指南与共识技术与安全CTMRUSPET

将影像组学纳入临床试验:欧洲放射学会认可的关于数据驱动与生物学驱动定量生物标志物考量因素的专家共识

Incorporating radiomics into clinical trials: expert consensus endorsed by the European Society of Radiology on considerations for data-driven compared to biologically driven quantitative biomarkers.
指南 / 共识 · Eur Radiol · 2021-01-25

该专家共识由欧洲放射学会EIBALL、EORTC影像组及QIBA代表共同制定,比较数据驱动与生物学驱动定量影像生物标志物的标准化与验证路径。共识指出影像组学需在发现阶段纳入采集协议与疾病多样性数据集,经离散化与特征协调预处理,并强调交叉验证与外部验证对减少虚假发现和过拟合的必要性;生物学验证可在临床验证后开展但非强制。

要点

  • 影像组学特征选择应在采集协议和疾病表现多样化的数据集上开发,以避免特征与成像过程而非病理关联。
  • 离散化和特征协调是影像组学必要的预处理步骤,绝对或相对离散化方法显著影响纹理特征值。
  • 影像组学签名进入临床试验需多步骤标准化图像采集、图像分析和数据挖掘流程。

核心结论

  • 影像组学签名应先在代表采集协议多样性及疾病与正常表现多样性的数据集上开发,而非在标准化优化协议的临床试验内开发。
  • 技术验证需要两个完全独立的数据集,一个用于训练与交叉验证(内部验证),至少另一个用于测试最终模型并确认泛化性与性能(外部验证)。
  • 生物学验证可在影像组学签名的技术与临床有效性确立后进行,但并非强制。

研究设计与样本

  • 欧洲放射学会EIBALL与EORTC影像组及QIBA代表通过电话会议和书面交流进行结构化讨论形成的专家共识。
  • 共识对比生物学驱动与数据驱动生物标志物的标准化步骤,涵盖图像采集、图像分析和计算统计三个领域。
  • 图像采集标准化需考虑模态、扫描仪和扫描协议,涉及CT、MRI、FDG-PET及其他示踪剂核医学和超声。

诊断标准与关键数值

  • 手动感兴趣区勾画因边界感知差异引入观察者间和观察者内变异,观察者培训与按方案操作有助于改善。
  • 半自动分割方法如区域生长或水平集活动轮廓模型以及深度学习方法更可重复,但依赖其训练集可能引入其他误差。
  • Dice系数和Hausdorff距离等定量验证指标有助于确定分割可重复性。
  • 特征选择方法包括过滤法(ANOVA、相关性、RELIEF)、包装法(前向选择、后向消除、逐步选择)和嵌入法(LASSO、RIDGE回归)。
  • 影像组学过程测试成百上千参数组合存在虚假发现风险,传统多重检验校正会导致无法达到的p值。

临床应用与阅片要点

  • 影像组学签名用于临床试验时需对图像采集、图像分析和数据挖掘流程进行多步骤标准化。
  • 在已确立的试验中,影像组学可作为探索性终点:初始阶段利用超过最终队列数据三分之二(训练队列)识别最有前景的特征,后续阶段利用剩余患者(独立队列)评估所识别签名的性能。
  • 经先前验证的影像组学签名可作为主要或次要终点纳入临床试验,此时数据驱动生物标志物的路径与定量影像生物标志物无异。
  • 训练数据集应富集不同疾病严重程度的正常与异常病例以达到适当平衡,但性能评估应仅在代表自然患病率的人群上进行。
  • IBSI提供影像组学特征的通用定义与基准参考,并对图像采集参数和预处理方法的全面报告提供推荐。

局限性

  • 病例对照数据可能不能充分代表疾病,训练数据集需富集不同疾病严重程度的正常与异常病例以达到适当平衡。
  • 训练数据集中的偏倚限制泛化性,例如在高结核患病率且癌症少的人群中基于胸片肺结节开发的影像组学签名,将在癌症高患病率人群中过度诊断结核。
  • 图像采集偏倚(特定协议或设备采集的病例)可能使所选特征与图像采集而非图像内容关联,应用于独立人群时可能无法预测疾病。
  • 手动感兴趣区分割和使用本地开发的方法存在发现不可泛化特征的风险,可能受硬件或软件相关因素而非疾病本身影响。
  • 不同处理类型对后续提取特征变异性和预测模型性能的影响是开放研究领域。
全文中译15 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. 2021 Jan 25;31(8):6001–12. doi: 10.1007/s00330-020-07598-8

引言

定量成像生物标志物(QIBs)与受疾病及其治疗改变的组织特征相关。坏死降低组织细胞密度并增加含水量,表现为T2增高[1]、葡萄糖摄取减少[2]和弹性增加[3]。灌注成像可检测和表征富血供病变(如癌症),或监测抗血管生成药物的效果[4, 5]。将QIBs纳入临床试验遵循一条明确的路径,从发现、经过技术和生物学验证过程,到实施和临床验证。界定该过程的路线图已作为多方利益相关者的共识声明发表[6]。尽管如此,由于成像方案的相对复杂性以及在不同条件下(例如硬件、软件、方案和观察者变异性)定量输出的变异性,QIBs作为试验终点的采用一直较为缓慢[7]。

近年来,通过影像组学(radiomics)的概念,人们倡导了一种推导成像生物标志物的新方法[8, 9]。这一数据驱动的框架通过提取超出视觉可感知范围的高维数据(“特征”),利用计算统计学(通常基于机器学习算法)来预测或建立与有意义的临床终点的关联,从而在图像中“发现”定量信息[10, 11]。“影像组学特征”(数学推导特征的特定组合)的技术性能和临床性能决定其适用性。如认为必要,可在事后探索其与生物学过程的联系[12]。影像组学特征已与结局或缓解相关[13],并可与临床、组织学和基因组学指标一起作为特征列线图的一部分使用[14]。涉及数据驱动生物标志物的出版物呈指数增长,但并未伴随对其本质的基于机制的理解,而是聚焦于其对疾病和患者结局进行分类的能力(图1)。影像组学已用于检测癌症[15]、癌症分期[16]、进行分类[17]、评估化疗反应[18]、放射治疗[19–22]、免疫治疗[23–26]以及预测/预后生存[27]。

非机制性数据驱动方法的一个主要缺点是可能出现随机偶然关联。大多数研究在样本量不足的情况下,考察从离散化图像中提取的大量特征与预后/反应/结局之间的关联。对于依赖统计学而非生物学关联的生物标志物谱,要推广到多中心试验并实现可扩展性,需要的不仅仅是简单的标准化流程。此外,其验证路径需要纳入可能与传统公认方法存在实质性差异的评估措施。本文由来自欧洲放射学会EIBALL(欧洲影像生物标志物联盟)和EORTC(欧洲癌症研究与治疗组织)影像组的影像学专家以及QIBA(定量影像生物标志物联盟)的代表共同撰写,探讨数据驱动影像生物标志物的标准化和验证过程与基于生物学关联的生物标志物有何不同,以及在将其应用于临床试验并最终纳入临床常规时需要考量哪些措施。结构化讨论通过电话会议和书面通讯进行。

图1 过去6年放射组学相关出版物的增长(a)按患者状态/结局分类,(b)按生物学关联分类,数据使用所示MeSH术语从PubMed提取。放射组学出版物的指数级增长主要与a中所示的用途相关,而非与b中所示的其潜在生物学关联相关 查看原图 ↗

临床试验中放射组学流程的标准化

放射组学分析依赖于图像采集、图像分析和计算统计学[28],因此在这些领域进行标准化是验证前的必要步骤(表1)。由于放射组学分析已应用于CT [29–31]、MRI [32–36]、使用FDG-PET [37–42]和其他示踪剂[43, 44]的核医学以及超声[45],图像采集标准化需要考虑模态、扫描仪和扫描方案。图像分析标准化需要考虑软件(技术实现的一致性)和主观性(人为交互)。计算统计学标准化需要考虑算法和模型验证的充分性、性能和需求(图2)。

表1 生物学驱动与数据驱动生物标志物标准化步骤的比较(QA,质量保证;QC,质量控制;VOI,感兴趣体积) 查看原表 ↗
图2 比较生物学驱动和数据驱动生物标志物所需过程的路径。源自与特定生物学过程已知关联的生物学驱动生物标志物需要特定的预定采集方案和图像处理技术,并涉及具有公认要求的技术、生物学和临床验证步骤(绿色方框)。数据驱动生物标志物假设与生物学过程或结局相关的统计特征未知,因此需要从图像中提取所有可能的特征,并需要确定其技术和临床性能的步骤(橙色方框)。特征提取和选择取决于数据挖掘过程(机器和深度学习算法)。训练数据集和验证数据集允许选择最有前景的特征,独立测试数据集允许评估影像生物标志物的性能。生物学联系在事后探索 查看原图 ↗

图像采集与标准化

在数据驱动生物标志物的发现阶段,采集方案或机器的多样性因素是有利的,以便临床试验中使用的已识别放射组学特征在一系列平台上具有足够的稳健性[46]。用于放射组学特征开发的数据集必须代表疾病,并捕获其将被使用时的变异性和严重程度。在临床试验框架内,如先前发表的建议和指南[6, 47–49]所述,优化的严格受控标准化成像方案确保图像质量(低噪声水平、无伪影、空间分辨率)和随时间推移的稳定性,并具有已知的场内和场间可重复性,其不超过与试验干预相关的预期变化水平[50]。体模研究对于高维信息的质量控制是有限的[51],因为合适的体模需要在现实环境中表现出高维性,并涵盖每种特征类型的要求。

图像标准化的基本方法包括通过滤波[52]进行像素大小重采样和/或相对于参考图像/组织的全局或局部均值和标准差对值进行重采样(重新缩放),或通过调整直方图[53]。标准化方法影响图像特征的可重复性[54, 55]。对于二阶统计特征,标准化后需要降低矩阵维度。这通过离散化(量化、灰度级重采样、直方图重新分箱)实现,并减少来自聚集强度值的噪声。选择绝对(固定箱大小)或相对(固定箱数量)方法显著影响纹理特征的值,并需要根据手头的临床任务进行优化[56–58]。形状特征(面积、质心、周长、圆度、费雷特直径)对强度值差异较不敏感。两种类型的特征仍然依赖于图像的空间分辨率。作为图像采集和预处理标准化的替代方案,特征的数值协调基于将可变特征分布转换到无批次效应的共同参考空间,以处理变化的成像条件[59, 60]

图像生物标志物标准化倡议(IBSI)[61]提供了影像组学特征定义和基准测试的共同参考,并为图像采集参数和预处理方法的全面报告提供了建议。

图像分析——分割

与生物学驱动的生物标志物一样,手动勾画感兴趣区会因边界感知的差异而引入观察者间和观察者内变异性。观察者培训并按方案操作有助于改善这一问题。半自动分割方法,例如区域生长或水平集活动轮廓模型[62]以及深度学习方法[63],具有更好的可重复性[64],但它们依赖于其训练集,这可能引入其他误差。定量验证指标[65],如Dice系数和Hausdorff距离指标,有助于确定分割的可重复性。对于需要对不同时间序列数据、参数图和模态进行配准的图像,应评估同源标志点对之间位置(距离)的偏差,这对非刚性图像配准尤为重要[66, 67]。

图像分析——特征提取

“手工设计”的影像组学从感兴趣体积(VOI)中提取预定义的人为设计特征[17]。这些特征包括形状特征、强度直方图指标和纹理参数(局部二值模式、灰度共生、游程长度、区域长度和邻域差分矩阵、自回归模型、马尔可夫随机场、Riesz小波、S变换、分形),这些参数在计算中需要特定假设,因此不同平台上的软件实现(即使均符合IBSI标准)以及同一软件不同版本之间可能产生不同结果[68]。已有关于影像组学特征计算和报告的建议提出,应报告数学公式和所应用的预处理。还应尽可能遵循IBSI[61]提供的信息和框架,以确保后处理(去噪、重采样、增强、空间对齐校正、分割和特征提取)的质量和相关性。其他描述性(放射科医师评分)、功能性(SUV、ADC、Ktrans)或临床参数若相关,可添加到影像组学特征集中。

计算统计学——特征选择

已有多种工具被描述[69–72]。为识别相关、非冗余且稳定的特征以构建模型,采用三类技术。过滤法(方差分析、相关性、RELIEF[73])依赖于准则函数,计算成本低,且通过将选择与模型构建分离而较少出现过拟合;然而,它们对不同数据集较为不稳定。包装法(前向选择、后向消除、逐步选择)结合特定机器学习算法来消除特征,但计算成本增加且过拟合概率高,因为模型训练使用的特征组合包含共同特征。嵌入法(LASSO、RIDGE回归)逐次嵌入特征,并在每次迭代中惩罚导致过拟合的模型系数。它们代表了过滤法和包装法之间的折衷。

计算统计学——分类器/模型

降维后,使用单变量或多变量逻辑回归、决策树、随机森林、支持向量机、神经网络等工具研究所选特征与临床结局的关联,这些工具在既往文献[65–68]中已有广泛描述,并用于定量影像生物标志物(QIB)和影像组学分析[24]。分类器的区分取决于临床结局的性质,即离散型(主要为二分类)或连续型[74, 75]。尚无工具被证明具有普遍优越性,大多数需要在调参复杂度与结果可解释性之间进行权衡。

计算统计学——深度影像组学(DR)

近期的进展是影像组学与深度学习(DL)的整合[76–78]。“发现影像组学”从数据中自动提取与给定查询(如诊断、预后)相关的深层特征,所得训练模型可应用于完整数据集,避免了易出错的分割步骤。由于DL可包含多种数据类型,电子病历中的相关信息可被利用。

验证影像组学输出

技术验证

在确定与疾病/结局相关的影像组学特征后,需要两个完全独立的数据集,一个用于训练和交叉验证(内部验证),至少另一个用于测试最终模型并确认泛化性和性能(外部验证)。训练和测试数据集均应具有足够的均一质量(数据平衡),并能代表影像组学模型所针对的患者人群。足够的样本(数量和多样性)对于训练和验证数据集至关重要,需考虑所纳入特征(“特征标签”)的数量和类型。使用包含不同病例患病率和/或高度不平衡的数据集测试模型,可能导致过度乐观的结论。特征选择可避免模型过度参数化,降低特征空间的维度(数据降维),并确保仅保留与任务相关的一小部分稳定原始特征子集。交叉验证模型结构的策略需要仔细考虑样本量、准确性估计和验证方法的选择(留出法、k折交叉验证、自助法)。网格搜索存在过拟合的风险,导致模型性能过度乐观,无法在其他数据集或临床实践中重现。最后,特征标签在多中心环境中的可重复性和再现性(受成像设备、采集方案和分析方法影响)是技术验证中的关键步骤[79–81]。与QIB一样,影像组学模型应使用跨机构的临床训练和测试数据集进行测试,以保证对代表性患者人群的泛化性。

生物学验证

在放射组学特征的技术和临床有效性确立后,可进行与液体/组织活检的生物学相关性验证,但并非强制性要求。与生存结局相关的放射组学特征可能潜在地反映与特定生物学相关的组织表型。生物学验证降低了放射组学特征因统计学偶然性而被选中或归因于用于模型开发的数据样本性质的可能性。它还提供了减少所选特征数量的机会。

临床验证

对于放射组学而言,证明单一定量特征或嵌入统计模型中的多个特征的临床效用,从而改善健康结局(改善疾病或个体患者的诊断或治疗管理)的过程正在被缓慢推进。在最初的“发现”之后,需要新的独立数据集来复制已识别模型的性能并在临床上对其进行验证。性能指标(如灵敏度和特异度)最好应在前瞻性试验中评估,或在临床中利用常规获取的临床数据(真实世界条件)进行前瞻性评估,以避免偏倚。表2列出了一些示例性研究及其临床用途。广义而言,应遵循并应用任何定量影像生物标志物(QIB)临床验证和临床效用评估的标准建议。

表2 示例性放射组学特征研究及其临床用途 查看原表 ↗

放射组学特征的生物学相关性

图像提供了组织几何结构和/或功能的平均宏观视图(在空间和时间上均存在较大的部分容积效应)。放射组学特征是表征图像宏观视觉方面的统计描述符,仅间接与所成像组织的微观组织学特征相关。这些特征随后被用作结局的统计/现象学描述,而非嵌入到该结局的实际生物学/物理学模型中——后者将明确建立特征与结局之间的因果关系。

关于视觉上不可感知的表型特征(如强度、形状、大小和纹理)的放射组学信息可区分良性和恶性肿瘤,可能反映不同的细胞形态[101]。在宫颈癌中,具有类似高体积肿瘤放射组学特征的低体积肿瘤患者预后更差,暗示在较早阶段即具有更具侵袭性的表型[36]。在一项肺癌研究中,纹理熵和聚类特征以及体素强度方差特征与免疫系统、p53通路、参与细胞周期调控的通路相关[102],并可用于预测EGFR突变状态[103]。然而,为何特定特征与特定通路相关仍未被探索,放射组学特征与细胞形态、密度、分布模式、排列和细胞器组成之间的关系有待进一步阐明。

尽管从数学上可以从数字图像中提取数百或数千个影像组学特征,但迄今为止大多数研究表明,少于20个特征可提示不良生物学行为,而这些特征主要与形状和纹理均匀性有关。二维形状特征提示多形性胶质母细胞瘤疾病进展更快、总生存期缩短[104]。肺癌CT扫描的形状和纹理特征已被证明可预测不良生物学行为(分别预测淋巴结转移和远处转移)[105]。在前列腺癌中,Gabor纹理特征(定义图像内的空间频率模式)可预测MRI上的Gleason分级。由于腺腔形状特征与Gleason分级相关,Gabor特征的可区分性可能是组织水平上腺体形状和形态变异的結果[106]。未来,前瞻性地选择少量相关特征应成为可能,以探究临床试验中正在被干预的特定生物学过程和通路,从而使临床问题有可能驱动生物标志物使用和分析的选择。然而,理解生物标志物的生物学基础以促进其被临床实践接受,并非影像组学等数据驱动过程的主要目标。很可能的情况是,以相对较高且临床可接受的性能对结局进行可靠建模,意味着生物学验证将不是主要关注点[107]。

数据驱动过程的局限性

在临床试验中为影像组学特征提取和选择定义训练数据集时,病例对照数据可予以考虑,但可能低估疾病代表性。必须在训练数据集中富集不同疾病严重程度的正常和异常病例,以达到适当的平衡。训练数据集中的偏倚限制了泛化能力。例如,在一个结核病高发且癌症很少的人群中,基于胸部X线检测到的肺结节开发的影像组学特征,将在癌症高发人群中过度诊断结核病。图像采集偏倚(被认定为疾病的病例采用特定方案或设备采集)——即所选特征与图像采集而非图像内容相关——在应用于独立人群时可能无法预测疾病。手动VOI分割和使用本地开发的方法学存在发现不可泛化特征的风险,这些特征可能受硬件或软件相关因素而非疾病本身的影响。训练数据集中多样但平衡的图像采集条件应能抵消这些影响。尽管平衡和多样性在发现阶段是必要的,但仅在代表自然患病率的人群中评估性能至关重要。

影像组学过程测试数百和数千种参数的组合,存在假发现的风险。传统的多重检验统计校正会导致p值无法达到。减少虚假相关和过拟合的策略包括通过数据增强(翻转、旋转和变形数据集以模拟新患者)人为增加样本数量。交叉验证或自举法是替代策略,但始终需要独立数据集来确认发现。

影像组学在临床试验中的实施

尽管发现阶段需要图像采集的多样性,但为了纳入临床试验,需要标准化的方案、预处理和后处理方法、特征提取的工具和算法,并通过集中式数据分析和公开可用的分析软件加以促进(表3)。要将放射组学纳入临床试验,可以考虑三种可能的情景。首先,当目标是发现放射组学特征时,试验应遵循所描述和说明的步骤(图2)。其次,放射组学“探索性终点”可作为已确立试验内的辅助研究。在此,两阶段过程将包括初始阶段利用最终队列数据的三分之二以上(训练队列)来确定最有前景的特征,以及后续阶段使用剩余患者(独立队列)来评估所识别放射组学特征的表现。第三,在使用先前已验证的放射组学特征时,可将其作为主要或次要终点纳入临床试验。在最后一种情况下,数据驱动生物标志物的路径与定量影像生物标志物(QIB)并无不同。

表3 将数据驱动生物标志物纳入临床试验的推荐流程 查看原表 ↗

总结与未来展望

数据驱动影像生物标志物提供超出人类阅片者所感知的信息。如果定义了特定的标准化和验证路径,并解决了与传统QIB相比的不同/额外障碍,则其益处可能得到利用。不同类型处理对后续提取特征变异性和预测模型性能的影响是一个开放的研究领域[13]。具有完善记录图像数据集的公共访问患者队列的可用性,预计将促进关于预处理和后处理方法的共识,并确定放射组学在临床试验中的效用。

虽然放射组学最终可能将所有定量图像衍生信息纳入一个共同框架,但目前的实施主要涉及感兴趣体积(VOI)内的强度、形状和纹理特征。未来,定量(甚至定性)功能信息,例如来自PET、SPECT、药代动力学建模和其他参数成像模态的信息,可能构成放射组学特征的一部分,并需要更小或生物学上更有意义的一组参数。深度放射组学也可能在试验中部署,近期研究已经证明了此类方法的潜力[108–111]。

无论明确的生物学相关性如何,一旦被采用并正确部署,数据驱动生物标志物可与临床数据和其他生物标志物(生化、遗传、表观遗传、转录因子、蛋白质)相结合。放射组学的这种扩展使用最终应改善临床试验中的疾病表征、预后分层和反应预测,最终推进精准医学。

引用

  1. Fournier L, Costaridou L, Bidaut L, et al. Incorporating radiomics into clinical trials: expert consensus endorsed by the European Society of Radiology on considerations for data-driven compared to biologically driven quantitative biomarkers. Eur Radiol. 2021. PMID: 33492473. doi:10.1007/s00330-020-07598-8
  2. 全文:PMC8270834(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8270834/

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。