基于MRI指数病灶影像组学与机器学习检测前列腺癌包膜外侵犯的多中心研究
该回顾性多中心研究纳入193例接受根治性前列腺切除术的前列腺癌患者,从T2WI和ADC图提取影像组学特征训练SVM模型检测包膜外侵犯。模型在外部测试集准确度分别为79%和74%,与专家放射科医师(81%-83%)无统计学差异,优于基线参考。
要点
- 模型仅需T2WI和ADC图上的病灶分割,不依赖DCE序列,便于推广。
- 外部测试准确度74%-79%,与经验丰富放射科医师(81%-83%)无显著差异。
- 模型可作为放射科医师评估包膜外侵犯的辅助工具,尤其帮助经验不足者。
核心结论
- 基于影像组学特征的机器学习模型在多中心外部测试中展现出对前列腺癌包膜外侵犯的高准确度和良好泛化性,性能与专家放射科医师相当。
研究设计与样本
- 回顾性多中心研究,纳入3家意大利机构193例接受根治性前列腺切除术的前列腺癌患者(训练集104例,外部测试集分别为43例和46例)。
- 从轴位T2WI和ADC图手动分割指数病灶并提取影像组学特征,采用ICC≥0.75、方差阈值0.1、共线性阈值0.8及相关性特征子集评估筛选特征,训练径向基核SVM模型(C=3, gamma=0.01)。
- 参考标准为根治性前列腺切除标本的病理学包膜外侵犯评估,依据国际泌尿病理学会共识标准。
诊断标准与关键数值
- 训练集准确度83%,AUC 0.83;外部测试集2准确度79%、AUC 0.80;测试集3准确度74%、AUC 0.73。
- 放射科医师在测试集2和3的准确度分别为81%和83%,与SVM模型无统计学差异(p=1和p=0.39)。
- SVM模型在两个测试集均优于基线参考(测试集2 p=0.001,测试集3 p=0.02)。
临床应用与阅片要点
- 模型仅需T2WI和ADC图上的病灶分割,不依赖DCE序列,适合双参数MRI协议。
- 模型可作为放射科医师评估包膜外侵犯的辅助工具,尤其可支持经验不足的读者。
- 未来可探索将影像组学特征整合到EPE分级评分系统中以提高诊断准确性和可靠性。
局限性
- 回顾性设计,无法进一步探究除手动分割外的其他影像组学特征可重复性影响因素(如扫描仪差异)。
- 各中心由一名经验丰富的放射科医师评估本中心病例,可能存在因读片者水平差异导致的偏倚。
- 测试集3的准确度(74%)低于测试集2(79%),不能完全排除病例抽样偏倚,且测试集3的扫描仪厂商和场强与训练集差异最大。
全文中译11 节 · 点击展开
引言
前列腺癌(PCa)的诊断路径正在迅速演变,多参数磁共振成像(mpMRI)在肿瘤检出中发挥着日益核心的作用。事实上,它能够识别值得进行靶向活检的病灶,而靶向活检与系统采样相结合可实现更准确且具有临床相关性的前列腺癌评估[1–3]。然而,mpMRI的价值可能超越前列腺癌检出,目前人们高度关注其在识别疾病前列腺外延伸(EPE)方面的准确性[4]。尽管mpMRI确认的器官局限性病变可导向更为保守的手术方式,但mpMRI的敏感性相对较低且异质性较大,目前阻碍了其在该任务中的广泛采用[5, 6]。这至少部分可能是由于对mpMRI可检测的多种EPE征象的判读缺乏标准化,尽管该技术本身的固有局限性也不能排除。在此背景下,近期已有研究探索提高mpMRI用于前列腺癌局部分期的性能的策略,并发布了专门用于mpMRI上EPE报告的评分系统,其中Mehralivand等人提出的名为EPE grade的评分系统似乎最有前景,尚待验证[7–10]。在提示EPE的若干mpMRI特征中,该评分系统聚焦于肿瘤包膜接触长度、包膜膨隆和/或不规则以及明确的包膜突破[9]。然而,最新版前列腺影像报告和数据系统(PI-RADS v2.1)还提出了其他公认的mpMRI征象,放射科医师在做出关于EPE预测的决策时应予以考虑,例如神经血管束不对称和直肠前列腺角消失[11]。此外,用于EPE预测的最佳肿瘤包膜接触阈值仍需界定,EPE grade和PI-RADS v2.1提出了不同的截断值[9, 11–13]。与此同时,前列腺mpMRI已成为影像组学领域众多成像模态研究对象之一,影像组学是一个多步骤过程,允许从医学图像中提取定量特征,用于构建决策支持模型[14–16]。已有探索性影像组学研究评估了将影像组学(无论是否与机器学习(ML)结合)应用于mpMRI图像进行EPE预测的可行性,结果令人鼓舞[17–21]。然而,由于采用单中心数据集,其发现在泛化性方面存在局限。本研究旨在评估仅由影像组学数据驱动的ML算法在识别EPE方面的性能,并将其诊断准确性与专家放射科医师进行比较,使用两个独立的外部数据集进行验证。
材料与方法
各机构相应的当地机构审查委员会批准了这项回顾性研究,并豁免了书面知情同意的需要。
患者人群
本研究纳入了来自意大利都灵Molinette医院(中心1)、都灵Mauriziano Umberto I医院(中心2)和那不勒斯Federico II医院(中心3)的患者。我们回顾性分析了2015年11月至2018年10月期间在各中心因疑似前列腺癌(PCa)而接受前列腺MRI检查的连续患者。纳入标准如下:存在索引病灶(PI-RADS评分≥3,根据PI-RADS指南定义,由原始阅片者评定),且通过靶向活检在MRI后3个月内于索引病灶处获得PCa存在的活检确认(定义为Gleason评分≥3+3);活检后3个月内接受根治性前列腺切除术(RP)治疗。仅将MRI存在显著伪影或检查不完整(即因幽闭恐惧症而中断)的患者排除在后续分析之外。分析病理报告以评估是否根据国际泌尿病理学会共识会议标准[22]在RP标本上于索引病灶位置识别出前列腺外侵犯(EPE)。中心1的患者用于训练和调优机器学习(ML)模型,而中心2和中心3的患者作为独立的外部测试集用于验证其性能。
MRI采集
中心1和中心2的MRI检查在1.5-T扫描仪(Achieva和Ingenia,Philips Medical Systems)上进行。中心3采用3-T扫描仪(Magnetom Trio,Siemens Medical Solutions),使用表面相控阵线圈和集成脊柱相控阵线圈。所有中心均未使用直肠内线圈。所有采集方案均包括轴位T2加权(T2w)和扩散加权图像(DWI),以及相应的表观扩散系数图(ADC)。更多细节见补充材料。
影像组学分析
所有纳入患者的轴位T2w和ADC图像在分析前均使用dcm2niix [23]手动匿名化并转换为NIfTI格式。索引病灶位置提供给一名泌尿生殖放射科医师(>5年经验),其在T2w和ADC图像上对整个索引病灶体积进行手动分割(图1)。为评估与手动分割相关的特征可重复性,另外两名阅片者(一名放射科医师和一名放射科住院医师)独立标注了来自中心1训练集中随机选取的30例患者的子集。补充材料包含关于额外标注的更多细节。这些分割用于以下详述的特征选择步骤之一中的组内相关系数(ICC)计算。所有分割均使用专用软件(ITK-SNAP,v3.8)[24]。
采用PyRadiomics(v3.0)进行特征提取[25]。预处理包括体素重采样至1×1×1 mm、全图灰度z-score归一化、乘以100因子缩放和阵列平移(平移300),随后以固定箱宽(=5)进行离散化。原始图像和滤波后图像均用于计算三维形状、一阶和纹理特征。具体而言,采用多个sigma值(=1、2、3、4、5)的高斯-拉普拉斯滤波以及在x、y、z轴上所有高通和低通滤波器组合的小波分解,以突出索引病灶的纹理特征。补充材料包含用于提取的完整设置文件。
特征预处理与选择
使用scikit-learn Python3软件包和Weka数据挖掘软件进行后续分析步骤(v3.8)[26, 27]。特征选择过程完全在site 1训练数据集上进行,以避免任何可能使最终模型产生偏倚的信息泄漏。在训练数据上拟合了一个归一化缩放器(范围 = 0–1),并用于转换所有3个数据集。
特征选择的第一步包括:通过对三名独立阅片者获得的结果进行ICC分析,排除不可重复的特征。使用相同设置从各自的注释集(n = 30)中提取影像组学特征。所得数据集用于计算每个参数的ICC值。采用双向随机效应、单评分者、绝对一致性ICC模型,≥ 0.75的值被认为“重复性良好”,这是纳入分析的最低要求[28]。随后,对每个特征应用方差过滤器(阈值 = 0.1),以去除信息含量低的参数。使用成对相关性,高度共线性(阈值 > 0.8)的特征也被排除在分析之外。最后,使用Weka数据挖掘平台(v3.9)基于相关性的特征子集评估器,在其余特征中识别最佳特征子集。
机器学习
采用支持向量机(SVM)算法开发EPE的预测模型。使用合成少数类过采样技术[29]平衡训练集类别。在site 1整个数据集上进行最终训练之前,使用分层10折交叉验证进行模型调优。随后在2个外部数据集(site 2和site 3)上独立测试最终模型性能,计算混淆矩阵衍生的准确性指标和受试者工作特征(ROC)曲线。还获得了每个测试集的Brier评分和校准曲线,以评估预测和校准损失。对于研究中纳入的每个中心,一名专家放射科医师(均具有> 5年前列腺MRI经验)基于整个前列腺mpMRI检查进行评估,并根据PI-RADSv2.1指南中先前建立的征象,将每个病例分类为EPE阳性或阴性[30]。这些阅片过程中未分配PI-RADS评分,因为PI-RADS评分未纳入ML分析。这些阅片用于为SVM的性能提供比较。
完整分析流程的概述见图2。
统计分析
连续变量采用Shapiro-Wilk检验进行正态性检验,并相应地以均数和标准差或中位数和四分位距表示。有序数据以数值计数表示,分类数据以比例表示。采用Kruskal-Wallis秩和检验评估各数据集间临床数据的差异,必要时以Dunn检验进行事后分析。采用Fisher精确检验比较3个中心之间EPE病例的分布。各测试集中的模型准确率(正确预测数/总病例数)还使用二项检验与基线参考(无信息率,即类别众数)进行比较,并使用McNemar检验与专家放射科医师的预测进行比较。p < 0.05被认为具有统计学意义,必要时进行多重比较校正。统计分析使用R软件环境进行[31]。
结果
共有193例患者符合选择标准:中心1 104例,中心2 43例,中心3 46例。其临床和人口学数据见表1。除中心2和中心3的PI-RADS评分外(p = 0.008),三个人群之间未发现显著差异。从其检查中,从T2w和ADC图像提取了1218个影像组学特征(完整数据集 = 2436个特征)。其中,T2w图像中55%(n = 675/1218)和ADC图中73%(n = 892/1218)的特征被判定为不可重复。在剩余的869个参数中,21个(2%)呈现低方差,也被从训练数据集中移除。互相关分析导致额外排除699/848个特征(82%),基于相关的子集评估器识别出14个特征用于训练模型,列于补充材料中(图3和图4)。
最终模型为具有径向基函数核的SVM分类器,C = 3,gamma = 0.01;训练好的模型文件可在补充材料中获取。在训练集中,获得了83%的总体准确率(正确/总体实例),ROC曲线下面积(AUC)为0.83。在外部测试集中,SVM在中心2数据中达到79%的准确率和0.80的AUC,在中心3中为74%和0.73(图5)。中心2和中心3数据的Brier评分分别为0.20和0.21(图6)。在两个测试集中,机器学习均优于基线参考(中心2 p = 0.001,中心3 p = 0.02)。混淆矩阵和完整准确率指标分别见表2和表3。放射科医师在中心2和中心3的准确率分别为81%和83%。与机器学习相比,两者均未达到统计学显著性(中心2 p = 1,中心3 p = 0.39)(表4)。放射科医师评估的混淆矩阵见补充材料。
讨论
我们的研究表明,放射组学驱动的机器学习在前列腺癌(PCa)中检测前列腺外侵犯(EPE)方面具有潜力,这可能进而改善患者管理和治疗选择。此前已有数项研究采用类似方法聚焦于这一任务[17–21]。在我们此前关于放射组学和机器学习用于EPE检测的单中心探索性研究中,所达到的准确性相似(82%),尽管仅通过单数据集中的交叉验证获得[21]。在先前的一项研究中,Krishna等将ADC图一阶特征,特别是熵,确定为有前景的EPE生物标志物(AUC 0.76)[19]。更近期,Ma等在单机构3T数据集中使用67例患者测试模型,获得了83%的准确性[20]。有趣的是,在他们的研究中,他们报告放射组学方法在EPE评估中显著优于放射科医师,但仅限于敏感性方面,而非特异性或总体准确性。Losnegard等分析了使用直肠内线圈在1.5-T扫描仪上采集的数据,其随机森林模型达到AUC 0.74[17]。这同样与放射科医师在同一数据上的表现(0.75)非常相似。最后,Xu等使用在3-T扫描仪上采集的数据,在测试集上获得了82%的准确性[18]。我们在训练数据集中的结果与这些先前研究基本一致(83%准确性);然而,这些研究均未进行外部测试。
在本研究中,我们决定不采用动态对比增强图像(DCE)来获取用于构建预测模型的放射组学数据。这一选择由若干考虑因素决定,主要是为了确保所得模型具有尽可能广泛的适用性和泛化性,并在合理可能范围内减少数据中的变异来源。关于第一点,不使用DCE的双参数前列腺MRI方案正变得越来越普遍,这也是为了适应当前指南中MRI作用日益增长所带来的对MRI检查不断增加的需求[5, 32]。不使用DCE的方案在EPE检测方面也已显示出与完整mpMRI相似的性能[33]。最后,DCE具有高时间分辨率,病灶强化的程度和速度既受技术和生理因素影响,也受病灶性质影响。因此,要排除DCE放射组学特征中的所有偏倚来源将具有挑战性,可能给数据增加更多噪声。因此,为使模型尽可能简单并可在大多数临床环境中使用,我们决定仅聚焦于T2w和ADC特征进行EPE预测建模。
由于结果的可重复性是放射组学和机器学习的主要局限性之一,我们选择了多中心设计,以便通过测试模型结果的泛化能力来直接评估这一问题[34, 35]。还应指出,我们的外部测试集由在不同扫描仪上采集的检查组成,其场强与训练数据不同。我们的意图是更好地代表真实世界临床实践,并更好地估计模型的性能。结果非常有前景,训练集准确率为83%,测试集分别为79%和74%,并且在两种情况下性能与专家放射科医师相当(分别为p = 1.00和0.39)。可以认为,图像预处理结合稳健的特征选择(包括特征稳定性测试)减少了在噪声数据上的过拟合。然而,应当指出,site 3测试集上的性能(74%)仍略低于site 2(79%)。不能完全排除由于病例抽样导致的偏倚;即,与另一个测试集相比,一个测试集中随机存在更具挑战性的病例,而与放射科医师在同一数据上的性能比较可能支持这一点。另一方面,我们希望强调,site 3在MRI扫描仪方面与site 1的差异最大,因为它不仅来自另一家厂商,而且场强更高。这两个因素也可能在不同程度上导致了模型性能的差异。总体而言,site 3外部测试集上的准确率仍可认为令人满意,尤其是考虑到其与专家放射科医师相比仍无显著差异(p = 0.39)。
有趣的是,我们的模型在外部测试集中获得的AUC(0.73–0.80)与使用EPE分级解读MR图像的经验丰富放射科医师所报告的AUC(0.77–0.81)相差不远[9, 10]。EPE分级已显示出实质性的阅片者间和阅片者内一致性,并且由于基于相对较少的影像特征,似乎相对容易实施[10]。然而,它仍有待前瞻性验证,并且需要一定程度专业知识才能使用。它也未能解决mpMRI用于EPE检测的当前局限性[36]。我们的模型仅需要病灶分割(该步骤也可以自动化),并且易于实施。可以假设,将我们的放射组学特征纳入EPE分级评分系统可能会进一步提高其诊断准确性和可靠性,同时在EPE评估中为经验较少的阅片者提供支持。类似地,未来研究可以评估纳入临床和实验室数据(如患者年龄、PSA/PSA衍生生物标志物或活检Gleason评分)是否会进一步改善我们的结果。
我们的研究存在一些应予说明的局限性。其设计为回顾性研究,除手动分割外,无法进一步探究更多可能导致放射组学特征可重复性受限的来源(例如扫描仪差异)。然而,我们认为,在单中心经验之后、前瞻性临床试验之前,开展回顾性多中心研究是必要的一步。我们由每个研究中心各一名经验丰富的放射科医师评估该中心的检查,这可能因操作者表现差异而产生一定偏倚。然而,在我们看来,这一选择优于由单一放射科医师判读其可能并不熟悉的MRI扫描仪所采集的检查,因为后者也可能对结果产生不利影响。
总之,放射组学与机器学习的结合已证实其在多中心环境下对前列腺癌(PCa)包膜外侵犯(EPE)检测仍具有良好的性能。该工具可有助于改善患者管理,并可为放射科医师进行前列腺癌分期提供有效支持。其开发的下一步应是开展前瞻性临床试验。
补充信息
ESM 1(DOCX 28 kb)
(MODEL 199 kb)
引用
- Cuocolo R, Stanzione A, Faletti R, et al. MRI index lesion radiomics and machine learning for detection of extraprostatic extension of disease: a multicenter study. Eur Radiol. 2021. PMID: 33792737. doi:10.1007/s00330-021-07856-3
- 全文:PMC8452573(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8452573/
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。