文献速递腹部泌尿生殖CT

基于深度学习和影像组学特征融合的集成分类器预测囊性肾病变恶性风险

Deep learning and radiomic feature-based blending ensemble classifier for malignancy risk prediction in cystic renal lesions.
PubMed 文献 · Insights Imaging · 2023-01-11

该研究回顾性纳入病理确诊的囊性肾病变患者,利用动脉期CT提取手工影像组学特征和3D-ResNet50深度学习特征,构建 blending 集成机器学习模型区分良恶性。外部验证集AUC为0.934,准确率0.905,优于Bosniak-2019分类(准确率0.635),决策曲线分析显示净收益更高。

要点

  • 融合深度学习和影像组学特征的集成模型在外部验证集区分囊性肾病变良恶性AUC达0.934。
  • 模型准确率0.905,显著高于Bosniak-2019分类的0.635(P<0.001)。
  • 决策曲线分析显示模型在全部阈值概率下净收益均高于Bosniak-2019分类。

核心结论

  • 基于融合特征的分类器能准确区分良恶性囊性肾病变,性能优于Bosniak-2019分类并改善临床决策效用。

研究设计与样本

  • 训练队列CT来自128层或64层螺旋CT,测试队列来自128层螺旋CT,采集动脉期图像。
  • 提取1231个手工影像组学特征和2048个深度学习特征,经十折交叉验证LASSO筛选后构建blending集成模型。
  • 采用AUC、准确率和决策曲线分析在测试队列评估性能,并与Bosniak-2019分类比较。

关键影像表现/征象

  • 恶性囊性肾病变在CT上可表现为分隔增厚、壁结节强化、钙化等复杂征象。
  • Bosniak IIF、III、IV类病变中仍有一部分为良性,仅凭形态学视觉评估难以准确区分。

诊断标准与关键数值

  • 外部验证集融合特征模型AUC=0.934,准确率=0.905;Bosniak-2019分类准确率=0.635,DeLong检验P<0.001。
  • Bosniak-2019分类中,囊性病变伴一个或多个边缘钝(>4 mm)或锐利的强化结节提示恶性肾肿瘤。
  • Bosniak-2019分类中,囊壁或分隔增厚伴强化也提示恶性可能。
  • 文献引用数据显示约10%-20%的Bosniak IIF、50%的III、90%的IV类病变为恶性肾肿瘤。

临床应用与阅片要点

  • 模型基于动脉期CT图像,可辅助识别Bosniak IIF-III类中低恶性风险病变,避免不必要手术。
  • 所有入组病变均经术后病理确诊,模型输出可作为Bosniak分类的补充参考。
  • 模型需手动勾画ROI,临床部署时需考虑分割工作负担。

局限性

  • ROI由两位放射科医生手动勾画,未采用全自动分割方法。
  • 外部验证集样本量有限,大样本诊断性能仍需验证。
  • 仅采用动脉期CT图像建模,未利用多期增强CT或MRI图像。
  • 未纳入年龄、性别等临床特征,可能进一步提升模型性能。
全文中译13 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:Insights Imaging. 2023 Jan 11;14:6. doi: 10.1186/s13244-022-01349-7

背景

随着计算机断层扫描(CT)的日益普及,囊性肾病变(CRLs)的检出率正在迅速上升。少数CRLs是需要手术干预的恶性肾肿瘤。根据世界卫生组织(WHO)肾肿瘤分类,囊性肾肿瘤是一大类具有广泛生物学特征的肾脏肿瘤,恶性CRL早期手术治疗的必要性怎么强调都不为过[1]。然而,大多数CRLs是单纯性肾囊肿或良性囊性肾肿瘤,不需要像部分或根治性肾切除术这样的根治性手术。由于必须准确识别CRL的组成部分以确定适当的治疗策略,CT成像通常用于鉴别CRL。同时,恶性CRL在早期阶段难以诊断和管理,因为其在CT图像上表现复杂,包括分隔厚度、壁结节强化、钙化等[2]。为了在早期阶段识别恶性CRL、规范解释复杂性肾囊肿的术语,并提供分类需要根治性手术的恶性CRL的标准,Bosniak分类系统得以建立[3, 4]。2019年更新的Bosniak分类系统引入了更具判别力和定量化的标准,以提高识别较高风险CRL类别的特异性。此外,它阐明了关键术语的详细含义,以促进不同读者之间的一致性和共识。基于更新的Bosniak分类,CRL中具有钝角边缘(大于4 mm)或锐角边缘的一个或多个强化结节提示恶性肾肿瘤。CRL中增厚的壁或分隔伴有强化也提示恶性的可能性。然而,根据Bosniak分类,这些高风险CRLs(IIF、III、IV)仍可能是良性CRLs而非恶性肿瘤。Bosniak分类的误用所导致的不准确治疗和相关诊断错误可能导致过度医疗,并带来肾功能损害、再次手术和医疗纠纷等不良后果[5, 6]。已有研究表明,2019-Bosniak分类标准的诊断性能较其前一版本并无显著提高[7–9]。根据2019-Bosniak版本,相当比例的先前诊断为III类的病变将被重新分类为IIF,导致敏感性降低[10, 11]。Bosniak I级和II级最常见为肾囊肿,而IIF级、III级和IV级更常见为恶性肾肿瘤。最新研究得出结论,约10%-20%的Bosniak IIF病变、50%的Bosniak III病变和90%的Bosniak IV病变为恶性肾肿瘤[12]。为提高诊断敏感性并克服视觉图像评价偏差的局限性,定量图像分析技术(也称为放射组学)结合机器学习方法近年来日益流行[13, 14]。本研究旨在开发并验证一种融合集成机器学习算法,结合深度学习和放射组学特征对良恶性CRLs进行分层。

材料与方法

入组标准与特征分布

本回顾性分析经各医院伦理委员会批准,所有患者信息均匿名化处理。在训练队列中,所需CT扫描图像来自128层螺旋CT扫描仪(西门子医疗,德国)或64层螺旋CT扫描仪(通用电气,美国)。在测试队列中,所需CT扫描图像来自128层螺旋CT扫描仪(LightSpeed VCT,GE医疗系统,美国)。CT数据由标准化扫描方案生成。详情如下:CT管电压(120–140 kv)、CT管电流(125–300 mAs)、扫描矩阵(512*512像素)、体部重建核和层厚(范围1至5 mm)。静脉注射碘海醇(300 mg/mL,速率3.0 mL/s,随后以30 mL生理盐水冲管)后,采集对比增强CT样本。我们从相应的图像归档与通信系统(Vue PACS,Carestream Health Inc & General Electric Advantage Workstation)中检索CT图像。候选参与者包括肾囊肿超过1 cm、无手术史(肾穿刺活检、肾切开取石术、肾切除术或部分肾切除术)、无与多发性肾囊肿相关的疾病如多囊性疾病、Von Hippel-Lindau综合征(VHL)或常染色体显性多囊肾病(ADPKD),且CRL中实性部分少于25%者。本研究每名参与者仅可纳入经最终病理结果证实的CRL,以确保模型呈现真实可靠。图1描绘了两个队列中详细的选择方法和病理结果。开发队列中103名参与者被诊断为良性CRL,56名参与者被诊断为恶性CRL。在测试队列中,根据病理结果,10名参与者被确定为恶性CRL,53名参与者被确定为良性CRL。表1显示了训练队列和测试队列中详细的特征分布。

图1 展示CRL如何入组及相应CRL病理结果分布的流程图。流程图中显示了详细的纳入和排除标准。根据病理结果,CRL被分类为良性或恶性CRL。随后,采用训练队列构建机器学习分类器,并使用测试队列评估模型性能并与Bosniak-2019版本进行比较 查看原图 ↗
表1 训练队列和外部队列中Bosniak-2019分类及病理结果的详细分布 查看原表 ↗

手工影像组学特征提取

所有CRL的ROI标注均由两名资深放射科医师使用ITK-SNAP软件完成。在标注肿瘤边缘时,放射科医师将整合3个不同平面的图像信息:轴位、矢状位和冠状位平面。在CRL勾画存在争议的情况下,另一名资深放射科医师将参与讨论并共同帮助制定最终勾画结果。影像组学特征可分为三类:(1)一阶统计量,(2)形状特征,(3)二阶特征。影像组学特征的图像类型可分为三类:(1)原始,(2)Log,(3)小波。使用官方Pyradiomics yaml文件中提供的默认参数设置,我们从每个个体中提取了1231个影像组学特征。

深度学习特征提取

为提取深度学习特征,我们定义了一个包含CRL区域的3D裁剪框。3D裁剪框的宽度和长度对应于CRL的最大横截面积,而3D裁剪框的高度对应于Z轴上包含CRL区域的尺寸。在3D裁剪框中,ROI区域外的NumPy数组值将被赋值为0。图2展示了详细的3D裁剪框工作流程。3D裁剪框区域将被传入具有预训练权重的3DResnet50模型。我们通过移除预训练模型的最后一层、禁用梯度更新并添加3D最大池化层,从每个个体中提取了2048个深度学习特征。详细的3DResnet50结构见附加文件1:表2。

图2. 3D裁剪框的详细工作流程。3D裁剪框由四个部分组成:CT HU转换、ROI区域裁剪、区域背景填充和输入尺寸调整。ROI以外的区域将用黑色填充,以确保从3D裁剪框中提取的深度学习特征完全来自CRL 查看原图 ↗

影像组学特征协调化

基因组相关研究已广泛采用ComBat方法来处理批次效应。CT采集和重建参数对手工影像组学特征有直接影响[15]。然而,在不同机构之间预先标准化平台和参数并不现实。越来越多的证据表明影像组学研究需要相同的策略[16, 17]。在本研究中,采用ComBat协调化方法来处理来源于不同图像采集流程的提取影像组学特征之间的差异。

相关系数检验

为验证所选特征是否具有高度可重复性和可靠性,采用了组内相关系数和组间相关系数。组间相关系数的结果来源于两位独立读者,他们在训练和测试队列中对25%参与者的CRL进行了重新标注。这些重新标注的参与者由另一位独立放射科医师随机选取。组内相关系数的结果由一位读者通过在入组数据集中不同时间(间隔1个月)随机勾画相同参与者来评估[18]。

质量控制流程

融合特征提取和模型构建的质量控制流程包括五个步骤:(1)图像质量控制;(2)ROI质量控制;(3)特征提取质量控制;(4)特征选择质量控制;(5)机器学习方法质量控制。我们遵循了影像生物标志物标准化倡议(IBSI)提供的建议[19]。本研究采用影像组学质量评分(RQS)评估可靠性[20]。在附加文件1中,展示了详细的质量控制流程和RQS计算结果。

统计分析

使用ITK-SNAP(版本3.6.0)生成感兴趣区(ROI)。使用Pyradiomics包(版本3.0.1)提取手工放射组学特征。3DResnet50模型中的预训练权重来自23个医学数据集(包括脑部MR图像和肺部CT图像等)。预训练权重文件及相应代码已在腾讯Medicalnet项目(https://github.com/Tencent/MedicalNet)中开源发布。深度学习特征通过在原3DResnet50模型中添加3D最大池化层并移除上采样层来提取。特征提取后,采用十折交叉验证的最小绝对收缩和选择算子(LASSO)方法在训练数据集中选择最具鉴别力的特征[21, 22]。采用适用于正态分布的Pearson相关系数和适用于非正态分布的Spearman秩相关系数检查初选的手工放射组学特征和深度学习特征中的冗余性。图3描述了模型构建的完整流程。采用受试者工作特征(ROC)曲线和准确率评分(ACC)评估最终模型的性能。采用DeLong检验判断受试者工作特征曲线下面积(AUC)是否存在统计学上显著的异质性。采用校准曲线评估最终模型在外部验证数据集中的一致性表现。采用决策曲线分析(DCA)评估其与Bosniak-2019版本相比的临床适用性。统计显著性水平由双侧p值小于0.05确定。采用scikit-learn包和“Pycaret”包创建最终机器学习模型。所有模型构建和图表绘制均在Python环境(3.9版本)和R软件(4.0.5版本)中开发完成。

图3 流程图展示了机器学习模型构建的逐步操作流程 查看原图 ↗

结果

Blending集成分类器在CRL分类中的性能

基于融合特征的机器学习算法的详细性能分别展示于图4和图5。最终模型的AUC值为0.934,根据DeLong检验的P值(p < 0.001),与Bosniak分类相比具有统计学显著性。集成模型的ACC值为0.905,而Bosniak 2019分类的ACC值为0.635,表明该模型在区分恶性和良性CRL方面具有良好的判别能力。最终模型与Bosniak-2019版本分类的详细性能展示于表2。同时,基于融合特征的机器学习算法在图5中显示出较强的校准性能。

图4 通过ROC曲线评估各模型的诊断效能。a Blending集成模型的平均交叉验证ROC为0.95。b 所有四种模型在外部验证数据集中均表现优异 查看原图 ↗
图5 外部验证数据集中的校准曲线。黑色虚线代表理想预测曲线。当机器学习模型的预测曲线越接近虚线时,模型越准确。四种模型中各概率的平均分布展示于下方的条形图中 查看原图 ↗
表2 四种模型及Bosniak-2019分类在外部验证数据集中的性能 查看原表 ↗

混合集成分类器与Bosniak-2019分类的临床影响比较

最终模型在外部验证数据集中的决策曲线分析发现,在任何阈值概率下,融合特征机器学习模型均优于“不治疗”和“全部治疗”策略,并提供更高的净获益(图6)。图7展示了最终模型在测试数据集中与Bosniak分类相比的性能表现。在测试数据集中,最终模型在将囊性肾脏病变正确分类为恶性囊性肾脏病变(CRLs)和良性CRLs方面,超过了基于Bosniak 2019分类的管理指南。这表明使用机器学习算法可以提供更好的临床决策支持。四个模型的详细混淆矩阵见附加文件1。

图6 外部验证数据集中四种机器学习分类器与Bosniak 2019版本相比的决策曲线分析。净获益以y轴表示,相应的阈值概率以x轴表示。混合分类器以红线表示。Bosniak 2019版本以黄线表示。与Bosniak 2019版本相比,所有机器学习模型表现更好,并提供了更多净获益 查看原图 ↗
图7 外部验证数据集中四个囊性肾脏病变的动脉期图像。a中的CRL为良性2019 Bosniak II类病变,b中的Bosniak IIF CRL根据术后组织病理学结果被确定为多房囊性肾低度恶性肿瘤。c、d中的囊性肾脏病变分别被分类为2019 Bosniak IIF CRL(良性病理)和IV CRL(恶性病理)。混合机器学习分类器均生成了正确诊断 查看原图 ↗

讨论

尽管更新后的低级别Bosniak分类(Bosniak I、II)与良性CRL之间存在强关联,但在评估标记为Bosniak IIF、III和IV的CRL的病理结果时存在局限性,这可能导致不必要的手术操作和过度的随访费用。识别低恶性风险的Bosniak分类高级别CRL有助于避免不必要的治疗和增加的医疗费用[23, 24]。根据既往研究,Bosniak IIF囊性肾肿块的进展时间为四年,这表明四年的随访不可避免[25]。高危Bosniak CRL的快速进展需要行根治性肾切除术,而非肾囊肿去顶术等无效的手术操作[26, 27]。在这项回顾性研究中,我们采用混合集成机器学习模型对囊性肾肿块中的恶性和良性CRL进行分层,其表现优于Bosniak分类系统。我们在最终模型中采用了3个深度学习特征和16个影像组学特征,这些特征可靠且具有判别力,在内部验证和测试数据集中表现稳健且一致。混合集成模型的可靠性由以下关键要素决定:1、整个设计过程均应用了IBSI指南。2、组织病理学检查结果作为CRL分类的诊断金标准。3、混合集成机器学习方法和交叉验证方法防止了训练数据集中的过拟合。4、在外部验证步骤中,混合集成模型表现出较强的诊断性能。5、本研究的RQS分析结果为16,表明本研究的质量值得信赖且可重复。

2019年更新的Bosniak分类版本旨在解决读者间变异性并提高预测恶性囊性肾病变(CRL)的诊断性能。然而,所提出的分类能力尚未得到确认[28]。考虑到病理参考标准,近期研究表明,Bosniak-2019版本IIF类CRL的恶性风险高于既往Bosniak分类。同时,将伴有不规则性的III类CRL与伴有锐利或钝角结节的IV类CRL相比,恶性比例没有差异[29]。尽管如此,两名训练有素的放射科医师在CRL的Bosniak分类中仍存在一些分歧,需要额外的放射科医师提供帮助。与此相反,混合决策算法在测试数据集中表现良好且一致,无需主观评估。既往研究表明,机器学习方法可用于CRL恶性分层[30, 31]。Miskin等人采用一阶纹理特征(均值、熵、偏度和峰度),开发了一种基于放射组学的机器学习方法,根据Bosniak 2019版本重新分类将囊性肾脏肿块分类为良性囊肿和潜在恶性囊肿[32]。然而,他们并未以病理学作为诊断标准[33]。Bosniak分类不如病理学标准准确,IIF类、III类和IV类CRL仍可能为良性肿瘤,这意味着该模型的临床实用性受到限制。近期,Caroline Reinhold等人采用临床决策算法从CRL中识别恶性肾脏肿瘤[34]。基于CT的机器学习模型准确地对恶性CRL进行了分层,并优于Bosniak分类标准。该决策系统准确区分了适合主动监测或需要手术的CRL,并在所有阈值概率上显示出净获益。然而,区分良性和恶性CRL的能力仍存在争议,因为良性CRL并非由病理学标准定义,而是将良性CRL定义为四年随访期间无影像学变化。为确保模型性能的可靠性,本研究纳入的所有CRL均有术后病理结果。混合算法已证明具有高特异性和敏感性,当放射科医师或泌尿外科医师尝试评估并为CRL选择最佳手术方式时,这可能对临床实践产生影响。

尽管最终的机器学习模型成功预测了CRL的病理结果,但仍需提及若干局限性。第一,所有CRL的ROI勾画均由两名放射科医师手动勾勒,这种方法看起来有些过时。在近期研究中,Kim等人创建了一种用于测量CRL的分割方法,该方法完全自动化[35, 36]。在后续研究中,为减轻放射科医师的负担并扩大机器学习模型的适用性,我们将尝试应用3D-Unet或nn-Unet等自动分割模型。第二,尽管本工作使用了外部验证数据集,但我们机器学习模型在大样本中的诊断性能仍有待确认。第三,我们未采用三期CT扫描,而是采用动脉期CT图像来构建机器学习方法。既往研究采用CNN和门控RNN模型,基于多期对比增强计算机断层扫描(CECT)区分恶性肝脏肿瘤。空间提取器-时间编码器-整合-分类器(STIC)成功提取了不同CECT期相间的变化模式[37]。在Bosniak 2019版本中,正式引入了MRI标准标准,而针对MRI扫描中肾囊肿纹理特征的研究极少[38, 39]。未来研究可尝试通过序列到序列模型如循环神经网络(RNN)和视觉变换器(VIT)整合三期CT图像和MRI图像[40]。事实上,囊性肾瘤在50–60岁女性中更为常见,这提示年龄和性别等临床特征可能是潜在的预测因子,而将影像组学数据与临床特征相结合的混合模型(如STIC模型)可能进一步提升诊断模型的性能。

结论

总之,混合影像组学机器学习模型在多个测试数据集中对恶性和良性CRL的分层显示出良好的判别能力,这将有助于早期诊断恶性CRL并减少CRL的过度诊断和过度治疗。

补充信息

附加文件1。本材料补充了详细的入组程序和质量控制方法。

引用

  1. He, Feng, Lv, et al. Deep learning and radiomic feature-based blending ensemble classifier for malignancy risk prediction in cystic renal lesions. Insights Imaging. 2023. PMID: 36629980. doi:10.1186/s13244-022-01349-7
  2. 全文:PMC9834471(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9834471/

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。