整合臨床及多參數(shù)MRI信息的前列腺癌CAD系統(tǒng)：診斷效能研究

高歌， 胡娟， 王成彥， 王鶴， 楊學(xué)東， 張玨， 王霄英

·影像信息學(xué)專題·

整合臨床及多參數(shù)MRI信息的前列腺癌CAD系統(tǒng)：診斷效能研究

高歌， 胡娟， 王成彥， 王鶴， 楊學(xué)東， 張玨， 王霄英

目的：將臨床信息和多參數(shù)MRI(mpMRI)數(shù)據(jù)輸入前列腺計(jì)算機(jī)輔助診斷(CAD)系統(tǒng)，研究其診斷效能。方法：選取本院前列腺M(fèi)RI數(shù)據(jù)庫中連續(xù)266例患者的病例資料，所有患者均以定性診斷為目的行前列腺M(fèi)RI檢查，臨床資料和病理結(jié)果完整，且完成隨訪。由1位高年資泌尿系統(tǒng)影像診斷醫(yī)師根據(jù)前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(PI-RADS)進(jìn)行閱片，以PI-RADS評分為mpMRI信息，輸入CAD系統(tǒng)。選取患者資料中的年齡、T-PSA、F/T-PSA、直腸指診、超聲表現(xiàn)等作為臨床信息，輸入CAD系統(tǒng)。采用受試者工作特征曲線(ROC)分析，以最終診斷結(jié)果為金標(biāo)準(zhǔn)，比較mpMRI數(shù)據(jù)、臨床信息、mpMRI+臨床信息作為輸入項(xiàng)時(shí)， CAD輸出結(jié)果的診斷效能。結(jié)果：以臨床信息為輸入項(xiàng)，CAD診斷前列腺癌的ROC下面積(AUC)為0.888；以mpMRI信息作為輸入項(xiàng)，CAD診斷前列腺的AUC為0.980；將mpMRI和臨床信息整合作為輸入項(xiàng)時(shí)，診斷效能最高，AUC為0.986，相應(yīng)的診斷敏感度、特異度和符合率分別為93.65、96.15和94.12。結(jié)論：整合臨床信息和mpMRI信息輸入前列腺CAD系統(tǒng)，可得到最高的診斷效能。

診斷，計(jì)算機(jī)輔助； 磁共振成像； 前列腺腫瘤； 前列腺特異性抗原

計(jì)算機(jī)輔助診斷(computer-aided diagnosis，CAD)系統(tǒng)可以對多個(gè)參數(shù)進(jìn)行多變量分析。隨著多參數(shù)磁共振成像(multiparametric MRI, mpMRI)的發(fā)展及前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(prostate imaging reporting and data system,PI-RADS)[1-2]的提出，前列腺mpMRI已成為前列腺癌(prostate cancer，PCa)檢出、分期及隨訪最常用的影像學(xué)方法[3-4]。本研究將mpMRI和臨床資料輸入前列腺CAD系統(tǒng)，研究CAD系統(tǒng)對PCa的診斷效能。

材料與方法

1.研究隊(duì)列

本研究經(jīng)醫(yī)院倫理委員會(huì)審查同意。選取本院前列腺M(fèi)RI數(shù)據(jù)庫[5]中連續(xù)266例患者的病例資料，所有患者均以定性診斷為目的行前列腺mpMRI，均有完整的mpMRI資料和臨床資料，MRI檢查前均未行任何PCa的相關(guān)治療。所有患者行盆腔mpMRI檢查，掃描序列包括T2WI、DWI、動(dòng)態(tài)增強(qiáng)掃描和MRS[6]。

2.前列腺疾病臨床結(jié)局的確定

MRI檢查后患者均獲得明確的臨床診斷，其中經(jīng)超聲引導(dǎo)下穿刺活檢或手術(shù)后病理檢查證實(shí)為PCa者共130例，經(jīng)反復(fù)穿刺(至少三次穿刺以上)活檢結(jié)果為陰性、且長期隨訪(12～59個(gè)月，平均32個(gè)月)后仍未發(fā)現(xiàn)前列腺癌而最終診斷為非PCa者136例。

3.CAD輸入信息的提取

mpMRI信息的提取：由1位高年資泌尿影像診斷醫(yī)師(閱片經(jīng)驗(yàn)9年)對所有入組病例的軸位T2WI、DWI、動(dòng)態(tài)增強(qiáng)掃描和MRS序列進(jìn)行獨(dú)立盲法閱片，根據(jù)2012年歐洲泌尿放射學(xué)會(huì)(ESUR)提出的PI-RADS(第一版)[1]，對入組病例mpMRI各序列圖像上前列腺病灶進(jìn)行5分制評分，并以各序列評分總和作為該患者的mpMRI信息，輸入CAD系統(tǒng)。

臨床信息的提取：在前列腺數(shù)據(jù)庫中提取患者的年齡、總前列腺特異性抗原(total prostate specific antigen，T-PSA)、游離/總(F/T)-PSA、直腸指診(digital rectal examination，DRE)、超聲等作為臨床信息，輸入CAD系統(tǒng)。其中年齡、T-PSA、F/T-PSA為定量數(shù)據(jù)，DRE和超聲資料為定性數(shù)據(jù)。

4.CAD訓(xùn)練及測試

通過后向傳播(back propagation，BP)人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)訓(xùn)練CAD[7-8]，神經(jīng)網(wǎng)絡(luò)層數(shù)為3，輸入層節(jié)點(diǎn)數(shù)為3～9，隱藏層節(jié)點(diǎn)數(shù)為14，輸出層節(jié)點(diǎn)數(shù)為1。分別以臨床信息、mpMRI信息、臨床信息+mpMRI信息作為輸入項(xiàng)，得到CAD輸出項(xiàng)(PCa的可能性)。以最終診斷結(jié)果為金標(biāo)準(zhǔn)，研究CAD輸出項(xiàng)的符合率，并進(jìn)行ROC分析，通過比較ROC曲線下面積(area under curve，AUC)、敏感度、特異度、陽性預(yù)測值、陰性預(yù)測值和符合率來評價(jià)不同輸入項(xiàng)時(shí)，CAD系統(tǒng)對PCa的診斷效能。

結(jié) 果

以閱片者的mpMRI信息作為輸入項(xiàng)，對CAD輸出結(jié)果的準(zhǔn)確性進(jìn)行ROC曲線分析，其AUC可達(dá)到0.980。以臨床信息+mpMRI信息作為輸入項(xiàng)時(shí)，AUC可提高至0.986，較僅基于臨床信息CAD診斷效能顯著提高(表1，圖1)。

表1 使用不同輸入信息時(shí)CAD的診斷效能

注：PPV為陽性預(yù)測值，NPV為陰性預(yù)測值。

討 論

CAD系統(tǒng)可有效避免診斷醫(yī)師基于單一指標(biāo)進(jìn)行判斷，或過度依賴于個(gè)人經(jīng)驗(yàn)進(jìn)行主觀判斷，不僅使醫(yī)師的診斷過程更加客觀，而且提高了診斷效率[8]。自1994年Snow等[9]首次將神經(jīng)網(wǎng)絡(luò)應(yīng)用于PCa的診斷以來，相關(guān)領(lǐng)域的研究大量涌現(xiàn)，多項(xiàng)研究表明ANN具有提高PCa檢出的價(jià)值[10-11]。目前，基于臨床信息，如年齡、PSA水平、DRE、超聲等指標(biāo)的CAD系統(tǒng)已進(jìn)行了臨床應(yīng)用研究，但其診斷效能仍有待提高。

近年來，mpMRI已成為PCa臨床診斷的常規(guī)手段，包括T2WI、DWI、動(dòng)態(tài)對比增強(qiáng)及MRS等序列的綜合應(yīng)用，可提高對PCa的檢出能力。其中，T2WI具有較高的軟組織分辨率，能夠提供前列腺的解剖信息。DWI、動(dòng)態(tài)對比增強(qiáng)及MRS等序列可反映前列腺組織中水分子擴(kuò)散、微血管灌注及組織代謝情況，提供更多的診斷信息，從而提高對PCa檢出的敏感性和特異性[12]。但由于技術(shù)的復(fù)雜性，前列腺mpMRI所提供的影像信息，不易被臨床醫(yī)師所解讀和利用。ESUR及ACR陸續(xù)于2012年[1]和2014年[2]提出PI-RADS評分系統(tǒng)，對上述各序列圖像上前列腺病灶進(jìn)行5分制評分，但有兩個(gè)主要問題：其一，該系統(tǒng)僅基于影像學(xué)資料做出PCa診斷，未結(jié)合臨床資料；其二，雖然PI-RADS規(guī)范了診斷思路，但在實(shí)際臨床驗(yàn)證過程中，發(fā)現(xiàn)使用PI-RADS檢出PCa仍依賴于臨床醫(yī)師的個(gè)人經(jīng)驗(yàn)和主觀判斷，閱片者間的一致性欠佳。而經(jīng)過大量訓(xùn)練的CAD系統(tǒng)可對上述兩個(gè)問題提供解決方案，其既綜合利用全面的臨床和影像信息，又可得到穩(wěn)定的輸出結(jié)果。有鑒于此，本研究將PI-RADS評分整合入基于臨床資料的前列腺CAD系統(tǒng)，既彌補(bǔ)了僅使用常規(guī)臨床信息作出診斷的不足，又彌補(bǔ)了僅依賴PI-RADS進(jìn)行診斷的不足。本研究結(jié)果也證明，當(dāng)使用臨床信息+mpMRI信息時(shí)，CAD的診斷效能最高，這一結(jié)論為CAD系統(tǒng)的實(shí)際臨床應(yīng)用提供了依據(jù)。

本研究CAD系統(tǒng)采用3層ANN結(jié)構(gòu)作為分類器。目前，該分類器結(jié)構(gòu)被認(rèn)為是神經(jīng)網(wǎng)絡(luò)中效能最高的分類器，是由具有適應(yīng)性的簡單單元(神經(jīng)元)組成的廣泛并行互連的網(wǎng)絡(luò)，能夠模擬生物神經(jīng)系統(tǒng)對真實(shí)世界物體所做出的交互反應(yīng)[13]。因此，ANN可以有效地利用具有非線性關(guān)系的變量，獲得最佳的診斷效能。Ampeliotis等[14]及Viswanath等[15]研究團(tuán)隊(duì)所建立的CAD系統(tǒng)均使用類似算法的分類器結(jié)構(gòu)，并獲得了較高的診斷效能。另外，由于本單位前列腺數(shù)據(jù)庫中病例資源較多，對CAD系統(tǒng)進(jìn)行了大量訓(xùn)練，也可能是本研究中CAD系統(tǒng)診斷效能較高的原因。

本研究結(jié)果顯示，基于年齡、T-PSA、F/T-PSA、DRE和超聲檢查的前列腺CAD系統(tǒng)的AUC為0.888，加入mpMRI信息后，AUC提高至0.986。具體地說，整合mpMRI信息后，對PCa檢出的敏感度明顯提高，同時(shí)在一定程度上提高了檢出的特異度，降低了CAD系統(tǒng)的漏診率和誤診率。除此之外，整合了mpMRI信息的CAD系統(tǒng)的陽性預(yù)測值和陰性預(yù)測值也顯著提高，提示本研究所建立的CAD系統(tǒng)可作為PCa的疾病預(yù)測模型。由此可見，整合了mpMRI信息的CAD系統(tǒng)較僅基于臨床信息的CAD系統(tǒng)的診斷效能顯著提高。

本研究有一定的局限性。最主要的是僅將PI-RADS評分作為 CAD系統(tǒng)的mpMRI輸入項(xiàng)，使得CAD系統(tǒng)對PCa的診斷效能一定程度上會(huì)受PI-RADS評分中人為因素的影響。后續(xù)的CAD系統(tǒng)開發(fā)中，通過模式識(shí)別、特征提取等工具，CAD系統(tǒng)可對mpMRI的病灶特征進(jìn)行深入挖掘和分析，系統(tǒng)自動(dòng)提取圖像的灰度、紋理等信息[16]，作為ANN的輸入層節(jié)點(diǎn)，將得到更加優(yōu)化的CAD系統(tǒng)。另一個(gè)思路是使用PI-RADS結(jié)構(gòu)式報(bào)告[17]，將PI-RADS評分過程中關(guān)于病灶特征描述的結(jié)構(gòu)式信息輸入CAD，也可減少讀片者主觀判斷不一致所造成的不良影響。本研究的另一個(gè)缺陷是金標(biāo)準(zhǔn)的不足，經(jīng)過多次穿刺、且長期隨訪為非癌的患者中，不除外有少量的假陰性病例。

綜上所述，基于ANN的前列腺CAD系統(tǒng)在臨床應(yīng)用過程中，輸入臨床信息和mpMRI信息可得到較高的診斷效能。

[1] Barentsz JO，Richenberg J，Clements R，et al.ESUR prostate MR guidelines 2012[J].Eur Radiol，2012，22(4):746-757.

[2] Weinreb JC，Barentsz JO，Choyke PL，et al.PI-RADS prostate imaging——reporting and data system:2015，version 2[J].Eur Urol，2016，69(1):16-40.

[3] Panebianco V，Barchetti F，Sciarra A，et al.Multiparametric magnetic resonance imaging vs standard care in men being evaluated for prostate cancer:a randomized study[J].Urol Oncol，2015，33(1):171-177.

[4] Zhao C，Gao G，F(xiàn)ang D，et al.The efficiency of multiparametric magnetic resonance imaging (mpMRI) using PI-RADS Version 2 in the diagnosis of clinically significant prostate cancer[J].Clin Imaging，2016，40(5):885-888.

[5] 吳靜云，張曉東，王蕊，等.前列腺M(fèi)RI影像生物樣本庫的建設(shè)探索[J].腫瘤影像學(xué)，2016，2(2):123-126.

[6] 王慧慧，李瑋，王蕊，等.基于第二版前列腺影響報(bào)告和數(shù)據(jù)系統(tǒng)的前列腺多參數(shù)MRI技術(shù)要求[J].腫瘤影像學(xué)，2016，25(2):106-110.

[7] Zhao K，Wang C，Hu J，et al.Prostate cancer identification:quantitative analysis of T2-weighted MR images based on a back propagation artificial neural network model[J].Sci China Life Sci，2015，58(7):666-673.

[8] 高歌，王成彥，趙凱，等.前列腺癌多參數(shù)MRI計(jì)算機(jī)輔助診斷系統(tǒng)的構(gòu)建[J].腫瘤影像學(xué)，2016，25(2):117-122.

[9] Snow PB，Smith DS，Catalona WJ.Artificial neural networks in the diagnosis and prognosis of prostate cancer:a pilot study[J].J Urol，1994，152(5 Pt 2):1923-1926.

[10] Stephan C，Cammann H，Semjonow A，et al.Multicenter evaluation of an artificial neural network to increase the prostate cancer detection rate and reduce unnecessary biopsies[J].Clin Chemist，2002，48(8):1279-1287.

[11] Finne P，F(xiàn)inne R，Bangma C，et al.Algorithms based on prostate-specific antigen (PSA)，free PSA，digital rectal examination and prostate volume reduce false-positive PSA results in prostate cancer screening[J].Intern J Cancer，2004，111(2):310-315.

[12] Wang R，Wang H，Zhao C，et al.Evaluation of multiparametric magnetic resonance imaging in detection and prediction of prostate cancer[J/OL].PloS one，2015，10(6):e0130207.

[13] 呂冬姣，張玨，王霄英，等.人工神經(jīng)網(wǎng)絡(luò)在PCa診斷中的應(yīng)用[J].北京大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)，2009，41(4):469-473.DOI：10.1371/journal.phone.130207.

[14] Ampeliotis D，Anonakoudi A，Berberidis K，et al.A computer-aided system for the detection of prostate cancer based on magnetic resonance image analysis[J].Intern Sympos Commun，Contr and Sign Proc，2008，1372-1378.DOI:10.1109/ISCCSP.2008.4537440-source:IEEE xplore.

[15] Viswanath S，Bloch BN，Chappelow J，et al.Enhanced multi-protocol analysis via intelligent supervised embedding (EMPrAvISE):detecting prostate cancer on multi-parametric MRI[J].Proc SPIE，2011，7963:79630U.DOI:10.117/12.878312

[16] Lv D，Guo X，Wang X，et al.Computerized characterization of prostate cancer by fractal analysis in MR images[J].J Magn Reson Imaging，2009，30(1):161-168.

[17] 秦岫波，王蕊，高歌，等.前列腺多參數(shù)MRI報(bào)告進(jìn)展：基于第2版前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)的結(jié)構(gòu)式報(bào)告的構(gòu)建[J].腫瘤影像學(xué)，2016，25(2):111-116.

Computer-aided diagnosis system for the detection of prostate cancer based on clinical information and multiparametric MRI:analysis of the diagnostic efficacy

GAO Ge，HU Juan，WANG Cheng-yan，et al.

Department of Radiology，Peking University First Hospital，Beijing 100034，China

Objective:To evaluate the diagnostic efficacy of computer-aided diagnosis (CAD) system in detection of prostate cancer (PCa).Methods:266 consecutive patients were recruited from institutional prostate MRI database.All the patients were suspected of PCa，who underwent mpMRI (T2WI,DWI,MRS and DCE) examination with subsequent ultrasound guided biopsy within 3 months.PI-RADS scores given by uroradiologists were input as mpMRI information for CAD.Clinical data including age，T-PSA，F(xiàn)/T-PSA,digital rectal examination (DRE) and ultrasound findings were input as clinical information for CAD，the output of CAD was the probability of PCa.Taking the clinical outcome as reference standard，the clinical information，mpMRI information or integration of clinical and mpMRI information were input into the CAD respectively，and the corresponding diagnostic efficacy of CAD was studied using ROC analysis.Results:Based on clinical information，the area under the ROC (AUC) of the CAD system for diagnosis of PCa was 0.888;based on mpMRI，the AUC was 0.980;and based on clinical information combined with mpMRI，the diagnostic efficacy was the highest with AUC of 0.986，and the corresponding diagnostic sensitivity，specificity and accuracy were 93.65,96.15 and 94.12.Conclusion:The input of CAD system in detection of PCa should consist of both the clinical information and the information of mpMRI.

Diagnosis，computer-assisted; Magnetic resonance imaging; Prostatic neoplasm； Prostate-specific antigen

100034 北京，北京大學(xué)第一醫(yī)院醫(yī)學(xué)影像科(高歌、王鶴、王霄英)；650032 昆明，昆明醫(yī)科大學(xué)第一附屬醫(yī)院醫(yī)學(xué)影像科(胡娟)；100871 北京，北京大學(xué)前沿交叉學(xué)科研究院(王成彥、張玨)；100053 北京，中國中醫(yī)科學(xué)院廣安門醫(yī)院放射科(楊學(xué)東)；100871 北京，北京大學(xué)工學(xué)院(張玨)

高歌(1988-)，女，河南鄭州人，博士研究生，主要從事MR新技術(shù)和影像信息學(xué)研究工作。

王霄英，E-mail：cjr.wangxiaoying@vip.163.com

R445.2； R737.25

A

1000-0313(2016)12-1143-03

10.13609/j.cnki.1000-0313.2016.12.008

2016-10-17

2016-11-10)