0 引言

       起源于神经胶质细胞的脑胶质瘤是常见的脑肿瘤之一，平均发病率为每10万人6至10例^{[1, 2]}，其平均5年生存率为5.6%~7.0%，中位生存期约为12~15个月^[3]。现在标准的治疗方案为最大安全范围手术切除、辅助放疗和辅助替莫唑胺化疗在内的综合治疗，但患者的预后仍不容乐观^[4]。尽管近年来免疫、分子靶向等多种治疗手段逐步应用，但患者的总体预后并未得到明显改善，中位生存时间也未显著提高^{[5, 6]}。其中星形细胞瘤的无进展生存期大概是16.5月，胶质母细胞瘤大概是6.8月^[7]。因此，早期判断胶质瘤的术后生存状态在及时改变治疗方案和提高患者生存率方面发挥着至关重要的作用。

       MRI可以提供肿瘤和肿瘤周围区域^[8]的广泛信息，是脑肿瘤的诊断、评估治疗后反应和评估生存状态的首选方法。在过去几年中，基于图像的定量分析方法的发展使得使用计算机算法从医学放射学图像中自动提取定量特征成为可能^[9]，为进一步了解脑胶质瘤提供了一种全新的手段。深度学习（deep learning, DL）是目前常用的一种机器学习技术，它基于多层排列的神经网络，每一层根据前一层的输入执行计算，放大了输入信息中的重要方面，同时抑制不相关信息的变化^{[10, 11]}。到目前为止，DL技术已经在医学图像的分析任务中展示了专家级的性能^{[12, 13]}。例如，SKREDE等^[14]使用DL建立的一种预测原发性结直肠癌切除术后患者术后状态的影像标志物，可能有助于医生在制订术后辅助治疗方案方面做出更好的决策。在乳腺癌MRI数据中，特别是当提供足够的数据时，DL已被证明优于放射组学^[15]。近年来，DL技术在胶质瘤的诊断领域取得了显著进展，其应用范围涵盖肿瘤诊断、病理分级及治疗反应评估等多个方面^[16]。研究表明，与传统影像组学方法相比，DL模型在胶质瘤患者生存期预测方面展现出更高的预测准确性^[17]。此外，DL技术通过其端到端的学习特性，显著降低了数据标注的时间成本，减少了对人工特征工程的依赖性，同时在模型鲁棒性和泛化能力方面也表现出明显优势。这一趋势表明，DL模型可以作为辅助工具提高对疾病的理解，但不同DL模型在预测术后生存状态时出现一定的差异性^[17]，并且鲜有研究比较不同DL模型在评估胶质瘤无进展生存期（progression-free survival, PFS）方面的表现，特别是Vision Transformer（ViT）模型和传统的卷积神经网络（convolutional neural network, CNN）模型之间的表现。因此，我们开发并验证了基于T2WI的CNN模型和ViT模型来预测脑胶质瘤患者的术后PFS，并比较了基于不同DL网络构架预测PFS的性能。

1 材料与方法

1.1 一般资料

       本研究遵守《赫尔辛基宣言》，收集了来自两个中心中胶质瘤患者的资料作为训练组：新乡医学院第一附属医院（批准文号：EC-023-073）和郑州大学第一附属医院（批准文号：2019-KY-231）。来自于苏州大学附属第一医院（批准文号：2023伦研批第204号）的胶质瘤患者作为外部测试集。所有图像数据在处理前都进行了脱敏处理，患者个人信息都经过去识别化和匿名化处理，因此免除受试者知情同意。2021年世界卫生组织（the World Health Organization, WHO）对中枢神经系统肿瘤的分类中，对2~4级胶质瘤的分类更加注重分子特征与组织学特征的结合。其中WHO 2级别的归于低级别胶质瘤，WHO 3~4级别归于高级别胶质瘤^[18]，随着级别的升高其恶性程度也逐渐升高^[19]，并且低级别和高级别的治疗方式明显不同^[20]。因此，在我们的研究中纳入了WHO 2~4级别的胶质瘤患者。入组标准：（1）手术最大范围安全切除肿瘤治疗，并术后行6周期的TMZ（150~200 mg/m²）治疗的患者；（2）根据WHO 2021年中枢神经系统肿瘤分类确定2~4级胶质瘤；（3）术前一周内的MRI图像完整，包括T2WI和T1CE；（4）术后随访时间超过6个月。

       排除标准：（1）存在明显的伪影或图像质量模糊；（2）合并其他中枢神经系统疾病。

       患者的术后复发或疾病进展状态，首选考虑通过手术干预后获取的病理组织进行组织学确认以判断患者的复发或进展状况。若无法实施手术，则采用MRI评估术后疾病状态，并严格遵循神经肿瘤学反应评估（Response Assessment in Neuro-Oncology, RANO）标准进行判定。随访间隔时间不少于3个月。收集了患者的临床和基于术后病理样本评估的病理资料，并用于进一步分析这些特征与PFS之间的关系，临床病理学特征包括：年龄、性别、异柠檬酸脱氢酶（isocitrate dehydrogenase, IDH）状态、WHO肿瘤分级和O⁶-甲基鸟嘌呤-DNA甲基转移酶（O⁶-methylguanine-DNA methyltransferase, MGMT）状态。

1.2 图像采集

       MRI数据来自三家医院的常规MRI检查，使用4台3.0 T MR扫描仪，包括Ingenia Elition X、HDxt、Prisma和Skyra。轴向成像序列包括T1CE和T2WI，具体参数见表1。在图像分割之前，实施了预处理步骤，包括：（1）N4偏置场校正；（2）使用B样条插值将图像重采样为各向同性体素大小（1 mm×1 mm×5 mm）。

点击查看表格

表1  机器扫描参数
Tab. 1  Scan protocol parameters

1.3 图像预处理和感兴趣区域分割

       使用“Simple ITK”包^[21]对所有MR图像进行N4偏置场校正。使用刚性配准将T1CE图像与T2WI图像进行配准（ANTS，v.2.4.3）。使用Simple ITK中的最近邻插值，将所有MRI重新采样到1 mm×1 mm×5 mm的均匀体素大小。使用ITK-SNAP (v3.6.0，www.itksnap.org/)进行感兴趣区域的勾画，勾画区域包括肿瘤核心区域和肿瘤周围水肿区域，见图1A（2D感兴趣区域）。图像分割过程由2名神经放射科医生A和B（3年诊断经验的住院医师）单分别勾画，同时由放射科医生C（30年临床诊断经验的主任医师）重新审查图像，两名医师结果不一致时，由射科医生C确定感兴趣区域。

点击查看大图

图1  深度学习网络流程图。1A：T2WI图像中最大肿瘤体积及其周围水肿区域的被分割出来，并输入不同预训练模型。1B：这些模型包括八种卷积神经网络（CNNs），分别是DenseNet201、InceptionV3、MobileNetV3-Small、ShufflenetV2、VGG19、Squeezenet1-1、Wide Resnet50-2、Wide Resnet101-2，以及视觉变换器（ViT）。1C：接着采用LASSO-Cox筛选深度学习特征，并采用C指数对模型进行评估。1D：采用梯度加权类别激活映射（Grad-CAM）技术可视化模型的决策过程。
Fig. 1  Flowchart of the deep learning network. 1A: The maximum tumor volume and its surrounding edema region were segmented from T2WI and subsequently input into different pre-trained models. 1B: These models encompass eight convolutional neural networks (CNNs), namely DenseNet201, InceptionV3, MobileNetV3-Small, ShufflenetV2, VGG19, Squeezenet1-1, Wide Resnet50-2, and Wide Resnet101-2, as well as a Vision Transformer (ViT). 1C: LASSO-Cox regression was then employed to screen deep learning features, and the models were evaluated using the concordance index (C-index). 1D: The decision-making process of the models was visualized using Gradient-Weighted Class Activation Mapping (Grad-CAM) technology.

1.4 DL模型构建

       DL网络的工作流程见图1。本研究中使用的CNN模型包括DenseNet201、InceptionV3、MobileNetV3-Small、ShufflenetV2、VGG19、Squeezenet1-1、Wide Resnet50-2、Wide Resnet101-2以及一个变换器模型——ViT。这些模型在ImageNet数据集上进行了预训练以初始化权重值，然后应用了即时数据增强技术，包括随机水平翻转和裁剪。通过使用随机梯度下降（stochastic gradient descent, SGD）优化器以0.01的初始学习率更新模型参数，学习率通过余弦退火算法衰减，总共训练了50个周期，450个迭代步骤，批处理大小为32。最后，我们使用预训练的权重初始化特征提取阶段，并训练了2D CNNs和ViT模型。然后，利用这些初始权重使用2D CNN和ViT模型进行特征提取。其中，ViT选择了to-latent层，DenseNeT201选择了features.norm5层，而其余模型选择了平均池化层来抽取深层特征。使用主成分分析法对DL特征进行了特征压缩，从每个DL模型中得到了64个深层特征。

1.5 DL特征选择和Cox模型建立

       首先，所有的DL特征都使用Z-score进行了标准化。接着计算这些特征之间的Pearson系数，如果两个特征之间的相关系数超过0.9，那么相关系数中较小的那个特征将被去除。然后采用最小绝对收缩和选择算子Cox回归（the least absolute shrinkage and selection operator in cox regression, LASSO-Cox），并采用10折交叉验证筛选DL特征。考虑到最终模型的特征数不应超过样本量的1/10^[22]，根据DL的特征权重从每个DL模型中挑选出了排名前十的特征，通过这些来自各个DL模型的DL特征，创建DL-Cox模型。根据DL特征值和LASSO-Cox的相应系数，计算DL风险评分（DL risk sorce, DL-RS）。

       DL-RS=-0.256 118×DL_0-0.206 903×DL_48 -0.205 940×DL_45-0.171 804 × DL_34 -0.141 405×DL_46-0.138 045×DL_15 -0.102 052×DL_55+0.112 872×DL_28 +0.186 984×DL_51+0.424 248×DL_62

       通过单因素Cox回归选择与PFS相关的临床特征。将差异有统计学意义的临床特征构建临床Cox模型，然后将差异有统计学意义的临床因素与上述DL特征相结合，构建综合Cox模型。

1.6 统计学分析

       采用Harrell C指数和Kaplan-Meier生存分析对模型的预后性能进行评估。每个数据集中的患者根据训练集的DL-RS平均值进行分层：风险评分大于或等于1.01的患者被分配到高风险组，而风险评分低于该阈值的患者被分配到低风险组。采用Kaplan-Meier生存分析比较两组患者的预后。在训练集和测试集中临床特征均通过单因素Cox回归进行评估。

       使用R 3.4.0版本进行统计分析。连续变量的比较采用t检验或Mann-Whitney U检验，分类变量的分析采用χ²检验或Fisher精确检验。采用方差分析评价各种模型对PFS的预测性能。所有统计检验均为双尾，显著性水平为P < 0.05。

2 结果

2.1 基线特征

       所有患者的临床基线资料见表2。训练集纳入了2017年3月至2023年5月期间来自新乡医学院第一附属医院的95名患者和来自郑州大学第一附属医院的154名确诊为WHO 2~4级胶质瘤的患者，并用于模型选择和超参数优化。苏州大学附属第一医院中2012年6月至2023年2月期间WHO 2~4级的96名胶质瘤患者组成的外部测试集数据用于评估最终模型的性能。在训练集和外部测试集中，复发或疾病进展的患者比例分别为46.99%和40.63%。统计分析显示，在训练集和外部测试集之间，WHO分级和年龄差异有统计学意义（P<0.05），其他临床病理学特征差异无统计学意义（P>0.05）。中心A的平均随访时间为15.27个月，中心B为14.93个月，中心C为15.09个月。

点击查看表格

表2  临床基线资料
Tab. 2  Baseline demographic and clinical characteristics

2.2 DL模型预测性能

       在测试集中，Wide ResNet50-2的整体表现优于其他CNNs和ViT模型（表3）。测试集中，Wide ResNet50-2达到了最优的预测性能，C指数为0.714（95% CI：0.471~0.875），在训练集中为0.694（95% CI：0.570~0.795）。根据单因素Cox回归分析，DL-RS与PFS显示出显著的相关性（表4）。在训练集和测试集中，DL-RS的风险比分别为2.27（95% CI：1.90~4.05；P<0.010）和2.06（95% CI：1.05~4.03；P=0.035），高于其他临床特征。基于DL-RS的均值，患者被分为高风险和低风险两组。在训练集和测试集中，高风险组的患者相比于低风险组的患者，PFS明显较低（P<0.001和P=0.032，图2）。

       为了增强模型决策过程的透明度并探究其可解释性，应用了梯度加权类别激活映射（Grad-CAM）来可视化这些模型。从CNNs的最后一层卷积层提取的梯度信息被用于加权融合，从而生成一个类别激活图，该图显示了目标图像中对于诊断疾病的至关重要的区域，见图1。

点击查看大图

图2  训练集和外部测试中DL-RS的Kaplan-Meier生存曲线图。Kaplan-Meier生存曲线展示了训练队列（左侧，共249例患者）和测试队列（右侧，共96例患者）中的无进展生存期，患者依据DL特征计算的风险评分被划分为两个组别：高风险组（红线）和低风险组（蓝线）。采用对数秩检验（log-rank test）来计算P值。DL-RS：深度学习风险评分。
Fig. 2  Kaplan-Meier survival curves of DL-RS in the training and external test sets. The Kaplan-Meier survival curves depict progression-free survival (PFS) in the training cohort (left, 249 patients) and the test cohort (right, 96 patients). Patients were stratified into two groups based on risk scores calculated from deep learning features: the high-risk group (red line) and the low-risk group (blue line). The log-rank test is used to compute the P-value. DL-RS: deep learning risk sorce.

点击查看表格

表3  不同深度学习模型在训练集和测试集中的C指数
Tab. 3  Training and testing set C-index values for multiple deep learning architectures

点击查看表格

表4  单因素分析
Tab. 4  Univariable analysis

2.3 临床特征表现

       单因素Cox回归分析（表4）显示，年龄（HR：1.029；95% CI：1.010~1.040；P<0.001），IDH状态（HR：0.559；95% CI：0.378~0.825；P=0.003）和WHO分级（HR：1.798；95% CI：1.400~2.320；P<0.001）可以作为预测无进展生存期的独立危险因素。性别和MGMT状态没有显示出与PFS相关的统计学意义。测试集临床特征中，年龄（HR：1.050；95% CI：1.020~1.080；P<0.001）、IDH状态（HR：0.450；95% CI：0.210~0.940；P=0.035）和WHO分级（HR：1.810；95% CI：0.150~2.830；P=0.010）有统计学意义。根据单因素Cox结果，将年龄、IDH状态和WHO分级纳入到临床多因素Cox模型，在训练集的C指数为0.653（95% CI：0.527~0.760），测试集的C指数为0.703（95% CI：0.612~0.793），见表5。

点击查看表格

表5  模型效能
Tab. 5  Model performance

2.4 综合模型性能

       我们将差异有统计学意义的临床特征与DL特征结合，构建了综合Cox模型，相较于单独的模型其预测能力得到了提高，在测试集中C指数为0.724（表5）。并且该模型性能优于临床模型（P<0.001）和DL模型（P=0.006）（表6和表5）。同样，在测试集中综合Cox模型性能优于DL-Cox模型（0.795 vs. 0.714；P<0.001）和临床Cox模型（0.795 vs. 0.703；P=0.330），如表6和表5所示。

点击查看表格

表6  ANOVA分析结果
Tab. 6  The results of ANOVA analysis

3 讨论

       这项回顾性多中心研究的结果表明，基于MRI图像建立的Wide ResNet50-2 CNN DL模型可以用于预测脑胶质瘤的患者术后PFS，并且总体效能优于其他CNN模型和ViT模型，在测试集中的C指数为0.795（95% CI：0.553~0.924）。既往研究表明肿瘤并不是单纯的同质性个体，而是多个异质性亚区域的集合体^[23]。在胶质瘤中肿瘤内异质性与治疗反应相关^{[24, 25]}，并且肿瘤的异质性不仅体现在肿瘤内区域，而且包括肿瘤周围水肿区^[26]。特别是对于高级胶质瘤来说其内部表观遗传、转录和环境异质性等共同造成了其中细胞水平的异质性，而肿瘤内及肿瘤间的异质性是造成其高度侵袭性和预后不良的一种重要的原因^[27]。在我们的研究中最大肿瘤核心及其周围水肿区域作为输入，显示出DL模型在预测PFS方面展示出了良好性能，其训练集和测试集的C指数分别为0.694和0.714。通过DL特征计算的风险评分是患者预后的独立预测因子，训练集和测试集的HR分别为2.27（P<0.01）和2.06（P=0.035）。

3.1 DL模型

       机器学习在分类任务中比放射科医生的评估有明显的优势，它利用医学图像中的鲁棒性特征进行学习，来确保诊断的一致性和可重复性^[28]。最近，通过对广泛范围的影像组学特征进行分析，机器学习技术已经展现出辅助脑胶质瘤诊断、评估治疗反应和预测患者预后的能力^[29]。然而，影像组学需要耗时的肿瘤标记和经验性的特征提取，这阻碍了其在临床中的应用。此外，预先选择的形态学特征限制了从图像中可提取的信息。相比之下，在我们的研究中通过纳入肿瘤的最大层面，显著减少了后续研究的工作负担。DL能够实现端到端的分类和预测，无需进行手动特征选择，而是直接从原始像素数据自动学习复杂的特征^{[10, 30]}。在FATHI等^[31]的研究中，使用了基于VGG-16的CNN模型预测生存表现，显示出良好的性能，实现了0.75的C指数。LUO等^[32]报道了一种基于苏木精-伊红染色病理图像的用于预测复发和总生存期的预训练ResNet50模型。其CNN模型在无病生存期和总生存期预测方面的C指数分别为0.630和0.652。Wide ResNet50-2是ResNet的一种增强版本，通过加入额外的线性卷积层改进了模型的学习能力，相比基本的ResNet模型有所提升。Wide ResNet50-2模型通过保持网络深度和宽度之间的平衡同时保留ResNet的核心特性来提高性能和泛化能力。这种设计有效地增强了模型的表达能力，同时缓解了过拟合问题。在本研究中，我们使用了八种CNN模型来预测胶质瘤的PFS，而Wide ResNet50-2在测试集中的预测能力最高（C指数为0.714）。我们还在胶质瘤中评估了ViT模型，这是一种基于变换器的模型，近年来作为一种非医疗计算机视觉任务的CNN替代品崭露头角。最近，JIANG等^[33]在直肠癌中使用ViT取得了在OS和PFS预测方面的优异性能。但是在我们的试验中，Wide ResNet50-2 CNN模型的预测能力优于ViT模型（C指数：0.714 vs. 0.642）。

3.2 无进展生存期分析

       脑胶质瘤患者在手术前后普遍接受了综合治疗，但总生存率仍然较差，并且治疗过程可能会对患者的脑功能状态造成损害^{[6, 34]}。因此，早期识别出高风险患者对于制订个性化的治疗方案以及改善其生活质量显得尤为重要。在HUANG等^[35]的研究中发现使用DL能够预测病患者的术后生存情况，与我们研究相似。在我们研究中DL-RS也可以有效地区分高风险和低风险患者，这表明利用我们的DL模型计算的风险评分有助于甄别那些可能受益于更为积极治疗策略的高风险患者。

       先前研究发现IDH突变型对放化疗更加敏感^[27]，并且低级别胶质瘤伴IDH突变情况下术后生存状态更好^[36]。在黄晓茵等^[37]的研究中发现年龄和IDH突变状态与术后生存期相关，且来自瘤内区域和瘤周水肿区域的影像组学特征能够预测术后生存状态。且在黄晓茵等^[37]和MAHOOTIHA等^[38]的研究中都发现结合临床病理特征后的综合模型预测效能大于单模态模型，这与我们研究结果相似，我们的结果显示结合临床病理特征和DL特征构建的综合Cox预测模型在PFS方面表现优异。

3.3 局限性

       我们的研究存在几个局限性。首先，虽然模型在多中心集中得到了验证，但患者的临床病理学信息仍然不足，例如MGMT甲基化状态数据仍然较小，该因素对PFS的影响仍需进一步讨论。在未来在医学领域中机器学习模型的发展趋势是多组学和多模态影像学的结合。然而，由于临床信息的缺乏，我们无法进一步验证更多因素加入后是否可以提升模型的预测性能, 解决这一局限将是未来研究工作的一个关键方向。第二，所有数据都是回顾性收集的，样本量较小仍相对较小，这可能会引入内在偏差。因此，在未来的研究中需要前瞻性和更大样本的数据集来进行验证。

4 结论

       本研究建立了用于预测脑胶质瘤患者无进展生存期的DL模型，其中基于Wide ResNet50-2架构的DL模型展现出最优的预测效能，并且DL-RS在预后分层中表现出显著优势，显示出显著的临床应用潜力。因此在未来的工作中可以进一步开展前瞻性研究，和深挖其生物学基础以验证DL流程的临床适用性和临床解释性。