《Journal of Neuro-Oncology》:MRI-based preoperative WHO grade prediction in meningioma: development and comparison of deep learning, radiomics, clinical, and combined models in multicenter data
编辑推荐:
目的:本研究旨在开发并外部验证基于磁共振成像(MRI)的互补性预测模型及其堆叠组合,用于颅内脑膜瘤的术前世界卫生组织(WHO)分级。
方法:这项回顾性多中心研究纳入了455例经组织病理学确诊的脑膜瘤:一个四中心开发队列(n=346),采用留一中心交叉验证,以及
目的:本研究旨在开发并外部验证基于磁共振成像(MRI)的互补性预测模型及其堆叠组合,用于颅内脑膜瘤的术前世界卫生组织(WHO)分级。
方法:这项回顾性多中心研究纳入了455例经组织病理学确诊的脑膜瘤:一个四中心开发队列(n=346),采用留一中心交叉验证,以及一个外部验证队列(n=109)。四个基础模型均使用增强T1加权MRI:肿瘤+瘤周影像组学、基于nnU-Net分割的分类器、冻结的DINOv3迁移学习特征以及临床变量。所有15种组合均预先设定,并使用在开发队列折外预测上训练的线性元学习器进行堆叠。冻结模型在外部验证时未作任何修改。
结果:WHO 2-3级肿瘤总体占比24.6%(112/455;开发队列20.5%;外部队列37.6%)。外部AUC分别为:nnU-Net 0.732,DINOv3 0.703,临床模型0.645,影像组学0.628。多模态集成模型(nnU-Net+DINOv3+临床)取得了最高的外部AUC(0.742),显著优于影像组学(ΔAUC +0.114,p=0.008),但未显著优于nnU-Net(ΔAUC +0.011,p=0.737)。与临床模型相比,其判别能力更高但在预设阈值下差异不显著(ΔAUC +0.098,p=0.050),而重分类能力显著改善(IDI +0.109,p<0.001)。含影像组学的组合在开发队列中表现强劲,但在外部验证中判别能力大幅下降。多模态集成模型的外部校准斜率为1.32(Brier分数0.190),在阈值≥0.23时净获益优于默认策略。
结论:多模态集成模型取得了最高的外部AUC,但未显著超越nnU-Net,后者是脑膜瘤分级最具可迁移性的单一预测因子。临床变量未改善判别能力,但提供了可解释的特征级归因。手工影像组学缺乏外部可迁移性。
一、研究背景与问题
脑膜瘤约占成人所有原发性中枢神经系统肿瘤的三分之一。2021年世界卫生组织(WHO)分类根据组织病理学和分子特征将脑膜瘤分为1-3级。与1级肿瘤相比,2-3级脑膜瘤表现出更强的侵袭性生物学行为,包括更高的侵袭性、复发率和更差的临床预后。准确的术前WHO分级预测有助于手术规划、辅助放疗决策和术后监测策略的制定。然而,明确的病理分级仍依赖于切除肿瘤的组织病理学检查。
常规MRI特征与高级别组织学相关,但各WHO分级间特征重叠明显,且存在显著的观察者间差异。影像组学提供了一种定量、非侵入性的肿瘤表型表征方法,在脑膜瘤术前分级中显示出潜力,但大多数已发表的影像组学模型均在单中心队列中开发和验证,缺乏独立外部验证以确立真正的跨机构泛化能力。深度学习方法直接从MRI学习影像表征,包括自配置分割网络如nnU-Net和自监督基础模型如DINO系列,这些方法可能对中心间变异具有更强的鲁棒性。然而,在统一、无泄漏、外部验证的框架内,与影像组学和临床模型的直接比较仍然有限。
二、研究设计与主要结论
研究人员旨在开发和外部验证基于MRI的互补性预测方法,包括手工肿瘤+瘤周影像组学、基于nnU-Net分割的分类器、DINOv3迁移学习特征和临床变量,并比较其预设堆叠组合在脑膜瘤术前WHO分级分类中的表现。研究设计包含完全隔离的外部验证队列、精确的基础模型归因和预设的候选基础模型及所有堆叠组合的比较评估,符合TRIPOD+AI和CLAIM指南。
研究得出以下主要结论:多模态集成模型(nnU-Net+DINOv3+临床)取得了最高的外部AUC(0.742),但未显著超越nnU-Net(0.732,p=0.737);nnU-Net是最具可迁移性的单一预测因子;临床变量未改善判别能力但提供了可解释的特征级归因;手工影像组学缺乏外部可迁移性,尽管在开发队列中表现最佳(AUC 0.800),外部AUC降至0.628。
三、关键技术方法
本研究为回顾性多中心研究,纳入455例经组织病理学确诊的脑膜瘤患者,来自五个三级转诊中心。开发队列由四个中心组成(BGCLR n=100,BRSHH n=99,GAZI n=90,GEAH n=57,共346例),外部验证队列为IEAH中心109例。研究采用四种基础模型:肿瘤+瘤周影像组学(PyRadiomics提取1,223个肿瘤和1,209个瘤周特征,经可重复性筛选、冗余筛选和TabPFN前向选择,最终保留6个特征);DINOv3迁移学习特征(冻结的自监督ViT-B/16提取特征,PCA降维后逻辑回归分类);nnU-Net分割分类器(联合分割肿瘤并逐体素编码分级,六种汇总统计量经L2正则化逻辑回归整合为患者级概率);临床模型(年龄、性别、肿瘤位置、瘤周水肿、骨侵犯、静脉窦侵犯和硬膜尾征,TabPFN分类)。所有15种组合预先设定,使用线性逻辑回归元学习器在开发队列折外预测上训练,采用留一中心交叉验证。外部验证队列在整个模型开发和优化过程中完全隔离。
四、研究结果
基础模型外部判别性能:外部AUC显示四个基础模型存在差异。nnU-Net分割分类器判别能力最高(AUC 0.732,95% CI 0.632-0.832),其次是DINOv3迁移学习模型(AUC 0.703,95% CI 0.600-0.805)。相比之下,肿瘤+瘤周影像组学模型尽管在开发队列折外AUC最高(0.800),外部AUC降至0.628(95% CI 0.522-0.734)。临床模型外部AUC为0.645(95% CI 0.536-0.754)。
影像组学特征外部验证:六个选定的影像组学特征在开发期间均表现出强判别能力(单变量AUC 0.74-0.80,均p<10-9),但外部验证中仅两个瘤周特征保持显著:NGTDM Busyness(高级别肿瘤中更高)和NGTDM Strength(更低)。所有六个特征在五个中心中保持了相同的关联方向,但外部效应量减弱(Cliff's δ开发0.48-0.60 vs 外部0.09-0.34),且即使在WHO 1级肿瘤中,特征分布也因中心而异,提示存在中心相关分布偏移。
堆叠组合评估:所有15种堆叠组合均在开发和外部验证队列中评估。含手工影像组学的组合在外部验证中性能下降最大;含影像组学的四模型组合(nnU-Net+DINOv3+影像组学+临床)外部AUC为0.718。多模态集成模型取得最高外部AUC(0.742)。nnU-Net+DINOv3组合达到相同的外部AUC且开发折外判别能力更高(0.784 vs 0.752)。在元学习器中,nnU-Net对最终预测贡献最大,其次是DINOv3和临床模型。
常规逻辑回归基准:使用年龄、性别、瘤周水肿、骨侵犯和位置的常规逻辑回归模型外部AUC为0.683,加入肿瘤体积后为0.697,均与nnU-Net和多模态集成模型无显著差异。肿瘤体积单独AUC为0.625,将体积加入nnU-Net未改善判别能力(0.728)。
操作指标与校准:在预设Youden-J阈值(0.512)下,外部敏感性和特异性分别为0.41和0.91。事后设定的80%和90%敏感性阈值分别产生外部敏感性0.66和0.83,特异性0.71和0.49。外部验证Brier分数为0.190(95% CI 0.165-0.218),校准截距为-0.17,校准斜率为1.32(0.79-2.08)。由于类别平衡加权,开发预测高估风险(校准截距-1.29)。
决策曲线分析:集成模型和nnU-Net+DINOv3在阈值≥0.23时超过两种默认策略,nnU-Net单独在阈值≤0.41时等同于治疗所有策略,临床模型仅在0.35-0.44之间超过默认策略。
可解释性分析:由于元学习器是线性的,每个预测可精确分解为加性贡献。nnU-Net贡献最大(0.43),其次是DINOv3(0.35),临床变量贡献较小,主要是瘤周水肿(0.08)、骨侵犯(0.04)和肿瘤位置(0.03)。
五、讨论与结论
讨论部分指出,nnU-Net是最强的单一预测因子,其次是DINOv3,而手工影像组学从开发(AUC 0.800)到外部验证(0.628)下降最大。瘤周影像日益被认为是肿瘤之外生物学相关信息的来源,反映了肿瘤-脑相互作用和微环境异质性。然而,本研究中仅两个瘤周特征在外部保持显著,提示生物学相关性并不必然保证跨中心鲁棒性。多模态集成模型优于手工影像组学但未超越nnU-Net,临床变量增加了可解释性而非判别能力。外部队列的效能不足以检测AUC的微小差异,与nnU-Net差异的置信区间(-0.052至0.073)不排除多模态整合的适度获益。
研究局限性包括:回顾性设计且外部验证仅在单一独立中心;仅依赖CE-T1加权MRI;WHO 2级和3级肿瘤因3级病例数少(n=6)而合并;分子谱分析不完整;分割性能仅在基于手动分割的肿瘤中心裁剪中评估;临床模型影像变量采用共识评分且未评估观察者间一致性;参考标准可能因病理学时代而异。
研究结论:学习型深度学习影像表征,特别是nnU-Net,在跨中心可迁移性方面优于手工影像组学,后者尽管开发性能强劲,但在外部验证中丧失了大部分判别能力。多模态集成模型取得了最高的外部AUC但未显著超越nnU-Net,临床变量增加了可解释性而非判别能力。在临床实施前,需要在更大、地理多样化的队列中进行前瞻性验证。