《Frontiers in Endocrinology》:Computed tomography multi-phase radiomics models for differentiating benign and malignant thyroid nodules
编辑推荐:
目的:开发并验证一个整合多期计算机断层扫描(computed tomography, CT)影像组学(radiomics)特征、临床数据及常规形态学CT征象的综合模型,用于术前鉴别良恶性甲状腺结节。
方法:研究人员回顾性纳入在两个中心接受术前增强甲状腺CT检查
目的:开发并验证一个整合多期计算机断层扫描(computed tomography, CT)影像组学(radiomics)特征、临床数据及常规形态学CT征象的综合模型,用于术前鉴别良恶性甲状腺结节。
方法:研究人员回顾性纳入在两个中心接受术前增强甲状腺CT检查且经手术证实甲状腺结节的患者。中心1患者按8:2比例随机分配至训练队列和内部验证队列;中心2患者作为外部验证队列。评估结节的临床特征和形态学特征。从所有三个CT期相提取影像组学特征,并构建四类模型:临床模型、单期CT影像组学模型、多期CT影像组学模型及临床-影像组学联合模型。采用受试者工作特征(receiver operating characteristic, ROC)曲线分析、校准曲线、决策曲线分析(decision curve analysis, DCA)和SHapley Additive exPlanations(SHAP)评估模型性能与可解释性。
结果:多期CT影像组学模型在训练、内部验证和外部验证队列中的受试者工作特征曲线下面积(area under the curve, AUC)分别为0.919、0.836和0.787。在单期模型中,静脉期模型获得最佳外部验证性能(AUC=0.815)。整合临床与形态学特征及多期影像组学特征的联合模型获得最高总体诊断性能,外部验证AUC为0.865(敏感度=74.0%,特异度=84.5%),显著优于临床模型(AUC=0.800)和多期影像组学模型(AUC=0.787)。该模型还表现出良好的校准和更高的临床净获益。
结论:多期CT影像组学能够有效鉴别良恶性甲状腺结节。整合临床与形态学信息可进一步提高诊断性能,为CT上偶然发现的甲状腺结节术前风险分层提供客观、无创的工具。
甲状腺结节检出率持续上升,超声可在约65%普通人群中发现结节,其中5%—15%为恶性。甲状腺癌是最常见内分泌恶性肿瘤,女性发病率更高,男性患者肿瘤生物学行为更具侵袭性。多数甲状腺癌临床过程惰性,但部分可出现区域淋巴结转移、甲状腺外侵犯或压迫症状。因此,术前准确表征结节对指导临床决策、避免过度治疗和改善预后至关重要。超声是一线影像学方法,并可实时引导细针穿刺活检(fine-needle aspiration biopsy, FNAB),但其诊断可靠性受操作者依赖、成像伪影和采样误差限制;FNAB虽为参考标准,也受标本获取不足和细胞学特征重叠限制。计算机断层扫描(computed tomography, CT)具有优良空间分辨率和软组织对比,能显示结节与甲状腺包膜、气管、邻近血管及颈部淋巴结关系,是超声的有价值补充。影像组学(radiomics)可高通量提取定量影像特征,客观捕捉病灶异质性。已有系统综述和meta分析汇总12项CT影像组学研究报道,鉴别良恶性甲状腺结节的合并AUC为0.894(敏感度0.85,特异度0.83),影像组学模型显著优于放射科医师视觉评估(AUC 0.853 vs. 0.770,p<0.001)。然而多数单项研究样本量小且缺乏外部验证,模型泛化性不确定。为此,研究人员整合多期CT影像组学、临床参数和常规形态学征象,开发并验证联合预测模型,并应用SHAP量化特征贡献,增强模型透明度和临床适用性;同时比较平扫、动脉期、静脉期和多期CT影像组学模型,构建联合列线图。
研究人员开展的是多中心回顾性研究,纳入手术证实的甲状腺结节患者,中心1共725例(417例良性,308例恶性),按8:2随机分为训练队列580例和内部验证队列145例;中心2共208例(58例良性,150例恶性)作为完全独立外部验证队列。研究构建临床模型、单期CT影像组学模型、多期CT影像组学模型和临床-影像组学联合模型。联合模型外部验证AUC为0.865,显著优于临床模型(AUC=0.800)和多期影像组学模型(AUC=0.787);静脉期单期模型外部验证AUC为0.815,在所有单期模型中表现最稳健。结论提示,多期CT影像组学可有效鉴别良恶性甲状腺结节,整合临床和形态学信息可进一步提高诊断性能,为CT上偶然发现的甲状腺结节术前风险分层提供客观、无创工具,并可能辅助临床决策、减少不必要有创操作,为未来多模态研究提供信息。
关键技术方法概述(约230字):样本队列来源为Quzhou People’s Hospital(中心1,2017年1月至2024年7月)和Hwa Mei Hospital, University of Chinese Academy of Sciences(中心2,2023年10月至2024年8月)。关键技术包括标准平扫、动脉期和静脉期增强甲状腺CT;图像重采样至1×1×1 mm,统一窗宽250 HU、窗位50 HU;两位放射科医师评估不规则形状、咬征、微钙化和范围减低;ITK-SNAP手动勾画感兴趣区(region of interest, ROI)并生成三维感兴趣体积(volume of interest, VOI),保留组内相关系数(intraclass correlation coefficient, ICC)>0.75的特征;从三期提取影像组学特征,经t检验/U检验、Pearson相关、最小冗余最大相关(minimum redundancy maximum relevance, mRMR)和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)筛选;采用多层感知机(multilayer perceptron, MLP)建模,并以ROC、校准曲线、决策曲线分析(decision curve analysis, DCA)和SHAP评估。
3.1 基线特征:研究比较了训练、内部验证和外部验证队列的年龄、性别、结节位置、直径、甲状腺生化指标和CT形态学特征。训练与验证队列主要临床和形态学变量无显著差异。多因素logistic回归识别出7个恶性独立预测因子:直径、年龄、总甲状腺素(TT
4)、游离甲状腺素(FT
4)、咬征、不规则形状和范围减低。微钙化单因素未达统计显著(OR=1.462,95%CI 0.962—2.221,p=0.136),未进入多因素模型。
3.2 预测模型性能:临床模型外部验证AUC为0.800(95%CI 0.732—0.868),敏感度78.0%,特异度72.4%,准确度76.4%。单期影像组学中静脉期模型外部验证最佳,AUC为0.815(95%CI 0.745—0.885),敏感度88.0%,特异度67.2%,准确度82.2%;平扫、动脉期和多期模型外部验证AUC分别为0.785、0.785和0.787。多期模型训练、内部和外部验证AUC分别为0.919、0.836和0.787。联合模型外部验证AUC为0.865(95%CI 0.812—0.918),敏感度74.0%,特异度84.5%,准确度76.9%,并建立影像组学列线图。
3.3 外部验证队列中的模型比较:外部验证中,联合模型AUC显著高于临床模型和多期影像组学模型。校准曲线分析显示联合模型Brier评分最低,预测概率与实际恶性风险更一致;DCA显示其在大多数阈值概率范围具有更高净获益,支持临床辅助决策价值。
3.4 模型可解释性:SHAP蜂群图显示九个最重要特征对模型预测的全局影响,红色表示高值、蓝色表示低值,SHAP值>0促进恶性概率,<0降低恶性概率。两例代表性患者中,病理良性(真阴性)患者获得低风险预测,SHAP值为0.051;病理恶性(真阳性)患者获得高风险预测,SHAP值为0.961,均与术后组织病理一致。特征如log_sigma_2_0_mm_3D_ngtdm_Strength_NE和wavelet_HLH_glcm_Imc2_NE反映局部灰度异质性和体素间纹理相关性;良性相关特征主要为一阶统计和纹理均匀性标志,恶性相关特征更与多尺度灰度不均匀和纹理复杂性相关。
讨论部分指出,该多中心研究开发并验证一系列模型,联合模型外部验证AUC为0.865,显著优于临床模型和多期影像组学模型;校准和DCA进一步证实其预测一致性和临床净获益。影像组学可捕捉视觉无法察觉的纹理和异质性信息,与常规临床及形态学数据整合可增强术前风险分层,外部验证增强泛化性。临床模型外部AUC为0.800;微钙化未显著,可能受样本量、中心数和选择偏倚限制。不规则形状、咬征和范围减低与浸润性生长、包膜侵犯、多灶融合及瘤周纤维化等机制有关。原文列举多项跨肿瘤及甲状腺癌CT影像组学研究支持其临床效用,包括Liu、Chen、Miao、Yu、Xu、Zhou、Mou、Du等的研究,涉及肾癌病理分级、头颈癌淋巴结、肺结节侵袭性、甲状腺外侵犯、淋巴结转移和复发风险分层。本研究中静脉期模型优于其他单期模型,甚至超过多期模型;原文提出静脉期图像更可靠反映间质强化、对比剂滞留和纤维化含量,并减轻动脉期瞬时灌注波动影响。既往最优期相结论不一致,Kong等报道动脉期优越,Lin等因中心间对比增强方案差异使平扫模型外部验证更好;本模型在方案不同的两中心仍保持可接受外部性能,提示一定稳健性。联合模型在各队列总体最佳,可减轻视觉主观性和单模态局限。研究未纳入囊变和异常颈部淋巴结等重要CT特征,可能部分解释外部验证AUC略低于既往部分研究。SHAP分析显示,log_sigma_2_0_mm_3D_ngtdm_Strength_NE和wavelet_HLH_glcm_Imc2_NE等特征反映局部灰度异质性和体素间纹理相关性。原文强调CT影像组学不替代超声和ACR TI-RADS分类系统在甲状腺结节评估中的基础作用,而是作为CT偶然发现结节、超声不确定、需评估邻近解剖结构或综合术前风险分层患者的辅助工具,可帮助决定进一步超声、FNAB或手术管理,并可能减少不必要有创操作。局限包括回顾性设计、仅纳入手术患者、仅单发结节≥5 mm、手动VOI分割费力且存在观察者间变异,以及未与超声、超声影像组学或放射科医师总体诊断印象进行头对头比较。未来需多中心前瞻性研究,纳入自动分割、深度学习、超声特征和分子生物标志物,开发更稳健多模态模型。
研究结论翻译:总之,静脉期CT影像组学特征在鉴别良恶性甲状腺结节方面具有稳健的诊断价值。与临床和形态学信息整合可进一步提高诊断准确性、稳定性和临床实用性,为CT上偶然发现的甲状腺结节术前管理提供新的定量工具。联合模型获得最佳诊断性能,优于临床模型和多期影像组学模型。静脉期影像组学模型在所有单期模型中显示出最稳健的跨中心泛化能力。在多中心外部验证和基于SHAP的可解释性支持下,该联合模型可为CT上偶然发现的甲状腺结节风险分层提供无创、客观的参考,有助于临床决策并为未来多模态研究提供信息。