深度学习鉴别结直肠癌肝转移与肝血管瘤:门静脉期CT研究
本研究回顾性纳入两家中心288例结直肠癌患者的534枚肝转移灶和262枚血管瘤,评估基于门静脉期CT的深度学习模型鉴别效能。ResNet-152在测试集AUC为0.776(95% CI: 0.703-0.848)。DL辅助可提升放射科医师鉴别10-30 mm病灶的AUC(0.851升至0.879,p=0.015),但对亚厘米病灶无显著提升(p=0.558)。
要点
- DL辅助能改善放射科医师对10-30 mm肝转移与血管瘤的鉴别(AUC 0.851升至0.879)。
- 亚厘米病灶自动分割Dice仅0.692,显著低于10-30 mm的0.861,DL辅助无显著获益。
- 结直肠癌患者亚厘米肝结节难以定性时,应考虑进一步MRI检查。
核心结论
- 深度学习模型可辅助放射科医师在门静脉期CT上区分结直肠癌患者10-30 mm肝转移与血管瘤。
- DL辅助诊断对亚厘米(≤10 mm)结直肠癌肝转移和血管瘤的鉴别价值有限。
研究设计与样本
- 回顾性研究,纳入2018年1月至2024年4月兰州大学第二医院和四川省人民医院两家中心的结直肠癌患者。
- 共纳入288例结直肠癌患者,534枚肝转移灶(134例患者)和262枚血管瘤(154例患者)。
- 采用TotalSegmentator进行肝脏及病灶自动分割,DenseNet-201和ResNet-152三维卷积神经网络进行分类。
- 参考标准为肝活检病理、钆塞酸增强MRI或多次随访观察确认。
- 5名不同年资放射科医师(3-35年腹部影像经验)进行多阅片者多病例分析。
关键影像表现/征象
- Grad-CAM热力图显示DL模型关注病灶边界和强化模式,与放射科医师诊断思路一致。
- 亚厘米病灶因部分容积效应导致边界模糊,CT影像特征不明显,自动分割准确度下降。
- TotalSegmentator对亚厘米病灶的Dice系数为0.692±0.099,低于10-30 mm病灶的0.861±0.033。
诊断标准与关键数值
- ResNet-152模型在训练集、验证集和测试集的AUC分别为0.875、0.858和0.776(95% CI: 0.703-0.848)。
- DenseNet-201模型在训练集、验证集和测试集的AUC分别为0.892、0.847和0.735。
- 10-30 mm亚组中,ResNet-152在测试集AUC为0.778(95% CI: 0.704-0.851)。
- 亚厘米亚组中,ResNet-152在测试集AUC为0.667。
- DL辅助下放射科医师诊断10-30 mm病灶的AUC从0.851提升至0.879(p=0.015)。
临床应用与阅片要点
- DL辅助对低年资放射科医师鉴别10-30 mm肝转移与血管瘤的增益较为明显。
- 结直肠癌患者亚厘米低强化肝结节定性困难时,应补充MRI检查而非依赖DL辅助。
- 报告亚厘米肝结节时需注意DL分割精度下降可能影响诊断可靠性。
局限性
- 回顾性研究设计,仅约20%的肝转移和血管瘤经病理证实。
- ResNet-152模型AUC从内部验证的0.858降至外部测试的0.776,提示泛化能力有待改善。
- 亚厘米病灶组测试集样本量较小(24枚肝转移和8枚血管瘤)。
全文中译21 节 · 点击展开
引言
结直肠癌(CRC)是一种全球范围内发病率和死亡率均较高的恶性肿瘤 [1, 2]。在新诊断的结直肠癌病例中,20% 在初诊时即已出现转移性疾病,另有 25% 最初分期为局限性疾病的患者随后发生转移进展 [3]。肝脏是转移扩散最常见的部位,结直肠癌肝转移(CRLMs)是影响患者长期生存的主要因素 [3, 4]。因此,通过放射学评估及时发现并定性结直肠癌肝转移灶,对于选择恰当的疾病管理和治疗方案至关重要。然而,结直肠癌肝转移灶很容易与肝血管瘤(HMs)——常见的肝脏良性病变——相混淆,尤其是当病灶 ≤ 10 mm(亚厘米级)时 [5–10]。这可能导致患者在随访期间被错误地进行转移分期并接受不必要的治疗。
美国国立综合癌症网络(NCCN)和欧洲肿瘤内科学会推荐将增强计算机体层成像(CECT)作为结直肠癌患者术前评估和术后随访的首选影像学工具 [11, 12]。然而,放射科医师依靠 CECT 区分结直肠癌肝转移灶和肝血管瘤的诊断效能通常有限 [9]。放射科医师区分亚厘米级结直肠癌肝转移灶和肝血管瘤的多分类判别指数为 0.846–0.939 [9]。既往研究表明,钆塞酸增强磁共振成像(MRI)在检测和定性亚厘米级肝脏病灶方面优于 CECT [13–15]。MRI 对亚厘米级肝转移灶(LMs)的诊断准确率为 0.965,灵敏度为 97.47% [16]。尽管 MRI 具有诊断优势,但基于 CECT 的肝转移灶评估仍是结直肠癌诊疗路径中不可或缺的组成部分,尤其是考虑到其在常规临床实践中的稳固地位。因此,有必要进一步改进方法学,以提高使用 CECT 对不确定肝脏病灶进行定性时的诊断信心。
深度学习(DL)辅助医学诊断已成为未来医学发展的重要方向。基于 CECT 的深度学习可实现胰腺癌和肝脏局灶性病变的早期检测与诊断 [17, 18]。其中,针对肝脏局灶性病变的深度学习诊断工具尚未根据病灶大小进行亚组分析,因此我们无法确定其在区分亚厘米级结直肠癌肝转移灶和肝血管瘤方面的效能 [18]。此外,影像组学是一种从医学图像中提取定量数据并用于辅助疾病检测和诊断的技术 [19]。Bae 等 [9] 证明影像组学模型可有效区分结直肠癌肝转移灶、肝血管瘤和肝囊肿。然而,当肝脏病灶小于 10 mm 时,影像组学模型的效能较差。能否通过三维病灶特征或深度学习方法进一步优化模型的鉴别效能,值得进一步研究。
在本研究中,我们旨在评估深度学习模型使用门静脉期 CT 图像对肝血管瘤和结直肠癌肝转移灶进行分类的效能,并将其诊断准确性与放射科医师进行比较。
材料与方法
两个中心的伦理委员会批准了这项回顾性研究,并免除了知情同意要求(批准编号:2022A-298 和 2025-292)。
数据集与研究设计
2018年1月至2024年4月期间入住两家医院(兰州大学第二医院和四川省人民医院)的伴有结直肠癌肝转移(CRLMs)或肝血管瘤(HMs)的结直肠癌(CRC)患者被考虑纳入本回顾性研究。纳入标准为:(a)18岁或以上;(b)病理证实为CRC;(c)CRLMs和HMs经肝活检病理、钆塞酸增强MRI或多次随访观察证实;(d)肝脏病灶数量少于10个。排除标准为:(a)其他恶性肿瘤;(b)CECT门静脉期图像伪影;(c)所有病灶最大直径大于或等于30 mm;(d)肝硬化患者;(e)肝脏手术史;(f)热消融或靶向治疗期间的CECT门静脉期图像(图1)。
患者特征,包括年龄、性别和病灶直径(mm),从电子数据库和影像归档与通信系统(PACS)记录中获取。
病灶检测与参考标准
所有经活检或常规断面影像技术[MRI、正电子发射断层扫描/X射线计算机断层扫描(PET/CT)]确诊的CRLMs和HMs病灶被随机分配用于临床评估。此外,参考标准并非按顺序应用。鉴于本研究的回顾性性质,所有在参考标准下诊断的病灶均经系列随访影像证实。经多学科团队讨论并综合参考标准后,确立了肝结节为CRLMs或HMs的最终定性(表S1)。
CECT图像采集与流程
本研究使用了三家制造商的CT扫描设备。CECT扫描参数列于表S2和S3。图像采集过程见补充材料。
放射科医师对病灶的检测与诊断
回顾性审查了所有288例CRC患者的门静脉期CT图像。在放射科医师回顾性审查CECT图像之前,一名不参与影像评估的独立放射科医师根据参考标准对所有确诊病灶进行了标注。五名具有不同诊断经验的放射科医师(H.W.、J.L.、G.Z.、Y.M.和J.Z.,分别具有3年、3年、6年、14年和35年腹部放射学经验)评估了所有标注病灶为CRLMs或HMs的可能性。放射科医师通过单盲验证方案应用Lister评分量表独立评估分类的CRLMs和HMs。每个病灶均进行诊断置信度评分(即1表示确定为HMs,2表示可能为HMs,3表示不确定,4表示可能为CRLMs,5表示确定为CRLMs)。阅片无时间限制,但要求放射科医师以类似临床实践的方式审查门静脉期CT图像。
评估病灶与参考标准进行对照(诊断置信度评分≤2分被描述为HMs;否则被描述为CRLMs)。诊断置信度评分≥3分的HMs相对于参考标准被认为是假阳性结果。在Lister评分量表上显示诊断置信度评分≤2分的CRLMs经参考标准确认为假阴性判定[20, 21]。
肝脏自动分割
图像标准化、分割及后处理在补充材料中描述。在本研究的方法学基础中,利用TotalSegmentator(可在https://github.com/wasserth/TotalSegmentator获取)在CECT数据集上实施自动肝实质分割。TotalSegmentator是Wasserthal等人[22]最初开发的基于深度学习(DL)的分割框架,用于横断面成像中解剖结构的容积量化。该开源算法通过其经过验证的nnU-Net架构实现可重复的器官勾画,作为后续病灶特征的基线解剖参考。该基于DL的软件利用预训练的3D U-Net架构来识别和勾画肝实质。
病灶分割
所有确诊的CRLMs和HMs将使用ITK-SNAP软件(http://www.itksnap.org/,版本4.2.0)进行手动三维分割。为提高有效性和准确性,分割由5位放射科医师(S.L.、X.Y.、T.L.、Y.L.和Y.X.)完成,他们分别具有9年、4年、4年、7年和7年的腹部放射学经验。病灶自动分割在补充材料中描述。
传统影像组学特征提取
使用开源“PyRadiomics”软件包[23]提取传统影像组学特征。影像组学特征提取和模型构建在补充材料中描述。
传统影像组学标签构建
影像组学特征选择和标签构建在门静脉期CT图像上进行。基于病灶的感兴趣容积(VOI)和各种机器学习方法,构建了逻辑回归(LR)模型、随机森林(RF)模型和支持向量机(SVM)模型,详见补充材料。
深度学习模型构建
在自动病灶分割之后,每个独立病灶被从肝脏区域仔细裁剪出来,以便于精确分析和分类。为确保一致性并有效管理计算资源,仅保留直径小于30 mm的病灶。裁剪过程将每个病灶标准化为30×30×30体素的固定矩阵大小,对应30×30×30 mm³的物理尺寸,与之前体素标准化为1×1×1 mm³一致。这种统一的空间维度确保了分类模型的所有输入数据保持一致,从而提高了模型的性能和可靠性。
为了将病灶分类为结直肠癌肝转移(CRLMs)或肝血管瘤(HMs),我们采用了两种先进的三维卷积神经网络架构:ResNet3D和DenseNet3D。选择这些模型是因为它们具有强大的能力来捕获和学习容积医学影像数据中固有的复杂空间特征。具体的深度学习模型开发过程在补充材料中描述。本研究流程图以及ResNet-152(RN152)、DenseNet-201(DN201)和影像组学(Rad SVM、Rad RF和Rad LR)建模流程分别见图2。
性能评估
我们使用Dice系数、Jaccard系数、敏感性和特异性来评估肝脏病灶自动分割的效果。受试者工作特征(ROC)曲线下面积(AUC)、准确率(ACC)、敏感性、特异性、阳性预测值(PPV)和阴性预测值(NPV)用于评估RN152、DN201和影像组学模型(LR、RF、SVM模型)区分CRLMs与HMs的性能。混淆矩阵作为深度学习模型分类性能的可视化表示。采用DeLong检验方法比较RN152、DN201与影像组学模型之间的AUC差异。
统计分析
数据集中患者影像组学特征的差异通过独立T检验或Mann-Whitney U检验评估连续变量,而对于分类变量,则使用Fisher精确检验或卡方检验。Kruskal-Wallis H检验用于比较三组或更多组。实施基于方差分析(ANOVA)模型的多阅片者多病例分析(“MRMCaov”包),以分析五位阅片者在诊断准确率、敏感性和特异性方面的差异。误差、方差和协方差参数通过确定所有阅片者的均值及特定检验估计值来计算,这些估计值反过来通过jackknife方法获得。所有检验均为双侧检验,p≤0.05被认为具有统计学意义。数据由两位作者(S.Z.和J.R.)使用R软件4.2.0版(http://www.Rproject.org;R统计计算基金会)和Python软件3.8.0版(https://www.python.org/)进行分析。深度学习模型在NVIDIA RTX4090 24GB上训练。
结果
患者特征
本研究纳入288例连续结直肠癌患者(中位年龄61岁;IQR,52-69岁;169例男性),其中134例CRLM患者(中位年龄60岁;IQR:51-68岁;81例男性)和154例HM患者(中位年龄62岁;IQR:53-70岁;88例男性)。训练集、验证集和外部测试集的结直肠癌患者基线特征及肿瘤特征汇总于表1。数据集A中的肝脏病灶按7:3的比例分配到训练集和验证集。共534个CRLMs和262个HMs被分为训练集(CRLMs=336,HMs=155)、验证集(CRLMs=100,HMs=35)和外部测试集(CRLMs=98,HMs=72)(图1)。肝脏病灶平均大小为14.76±6.31 mm(CRLMs,14.52±6.23 mm;HMs,15.25±6.46 mm)。三组队列之间患者人口学特征无显著差异(表2)。
自动分割性能
TotalSegmentator对肝脏病灶进行自动分割的Dice、Jaccard、灵敏度、特异度和预测体积(pred_volume)分别为0.781 ± 0.159、0.663 ± 0.171、0.779 ± 0.182、0.999 ± 0.000、3006.154 ± 5553.53(表3和图3)。对于亚厘米病灶,自动分割准确度(Dice:0.692 ± 0.099)显著低于10–30 mm病灶(Dice:0.861 ± 0.033;p < 0.01)(表S4)。
DL和影像组学区分CRLMs与HMs的性能
所有5个模型在诊断CRLMs与HMs方面均显示出良好的判别效能。其中,DN201和RN152模型具有最佳诊断效能(表4)。DN201和RN152模型区分CRLMs与HMs的AUC在训练集中分别为0.892(95% CI:0.857–0.927)和0.875(95% CI:0.838–0.912);在验证集中分别为0.847(95% CI:0.759–0.935)和0.858(95% CI:0.781–0.935);在测试集中分别为0.735(95% CI:0.658–0.811)和0.776(95% CI:0.703–0.848)。混淆矩阵显示了DN201和RN152模型在区分CRLMs与HMs时错误分类的分布和性质(图S1)。DeLong检验显示,在训练集、验证集和测试集中,RN152与DN201模型的AUC无差异(p > 0.05)。然而,与其他3个影像组学模型相比,差异有统计学意义(p ≤ 0.05)(表S5)。DN201和RN152在增强CT(CECT)图像上的关注区域通过Grad-CAM显示在图4中。
此外,在补充材料(表S6–S9)中展示了训练集、验证集和测试集中不同CT扫描仪和模型之间的数据变异性评估。DL模型在不同扫描仪之间表现出稳健性。
亚组分析
10–30 mm组共有589个病灶,其中训练集和验证集中包含320个结直肠癌肝转移(CRLM)、131个肝血管瘤(HM),测试集中包含74个CRLM和64个HM。亚厘米组共有207个病灶,其中训练集和验证集中包含116个CRLM和59个HM,测试集中包含24个CRLM和8个HM。亚组分析结果显示,当病灶直径为10–30 mm时,RN152模型在训练集、验证集和测试集中区分CRLM与HM的AUC分别为0.884(95% CI:0.847–0.921)、0.879(95% CI:0.802–0.956)和0.778(95% CI:0.704–0.851)。在评估亚厘米病灶时,RN152模型在训练集、验证集和测试集中区分CRLM与HM的AUC分别为0.789(95% CI:0.620–0.957)、0.647(95% CI:0.308–0.986)和0.667(图5)。
深度学习辅助诊断CRLM和HM的性能
五名具有不同诊断经验的阅片者主观区分CRLM和HM的AUC、敏感性和特异性分别为0.828(95% CI:0.798–0.859)、0.769(95% CI:0.724–0.815)和0.719(95% CI:0.673–0.766)。在深度学习辅助下,诊断CRLM和HM的AUC、敏感性和特异性分别为0.857(95% CI:0.828–0.887)、0.755(95% CI:0.699–0.810)和0.806(95% CI:0.754–0.857)(表5)。总体而言,深度学习有助于提高放射科医生鉴别CRLM和HM的诊断能力。亚组分析表明,深度学习可辅助不同诊断经验的放射科医生将10–30 mm CRLM与HM的鉴别AUC从0.851(95% CI:0.821–0.880)提高至0.879(95% CI:0.853–0.906)(p = 0.015)。深度学习模型可增强低年资放射科医生诊断结直肠癌(CRC)患者CRLM和HM的信心(图S2)。对于亚厘米级CRLM和HM,放射科医生和深度学习辅助诊断的AUC分别为0.742(95% CI:0.669–0.814)和0.763(95% CI:0.681–0.845)(p = 0.558)(表5)。
讨论
我们开发了一个深度学习模型,可在门静脉期CT上对CRLM和HM进行自动分割和分类,并将其诊断性能与放射科医生进行了比较。对于10–30 mm的CRLM和HM,自动分割的Dice系数为0.861。与放射科医生的主观评估相比,我们的结果发现深度学习可提高10–30 mm CRLM和HM的诊断性能(AUC:0.879 vs 0.851,p = 0.015),但无法辅助亚厘米级CRLM和HM的鉴别诊断性能。
TotalSegmentator 能够对结直肠癌肝转移灶(CRLMs)和肝转移瘤(HMs)实现精确分割;然而,对于亚厘米级的 CRLMs 和 HMs,其分割准确性欠佳。Chlebus 等 [24] 也观察到,与直径 ≥ 10 mm 的肝病灶相比,U-Net 对亚厘米级肝病灶的分割性能较差。实际上,利用增强 CT(CECT)图像结合 U-Net 对亚厘米级肝病灶进行分割仍具有挑战性 [25–27]。Balaguer-Montero 等 [28] 在其肝脏肿瘤自动分割与检测系统中发现,亚厘米级肝病灶的分割与识别性能有所下降,但未提供分割准确性的具体定量数据。TotalSegmentator 对亚厘米级 CRLMs 和 HMs 的 dice 系数为 0.692,结果欠佳。亚厘米级病灶分割性能欠佳主要归因于 CT 成像固有的技术局限。部分容积效应这一基本物理现象会使小结构边界模糊,导致这些病灶的影像特征不清晰,并出现明显的表观形态和密度变异 [29]。这些固有的成像挑战为深度学习(DL)模型营造了一个特征贫乏的环境。DL 模型对数据的依赖性更强,需要规模更大、更多样化的训练数据集,才能从这类模糊模式中学习到稳健的特征表示。
如何基于分割区域可靠地区分结直肠癌患者的结直肠癌肝转移(CRLMs)与肝血管瘤(HMs)。本研究采用影像组学和深度学习架构来区分CRLMs与HMs,对比分析显示,DN201和RN152模型在外部测试数据集中展现出最佳诊断性能,分别达到了0.735和0.776的AUC。Bae等人[9]开发了一个增强CT影像组学模型,该模型在区分肝转移瘤、肝囊肿和HMs方面显示出值得肯定的诊断效能。然而,其性能仍不及放射科医生的主观评估。本研究中开发的影像组学模型在外部验证队列中区分CRLMs与HMs的AUC范围为0.701至0.741,同时表现出低于基于深度学习架构的诊断效能。此外,利用双能CT的研究已证明,能谱曲线斜率可有效区分肝转移瘤与HMs [30],但这种区分取决于病变内感兴趣区的选择。CRLMs与HMs的鉴别可通过对比增强模式加以描绘,但小结节容易丢失其固有的影像学特征[31]。我们开发的深度学习模型在鉴别10至30毫米的CRLMs与HMs方面表现出熟练性;然而,其对亚厘米病变的性能欠佳。此外,约20%的CRLMs和HMs经病理学确认,这是回顾性研究设计固有的局限性。基于横断面成像和随访进行的肝脏病变特征描述有力地证明了深度学习的价值[9, 18]。尽管观察到的RN152模型AUC从内部的0.858下降至外部的0.776表明其泛化性需要提高,但值得注意的是,其在外部测试集上的性能仍优于影像组学模型,并接近初级放射科医生的基线水平。未来需要多中心、大样本数据集进行验证以评估其适用性,为此,前瞻性的真实世界临床验证不可或缺,并可能决定其临床实施的潜力。
在实施深度学习(DL)辅助诊断结直肠癌肝转移(CRLMs)和肝血管瘤(HMs)时,DL模型在低年资放射科医师评估10–30 mm病灶方面显示出增强的诊断效能,而在亚厘米级病灶的诊断提升方面未观察到统计学上的显著改善。因此,当结直肠癌患者的亚厘米级肝脏病灶定性存在困难时,应采用MRI作为补充影像学手段——这一方法在当前临床研究中得到认可 [32–35]。一项关于AI辅助肝脏病灶自动诊断的多中心、大样本研究显示,AI增强诊断系统可显著提高放射科医师鉴别肝脏良恶性病变的诊断效能 [18]。然而,该研究未就AI辅助系统在评估亚厘米级肝脏病灶中的诊断效能进行亚组分析。虽然AI辅助诊断结直肠癌患者亚厘米级肝脏病灶的效能仍不理想,但这一发现凸显了重复MR扫描的临床必要性。一项前瞻性队列研究进一步建议,伴有肝脏结节的结直肠癌患者应接受额外的MR扫描,以促进病灶的早期定性 [36]。一项荟萃分析进一步证实,MR成像在肝转移瘤(LMs)的检测和诊断中均显示出更高的敏感性,在CECT后辅助使用MRI影响了16.8%病例的临床管理 [37]。基于亚厘米级CRLMs和HMs自动分割与分类的结果,我们还认为,结直肠癌患者在CECT图像上出现任何不确定的亚厘米级肝脏病灶时,均应进行额外的MRI扫描以评估CRLMs的可能性。
我们开发的DL模型有潜力整合到临床平台中。当在结直肠癌患者中发现一个低强化结节,尤其是怀疑为CRLM或HM时,可以手动激活该模型。随后,模型将提供鉴别诊断以辅助放射科医师,其输出作为参考,为其最终综合评估提供依据。我们的研究有一些局限性。第一,本研究的主要目的是探索结直肠癌患者CRLMs和HMs的端到端诊断方案。因此,我们未将本方法的准确性与其它自动分割网络进行基准比较,这可能导致自动分割结果的泛化性仅限于本研究范围。第二,放射科医师对CRLMs和HMs的主观诊断本身容易产生偏倚。因为一旦将某个肝脏病灶认定为转移瘤,就倾向于将其他病灶也归类为转移瘤,尤其是在亚厘米级肝脏病灶的情况下。第三,结直肠癌患者肝脏病灶的分类范围仍然有限,因为这些病灶不仅包括CRLMs和HMs,还涵盖诸如囊肿等其它类型。第四,仅约20%的CRLM和HM患者获得了病理证实。这并不影响我们的主要发现,因为我们进行了严格的患者随访,并通过断面影像对比来验证病灶是否为CRLMs或HMs。最后,对于AI相关研究而言,本研究的样本量仍然不足。
结论
DL模型可帮助放射科医生区分CRC患者的10–30 mm结直肠癌肝转移灶(CRLMs)与肝血管瘤(HMs)。然而,DL对亚厘米级CRLMs和HMs病灶的辅助诊断价值尚未得到有效验证,此类CRC患者可能需要进一步行MR扫描。
补充信息
补充信息
引用
- Li, Zhang, Wang, et al. Deep learning in differentiating the colorectal cancer combined with hepatic enhancing nodules: liver metastases vs hemangiomas. Insights Imaging. 2026. PMID: 41586944. doi:10.1186/s13244-025-02192-2
- 全文:PMC12835484(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12835484/
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。