《Frontiers in Oncology》：Deep learning with interactive segmentation for risk stratification of cystic renal lesions on tri-phase CT: a multicenter study
编辑推荐：
背景：准确的术前风险分层对囊性肾病变仍是一项临床挑战，主要源于形态学重叠常导致惰性囊肿的过度治疗。为解决这一问题，本研究开发并验证了一个整合交互式分割与三时相CT特征融合的深度学习框架，以优化恶性预测。
方法：这项回顾性多中心研究纳入了来自四个医疗机构的434
背景：准确的术前风险分层对囊性肾病变仍是一项临床挑战，主要源于形态学重叠常导致惰性囊肿的过度治疗。为解决这一问题，本研究开发并验证了一个整合交互式分割与三时相CT特征融合的深度学习框架，以优化恶性预测。
方法：这项回顾性多中心研究纳入了来自四个医疗机构的434例囊性肾病变患者，分为训练集（n=195）、验证集（n=100）和外部测试集（n=139）。参考标准为组织病理学诊断或≥4年的影像学稳定。在容积分割方面，研究人员实施了一种交互式“人在回路”的Swin UNETR模型。为整合三个CT时相的互补信息，研究人员随后部署了三时相通道感知器架构，用于融合由并行SEResNet50骨干网络从平扫期、皮质髓质期和肾实质期中提取的特征。使用受试者工作特征曲线下面积和决策曲线分析评估诊断性能，并与单时相SEResNet50模型及2019版Bosniak分类进行比较。
结果：在外部测试集中，交互式分割模型的Dice评分为0.890。在恶性预测方面，TPC-Perceiver的AUC达到0.969（95%置信区间：0.911–1.000），显著优于2019版Bosniak分类（AUC 0.884；p =0.016）。在固定概率阈值为0.5时，该模型的敏感度为94.4%，特异度为96.7%，而临床标准分别为100.0%和76.9%。此外，决策曲线分析表明，该深度学习框架在广泛的阈值概率范围内提供了更大的净获益。
结论：该整合框架在囊性肾病变风险分层中表现出良好的性能。探索性成对AUC比较显示TPC-Perceiver优于单时相模型和临床Bosniak v2019评估，而其AUC与此前开发的SETD模型相当。在固定阈值下观察到的敏感度-特异度特征表明其在减少假阳性风险分层方面具有潜在价值。在临床应用之前，还需要更大规模的前瞻性多中心研究加以验证。
研究背景与问题
随着横断面成像技术的广泛应用，囊性肾病变的偶然检出率显著增加，尤其在50岁以上人群中发生率接近50%。尽管大多数囊性肾病变为良性，但约20%的复杂病变为恶性。术前鉴别在临床上十分困难，主要原因在于良恶性病变之间存在形态学重叠，如分隔厚度、结节样强化和钙化等混淆特征常常使诊断复杂化，尤其是在早期病变中。Bosniak分类一直是放射学风险分层的标准参考，但2019年更新版在实际应用中效果不一，不同验证研究中观察者间一致性甚至有所下降。这种诊断不确定性导致了过度诊断和过度治疗，大量手术切除的不确定囊性肾病变最终被证实为良性，使患者暴露于不必要的干预和肾功能损伤风险中。因此，亟需改进术前风险分层方法，平衡肿瘤安全与器官保留。
研究设计与结论
为应对上述挑战，研究人员开展了一项回顾性多中心研究，共纳入来自四个独立医疗机构的434例囊性肾病变患者，划分为训练集（n=195）、内部验证集（n=100）和多中心外部测试集（n=139）。参考标准为组织病理学诊断或至少4年影像学随访无进展。研究人员开发并外部验证了一个整合交互式分割与三时相CT特征融合的深度学习框架，用于囊性肾病变的恶性风险分层。该框架在外部测试集中取得了优异的诊断性能，AUC达0.969，显著优于临床Bosniak v2019评估（AUC 0.884，p=0.016），且在固定阈值0.5下实现了94.4%的敏感度和96.7%的特异度。该研究的核心意义在于提出了一种能够有效整合平扫期、皮质髓质期和肾实质期三时相CT信息的深度学习方法，相较于仅依赖两个增强时相的既往模型，该方法通过纳入平扫期获得了更全面的特征表达，有助于降低假阳性率、减少不必要的手术干预，同时保持较高的恶性肿瘤检出率。
关键技术方法
研究人员采用了以下主要技术方法：首先，使用交互式Swin UNETR模型进行容积分割，该模型结合了层级3D Swin Transformer与CNN解码器，并通过正负引导点实现放射科医师在回路的细化修正。其次，采用三个独立的3D SEResNet50网络分别处理平扫期、皮质髓质期和肾实质期CT图像，利用挤压激励模块实现自适应通道特征重校准。最后，通过三时相通道感知器架构将三个时相的高层特征进行融合，该架构利用可学习潜变量查询通过交叉注意力机制聚合时相信息。数据来源于四个机构，包括重庆医科大学附属第一医院（训练集）、重庆医科大学附属第二医院（验证集）、重庆大学附属涪陵医院和重庆医科大学附属永川医院（外部测试集）。
研究结果
3.1 患者临床特征
研究共纳入434例患者，训练集195例（良性140例，恶性55例），验证集100例（良性80例，恶性20例），外部测试集139例（良性121例，恶性18例）。训练集中11例良性病变基于至少4年CT随访无进展确认，其余所有病变均经组织病理学证实。
3.2 交互式分割框架的性能
交互式Swin UNETR模型在所有数据集上展现出稳健的分割保真度，验证集平均Dice系数为0.885±0.100，测试集为0.890±0.120，优于此前3D R-net基线模型（验证集DSC 0.847±0.086，测试集DSC 0.861±0.072）。初始化阶段中位点击数为10次，细化阶段中位校正点击数为6次。
3.3 临床Bosniak v2019评估的诊断性能
临床Bosniak v2019评估在验证集和测试集中均达到100%敏感度，但特异度有限，分别为77.5%和76.9%，表明存在大量假阳性分类。外部测试集AUC为0.884（95%CI: 0.847–0.922），显著低于TPC-Perceiver（DeLong检验p=0.016）。
3.4 单时相模型性能
在单时相模型中，验证集内CP-SEResNet50取得最高AUC（0.949），其次为UP-SEResNet50（0.946）和NP-SEResNet50（0.889）。外部测试集中UP-SEResNet50取得最高AUC（0.952），CP-SEResNet50和NP-SEResNet50均为0.937。
3.5 TPC-Perceiver模型性能
TPC-Perceiver在验证集AUC为0.984（95%CI: 0.965–1.000），测试集AUC为0.969（95%CI: 0.911–1.000）。在固定阈值0.5下，测试集中正确分类了18例恶性中的17例和121例良性中的117例，对应敏感度94.4%（95%CI: 72.7–99.9%）和特异度96.7%（95%CI: 91.8–99.1%）。探索性成对DeLong比较显示，TPC-Perceiver的AUC显著优于UP、CP、NP单时相模型（p值分别为0.047、0.040、0.029）和临床Bosniak v2019评估（p=0.016），而与先前SETD模型相比无统计学差异（p=0.094）。
3.6 多时相融合策略消融分析
将TPC-Perceiver与四种概率级组合策略比较，包括等概率平均、逻辑回归堆叠、工程概率特征加逻辑回归以及置信加权概率池化。在验证集中TPC-Perceiver取得最高AUC（0.984），但在外部测试集中各概率级比较器的AUC均达到0.983，略高于TPC-Perceiver的0.969。在固定阈值0.5下，无一种策略在所有阈值依赖指标上一致优越。
3.7 临床效用与错误分析
混淆矩阵分析显示，TPC-Perceiver在测试集中误分类了1例恶性病变和4例良性病变，而Bosniak v2019产生了更多假阳性分类。校准曲线显示预测风险与观测风险大致一致。决策曲线分析表明，TPC-Perceiver在评估阈值范围内的多个区域显示出比全治疗和无治疗策略更高的估计净获益。
讨论总结与结论
讨论部分指出，该框架通过纳入平扫期并使用TPC-Perceiver进行特征融合，实现了比仅依赖两个增强时相的既往模型更全面的信息整合。消融分析显示，尽管TPC-Perceiver在验证集中AUC最高，但在外部测试集中概率级组合策略表现同样优异，其附加价值有待更大独立队列验证。交互式分割通过放射科医师引导的正负点击点有效纠正了残余欠分割或过分割，减少了完全手动重勾画的需求。研究强调，模型应作为多学科评估和共同决策的辅助工具而非独立治疗决策系统。局限性包括回顾性设计引入的选择偏倚、外部测试集仅含18例恶性病变导致的估计精度受限、未应用统计批效应校正、交互式分割操作者变异性未系统评估、与Bosniak v2019的比较需谨慎解读（因分类源自最终临床报告而非标准化多读片研究）、模型可解释性有限以及框架需完整三时相CT检查的限制。
结论部分翻译：总之，这项回顾性多中心研究开发并外部验证了一个结合交互式分割与三时相CT特征整合的深度学习框架，用于囊性肾病变的恶性风险分层。TPC-Perceiver在固定概率阈值0.5下实现了良好的判别能力和平衡的敏感度-特异度特征。探索性AUC比较显示TPC-Perceiver优于单时相模型和临床Bosniak v2019评估，而其AUC与先前SETD模型相当。这些发现支持将该框架进一步评估作为临床评估的辅助手段。在临床实施之前，仍需更大规模的前瞻性多中心研究。
