文献速递技术与安全PETCT

治疗前FDG PET/CT机器学习模型预测经典霍奇金淋巴瘤结局

Utility of pre-treatment FDG PET/CT-derived machine learning models for outcome prediction in classical Hodgkin lymphoma.
PubMed 文献 · Eur Radiol · 2022-08-25

本研究回顾性纳入289例经典霍奇金淋巴瘤患者,利用治疗前FDG PET/CT提取影像组学特征,训练7种机器学习模型预测2年无事件生存(EFS)。基于1.5倍肝脏平均SUV阈值分割的岭回归模型表现最佳,测试集AUC为0.81,但与临床+代谢肿瘤体积(MTV)模型无显著差异。结论认为治疗前PET/CT机器学习模型预测结局可行,但尚需确定临床适用的最佳阈值。

要点

  • 治疗前FDG PET/CT影像组学模型可预测cHL患者2年EFS,测试集AUC最高0.81。
  • 固定4.0 SUV阈值分割提取的影像组学特征更稳健,但1.5倍肝脏SUV阈值模型预测性能更高。
  • 影像组学模型与临床+MTV模型预测性能无显著差异,临床可用性需进一步验证。

核心结论

  • 治疗前FDG PET/CT衍生机器学习模型预测cHL患者2年EFS可行,最佳模型测试集AUC为0.81。
  • 基于1.5倍肝脏平均SUV阈值分割的岭回归模型测试集AUC为0.81,但与其他模型无显著差异。
  • 尚需进一步研究确定临床使用的最佳预测阈值。

研究设计与样本

  • 单中心回顾性研究,纳入2008年至2018年间289例经典霍奇金淋巴瘤患者,中位年龄36岁(范围16-88岁),男性153例。
  • 使用FDG PET/CT扫描仪(Discovery STE、Philips Gemini TF64、Discovery 690/710),采用两种半自动分割方法:固定4.0 SUV阈值和1.5倍肝脏平均SUV阈值。
  • 提取PyRadiomics特征并经ComBat harmonisation校正,按2年EFS等分层以80:20分为训练集(n=231)和测试集(n=58)。
  • 训练7种机器学习模型(随机森林、逻辑回归、K近邻、单层感知机、多层感知机、高斯过程分类器、支持向量机),使用分层5折交叉验证调参。
  • 参考标准为2年EFS事件(复发、再发或死亡),通过影像或临床确认。

诊断标准与关键数值

  • 最佳模型(1.5倍肝脏SUV阈值分割的岭回归)测试集AUC为0.81±0.12,敏感度0.42,特异度0.94,阳性预测值0.85,阴性预测值0.67,MCC 0.43。
  • 临床+MTV(1.5倍肝脏SUV阈值)逻辑回归模型测试集AUC为0.68±0.11,敏感度0.31,特异度0.91,阳性预测值0.85,阴性预测值0.47,MCC 0.27。
  • 使用4.0 SUV阈值分割时,发生2年EFS事件患者的中位MTV为167.4 cm3 vs 87.9 cm3(p=0.03);1.5倍肝脏SUV阈值时为324.3 cm3 vs 148.6 cm3(p=0.009)。
  • 各最佳模型测试集AUC之间无显著差异(DeLong检验)。

临床应用与阅片要点

  • 治疗前PET/CT影像组学分析可辅助识别cHL高危复发患者,但当前模型敏感度较低(0.42),特异度高(0.94),阳性预测值较高。
  • 固定4.0 SUV阈值分割重复性更好,但1.5倍肝脏SUV阈值模型预测性能更高,阅片时需注意分割方法对结果的影响。
  • 基于MTV的模型预测性能有限,单独使用MTV不足以可靠分层。
  • 模型尚缺乏外部验证和明确阈值,不能直接用于临床决策。

局限性

  • 回顾性单中心研究,事件率较低,可能影响模型稳定性。
  • 未进行外部验证,缺乏独立数据集测试。
  • 因临床数据缺失,无法评估国际预后评分等评分系统,使用治疗意图作为替代。
  • 排除有肝脏疾病或无可测量病变(SUV>4.0)的患者,可能引入选择偏倚。
  • 不同患者治疗方案存在差异,且复发日期依赖临床记录。
全文中译12 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. 2022 Aug 25;32(10):7237–47. doi: 10.1007/s00330-022-09039-0

引言

霍奇金淋巴瘤(HL)是一种以存在Reed-Sternberg细胞为特征的血源性恶性肿瘤[1]。HL有五种不同的亚型:结节性淋巴细胞为主型HL(NLPHL),以及经典霍奇金淋巴瘤(cHL)统称下的四种亚型:结节硬化型、混合细胞型、富含淋巴细胞型和淋巴细胞消减型。90%的HL病例为cHL[2]。NLPHL的治疗通常与cHL不同,且进展更为惰性[2]。鉴于cHL病例比例较高、治疗方案存在差异以及cHL较NLPHL复发率更高,本文将仅聚焦于cHL[3]。

化疗是cHL一线治疗的主要手段;最常见的方案为多柔比星(阿霉素)、博来霉素、长春花碱和达卡巴嗪(ABVD),或博来霉素、依托泊苷、多柔比星(阿霉素)、环磷酰胺、长春新碱(Oncovin)、丙卡巴肼和泼尼松(BEACOPP)[4]。治疗方案和周期数可根据患者危险因素、疾病分期和初始治疗反应而有所不同。放疗用于1期或局限期2期疾病患者或残留大块病变[4]。HL分期和疗效评估的金标准影像学方法为2-脱氧-2-[18F]氟-d-葡萄糖(FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)[5]。患者通常在治疗前、两个周期化疗后(中期)和治疗后接受PET/CT检查。中期PET/CT用于指导治疗调整,在化疗相关毒性风险与最大化无事件生存(EFS)机会之间取得平衡[6]。HL的五年生存率约为86%[7]。然而,即使在达到完全代谢缓解(CMR)后,约20%的cHL患者仍会复发,其中72%的复发发生在诊断后前2年内[8]。若能在治疗前识别复发风险较高的患者,将有助于 upfront 治疗分层并可能改善结局。

既往评估基线PET/CT衍生影像参数用于结局预测的研究主要集中于代谢性肿瘤体积(MTV)、总病灶糖酵解(TLG)以及最大或平均标准化摄取值(SUVmax和SUVmean)[9]。SUV定义为给定时间点图像内注射放射性活度与全身的比值[10]。MTV为代谢活跃的分割病变体积,文献中描述了不同的分割技术[11]。TLG为MTV乘以SUVmean。影像组学将图像转化为可挖掘的高维数据,允许提取、分析和建模不可见特征[12]。少量小样本研究已证明影像组学特征在预测HL患者无进展生存(PFS)或总生存(OS)方面的潜力[13–16]。本研究旨在使用更大的三级中心患者队列,评估利用治疗前FDG PET/CT衍生影像组学特征的模型预测cHL患者2年EFS的性能。

方法

本研究遵循个体预后或诊断多变量预测模型的透明报告(TRIPOD)指南(补充材料1)。

患者选择

对放射学和临床数据库进行了回顾性审查,以识别2008年1月至2018年1月期间在本机构因经典霍奇金淋巴瘤(cHL)基线分期而接受FDG PET/CT检查的患者。选择该时间截点是为了确保至少2年的随访期,且不受COVID-19疫情引入的混杂因素影响。排除标准包括:年龄小于16岁、非cHL、在分期PET/CT检查前已接受治疗、PET/CT上无可测量病灶、合并恶性肿瘤或图像质量下降或不完整。存在肝脏疾病或4.0 SUV以上无可测量病灶的患者被排除,因为这会影响所用的分割技术。

患者年龄、种族、疾病分期、PET/CT日期、所用扫描仪型号和方案、治疗类型和时长、复发日期(经影像学或临床检查确认)、末次临床接触时间及随访时长或死亡日期均从电子病历、放射学记录和区域血液恶性肿瘤数据库中记录。事件定义为2年随访期内的复发、再发或死亡。由于临床数据缺失,无法评估国际预后评分等评分系统。

在影像检查时前瞻性获得所有患者的知情书面同意,允许将匿名图像用于研究和服务开发项目。由于本研究为回顾性研究,不涉及患者接触或治疗方案更改,经与LTHT研究与创新部门讨论后,一致认为该项目属于服务改进项目,并获利兹大学医学院研究伦理委员会(SoMREC)批准。

PET/CT采集

PET/CT检查作为常规临床诊疗的一部分,采用标准化方案进行。所有患者在静脉注射FDG(4MBq/kg)前禁食6小时。若血清血糖>10 mmol/L,则在临床评估患者糖尿病控制情况后重新安排检查。患者在FDG注射后1小时接受扫描。2010年6月前使用16排Discovery STE PET/CT扫描仪(GE Healthcare)采集;2010年6月至2015年10月期间使用64排Philips Gemini TF64扫描仪(Philips Healthcare);2015年10月后使用64排Discovery 690或710扫描仪(GE Healthcare)(表1)。衰减校正使用CT组件完成,采集参数如下:140 kV;80 mAs;螺距6;3.75 mm层厚。

表1 所用扫描仪的重建参数 查看原表 ↗

图像分割、特征提取和机器学习分析

详细的方法学,包括由谁进行图像分割和解读的细节,见补充材料2。每项研究中使用两种半自动分割技术勾画淋巴瘤总病灶:第一种使用4.0 SUV的固定阈值,第二种使用1.5 × 肝脏SUVmean的阈值。该方法已在不同癌症类型中使用(RTx v1.8.2,Mirada Medical)[17, 18]。10%的病例在3个月洗脱期后使用Slicer(v4.11)按照相同方法重新分割。这些重新分割用于研究使用不同箱宽/箱数提取的放射组学特征的稳健性。CT和PET图像均重采样至2 mm3的均匀体素。使用PyRadiomics(v2.2.0)提取特征,每种分割技术为每位患者提取3935个特征(PET/CT组分 ×(形状特征 + 一阶和二阶特征 × 滤波器数量))(补充材料2:表1)。使用ComBat方法(https://github.com/Jfortin1/ComBatHarmonization)进行协调以考虑不同扫描仪的影响[19]。

数据被分为训练队列和测试队列,使用scikit-learn(v0.24.2)围绕2年无事件生存期(2-EFS)、年龄、性别、种族、疾病分期、是否接受放疗、是否接受基于ABVD的化疗以及是否按晚期疾病治疗进行分层。队列按80:20的比例划分。使用Mann-Whitney U检验和χ2检验(SciPy v1.6.3)分别评估训练队列和测试队列之间连续型和分类型临床特征的显著性。p值小于0.05被视为显著。若Pearson系数超过0.8则移除相关特征。使用七种不同的机器学习方法创建预测模型(scikit-learn v0.24.2):随机森林、逻辑回归(探索了弹性网络、lasso和ridge惩罚)、k近邻(KNN)、单层感知机(SLP)、多层感知机(MLP)、高斯过程分类器(GCP)和支持向量机(SVM)。每个模型最多选择五个特征。每种方法中选择的特征基于五折分层交叉验证(重复20次)中最高的平均受试者工作特征(ROC)曲线下面积(AUC)。

每个模型在训练队列上训练和调优,使用围绕2-EFS分层的五折交叉验证,同样重复20次。从4.0 SUV和1.5 × 肝脏平均分割两者中获得最高平均验证分数的模型、超参数和特征选择组合在未见过的测试队列数据上测试一次。鉴于越来越多关于使用MTV作为结局预测指标的文献,除仅使用临床特征的模型和临床联合MTV模型外,还训练了一个使用总MTV的单独逻辑回归模型。使用DeLong方法比较AUC[20]。每个最佳 performing 模型的ROC曲线适当阈值使用Youden指数推导,并呈现Matthews相关系数(MCC)、灵敏度、特异度、阳性预测值(PPV)和阴性预测值(PPV)。

结果

患者人口统计学

本研究共纳入289例患者,患者人口学特征详见表2。训练队列与测试队列的临床特征无显著差异。

表2 训练组与测试组的人口学特征 查看原表 ↗

组距

对于4.0 SUV和1.5 × 肝脏平均SUV两种分割技术,PET和CT数据的组距分别在由SUV或HU的最大范围除以128得出时最为稳健(补充图1和补充图2)。总体而言,4.0 SUV分割技术使更多影像组学特征保持稳健,优于1.5 × 肝脏平均SUV分割方法。

基于临床和MTV的2-EFS模型

发生2-EFS事件的患者与未发生2-EFS事件的患者相比,MTV显著更大。这一结果在两种分割技术中均成立。采用4.0 SUV方法时,MTV中位数分别为167.4 cm3 versus 87.9 cm3(p = 0.03);采用1.5 × 肝脏平均SUV方法时,分别为324.3 cm3 versus 148.6 cm3(p = 0.009)。在接受晚期疾病治疗的患者中,中位体积显著更大。采用4.0 SUV方法时,MTV中位数分别为250.6 cm3(2-EFS事件)versus 110.4 cm3(无事件)(p = 0.03);采用1.5 × 肝脏平均SUV方法时,分别为457.8 cm3(2-EFS事件)versus 227.9 cm3(无事件)(p = 0.02)

使用4.0 SUV方法得出的MTV构建的逻辑回归模型,平均训练AUC为0.61 ± 0.02(均值 ± 95% CI),平均验证AUC为0.61 ± 0.10,比值比为1.00038(表3)。使用1.5 × 肝脏平均SUV方法得出的MTV构建的逻辑回归模型,平均训练AUC为0.63 ± 0.02,平均验证AUC为0.63 ± 0.10,比值比为1.00038。

癌症分期1期、癌症分期4期和年龄被选为基于临床的逻辑回归模型的特征。该模型平均训练AUC为0.74 ± 0.004,平均验证AUC为0.74 ± 0.02。将该模型的特征与1.5 × 肝脏平均SUV MTV结合后,模型平均训练AUC为0.74 ± 0.004,平均验证AUC为0.72 ± 0.01。该模型在未见过的测试集上进行测试,在阈值0.45时达到AUC 0.68 ± 0.11(图1)、MCC 0.27、敏感度0.31、特异度0.91、NPV 0.47和PPV 0.85。

表3 表现最佳的基于临床和代谢肿瘤体积(MTV)的逻辑回归模型的平均训练和验证评分 查看原表 ↗
图1 使用从1.5 × 肝脏平均SUV阈值分割技术提取的MTV和临床特征构建的逻辑回归所得最佳预测模型的受试者工作特征曲线。p值代表该ROC曲线与0.5曲线的比较 查看原图 ↗

用于预测2-EFS的临床和影像组学模型

预测性能最佳(AUC最高)的模型是一种岭回归模型,其基于1.5×平均SUV阈值分割技术提取的临床和影像组学特征构建(表4)。该模型使用前向包装法筛选特征,共选择五个特征。模型的超参数如下:C = 1,penalty = l2,solver = sag,class weight = balanced。所选特征为年龄、PET平坦度、PET长轴长度、PET对数GLSZM尺寸区域非均匀性归一化、PET lbp-3D-m1 GLCM相关性及PET lbp-3D-m2一阶偏度。平均训练AUC为0.82 ± 0.002,平均验证AUC为0.79 ± 0.01,测试AUC为0.81 ± 0.12(图2),MCC = 0.43,敏感度 = 0.42,特异度 = 0.94,NPV = 0.67,PPV = 0.85。被错误标记患者的人口学资料见补充材料2:表2。

使用4.0 SUV阈值时表现最佳的预测模型是一种采用岭回归惩罚的回归模型,平均训练AUC为0.79 ± 0.002,平均验证AUC为0.77 ± 0.01,测试AUC为0.74 ± 0.13(图3)。在阈值0.27时,MCC = 0.30,敏感度 = 032,特异度 = 0.95,NPV = 0.42,PPV = 0.92。该模型使用前向包装法特征筛选所选择的五个特征构建。模型的超参数如下:C = 100,penalty = l2,solver = saga,class weight = balanced。

表现最佳的基于临床和影像组学的模型之间,以及它们与表现最佳的基于临床和MTV的模型之间,测试集AUC均无显著差异(图4;表5)。各模型的截距和系数见补充材料2:表3。

表4 使用4.0SUV固定阈值和1.5×平均肝脏SUV阈值分割技术时表现最佳的机器学习模型的平均训练和验证评分 查看原表 ↗
图2 使用1.5×平均肝脏SUV阈值分割技术提取的年龄和影像组学特征,经岭回归得出的表现最佳预测模型的受试者工作特征曲线。p值表示该ROC曲线与0.5曲线的比较 查看原图 ↗
图3 使用4.0 SUV固定阈值分割技术提取的年龄和影像组学特征,经岭回归得出的表现最佳预测模型的受试者工作特征曲线。p值表示该ROC曲线与0.5曲线的比较 查看原图 ↗
图4 基于4.0 SUV固定阈值和1.5×平均肝脏SUV阈值分割技术得出的表现最佳MTV模型和影像组学模型的受试者工作特征曲线及其相关置信区间 查看原图 ↗
表5 使用DeLong方法对不同测试AUC的比较,列出p值 查看原表 ↗

讨论

本研究证实,在经典霍奇金淋巴瘤(cHL)患者中,利用FDG PET/CT衍生的影像组学特征进行治疗前结局预测是可行的。表现最佳的模型采用岭回归构建,结合了年龄和四个影像组学特征(PET平坦度、PET长轴长度、PET对数GLSZM大小区域非均匀性归一化、PET lbp-3D-m1 GLCM相关性及PET lbp-3D-m2一阶偏度),这些特征从PET图像中使用1.5×肝脏平均SUV法以0.24的箱宽提取。必须指出,该模型的测试AUC与结合临床和MTV的模型以及使用4.0 SUV固定阈值分割创建的模型之间无显著差异。这可能是由于样本量较小,置信区间相对较宽。由于临床数据缺失,无法对用于将患者分层为早期和晚期疾病的特征进行调整。取而代之使用了治疗意图作为替代指标,结果表明所创建的模型对于按晚期疾病治疗的患者仍是合理的结局预测因子。

应开展进一步工作以评估种族和社会经济地位对模型预测能力的影响,避免因缺乏数据用于模型训练和测试而创建对代表性不足的患者亚群存在歧视的模型[21, 22]。未调整的混杂因素可能是少数研究报告MTV作为淋巴瘤结局预测因子能力不佳的原因之一[23–25]。最值得注意的是,Adams等人发现,在调整美国国家综合癌症网络国际预后指数后,MTV并非弥漫性大B细胞淋巴瘤总生存期或无进展生存期(PFS)的独立预测因子[26]。为实现透明性,本研究提供了使用测试AUC最高的预测模型被错误标记的患者的人口学信息。

探索了两种不同的分割技术。第一种是4.0 SUV固定阈值,已被证明是一种可重复、高效的病灶勾画方法[27]。第二种是1.5×肝脏平均SUV,已在其他恶性肿瘤中探索过,提供了一种可调整背景SUV摄取的适应性阈值[17, 18]。本研究与既往工作一致,表明固定阈值在重新分割后使更多特征保持稳健。固定阈值分割技术所需步骤更少,手动调整也更少[28]。然而,固定SUV阈值技术不随生理性摄取变化而缩放,因此重复研究中轮廓可能因外部因素对SUV的影响而非肿瘤病理生理学而发生变化[27]。该研究还展示了在不同软件上重复分割方法时可能出现的变异性(图5),即使使用相同的SUV阈值,影像组学特征在重复分割后也不被认为稳健。采用ComBat协调方法来减轻扫描仪变异的影响。该方法基于贝叶斯定理,试图在保持生物学变异的同时预测扫描仪的影响[29]。然而,为使该方法有效,必须有足够来自不同扫描仪的样本以应用协调方法[30],且无法前瞻性地应用于预测模型训练所用扫描仪之外的扫描仪采集数据。

既往研究已探索利用影像组学特征预测HL的结局[13–15]。Lue等人在一个42例患者的小型队列中发现,SUV峰度、分期以及由灰度游程矩阵(GLRLM)衍生的强度不均匀性(INU)是PFS的独立预测因素。Milogrom等人证明,将SUVmax、MTV、由GLCM 2.5衍生的InformationMeasureCorr1、InformationMeasureCorr2和InverseVariance相结合,在预测167例I–II期HL患者复发时AUC为0.95。然而,事件数非常少,验证队列中仅有2例患者复发。Sollini等人在一个85例患者的队列中,使用主成分分析评估影像组学指纹,以对治疗4年内会复发的患者进行分类。他们探索了由单个最大淋巴结或结外病灶构建的指纹与使用所有病灶构建的指纹,发现患者内相似性较低,且在模型中使用所有病灶时获得了最高准确率[15]。这凸显了不同病灶内影像组学特征的固有异质性,并且通过将分析限制于单个病灶,预测模型也可能受到限制。当前这项纳入289例患者的研究是评估治疗前FDG PET/CT衍生的影像组学特征用于预测cHL患者结局潜在效用的最大研究之一。它表明影像组学有可能改善对2-EFS的预测。然而,这需要在独立外部数据集上进行验证,而且尽管测试集的AUC为0.81,仍无法得出明确的预测阈值。这必须是创建任何机器学习或基于AI的模型时的关键目标。就HL而言,这将是平衡强化治疗副作用的能力,因为不同治疗方案之间的EFS率和毒性各不相同[31]。较新治疗策略的出现限制了基于回顾性数据构建的预测模型的使用;未来的工作应侧重于在经过精心设计的前瞻性、多中心临床试验中验证影像、遗传和临床预测特征。

使用TRIPOD清单以确保研究方法的透明度,这是既往影像组学研究中的一个关注点[32, 33]。然而,未进行外部验证,而且尽管勾画是在不知晓临床结局的情况下进行的,但未特别采取对评估者设盲的措施。虽然其他并发恶性肿瘤的患者被排除在分析之外,但在考察死亡率时未考虑其他病理情况。其他研究局限性包括其回顾性性质、相对较小的事件率、依赖临床记录确定复发/再发日期、排除肝脏疾病患者/或无疾病> 4.0 SUV的患者,以及不同患者治疗方案存在差异。

图5 一名霍奇金淋巴瘤患者的PET(a)和CT(b)图像选定轴位层面,显示左侧II区病理性淋巴结。紫色分割代表使用Mirada Medical RTx(v1.8.2)软件执行的原始4.0 SUV固定阈值分割,绿色区域代表使用3D Slicer(v4.11)软件以固定4.0 SUV阈值分割时纳入的额外区域 查看原图 ↗

结论

从治疗前FDG PET/CT提取的放射组学特征衍生的模型有潜力预测cHL患者的2-EFS。需要进一步研究以确定临床使用的最佳阈值。

补充信息

ESM 1(PDF 540 kb)

引用

  1. Frood, Clark, Burton, et al. Utility of pre-treatment FDG PET/CT-derived machine learning models for outcome prediction in classical Hodgkin lymphoma. Eur Radiol. 2022. PMID: 36006428. doi:10.1007/s00330-022-09039-0
  2. 全文:PMC9403224(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9403224/

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。