。72例中有64例获得正确预测, resulting in PPV为96.9%、NPV为82.5、准确率为88.9%。该模型可视化见图3。
用于预测VT病灶进展性疾病(PD)的决策树模型包含7个二元分裂,使用5个贡献参数:面积(0.974)、峰度(0.201)、偏度(0.078)、MPP(0.004)和均匀度(0.003)。ROC分析达到AUC 0.88。72个病灶中有58个预测了正确的目标反应(PPV 58.3%、NPV 85.0%、 resultant accuracy 80.6%)。该模型可视化见图4。
病灶对重复TACE治疗反应的预测
用于预测RT病灶完全缓解(CR)的决策树模型包含3个二元分裂,仅有1个贡献参数(面积;总效应0.986)。该模型的AUC为0.83。20个病灶中有15个预测了正确的目标反应(PPV 80.0、NPV 83.3%、 resultant accuracy 75.0%)。该模型可视化见图5。
用于预测RT病灶进展性疾病(PD)的决策树模型包含3个二元分裂和3个贡献参数:面积(0.97)、MPP(0.125)和峰度(0.068)。该模型的AUC为0.86,20个病灶中有16个预测了正确反应(PPV 83.3%、NPV 78.6%、 resultant accuracy 80.0%)。该模型可视化见图6。各模型的参数效应列于表3。
讨论
本研究的目的是评估基于治疗前CT纹理参数构建决策树模型,以根据mRECIST标准预测HCC病灶对TACE治疗完全缓解或疾病进展的可行性。我们的结果表明,对于接受初次TACE和重复TACE的HCC,两种目标缓解均可高精度预测。据我们所知,这是首次针对该肿瘤实体描述嵌套多参数预测模型。
我们的研究样本代表了通常被分诊至TACE治疗的两类患者人群:患有中期疾病、接受姑息性局部区域治疗的个体,以及患有早期疾病、不适合手术或正在接受桥接TACE等待肝移植的患者。我们研究样本的平均年龄和性别分布与西方世界典型的HCC流行病学特征相符[13]。
基于图像的纹理分析是一种新兴方法,可基于灰度直方图获取病灶异质性的额外定量信息。它用于提取和处理感兴趣区域内的像素分布。CT和MRI成像通常都是适合进行分析的模态,有可能作为预后和治疗反应的无创成像生物标志物[14, 15]。许多研究评估了该方法用于各种肿瘤实体的可行性,并取得了有前景的结果,例如子宫内膜癌[16]、胰腺癌[17]和非小细胞肺癌[18]。已有若干已发表研究聚焦于预测HCC对经导管动脉化疗栓塞的治疗反应[11, 12, 19, 20]。强烈的动脉期强化、较小的肿瘤尺寸和较低的同质性被发现是完全缓解结局的显著预测因素。我们的结果证实了这一观察,因为尤其是病灶大小是所有预测模型中总效应最高的参数。以参数均匀性和MPP表示的肿瘤异质性,在旨在预测接受初次TACE病灶的目标缓解时也被证明具有相关效应。
然而,在以重复TACE治疗反应预测为目标时,动脉期强化似乎不那么重要,因为它仅在预测RT病灶进展性疾病的模型中有效,而在完全缓解模型中无效。我们将这一发现解释为初次TACE治疗所致病灶基础血管化的改变。由于血管阻断与细胞毒性化疗药物预期的协同效应,肿瘤的血管床已受到充分损伤,从而影响实质灌注。因此,重复TACE的成功并不主要取决于治疗前CT成像上的良好动脉期强化。初次TACE治疗后血管化的这一变化还得到以下事实的支持:与计划接受初次治疗的病灶相比,我们在接受重复TACE治疗的病灶中观察到显著更低的MPP。因此,动脉期对比强化本身在接受重复TACE治疗的HCC中是一个相关性较低的预后参数。
Fujita等[21]于2008年进行的一项研究支持我们的假设,该研究揭示了治疗前CT扫描上的动脉期强化与碘化油(Lipiodol)摄取之间的差异。在他们的研究中,基线CT图像上强化差至无强化的肿瘤中有14.5%却显示出中度至完全的Lipiodol蓄积,强调治疗成功并不总是与基线CT或肝血管造影上的病灶强化相关。这可能影响对TACE治疗疗效的预测,并凸显了嵌套多参数模型的优势——该模型将影响组织特征置于加性矩阵中,而非基于单一参数的预测尝试用于肝细胞癌患者。
我们的预测模型,尤其是带有阈值的决策树可视化(允许二元分割所采用的参数),是将HCC的CT纹理分析转化为未来临床实践的一种新范式。决策树在广泛的医学和非医学专业中广受欢迎,原因多种多样,易于解释性可能是最重要的优势。与其他人工智能模型相比——后者也日益进入临床实践,但通常基于不可追踪的神经网络——决策树模型对使用者而言是可理解且可复现的。
除临床相关性外,可实施到常规工作流程中是旨在将研究创新转化为临床实践时的主要挑战之一。我们从放射科医生在我科用于肿瘤患者纵向随访成像的软件中提取了CT纹理参数。由于靶病灶分割是常规为放射学报告而进行的,且CT纹理参数自动计算,因此阅片放射科医生无需执行额外任务。与使用额外软件解决方案进行分析相比,这是一项优势,后者会导致日常工作量增加。然而,其中一些纹理分析工具提供额外参数,例如灰度共生矩阵,这可能进一步提高预测模型的准确性。
我们的研究存在若干局限性。研究样本量较小;然而,通过分析患者所有接受治疗的HCC病灶,我们获得了足够数量的病灶用于建模。CT扫描在两种不同的扫描仪系统上进行。由此可能产生的CT衰减值轻微差异可能导致纹理参数的偏倚。但由于两台扫描仪均由同一厂商制造,且我们始终使用相同的成像方案,我们认为这一可能误差的重要性较低。病灶分割为手动完成,而手动分割总是容易出错。由三位放射科医师(其中两位具有长期肝脏成像经验)对分割ROI进行共识判读,应将此误差降至最低。最后,我们的分析基于轴位图像数据集上的2D分割。这是由于分析依据mRECIST标准进行,尽管对病灶进行3D分析在肿瘤异质性方面可能更为准确。
总之,我们的研究提供了强有力的证据表明,在使用嵌套多参数决策树模型时,TACE术前基线成像中HCC病灶的CT纹理分析可用于准确预测治疗反应,而该模型对于参与TACE患者分诊决策过程的所有人来说都易于理解。
补充信息
(PDF 899 kb)
引用
- Vosshenrich J, Zech CJ, Heye T, et al. Response prediction of hepatocellular carcinoma undergoing transcatheter arterial chemoembolization: unlocking the potential of CT texture analysis through nested decision tree models. Eur Radiol. 2020. PMID: 33274405. doi:10.1007/s00330-020-07511-3
- 全文:PMC8128820(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8128820/
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。