基于前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)第2版的機(jī)器學(xué)習(xí)模型診斷高級(jí)別前列腺癌

曾小輝，彭 濤，高月琴，牛翔科，陳雪卉，張仕慧，陳志凡

(成都大學(xué)附屬醫(yī)院放射科，四川 成都 610081)

前列腺癌居惡性腫瘤導(dǎo)致男性死亡的第2位[1]。隨著人民生活質(zhì)量提高和人口老齡化，我國(guó)前列腺癌發(fā)病率呈上升趨勢(shì)[2]。前列腺多參數(shù)MRI是目前診斷前列腺癌的主要無創(chuàng)檢查方法。為提高前列腺癌診斷率和報(bào)告的規(guī)范化，2012年歐洲泌尿生殖放射協(xié)會(huì)提出前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)第1版(prostate imaging reporting and data system version 1, PI-RADS v1)，但存在諸多不足，2014年底由美國(guó)放射學(xué)會(huì)、歐洲泌尿生殖放射學(xué)會(huì)及AdMeTech基金會(huì)共同對(duì)PI-RADS v1進(jìn)行修訂，在線頒布了前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)第2版(prostate imaging reporting and data system version 2， PI-RADS v2)[3-4]。隨著對(duì)前列腺癌的深入研究，有學(xué)者[5-6]發(fā)現(xiàn)高級(jí)別前列腺癌(Gleason評(píng)分≥7分)和非高級(jí)別癌患者預(yù)后明顯不同，但通過多種模型結(jié)合影像學(xué)表現(xiàn)及臨床相關(guān)指標(biāo)診斷高級(jí)別前列腺癌的報(bào)道較少見。本研究探討支持向量機(jī)(support vector machine, SVM)、決策樹(decision tree, DT)和Logistic回歸3種機(jī)器學(xué)習(xí)模型在診斷高級(jí)別前列腺癌中的價(jià)值。

1 資料與方法

1.1一般資料 回顧性分析2013年1月—2018年2月于我院接受前列腺多參數(shù)MR掃描并取得病理結(jié)果的194例患者的資料，年齡50～90歲，平均(74.7±8.9)歲。MRI顯示中位前列腺體積為55.16(35.47，77.77)cm3；中位總前列腺特異抗原(total prostate specific antigen， tPSA)為16.30(8.32，46.52)ng/ml，中位游離前列腺特異抗原(free prostate specific antigen， fPSA)為2.08(1.23，4.65)ng/ml，前列腺特異性抗原密度(adjusted-prostate-specific antigen density, adjusted-PSAD)為0.28(0.14，1.16)ng/(ml·cm3)。根據(jù)Gleason評(píng)分[7]將患者分為2組，高級(jí)別癌組63例(Gleason評(píng)分≥7分)，Gleason評(píng)分分別為：3+4=7分10例、4+3=7分5例、4+4=8分13例、3+5=8分1例、5+4=9分8例、4+5=9分14例、5+5=10分12例；非高級(jí)別癌組131例，Gleason評(píng)分<7分。納入標(biāo)準(zhǔn)：①臨床資料及相關(guān)檢查完整；②MR檢查前3個(gè)月內(nèi)未接受前列腺穿刺、手術(shù)及前列腺癌內(nèi)分泌治療；③MR檢查后1個(gè)月內(nèi)經(jīng)直腸超聲引導(dǎo)下穿刺或前列腺全切術(shù)，并取得病理結(jié)果。排除標(biāo)準(zhǔn)：①圖像質(zhì)量不佳；②MR序列不完整；③既往有前列腺相關(guān)手術(shù)或治療病史。

1.2儀器與方法 采用Siemens Avanto 1.5T超導(dǎo)型MR掃描儀，相控陣體線圈，掃描前囑患者排空膀胱。仰臥位掃描，先行常規(guī)T2WI及DWI，后行動(dòng)態(tài)增強(qiáng)掃描。T2WI參數(shù)：FOV 200 mm×200 mm，掃描層數(shù)20層，層厚3 mm，層間距0.6 mm，采用自旋回波-回波平面成像序列，TR 4 300 ms，TE 101 ms，矩陣256×205；DWI：b值取800 s/mm2，F(xiàn)OV 260 mm×220 mm，掃描層數(shù)20層，層厚3.6 mm，層間距0，TR 3 700 ms，TE 80 ms，矩陣160×100，NEX 6次。動(dòng)態(tài)增強(qiáng)掃描時(shí)，采用高壓注射器經(jīng)肘前靜脈注射Gd-DTPA 0.2 mmol/kg體質(zhì)量，流率2.5 ml/s；3D-Flash-T1WI，F(xiàn)OV 260 mm×260 mm，掃描層數(shù)20層，層厚3.6 mm，體塊(slab)為1，TR 5 ms，TE 1.69 ms，矩陣192×138，掃描次數(shù)36次。

1.3相關(guān)指標(biāo)收集及處理 通過臨床信息系統(tǒng)(clinical information system, CIS)查閱獲得臨床指標(biāo)，包括年齡、fPSA、前列腺抗原比值(fPSA/tPSA)和adjusted-PSAD。由2名具有5年工作經(jīng)驗(yàn)的、泌尿系統(tǒng)影像學(xué)診斷醫(yī)師利用盲法對(duì)患者進(jìn)行PI-RADS v2評(píng)分[7]，如有分歧經(jīng)協(xié)商達(dá)成一致。在T2WI上結(jié)合軸位、冠狀位和矢狀位圖像測(cè)量前列腺左右徑、前后徑及上下徑，根據(jù)公式計(jì)算前列腺體積(V)及adjusted-PSAD：V=左右徑(cm)×前后徑(cm)×上下徑(cm)×0.52，adjusted-PSAD=tPSA/V。

1.4模型建立 采用IBM SPSS Modeler軟件中的SVM、DT和Logistic回歸分別對(duì)高級(jí)別前列腺癌建立預(yù)測(cè)模型，數(shù)據(jù)流示意圖見圖1。對(duì)各評(píng)價(jià)因素和相關(guān)診斷數(shù)據(jù)建立數(shù)據(jù)庫，錄入后建立SVM、DT和Logistic回歸3種模型：對(duì)5個(gè)評(píng)價(jià)因素(年齡、PI-RADS v2評(píng)分、fPSA、fPSA/tPSA及adjusted-PSAD)建立SVM流、DT流和Logistic回歸數(shù)據(jù)流，并分析3種學(xué)習(xí)模型診斷高級(jí)別前列腺癌的準(zhǔn)確率。采用IBM SPSS Modeler軟件隨機(jī)抽樣選出173例(高級(jí)別前列腺癌組55例、非高級(jí)別前列腺癌組118例)作為訓(xùn)練集，用于篩選變量和建立預(yù)測(cè)模型；21例(高級(jí)別前列腺癌組8例、非高級(jí)別前列腺癌組13例)作為測(cè)試集，用于評(píng)價(jià)模型預(yù)測(cè)效果。

表1 測(cè)試集3種機(jī)器學(xué)習(xí)模型及PI-RADS v2評(píng)分診斷高級(jí)別前列腺癌的比較分析(%)

圖1 3種機(jī)器學(xué)習(xí)模型數(shù)據(jù)流示意圖

1.5統(tǒng)計(jì)學(xué)分析 采用SPSS 20.0統(tǒng)計(jì)分析軟件。對(duì)數(shù)據(jù)進(jìn)行正態(tài)分析(Kolmogorov-Smirnov檢驗(yàn))和方差齊性(Levene檢驗(yàn))檢驗(yàn)，計(jì)量資料符合正態(tài)分布以±s表示，非正態(tài)分布以中位數(shù)(上下四分位數(shù))表示。繪制ROC曲線評(píng)價(jià)PI-RADS v2評(píng)分和3種機(jī)器學(xué)習(xí)模型診斷高級(jí)別前列腺癌的效能；并以DeLong方法比較AUC；以病理Gleason評(píng)分結(jié)果為金標(biāo)準(zhǔn)，采用χ2檢驗(yàn)比較PI-RADS v2評(píng)分及3種模型診斷高級(jí)別前列腺癌的敏感度、特異度及準(zhǔn)確率的差異。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1模型評(píng)價(jià)及數(shù)據(jù) 以PI-RADS v2評(píng)分預(yù)測(cè)高級(jí)別前列腺癌的準(zhǔn)確率為82.66%。訓(xùn)練集SVM、DT和Logistic回歸3種機(jī)器學(xué)習(xí)模型經(jīng)學(xué)習(xí)后診斷高級(jí)別前列腺癌的準(zhǔn)確率、敏感度及特異度見表1，PI-RADS v2評(píng)分及3種機(jī)器學(xué)習(xí)模型診斷高級(jí)別前列腺癌的敏感度、特異度、準(zhǔn)確率差異均無統(tǒng)計(jì)學(xué)意義(P均>0.05)。測(cè)試集SVM、DT和Logistic回歸3種機(jī)器學(xué)習(xí)模型經(jīng)學(xué)習(xí)后診斷高級(jí)別前列腺癌準(zhǔn)確率分別為76.19%、80.95%及76.19%。通過IBM SPSS Modeler軟件經(jīng)訓(xùn)練集學(xué)習(xí)后，自動(dòng)獲得3種學(xué)習(xí)模型診斷高級(jí)別前列腺癌變量的重要性，并按所占比例進(jìn)行排序：SVM模型前3位預(yù)測(cè)變量為PI-RADS v2、adjusted-PSAD及年齡，所占比例分別為50.00%、15.00%及13.00%；DT模型前3位預(yù)測(cè)變量為adjusted-PSAD、PI-RADS v2及fPSA，所占比例分別為49.00%、23.00%及14.00%；Logistic回歸模型前3位預(yù)測(cè)變量為PI-RADS v2、fPSA/tPSA及adjusted-PSAD，所占比例分別為36.00%、27.00%及21.00%。

2.2ROC曲線分析 173例訓(xùn)練集PI-RADS v2評(píng)分和SVM、DT和Logistic回歸3種機(jī)器學(xué)習(xí)模型診斷高級(jí)別前列腺癌的AUC分別為0.83、0.81、0.90及0.83(P均<0.01)，其中DT模型的AUC最大(圖2)，且與PI-RADS v2評(píng)分(Z=1.96，P=0.049)、SVM(Z=2.87，P=0.004)和Logistic回歸(Z=2.31，P=0.021)差異均有統(tǒng)計(jì)學(xué)意義，其模型樹狀圖見圖3；而SVM與Logistic回歸(Z=1.25，P=0.21)及PI-RADS v2評(píng)分(Z=0.98，P=0.32)、Logistic回歸與PI-RADS v2評(píng)分(Z=0.04，P=0.96)的AUC差異均無統(tǒng)計(jì)學(xué)意義。

圖2 PI-RADS v2評(píng)分及3種機(jī)器學(xué)習(xí)預(yù)測(cè)高級(jí)別前列腺癌的ROC曲線

3 討論

多參數(shù)MRI[8]是目前診斷前列腺癌的主要影像學(xué)檢查方法，有助于提高診斷前列腺癌的準(zhǔn)確率，但影像學(xué)報(bào)告不規(guī)范等問題限制了其廣泛應(yīng)用。與PI-RADS v1相比，PI-RADS v2評(píng)分系統(tǒng)主要針對(duì)臨床顯著性癌或高級(jí)別腫瘤[9]，其將臨床顯著性高級(jí)別腫瘤前列腺癌定義為符合以下條件之一者：①前列腺穿刺活檢任何一針Gleason評(píng)分>6分；②前列腺穿刺活檢任何一針癌組織長(zhǎng)度大于5 mm。Albertsen等[10]回顧性分析發(fā)現(xiàn)高級(jí)別前列腺癌患者10年死亡率高于非高級(jí)別前列腺癌，并提出應(yīng)著重診斷高級(jí)別前列腺癌，以便臨床減少不必要的前列腺穿刺活檢及降低對(duì)非高級(jí)別前列腺癌的過度治療。De Visschere等[11]研究報(bào)道，應(yīng)用單一評(píng)分系統(tǒng)對(duì)前列腺癌進(jìn)行預(yù)測(cè)具有一定風(fēng)險(xiǎn)。本研究聯(lián)合應(yīng)用3種機(jī)器學(xué)習(xí)模型對(duì)前列腺癌影像學(xué)表現(xiàn)和臨床指標(biāo)進(jìn)行分析。

圖3 DT模型樹狀圖

機(jī)器學(xué)習(xí)模型能根據(jù)疾病與相關(guān)危險(xiǎn)因素的內(nèi)在規(guī)律近似地以數(shù)學(xué)方式表達(dá)，已成為預(yù)測(cè)疾病的主流方法。本研究采用SVM、DT和Logistic回歸建立對(duì)高級(jí)別前列癌的預(yù)測(cè)模型。SVM的優(yōu)點(diǎn)為解決小樣本、非線性及高維模式識(shí)別問題，追求現(xiàn)有信息情況下的最優(yōu)解，可提高學(xué)習(xí)方法的推廣能力；DT具備對(duì)未來新數(shù)據(jù)的分類預(yù)測(cè)能力，可將大量數(shù)據(jù)有目的地分類，從中找到潛在的、有價(jià)值的信息，且準(zhǔn)確性良好，同時(shí)還可揭示重要預(yù)測(cè)因子之間的復(fù)雜關(guān)系；Logistic回歸的優(yōu)點(diǎn)是能較好地表現(xiàn)評(píng)價(jià)因素與因變量之間的依存關(guān)系。

本研究中，DT模型診斷高級(jí)別前列腺癌的AUC最大，且與PI-RADS v2評(píng)分、SVM和Logistic回歸的AUC差異均有統(tǒng)計(jì)學(xué)意義，而SVM與Logistic回歸及PI-RADS v2評(píng)分、Logistic回歸與PI-RADS v2評(píng)分的AUC差異均無統(tǒng)計(jì)學(xué)意義。DT模型預(yù)測(cè)高級(jí)別前列腺癌診斷準(zhǔn)確率、敏感度及特異度均較高，但與其他模型相比差異無統(tǒng)計(jì)學(xué)意義，可能與陽性樣本量較少有關(guān)。IBM SPSS Modeler軟件建立的3種預(yù)測(cè)高級(jí)別前列腺癌模型前3位變量中均有PI-RADS v2評(píng)分，且單純采用PI-RADS v2評(píng)分的診斷價(jià)值也較高，與模型預(yù)測(cè)變量重要性基本相符。van Leeuwen等[12]發(fā)現(xiàn)運(yùn)用前列腺癌相關(guān)臨床指標(biāo)聯(lián)合PI-RADS v1評(píng)分建立Logistic模型預(yù)測(cè)前列腺高級(jí)別癌的AUC為0.88。Bermejo等[13]認(rèn)為基于前列腺特異性抗原等單獨(dú)生物指標(biāo)不能很好地診斷前列腺癌，故聯(lián)合年齡、PSA、直腸指檢、多參數(shù)MR等指標(biāo)建立DT和Logistic回歸模型，發(fā)現(xiàn)2種模型診斷前列腺癌的準(zhǔn)確率均較好(AUC=0.72，0.80)。Nhung等[14]采用SVM模型預(yù)測(cè)前列腺癌的敏感度為95.1%、特異度為84.6%。上述研究[12-14]的目的均在于鑒別診斷前列腺癌與良性前列腺病變，而對(duì)高級(jí)別與非高級(jí)別前列腺癌的分類研究較為缺乏，且上述研究均未對(duì)各模型進(jìn)行對(duì)比分析。Lee等[15]基于經(jīng)直腸超聲，聯(lián)合臨床相關(guān)指標(biāo)，建立了診斷前列腺癌的Logistic回歸、人工神經(jīng)網(wǎng)絡(luò)和SVM模型，發(fā)現(xiàn)SVM模型的AUC最大(AUC=0.847)，且與其他2種模型比較差異有統(tǒng)計(jì)學(xué)意義。本研究結(jié)果與其不符，分析原因：①研究納入的決策因素不同；②Lee等[15]的研究基于超聲，而本研究是基于多參數(shù)MR分析建立的模型；③本研究樣本量較小，SVM比人工神經(jīng)網(wǎng)絡(luò)更為適用。

本研究的不足：①為回顧性研究，前列腺大切片病理標(biāo)本及穿刺點(diǎn)不能完全與影像學(xué)直接對(duì)照，結(jié)果可能存在偏倚；②樣本量小，對(duì)于樣本選擇有一定局限性；③僅為3種機(jī)器學(xué)習(xí)模型的訓(xùn)練集和較少測(cè)試集分析，有待樣本量擴(kuò)大后進(jìn)一步驗(yàn)證。

綜上所述，基于PI-RADS v2評(píng)分的3種算法模型預(yù)測(cè)高級(jí)別前列腺癌的價(jià)值均較好，DT模型可作為預(yù)測(cè)前列腺高級(jí)別癌的較優(yōu)模型。