胰腺癌影像组学研究现状:研究设计与结果可重复性
该系统综述检索MEDLINE、PubMed和Scopus数据库,评估符合IBSI标准的胰腺导管腺癌CT影像组学原始研究,最终纳入12篇。结果显示研究间队列、CT技术、特征提取与建模方法高度异质,方法学常不完整,导致结果可比性和可重复性低。作者强调需IBSI依从、数据协调和可重复的特征提取方法,才能推动影像组学生物标志物的临床转化。
要点
- 符合IBSI标准的PDAC CT影像组学研究仅12篇,方法高度异质,结果不可比。
- CT层厚、扫描期相、分割维度和软件选择差异大,阻碍结果复现。
- 提升可重复性需统一协议、数据协调及规范报告特征提取与建模细节。
核心结论
- 当前12篇符合IBSI标准的PDAC影像组学研究异质性高、方法学常不完整,导致稳健性和可重复性低。
- 影像组学研究需IBSI依从、数据协调和可重复的特征提取方法,非侵入性影像生物标志物才可能有效并实现临床转化。
研究设计与样本
- 系统综述,遵循PRISMA,检索MEDLINE、PubMed和Scopus数据库(2022年6月至8月),最终纳入12篇原始人类研究。
- 纳入标准为2017年至2022年8月发表的英文PDAC CT影像组学诊断、治疗和/或预后原始研究,且使用IBSI依从软件;非IBSI依从软件研究被排除。
- 由两名评估者初筛标题和摘要,最终由三名评估者(放射学专家、医学毕业生、生物统计学家)分析全文。
- 数据提取包括队列大小、CT协议、影像组学特征提取、分割和选择、软件、结局相关性及统计方法,重点关注可重复性。
- 未应用影像组学质量评分(RQS),因其结构复杂且近期系统综述显示RQS总体依从率低(38.7%)。
诊断标准与关键数值
- 队列大小范围为37至352(中位数106,均值155.8)。
- CT层厚:4项研究≤1 mm,5项>1至3 mm,2项>3至5 mm,1项未说明。
- CT协议:5项使用单静脉期,5项使用胰腺协议,1项使用非增强协议,2项未提供是否使用胰腺协议的信息。
- 特征提取期相:5项使用静脉期,2项使用晚动脉期,4项使用多期,1项使用非增强期。
- 特征选择:3项预先选择,9项由软件选择;分割维度:6项2D,4项3D,2项2D和3D;使用6种不同影像组学软件。
临床应用与阅片要点
- 阅片和报告影像组学研究时,应关注CT层厚、扫描期相、分割维度、特征提取软件是否IBSI依从及特征选择方法是否报告完整。
- CT技术参数(层厚、对比剂增强、卷积核重建)影响影像组学模型性能,缺乏标准化协议和数据协调会降低结果可解释性。
- 建议采用标准化CT协议(如包含晚动脉期和门静脉期的NCCN标准)或单静脉期双能CT以提升研究间可比性。
- 报告需明确特征提取期相、特征选择方法、统计阈值、验证策略及缺失数据处理,避免方法学遗漏影响可重复性。
- 小样本研究易过拟合且检验效能不足,解释模型性能时需谨慎,尤其注意训练/验证集比例是否合理。
局限性
- 仅纳入12篇符合IBSI标准的原始研究,样本量有限,无法进行广泛比较。
- 纳入研究多为单中心(9/12)、小至中等队列,部分研究训练/验证比例不合理(如30:68),统计效能不足。
- 多数研究未报告数据协调细节、特征选择方法、缺失数据处理及验证策略,方法学报告不完整影响可重复性。
- 综述未应用RQS评分,且检索截止2022年8月,可能未涵盖后续研究。
- 部分研究使用相同患者队列或不同层厚进行训练和验证,未说明对影像组学分析的影响。
全文中译10 节 · 点击展开
引言
胰腺导管腺癌(PDAC)是一种预后不良的恶性肿瘤,常在晚期才被发现,5年生存率仅为11% [1, 2]。尽管CT和MR等诊断与分期技术取得了进步,但过去几十年中在检出率和预后方面的改善甚微,这凸显了对更有效和优化的PDAC管理策略的需求。
影像组学是一种新颖且有前景的高级计算方法,涉及从医学图像中提取所谓的人眼无法辨别的影像组学特征(RFs)。基于RFs的非侵入性影像生物标志物的发现可能有望实现更好的分期,并作为精准/个性化医学的一部分,改善治疗反应和总生存期 [3–5]。
从感兴趣区(ROIs)中提取二维(2D)或三维(3D)的RFs是图像分析中的常见做法。RFs可大致分为一阶、二阶和高阶特征:一阶特征包括形状/球形度、体素灰度强度和粗体素分布,可用直方图表示,展示偏度、峰度、均匀性和熵。二阶特征描述相邻体素之间的强度关系,包括灰度共生矩阵(GLCM)和灰度游程长度矩阵(GLRLM)等特征 [3, 6]。最后,高阶特征通过数学调制或滤波技术提取,目的是抑制噪声或突出细节和模式 [7]。
尽管范围广泛,但与肝脏和肺部等其他实体器官癌症相比,PDAC影像组学在临床实践中的应用仍然有限 [8–10]。这是由于诸多挑战,包括难以制定可靠的研究设计。如Yamashita等 [11] 所示,影像组学模型的可重复性受到扫描参数变化的严重影响,如所使用的扫描仪型号、像素间距和对比剂给药速率,以及ROIs的手动分割。
此外,研究方法学也存在不足,如在已经复杂的临床环境中,数据协调以及使用遵循影像生物标志物标准化倡议(IBSI)指南的软件等方面 [7, 12, 13]。
本综述旨在概述PDAC诊断、治疗和预后方面原始研究的现状,特别关注影像组学和应用方法学。它突出了该领域的优势和薄弱环节,强调可重复性,并为影像组学研究人员提供指导以产生更稳健的结果。
材料与方法
数据库检索(MEDLINE、PubMed和Scopus)
于2022年6月至8月期间对在线数据库MEDLINE、PubMed和Scopus进行了文献检索。检索公式包含 [pancreas OR pancreatic] AND [radiomic OR [quantitative AND imaging] OR [texture AND analysis]]。
文章的标题和摘要最初由两名评估者(H.S.K(放射学专科医师,具有16年腹部专科经验)、J.A.M(三年级医学研究生))进行筛选。纳入标准包括2017年至2022年8月间以英文发表的关于CT影像组学在PDAC诊断、治疗和/或预后中应用的原发性人类研究文章,使用非IBSI合规软件的研究被排除。最终入选的文章随后由三名评估者(H.S.K、J.A.M、M.T.(生物统计学家))进行分析(表1)。
数据提取
文章根据CT层厚(≤ 1 mm、> 1至3 mm、> 3至5 mm)进行评估和分类,以与现行标准保持一致,并便于未来影像组学研究的比较。研究进一步按各种RF临床应用进行亚分类,以回答以下研究问题:(1)在PDAC研究中是否存在共同识别的RF,提示正在发展一种经验证的影像生物标志物的趋势?(2)报告的队列规模、CT技术因素和描述的影像组学方法学步骤是什么?方法中是否存在可能妨碍可重复性的因素?
我们的分析未采用Lambin等人[14]提出的影像组学质量评分(RQS),鉴于其结构复杂(16个组成部分、六个关键领域、评分0–36分),同时也基于最近一项纳入高排名医学期刊77篇文章的广泛系统综述,该综述显示总体基本RQS依从率较低,为38.7%,许多RQS组成部分得分为0分[15]。
结果
图1展示了概述文献检索的PRISMA流程图。共检索到1112篇文章(MEDLINE n = 584,PubMed n = 144,Scopus n = 384),去除重复后共计650篇文章。对标题和摘要的初步筛选确定了49篇符合全文评估资格标准的文章。经过进一步排除后,本综述共纳入12篇文章(表2)。
全文分析显示缺乏共同的RF、方法学高度可变,以及缺乏确保可重复性的充分信息(表3)。
队列规模和CT技术
患者队列规模范围为37至352(中位数 = 106,均值 = 155.8)。入选综述的12项研究中有3项队列规模较小,范围为37至54[16–18]。
四项研究显示CT层厚≤ 1 mm[16, 17, 19, 20],五项层厚> 1–3 mm[18, 21–24],两项层厚> 3至5 mm[25, 26],一项未指定层厚[27](表3)。12项研究中有9项使用单中心数据[16–18, 20–25],2项研究使用来自2个不同中心的数据(各一个作为训练队列,各一个作为验证队列)[26, 27],一项研究使用来自5个中心的数据[19]。
12项研究中有5项采用了CT胰腺检查方案[17, 18, 22, 26, 27],而12项研究中有5项未采用胰腺检查方案[19–21, 24, 25],另有2项研究未提供患者是否接受CT胰腺检查方案的信息[16, 23]。用于分割的CT对比期相在各研究间存在差异,5项研究使用门静脉期[16, 17, 19, 20, 26],2项研究使用晚动脉期[18, 24],4项研究使用多期相[22, 23, 25, 27],1项研究未使用对比剂[21]。
影像组学特征提取与选择
影像组学特征(RF)的选择和分析方法具有可重复性,但差异很大。3项研究预先选择了RF[18, 20, 23],其余9项研究从各自的软件库中提取特征。所用软件为PyRadiomics[19, 20, 26]和LIFEx各3项[17, 21, 23],IBEX[18, 24]和MATLAB各2项[22, 27],AnalysisKit[16]和Artificial Intelligent Kit各1项研究[25]。
统计分析与模型开发
分析的结果变量采用时间-事件终点(使用Cox回归技术建模)[17–22, 25, 26],或采用逻辑回归模型评估PDAC分级[23, 24]、局部缓解[18, 21]或肠系膜上-门静脉侵犯[16]。
在选择RF作为模型组成部分时,2项研究将RF纳入多变量分析,以p值< 0.1为显著性标准[17, 22],而其余研究要么未明确说明任何变异,要么假定以p < 0.05为阈值。2项研究未披露所选具体RF的细节[22, 24]。此外,其中1项研究未披露与所选特征相关的CT期相[22]。
许多研究提供了相关性分析的细节,以减少单变量或多变量建模中考虑的特征数量[16, 17, 20, 25, 27],并在多变量建模时评估变量间的共线性[18, 28]。12项研究中,半数使用了最小绝对收缩和选择算子(LASSO)技术[19, 23–27]。1项研究使用了逐步后退筛选方法进行统计学显著变量选择[16],同时也考虑了弹性网络正则化[21]。少数研究未明确描述多变量预测模型分析中变量选择方法的细节[17, 18, 20, 22]。仅1项研究指出应用了双向交互作用计算[19]。
除2项研究外[20, 26],所有研究均应用了受试者工作特征曲线(ROC)或Harrell's C一致性指数分析的组合。大多数研究使用Akaike信息准则、校准曲线和/或Hosmer–Lemeshow检验等验证和校准统计参数来评估模型性能和拟合度,但有3项例外[18, 20, 26]。若干论文明确说明通过基于中位数的二分化[19]、ROC分析的Youden指数[24]或其他标准[21]来考虑分类特征变量。
所综述研究中有一半[16, 19, 23, 25–27]报告在考虑多变量建模之前对所选用于分析的RF进行了观察者间可靠性评估。
2项研究详细描述了其建模分析中缺失数据的处理方法[19, 20],并评论了这样做的原因。
三项研究承认,由于样本量不足,未考虑内部验证队列[16, 18, 23]。
除一项研究使用SPSS[24]外,所有纳入研究均使用R统计软件。
讨论
影像组学是一种从医学图像中提取特征(RF)的计算方法,有潜力开发无创影像生物标志物,有助于改善PDAC的勾画和治疗。迄今为止,可用的PDAC CT影像组学原始研究数据有限。
我们的分析揭示了与使用异质性小至中等规模队列的回顾性数据相关的若干挑战。此外,被认为显著的RF缺乏一致性。另外,CT技术的差异以及RF分割和选择缺乏一致性进一步阻碍了结果的可重复性。然而,值得注意的是,在纳入综述的12项研究中有6项观察到GLCM相关RF,尽管没有任何一致的亚类。
中位队列规模为106例患者,12项研究中有7项具有如此小的队列规模,导致无法进行验证过程。队列的训练-验证比是确保稳健预后模型的重要因素。医学研究的训练-验证比通常范围为67:33至80:20[29]。Khalvati等人[26]的研究显示训练:验证比为30:68,这在解释结果时需要谨慎。进一步的统计学考虑包括复杂影像组学模型的过拟合以及Bonferroni校正的局限性,后者在样本量过小时不适用[18]。过拟合可以通过预先选择经验证的RF在一定程度上得到缓解;然而,如本研究所示,证明有足够效力开发预后模型以及properly validated的研究仍然匮乏。
影像组学研究中另一个需要考虑的重要因素是CT图像采集的变异。CT扫描和扫描仪参数在PDAC分期中起重要作用,并影响影像组学模型的性能[11]。使用标准化CT方案,特别是包括NCCN标准所述的晚期动脉期和门静脉期的方案,将使研究更具可比性[30–32]。12项研究中有5项指出使用了CT胰腺方案,而其余7项研究中有6项未说明理由或承认这一局限性。Healy等人[19]未捕捉CT扫描方案的差异,旨在“真实世界环境”下开发和验证其影像组学模型。这存在从变异、异质性数据集中提取RF的风险,可能影响结果的解释。正如Noda等人[33]所提出的,使用单期门静脉双能计算机断层扫描图像代替特定的CT胰腺方案,可能作为标准化影像组学图像采集的潜在解决方案,同时仍将CT胰腺方案作为PDAC分期的金标准。
CT技术会极大影响图像质量、肿瘤和血管的可见性,并最终影响影像组学分析。He等[34]的研究表明,对比剂增强、层厚和卷积核重建等因素会影响影像组学模型的性能。为确保影像组学研究的可重复性,数据协调化是关键步骤。这可包括图像重采样以保持一致层厚、体素大小和像素灰度强度范围(灰度离散化)[35]。然而,数据协调化常被忽视,如Healy等[19]的研究所示,该研究使用了大型异质性队列,涉及多种CT扫描仪类型和扫描方案,且时间跨度较大,期间CT扫描成像技术快速发展。作者称CT成像数据已协调化至1 mm层厚,但未说明原始成像层厚数据。鉴于该队列患者最早于2005年招募,原始CT层厚不太可能≤1 mm,这意味着数据很可能未按预期进行协调化(即将5 mm层厚重格式化为5×1 mm层厚)。其他研究,如Salinas-Miranda等[20]和Cai等[27]的研究,使用了相同患者队列和类似的协调化方法,因而未能报告CT层厚。此外,Khalvati等[26]的研究在训练队列和验证队列中使用了不同的CT层厚(分别为5 mm和2 mm),而未考虑其对影像组学分析的影响。
近期为简化影像组学分析和提高放射组学特征(RF)可重复性的努力是国际影像组学标准化倡议(IBSI)[12]。这份160多页的框架 significantly 侧重数学和技术方面,而对临床实施关注较少。这很可能是因为大多数作者为非临床背景。因此,临床医生不得不信任和依赖符合IBSI标准的影像组学软件来保证质量控制和可重复性。Fornacon-Wood等的研究也支持了这一点,该研究发现使用符合IBSI标准的软件提取的RF表现出优异统计可靠性的数量高于非合规软件[13]。在我们的初步资格评估中,我们发现49项研究中有9项使用了非IBSI合规软件,因此这些研究被排除在最终分析之外。
统计外推和影像组学模型被认为具有高度可变性。例如,Hang等[17]试图将原发性PDAC肿瘤和肝转移灶的RF与总生存期相关联,其做法是将四个纹理特征纳入基于p < 0.1统计显著性的影像组学评分,而非通常采用的p < 0.05阈值。此外,作者未提供关于所选RF是否被考虑纳入或实际纳入多变量模型的信息。同样,Attiyeh等[22]开发了两种模型来预测可切除PDAC患者的总生存期,纳入了血清CA19-9和Brennan病理评分等额外特征。然而,两种模型或单变量分析中所选用于RF提取的CT对比期相以及RF选择均未披露。两项旨在使用影像组学评估肿瘤分级的 study 因其方法学和报告而受限[23, 24]。Chang等[24]未披露关于显著性RF选择的细节,而Tikhonova等[23]使用p值< 0.1作为统计显著性标准,并在非常小的感兴趣体积(< 1mm3)中评估对比增强变化。
Chen等[16]的研究显示了RF在识别和关联疑似肠系膜上静脉和疑似门静脉侵犯方面的潜在效用。其模型与两名经验丰富的放射科医师相比表现出更优的性能。尽管存在局限性(小队列(n = 54)和中等读者间变异性(κ = 0.517)),该模型例证了一种稳健的、符合IBSI的方法学,值得未来验证。
建模技术,如LASSO算法( least absolute shrinkage and selection operator),在识别数据的重要变量和特征方面是有用的。然而,我们的分析显示,许多研究(如果不是全部)可能效能不足,导致无法检测到具有统计学显著性的临床预后特征。尽管承认小样本量的局限性,许多研究建议使用内部或外部验证数据集验证所识别的最终模型是足够的,而非用更大、效能充分的样本量重现模型以识别具有统计学显著性的特征。模型的预测性能可能受益于对变量间交互作用的评估,但只有Hang等样本量最大(n = 352)的研究能够可行地允许这种探索。
所审查的研究未提供所用数据、统计分析或编程代码的链接,这可能是由于患者数据保密原因。虽然大多数研究在方法上是透明的,但注意到若干遗漏阻碍了可重复性。
招募大型PDAC队列、提取稳健的RF,并在如此小的样本量下从潜在数千个RF中开发影像生物标志物是具有挑战性的。开发有效的方法学以及早期参与多学科团队,包括更多技术性、非临床专业组,如生物统计学家和计算机科学家,将极大地有益于该领域的研究。
结论
使用符合影像生物标志物标准化倡议(IBSI)标准的软件进行的PDAC CT影像组学原始研究论文数量有限。然而,随着方法的进步和实践标准化的持续发展,影像组学有潜力成为胰腺癌管理中一种有价值的非侵入性生物标志物。
补充信息
以下是电子补充材料的链接。补充文件1(PDF 108 KB)
引用
- Malcolm, Tacey, Gibbs, et al. Current state of radiomic research in pancreatic cancer: focusing on study design and reproducibility of findings. Eur Radiol. 2023. PMID: 37079029. doi:10.1007/s00330-023-09653-6
- 全文:PMC10511615(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10511615/
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。