基于全自动人工智能脾脏分割预测接受TACE的HCC患者生存并评估肝功能失代偿风险
回顾性纳入2010至2020年在本中心接受首次TACE的327例初治HCC患者,训练并验证深度学习算法自动测量脾脏体积,评估其与生存及肝功能失代偿的关系。算法分割Dice系数0.96,高脾脏体积患者生存较低,脾脏体积/体表面积比值是多因素分析中的独立预后因素,并可识别TACE后ALBI分级升高的患者。
要点
- 深度学习算法可全自动分割脾脏并计算体积,Dice系数0.96,与手动测量平均差异0.1%。
- 脾脏体积/体表面积比值高者中位OS较低(10.9 vs 22.0个月,p=0.001),且为独立预后因素。
- 脾脏体积预测TACE后3个月ALBI分级升高的AUC为0.83,阈值455.3 ml时敏感度91.2%、特异度72.1%。
核心结论
- 自动脾脏体积评估对接受TACE的HCC患者生存预测优于二维脾脏径线估计,并能识别肝功能失代偿风险患者。
- 脾脏体积可能作为自动可得、目前未被充分重视的影像生物标志物。
研究设计与样本
- 回顾性研究,纳入2010年至2020年在本三级医疗中心接受首次TACE的327例初治HCC患者。
- 使用卷积神经网络(U-Net架构)在首100例连续病例上训练和验证脾脏分割,训练集70例、验证集30例手动分割。
- 其余227例由算法自动处理,以视觉评分(完美、可接受、差)评价分割效果,差者行手动分割。
- 参考标准为手动脾脏分割体积,并手动测量脾脏轴位和头尾径线。
- 生存分析采用Kaplan-Meier曲线和Cox回归,肝功能失代偿定义为TACE后3个月ALBI分级升高。
关键影像表现/征象
- 算法在训练集和验证集的Sørensen Dice系数均为0.96,手动与自动体积评估平均差异0.1%(标准差2.2%)。
- 在227例中,206例(90.7%)分割完美,17例(7.5%)可接受,4例(1.8%)差。
- 全队列平均脾脏体积551.2 ml,平均轴位径132.3 mm,平均头尾径125.0 mm;轴位和头尾径与脾脏体积显著相关(p<0.001),Pearson系数分别为0.78和0.84。
- 高脾脏体积(cut-off 382.6 ml)患者中位OS 10.6个月,低体积者18.8个月(p=0.014)。
- 高脾脏体积/体表面积比值(cut-off 192.7 ml/m2)患者中位OS 10.9个月,低比值者22.0个月(p=0.001)。
诊断标准与关键数值
- 预测死亡风险的最佳脾脏体积cut-off为382.6 ml,高体积219例(67.0%),低体积108例(33.0%)。
- 预测死亡风险的脾脏体积/体表面积比值最佳cut-off为192.7 ml/m2,高比值200例(69.2%),低比值89例(30.8%)。
- 预测TACE后3个月ALBI分级升高的脾脏体积cut-off为455.3 ml,AUC 0.83,敏感度91.2%,特异度72.1%。
- 轴位和头尾径最佳分层cut-off分别为163 mm和115 mm,但均与OS无显著关联(轴位p=0.220,头尾p=0.063)。
临床应用与阅片要点
- 脾脏体积可在门静脉期CT上全自动测量,分割失败率1.8%,失败时需手动校正。
- 脾脏体积/体表面积比值在多因素分析中为独立预后因素,而脾脏体积本身在多因素分析中未达显著。
- 脾脏体积预测ALBI升高的AUC为0.83,cut-off 455.3 ml时敏感度91.2%、特异度72.1%。
- 原文指出目前尚无预测生存受损或肝功能失代偿风险的标准参考值。
局限性
- 本研究为单中心、回顾性研究。
- 未对缺失值进行插补。
- 为减少时间偏倚仅纳入2010年及以后的患者。
- 排除了既往接受过治疗的患者。
- 原文指出未来需要大规模多中心评估研究以确定可推广的cut-off值。
全文中译15 节 · 点击展开
引言
肝细胞癌(HCC)是全球最常见的原发性肝癌,在导致癌症相关死亡的疾病中位居第二[1, 2]。超过80%的HCC发生于肝硬化的基础上[3]。因此,大多数HCC患者同时患有两种不同的疾病:HCC和肝硬化。因此,在制定最佳治疗决策时,必须同时评估肿瘤负荷和残余肝功能[3, 4]。
除了损害肝脏蛋白质合成外,肝硬化还导致内脏循环的进行性改变[5]。在肝硬化过程中,持续的组织重构导致门静脉压力升高。门静脉高压最终导致胃食管静脉曲张、腹水和脾脏体积增大[6, 7]。因此,脾脏体积增大与严重肝硬化相关[8]。据此,脾脏体积已被确定为接受切除或肿瘤消融治疗的HCC患者的高度敏感的预后参数[9–11]。在一项针对接受经动脉化疗栓塞(TACE)的HCC患者的初步研究中,脾脏体积最近被确定为一个相关的预后因素[12]。无进展生存期和肝功能失代偿未被研究。此外,样本量较小,且脾脏体积为手动评估[12]。在横断面计算机断层扫描(CT)图像上手动评估脾脏体积是一项耗时的任务,且存在较高的评估者间差异风险[13]。因此,在日常临床常规中不可行。
幸运的是,人工智能领域的最新进展,特别是深度学习,提供了关于自动器官分割和体积评估的知识。这些自动化算法可以实时便捷地整合到临床工作流程中[14]。因此,脾脏体积可能成为一个易于评估且随时可用的预后因素,用于治疗计划和TACE术后随访。
本研究有两个主要研究目标:第一,我们旨在构建一种基于CT图像的全自动脾脏体积评估的深度学习算法。第二,我们旨在验证总脾脏体积作为生存预测的新型影像生物标志物的作用,并研究其作为接受TACE的HCC患者肝功能失代偿指标的作用。
方法
德国美因茨莱茵兰-普法尔茨州医师协会伦理委员会批准了本研究(许可编号2021-15984)。由于研究的回顾性性质,知情同意要求被豁免。患者记录和信息在分析前已进行匿名化处理。本报告遵循个体预后或诊断多变量预测模型透明报告指南(TRIPOD)和观察性研究报告指南(STROBE)(补充表1和2)[15, 16]。
患者
我们在2010年1月至2020年11月期间,于本三级医疗中心确定了714例确诊为HCC并接受TACE治疗的患者。其中,327例患者符合以下纳入标准:(1)年龄大于18岁;(2)根据EASL标准经组织学或影像学诊断HCC;(3)TACE前未接受过治疗;(4)TACE后随访期间未进行肝移植或肿瘤切除;(5)介入前进行增强CT扫描以评估脾脏体积;(6)临床、实验室和影像学数据完整可用。共有387例患者因图1所示原因被排除。
诊断、治疗和随访
HCC的诊断基于欧洲肝脏研究学会建立的组织学或影像学标准,如前所述[3, 17]。所有患者均接受增强CT以制定治疗计划。TACE的适应证在多学科肿瘤委员会上讨论,该委员会包括肝病学家/肿瘤学家、诊断和介入放射学家、内脏外科医生、病理学家和放射治疗师。TACE按标准化方式进行,如前所述[18, 19]。随访包括横断面成像、临床检查和血液采样。根据是否存在存活肿瘤组织,每6或12周进行随访[17]。放射学应答使用mRECIST标准评估[3, 20]。第一主要终点为中位总生存期(OS),定义为首次TACE session与死亡日期或末次随访之间的间隔。此外,我们研究了TACE后的肝功能失代偿,其客观定义为如先前所提出[21, 22]首次TACE后3个月ALBI分级升高。进一步终点为至进展时间(TTP)和至不可治疗(unTACEable)进展时间(TTUP)。不可治疗进展定义为禁止进一步TACE的临床状态[3]。该状态由两次或更多次TACE session后靶病灶无应答、新的肝外肿瘤播散或肝功能失代偿所致[23]。
数据获取
数据集从临床登记单元获取,如前所述[17]。这一专门的前瞻性填充数据库包含所有原发性肝癌患者的数据[24]。额外的影像学和实验室数据从放射信息系统和实验室数据库获取。最终数据集包括关于患者人口统计学、基础肝病和肿瘤的临床评估、影像学、与TACE治疗相关的因素以及首次TACE治疗前测量的实验室参数的所有可用数据[17]。
脾脏体积评估:算法设计、训练和验证
我们使用开源Python库MIScnn(https://github.com/frankkramer-lab/MIScnn)训练自动化算法。该库提供具有U-Net架构的卷积神经网络,可用于3D医学图像的分割[25]。因此,我们提取了数据集中所有患者腹部CT扫描的门静脉期。对于数据集中前100例连续患者,我们使用免费可用的LIFEx软件(www.lifexsoft.org)手动分割脾脏[26]。然而,由于MIScnn读取NIfTI图像分割文件(https://nifti.nimh.nih.gov/),任何能够以该格式保存的分割软件均可使用。
接下来,我们使用前70个手动分割的脾脏训练脾脏分割算法,并使用其余30个手动分割的脾脏验证神经网络。图像预处理(重采样至2×2×3 mm,裁剪至−50至350亨氏单位,以及Z分数归一化)和训练集中的六轮数据增强均按照该库提供的方法进行。训练期间,计算Tversky损失,并且我们实施Keras回调函数以促进早停并在平台期降低学习率[27, 28]。训练进行300个epoch。对于后处理,我们选择腹部左半部分最大的连通区域,以避免罕见的肝部分分割错误情况。
训练后,其余227例患者的门静脉期CT扫描由算法自动处理,无需进一步人工预处理。我们通过针对这其余227例患者预测分割的图形叠加来评估结果,并自动计算脾脏体积。图形叠加由两名独立读者用于评定算法性能(即完美、可接受或较差)。在存在分歧的情况下,进行共识判读。计算脾脏分割为完美或可接受的患者纳入统计分析;分级为较差的患者被分配至手动分割以进一步分析。此外,计算脾脏体积与体表面积(BSA)的关系,体表面积使用患者的身高和体重评估。
轴位和头尾方向的脾脏大小按照既往描述以标准化方式手动评估[13]。
统计分析
所有统计分析和图形均在R studio(RStudio Team [2020]. RStudio: Integrated Development for R. RStudio, PBC, http://www.rstudio.com,最后访问于2021年9月30日)中使用R 4.0.3(A Language and Environment for Statistical Computing,R Foundation for Statistical Computing,http://www.R-project.org;最后访问于2022年1月10日)完成。二分类和分类基线参数以绝对数和百分比表示。连续数据以中位数和范围表示。亚组间比较采用卡方检验和Mann-Whitney U检验。计算Sørensen Dice评分以评估算法性能。此外,采用Bland-Altmann图比较手动和自动脾脏体积评估结果。生存分析使用“survminer”和“survival”软件包(https://cran.r-project.org/package=survminer,https://CRAN.R-project.org/package=survival,最后访问于2022年1月10日)完成。生存率采用Kaplan–Meier曲线评估,分层间比较采用log-rank检验。我们使用相同的软件包,基于最佳分层确定脾脏体积的截断值。我们构建了单因素和多因素Cox比例风险回归模型,并评估了风险比(HRs)及相应的95%置信区间(CIs)。敏感度、特异度和曲线下面积(AUC)使用“pROC”软件包(https://cran.r-project.org/web/packages/pROC/index.html,最后访问于2022年1月10日)计算。最大敏感度和特异度的最佳截断值采用Youden指数确定。p值< 0.05被认为具有统计学意义。
结果
算法性能
手动评估得出的训练数据集平均脾脏体积为549.7 ml,验证数据集为524.3 ml。算法评估得出的训练集平均脾脏体积为550.8 ml,验证集为512.6 ml。手动与算法体积评估之间的平均差异为0.1%,标准差为2.2%。卷积神经网络的训练进程见图2a;体积分布以Bland-Altman图显示于图2b。训练集和验证集的Sørensen Dice系数均为0.96。
接下来,我们对剩余患者队列(n = 227)的自动分割进行了评估。我们发现,经共识判读后,206例(90.7%)测量被评为完美,17例(7.5%)被评为可接受,4例(1.8%)被评为差。各等级的代表性图像见图3;每个示例的完整动画见补充材料(补充图S1a-S1c)。对于4例评级为差的病例,我们进行了额外的手动分割以获得适当的脾脏体积。
脾脏体积
整个患者队列的平均脾脏体积为551.2 ml。此外,平均轴位直径为132.3 mm,平均头尾直径为125.0 mm。轴位和头尾直径均与脾脏体积显著相关(p < 0.001,图4),Pearson系数值较高(分别为0.78和0.84)。
生存分析
基于中位OS的最优分层,我们发现预测死亡风险的最佳截断值为脾脏体积382.6 ml。采用该截断值,219例(67.0%)患者为高脾脏体积,108例(33.0%)为低脾脏体积。高脾脏体积和低脾脏体积患者的中位OS分别为10.6个月和18.8个月(p = 0.014,图5a)。
脾脏轴位和头尾大小的最优分层分别得出截断值为163 mm和115 mm。在单因素分析中,这两项指标均未显示与OS显著相关。高轴位脾脏直径和低轴位脾脏直径的中位OS分别为9.9个月和13.1个月(p = 0.220,补充图S2A),高头尾脾脏直径和低头尾脾脏直径的中位OS分别为11.9个月和16.1个月(p = 0.063,补充图S2B)。
单因素Cox风险回归分析确定高脾脏体积、低白蛋白、高胆红素、高AST和大肿瘤大小为显著预后因素(表2)。其他纳入的风险因素均未显示与OS显著相关。在随后纳入上述所有显著因素的多因素分析中,脾脏体积未达到显著性。
随后,我们分析了按BSA标准化的脾脏体积在全部有体重和身高信息患者(n = 289)中的作用。基于中位OS的最优分层,我们发现预测死亡风险的最佳截断值为脾脏体积与BSA比值192.7 ml/m2。采用该截断值,200例(69.2%)患者为高脾脏体积与BSA比值,89例(30.8%)为低比值。高脾脏体积与BSA比值和低比值患者的中位OS分别为10.9个月和22.0个月(p = 0.001,图5b)。
单因素Cox风险回归分析确定高脾脏体积与BSA比值、低白蛋白、高胆红素和大肿瘤大小为显著预后因素(表3)。其他纳入的风险因素均未显示与OS显著相关。在多因素分析中,脾脏体积与BSA比值仍为独立预后预测因素,上述其他显著因素亦然。
此外,我们使用相同的截断值,分析了这些患者相对于标准化脾脏体积的TTP和TTUP。高脾脏体积与BSA比值和低脾脏体积与BSA比值患者的中位TTP分别为6.7个月和11.1个月(p = 0.10,补充图S3A)。高脾脏体积与BSA比值和低脾脏体积与BSA比值患者的中位TTUP分别为9.9个月和27.8个月(p < 0.001,补充图S3A)。
对后续治疗的影响
能够接受多次TACE治疗的患者中位脾脏体积显著较低(458 ml vs 582 ml,p < 0.001)。此外,接受后续治疗的患者中位脾脏体积也显著较低(399 ml vs 520 ml,p < 0.001)。
肝功能失代偿风险
我们进一步评估了初始ALBI分级为1或2级且在TACE后3个月有可用随访ALBI值的患者(n = 197,60.2%)ALBI分级升高的风险。在这些患者中,共有61例(31.0%)患者在TACE后3个月出现ALBI分级升高。这些患者的中位脾脏体积显著高于未升高者(632 ml,IQR 514–868 ml vs 363 ml,IQR 261–477 ml)(p < 0.001,图6)。受试者工作特征分析显示,在455.3 ml截断值下预测ALBI升高的AUC为0.83,敏感性为91.2%,特异性为72.1%。
讨论
本研究是首个在西方患者队列中评估脾脏体积对接受TACE的HCC患者预后作用的研究。在此,我们开发了一种基于深度学习方法的全自动方法来评估脾脏体积。
手动评估脾脏体积耗时且存在较高的评估者间差异风险[13]。因此,我们构建了一种基于CT图像的深度学习工具来自动评估脾脏体积。用于分割的U-Net架构在训练中的Sørensen Dice系数为0.96,在验证中为0.96。这些系数表明算法性能优异。此外,手动和自动脾脏体积评估仅相差0.1%。
手动脾脏体积评估的耗时性和技术挑战[13]阻碍了其融入临床工作流程,尽管有报道称脾脏体积是包括HCC在内的多种癌症实体的高度预测因素[9–11]。历史上,曾提出过若干替代指标用于快速估算脾脏体积。对于肝硬化患者,脾脏的轴径和头尾径已被确定为脾脏体积的精确替代指标[13]。我们的结果也表明,这些径线与脾脏体积呈中度至高度相关。然而,无论是头尾径还是轴径均不是相关的预后因素,因为在我们队列中,即使采用最佳分层,两者均未达到显著性。因此,在决定使用脾脏大小估算值还是真实脾脏体积来评估接受TACE的HCC患者的风险时,应优先选择真实脾脏体积。
基于人工智能(AI)的算法有可能简化放射科医生日常临床工作中的任务[14]。可以轻松简化和自动化的任务包括器官分割、体积评估和身体成分评估[29–31]。最近,深度学习算法也被用于静脉曲张检测背景下的脾脏体积评估[32]。基于AI的算法具有易于整合到临床工作流程中的优势,自动化定量报告可以自动发送至本地图像存档与通信系统。然而,目前这些新技术需要在临床应用背景下进行评估。因此,具体的应用场景是必需的。
虽然安装和训练分割工具存在初始门槛,包括对训练数据集进行手动一次性标注,但得益于公开可用的软件程序和库,这一工作量得以减少。使用本研究中所用软件之外的其他软件和U-Net进行分割可能会产生类似的有效结果,而且一旦训练完成,无需进一步的用户分割即可获得准确的脾脏体积。
关于脾脏体积对接受TACE的HCC患者预后作用的文献较为匮乏。迄今为止,仅有Dai等人最近的一项研究表明脾脏体积与Child-Pugh分级和OS相关[12]。该研究中67例患者在TACE前的平均脾脏体积为300 ml。该值显著低于我们患者队列中551 ml的平均体积。与我们的研究不同,他们所有患者的潜在病因均为乙型肝炎病毒(HBV)感染。遗憾的是,他们未提供伴有潜在肝硬化的患者数量。一般来说,大多数慢性HBV感染合并HCC的患者没有潜在肝硬化。因此,这些患者发生门静脉高压征象(如脾脏体积增大)的风险较低。相应地,在该研究中,与我们的队列相比,处于高Child-Pugh分级的患者比例较小。因此,这些患者的平均肝功能优于我们研究纳入的患者。所有这些因素可能解释了我们患者队列中较高的脾脏体积。尽管如此,两项研究报告了相似的高脾脏体积与低脾脏体积的最佳截断值(373 ml vs 本研究中的383 ml)。
在我们的队列中,脾脏体积也与无进展生存期以及肝功能失代偿和TACE失败后接受后续系统治疗的可能性均显著相关。这与先前的发现一致,即TACE患者的无进展生存期与门静脉高压相关[33]。此外,先前的研究已将重复TACE与门静脉高压加重联系起来[34],并将ALBI评分描述为索拉非尼治疗失败的预测因子[35, 36]。
在我们的研究中,我们发现TACE前的脾脏体积在识别治疗后ALBI升高患者方面具有高敏感性。因此,我们的研究首次将脾脏体积确定为不可切除HCC患者肝功能失代偿的相关预后影像学标志物。在不可切除HCC患者新兴治疗选择的背景下,在阶段迁移概念中确定治疗转换的最佳时间点很困难[37]。然而,治疗转换对患者的结局至关重要,因为“不适当的高数量TACE疗程会延迟向系统治疗的转换,并且在某些情况下,可能因肝功能恶化而完全阻碍治疗转换”[38]。因此,脾脏体积可能作为一个额外的、目前未被充分利用的参数,用于识别肝功能失代偿高风险患者,从而可能促成更密切的随访方案和对这些患者更频繁的多学科讨论。然而,目前尚无针对生存受损或肝功能失代偿风险增加的标准参考值。因此,未来需要大规模多中心评估研究来确定可推广的截断值。
本研究存在若干局限性。第一,这是一项单中心、回顾性研究。然而,样本量明显大于此前关于该主题的研究所纳入的样本量[12]。此外,我们的数据集经过充分调查,仅纳入具有完整临床、实验室和影像学数据的患者。而且,缺失值未进行插补。为避免时间偏倚,我们主动决定仅纳入2010年及以后的患者。这些标准最大限度地减少了诊断和治疗决策方面的差异,从而提供了更为同质的研究队列。此外,我们排除了既往接受过治疗的患者,以避免其他偏倚。第二,我们纳入了接受传统TACE或药物洗脱微球TACE的患者。然而,既往多项研究表明,TACE递送技术并未影响总生存期(OS)[39–41]。第三,我们仅使用内部验证集来评估算法性能。在对整个数据集的最终预测中,神经网络未能对4例患者(1.8%)的脾脏体积提供准确预测。我们将训练和验证队列限制为先验确定的100例患者,以限制手动分割的负担。尽管如此,神经网络促进了98.2%的未分割脾脏的脾脏体积正确计算。因此,对这4例解剖结构异常的脾脏进行额外手动分割的需要并未实质性阻碍该用例的评估。因此,我们鼓励未来研究在验证接受TACE的HCC患者脾脏体积的预后作用时采用神经网络进行分割。
总之,我们表明训练深度学习算法对于实现接受TACE的HCC患者全自动脾脏体积评估是可行的。与既有的脾脏体积二维估测方法相比,我们的算法提供了精确的脾脏体积评估,在预测生存方面显示出优越性,并在识别有肝功能失代偿风险的患者方面具有高敏感性。因此,真实脾脏体积可作为额外的影像生物标志物,无需额外操作即可对每项CT检查全自动获取。
补充信息
ESM 1(DOCX 23299 kb)
引用
- Müller L, Kloeckner R, Mähringer-Kunz A, et al. Fully automated AI-based splenic segmentation for predicting survival and estimating the risk of hepatic decompensation in TACE patients with HCC. Eur Radiol. 2022. PMID: 35394184. doi:10.1007/s00330-022-08737-z
- 全文:PMC9381627(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9381627/
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。