肿瘤掩膜引导能否改善基于T2加权MRI的胶质瘤分级？一种基于nnU-Net与真实标签定位的交叉验证评估

《Journal of Imaging》：Does Tumor-Mask Guidance Improve Glioma Grade Classification from T2-Weighted MRI Alone? An Out-of-Fold Evaluation with nnU-Net and Ground-Truth Localization

　　

多序列MRI是胶质瘤评估的标准方法，但完整或对比增强协议并非总是可用（如禁用钆剂、低场MRI、存档不全）。研究人员探讨了肿瘤定位是否能够改善仅基于T₂加权MRI的级别分类。在这项对BraTS2020训练队列（369例患者；遗留标签为293例高级别胶质瘤[HGG]、76例低级别胶质瘤[LGG]）的回顾性研究中，74例（15例LGG）在患者层面被留出用于内部测试。一个在五个开发折中训练的2D U-Net提供了折外（out-of-fold, OOF）全肿瘤掩膜，用于训练3D CNN分类器；nnU-Net作为分割基准。分类器接收仅T₂或T₂加掩膜，测试时掩膜来源于2D U-Net、nnU-Net、真实标签（oracle）或随机噪声。分析采用五个随机种子、经Holm校正的DeLong检验及开发集交叉验证。2D U-Net的全肿瘤Dice为0.807（95% CI 0.773–0.840），nnU-Net为0.877（0.857–0.895）。仅T₂的CNN达到ROC-AUC 0.814（95% CI 0.702–0.913）。掩膜引导变体的ROC-AUC为0.677–0.742，均未超过仅T₂模型（所有四项信息性掩膜的确认性比较的Holm校正p = 1.00）。交叉验证重复了这一排序（0.782对0.707）。以LGG为阳性类别时，PR-AUC为0.571（无技能水平为0.203）。肿瘤掩膜引导未能在任何掩膜质量水平（包括真实标签）下改善T₂-only分级。该结果涉及单个公共队列中的遗留级别标签，需要外部测试验证。

**研究背景与问题**
多序列MRI（原生T₁、对比增强T₁ce、T₂、FLAIR）是胶质瘤术前评估的标准，但在多种临床场景下完整或对比增强序列并不可用：孕妇禁用钆剂，急性或重度慢性肾病患者需权衡肾源性系统性纤维化风险而可能延迟或省略对比剂，床旁便携式低场（0.064 T）扫描仪本身不采集增强序列，多中心回顾性档案中也常有序列缺失或运动退化。T₂通常在这些情况下仍被保留，因此明确仅凭T₂能提取多少级别相关信息、肿瘤定位是否有助于这种提取，具有直接的应用价值。现有深度学习方法大多建立在BraTS多序列基准和U-Net架构上，但针对仅T₂来源的掩膜能否增强分级、其效果是否依赖掩膜质量，此前缺乏受控检验。同时，两阶段设计中存在训练与测试掩膜质量不匹配的风险，需要专门的方案加以规避。

**研究设计与主要结论**
研究人员以BraTS2020训练队列（369例，遗留HGG 293例、LGG 76例）为对象，按患者层面80:20划分为开发集（295例）和内部测试集（74例，含15例LGG），系统评估了肿瘤掩膜引导对T₂-only胶质瘤分级的影响。总体结果显示：仅T₂的3D CNN取得最高ROC-AUC（0.814），所有掩膜引导变体（0.677–0.742）均未超过该基线，即使掩膜来自真实标签也如此；开发集交叉验证得到一致排序。该结果为T₂-only分级提供了受控条件下的性能基准，并表明在该测试环境中，追加肿瘤定位掩膜并非有效的性能增强策略。

**关键技术方法概要**
数据来自BraTS2020训练队列，含TCGA/TCIA等五类来源；仅使用T₂体积，未做偏场校正或强度标准化。第一阶段由五个开发折训练的2D U-Net（四层编码器-解码器）输出折外（OOF）全肿瘤掩膜；nnU-Net v2（3d_fullres，T₂单通道，训练250轮并保留50轮检测点）作为分割基准。第二阶段为3D CNN（四卷积块加全连接层，9.6 M参数），输入仅T₂或T₂+二值全肿瘤掩膜；测试时掩膜通道分别由2D集成、nnU-Net、真实标签（oracle）或随机噪声填充。每种条件用五个种子（42–46）训练，采用类加权焦点损失，固定30轮；统计比较用DeLong检验与Holm校正，辅以开发集五折交叉验证；可解释性分析用Integrated Gradients。

**研究结果**
*3.1 基于多类真实标签的分割性能*：2D U-Net集成在74例测试患者上的全肿瘤（WT）Dice为0.807（95% CI 0.773–0.840），nnU-Net训练250轮后为0.877（0.857–0.895），配对差0.069（Wilcoxon p < 0.001）；肿瘤核心（TC）和增强肿瘤（ET）的差距更大。折外（OOF）预测与测试集性能接近，而“样本内”预测明显更高（WT Dice 0.864对0.797），量化了样本内掩膜引入的训练-测试分布不匹配。ET是全体模型最弱区域，符合缺少定义增强的T₁ce序列的预期。
*3.2 分类性能*：T₂-only模型ROC-AUC为0.814（95% CI 0.702–0.913），平衡准确率0.747，高于所有掩膜引导条件；加2D U-Net掩膜后AUC降至0.714（DeLong p = 0.339，Holm校正p = 1.00），用真实标签训练、nnU-Net掩膜测试的最高也仅0.742。随机掩膜对照组降至机会水平（0.474），表明无信息第二通道是有害的。以LGG为阳性类时，T₂-only的PR-AUC为0.571，远高于无技能水平0.203。Integrated Gradients显示，掩膜通道约承载了模型一半的归因，说明模型并未忽略掩膜。
*3.3 交叉验证稳健性*：开发集五折交叉验证重复了排序，T₂-only折平均ROC-AUC 0.782（95% CI 0.701–0.862），掩膜引导为0.707；掩膜引导在五折中四折低于基线。
*3.4 可解释性*：大多数患者的T₂通道归因在真实标签肿瘤内部的富集度低于1（中位数：T₂-only 0.63，掩膜引导0.48），表明分类器依赖全脑T₂信号而非仅肿瘤体素。
*3.5 计算性能*：经预处理的BraTS容积上，单例读取缩放约0.16 s，2D U-Net集成推断1.28 s，3D CNN分类0.15 s，T₂-only分类合计约0.3 s；nnU-Net推断约2.9 s。这些仅指模型推理时间，不含DICOM转换、配准等端到端临床处理。

**讨论与结论**
本研究的阴性结果与多序列研究中“从分割区域分级优于全脑”的结论不同，差异可能源于输入裁剪方式（裁剪到肿瘤区域而非追加掩膜通道）、是否存在T₁ce通道，以及训练掩膜的来源。样本内掩膜与折外掩膜的性能差距（WT Dice 0.864对0.797）表明折外方案能有效避免训练-测试输入分布不均。对于无益结果，数据兼容的解释包括：T₂网络本身并不主要依赖肿瘤体素，二值掩膜编码的形态在遗留低、高级别间重叠较大，且掩膜丢弃了病灶内T₂梯度信号，但这些问题均未被直接检验。局限性包括：结局为WHO 2021框架之前的遗留组织学标签，不能映射到现代整合诊断；仅单个公共队列、无外部验证；测试集仅15例LGG，统计功效有限，ΔAUC置信区间上限约0.10–0.12，因此无法排除较小获益或危害；nnU-Net训练仅250轮而非默认1000轮；仅测试了掩膜拼接这一种融合策略。结论如下：在BraTS2020的T₂通道上，单通道3D CNN判别遗留HGG/LGG标签的留出集ROC-AUC为0.81（平衡准确率0.75）；加入肿瘤定位掩膜通道无改善，掩膜无论来自折外2D U-Net、nnU-Net还是真实标签，开发集交叉验证得到相同排序；T₂-only分割的WT Dice为2D U-Net集成0.81、nnU-Net 0.88。鉴于单一公共队列、15例LGG测试患者和遗留结局标签，这些结果作为T₂-only分级的基线而非临床可用工具。