基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法

摘要: 本发明属于医学影像分析,具体涉及一种基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法。背景技术:1、宫颈癌是全球第四大女性恶性肿瘤,也是发展中国家中最常见的妇科...
基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法

本发明属于医学影像分析,具体涉及一种基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法。

背景技术:

1、宫颈癌是全球第四大女性恶性肿瘤,也是发展中国家中最常见的妇科恶性肿瘤。据世界卫生组织国际癌症研究机构(international agency for research on cancer,iarc)发布的globocan 2022数据显示,全球2022年新发宫颈癌病例达66.1万,死亡病例达34.8万,发病率和死亡率仍持续呈现升高趋势[1]。包括外照射和腔内近距离照射的盆腔放疗是宫颈癌最主要的治疗方式。取得良好治疗效果的同时,由于骨盆与女性生殖系统及其淋巴引流区域天然有着密切的位置关系,且骨骼因高含钙量而比周围软组织多吸收30% -40%的辐射能量[2],使得放射性骨损伤成为宫颈癌放疗后常见的不良反应。放射性骨损伤(radiation bone injuries,rbis)是指人体全身或局部受到辐射暴露所导致的骨组织一系列代谢和临床病理变化[3]。临床上,宫颈癌患者盆腔放疗后的骨损伤可被看作是一个从轻度骨质减少到放射骨坏死的连续过程[4],主要包括放射性骨质疏松、放射性骨炎、不全性骨折和放射性骨坏死等类型。疼痛是放射性骨损伤最常见的临床症状,大约43%至77%的患者可能经历影响生活质量的疼痛,且疼痛症状可能长期持续[5-7]。虽然放射性骨损伤通常不直接威胁生命,但其对患者功能状态的影响不可低估。髋部骨折可导致患者失去生活独立性,造成功能残疾,并显著增加死亡风险,且这一风险的升高可能持续数年[8-10]。随着综合治疗模式的进步,在宫颈癌患者长期生存率持续提升的背景下,如何早期识别并降低放疗后骨损伤风险,成为改善患者预后和生活质量的重要课题。

2、放射治疗相关的骨病仍被认为是一个重要但研究不足的领域[11]。目前,放射性骨损伤的预测主要依赖患者临床数据,采用传统线性回归模型,其信息维度有限,预测精准度及泛化性能上仍有局限。影像组学(radiomics)作为一种从医学影像中高通量提取定量特征的技术,通过将医学影像转换为可挖掘的高维数据,结合机器学习算法建立预测模型,该技术能够捕获人眼无法识别的影像特征,为疾病诊断和预后预测提供新的思路。

技术实现思路

1、为了克服现有技术的不足,本发明提供基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法,旨在结合ct影像组学特征与临床特征,构建宫颈癌患者盆腔放疗后骨损伤的综合预测模型,为临床医生优化剂量分布、制定药物干预方案及管理危险因素提供依据,指导个性化治疗策略的制定,提高患者的生活质量与长期预后。

2、本发明的上述目的是通过以下技术方案实现的:基于机器学习的宫颈癌盆腔放疗后骨损伤风险预测方法,步骤包括:

3、1.数据收集与分组:收集患者的模拟定位ct数据、临床资料及放疗后随访mri数据;筛选后将内部数据按比例随机分为训练集和验证集,外部中心数据整体作为外部验证集;

4、2.骨盆三维roi分割:读取模拟定位ct的dicom格式数据、窗宽和窗位,对各ct图像进行灰度映射变换,生成标准化灰度图像序列;基于骨组织与周围软组织在ct值上的显著差异沿骨皮质边缘勾画骨盆roi;

5、3.影像组学特征提取:对分割的roi进行影像组学特征提取;

6、4.影像组学特征筛选:在训练集中对所有影像组学特征进行标准化处理。之后进行单因素分析、特征间相关系数分析,之后通过lasso回归模型选出非零系数特征,依据最优特征及其对应的系数权重按加权方式计算得到影像组学评分;

7、5.临床特征筛选:首先对各个临床特征进行缺失比例计算和缺失类型分析,将得到的数据集比较骨损伤组和未发生骨损伤组在临床特征上的差异,对有统计学意义的特征进行多因素回归分析,选取有统计学显著性或临床意义的特征参与临床预测模型构建;

8、6.模型构建与评估:将筛选得到的临床特征、影像组学评分分别建立预测放疗后骨损伤的机器学习模型,并整合临床特征、影像组学评分构建联合预测模型,在联合模型基础上进一步构建随机森林和逻辑回归的组合模型;

9、7.模型可解释性分析与可视化:对最优模型中各特征的贡献度进行量化分析,进行可视化表示,基于最优预测模型构建可视化列线图。

10、进一步的,所述步骤1具体为:收集经病理确诊的宫颈癌盆腔放疗患者的放疗前模拟定位ct数据、临床资料及放疗后随访mri数据。临床资料包括人口统计学信息(年龄、bmi、生育次数、绝经状态)、诊断与治疗信息(figo分期、后装治疗、是否术后)、剂量学信息(骨盆最大照射剂量、骨盆最小照射剂量、骨盆平均照射剂量、骨盆体积、骨盆v20、v30、v40、v50)、血清学指标(血ca、血p、alp、scc)。放射性骨损伤的诊断主要依据放疗后随访盆腔mri影像学表现,纳入放射性骨炎、不全性骨折及放射性骨坏死三种类型。依据纳入与排除标准筛选患者后,将内部数据按7:3比例随机分为训练集和验证集,外部中心数据整体作为外部验证集。

11、进一步的,所述步骤2具体为:读取模拟定位ct的dicom格式数据,窗宽和窗位参数范围为窗宽:1000–1500 hu;窗位:250–350 hu,对各ct图像进行灰度映射变换,生成标准化灰度图像序列。基于骨组织与周围软组织在ct值上的显著差异沿骨皮质边缘勾画骨盆roi,roi界限要求:上界为双侧髂骨翼上缘,下界为坐骨结节下缘及耻骨联合下缘,自第5腰椎下缘起纳入骶骨,排除邻近的椎间盘、椎弓根、神经根及脂肪组织等非目标区域。完整的骨盆roi包括髂骨、骶骨、耻骨、坐骨及尾骨。

12、进一步的,所述步骤3具体为:采用accucontour软件所内置的基于pyradiomics的radiomics功能模块对分割的roi进行影像组学特征提取。提取的影像组学特征包括一阶特征、形状特征和纹理特征,其中纹理特征包括灰度共生矩阵(glcm)、灰度区域大小矩阵(glszm)、灰度游程长度矩阵(glrlm)、邻域灰度差分矩阵(ngtdm)、灰度依赖矩阵(gldm),并采用4组共18个子滤波器进行高阶特征提取。

13、进一步的,所述步骤4具体为:在训练集中对所有影像组学特征进行z-score标准化处理。之后采用mann-whitney u检验进行单因素分析,仅保留p<0.05的特征进入下一步筛选。进行特征间spearman相关系数分析,剔除任意两特征间相关系数大于0.9的冗余特征。之后通过lasso回归模型选出非零系数特征,依据lasso回归模型筛选得到的k个最优影像组学特征f1, f2, ..., fk及其对应的非零回归系数β1, β2, ..., βk,按如下加权线性组合方式计算影像组学评分(rad-score):

14、rad-score = σi=1k (βi × fi)

15、其中,fi为经z-score标准化后的第i个影像组学特征值,βi为lasso回归模型在最优正则化参数λ下对应的非零系数权重,k为经特征筛选流程后保留的最优特征数量。所述最优正则化参数λ通过n折交叉验证选取使交叉验证误差达到极小值时对应的λ值确定。

16、进一步的,所述步骤5具体为:进行缺失比例计算,设定缺失比例阈值为θ(0<θ≤1),θ定义为当某特征的缺失比例超过θ时,插补引入的不确定性将导致该特征的信息可靠性低于可信度要求,删除缺失比例超过θ的临床特征。采用little's mcar检验方法判断缺失数据是否属于完全随机缺失(mcar),若不满足完全随机缺失,则进一步通过缺失变量与已观测变量之间的关联性分析判断其属于随机缺失(mar)或非随机缺失(mnar);对于满足完全随机缺失或随机缺失的特征,采用多重插补方法进行缺失值填充。将得到的数据集采用单因素logistic回归分析的方法比较骨损伤组和未发生骨损伤组在临床特征上的差异,对单因素logistic回归分析中差异有统计学意义(p<0.05)的特征进行多因素logistic回归分析,选取有统计学意义(p<0.05)的特征参与临床预测模型构建。

17、进一步的,所述步骤6具体为:将筛选得到的临床特征分别使用随机森林(rf)、k-近邻法(knn)、朴素贝叶斯(nb)、支持向量机(svm)、逻辑回归(lr)5种机器学习分类器构建临床预测模型。在上述五种分类器的基础上,将筛选得到的影像组学特征加权计算得到的rad-score采用逻辑回归建立影像组学预测模型。将rad-score与临床特征共同组成联合特征向量,使用上述五种分类器分别建立联合预测模型。

18、在联合模型基础上,进一步构建随机森林与逻辑回归的组合模型(rf+lrensemble),具体公式如下:

19、

20、其中,

p̂rf

(x) 和

p̂lr

(x) 分别为随机森林和逻辑回归模型的预测概率输出,

η ∈

(0, 1) 为融合权重参数。

η 通过在验证集上以0.1为步长在[0.1, 0.9]范围内遍历搜索,选取使曲线下面积(auc)最大化的

η 值确定。当

η 趋近于1时,组合模型退化为随机森林模型;当

η 趋近于0时,组合模型退化为逻辑回归模型。

21、所有模型均采用5折交叉验证进行超参数优化,并在训练集、验证集和外部验证集上分别评估模型性能。评估指标包括受试者工作特征曲线下面积(auc)、灵敏度、特异度、准确率、阳性预测值和阴性预测值,同时通过校准曲线和决策曲线分析(dca)评估模型的校准性能和临床获益。

22、进一步的,所述步骤7具体为:使用shap(shapley additive explanations)分析对最优模型中各特征的贡献度进行量化分析。通过shap值的汇总图提供可视化表示,解释每个特征在预测放射性骨损伤风险中的作用。基于最优预测模型构建可视化列线图(nomogram),为放疗前的放射性骨损伤风险评估提供直观的量化参考。

23、进一步的,所述步骤7中shap分析根植于合作博弈论中的shapley值理论,其核心思想是将模型的每一次预测结果分解为各个输入特征的贡献之和,从而实现对模型预测行为的全局与局部可解释性。

24、shap值的计算:

25、对于最优特征集f中的任意特征i,其shap值定义为该特征对模型输出的边际贡献在所有可能特征子集上的加权平均值,具体公式:

26、

27、其中,f为最优特征集中的所有特征, s为f中不包含特征i的特征子集,f为最优机器学习模型(rf+lr组合模型),x_s表示仅保留子集s中特征的输入向量,f(x_{s∪{i}})和f(x_s)分别表示加入特征i和不加入特征i时模型的预测输出,|s|!×(|f|-|s|-1)!/|f|!为组合权重系数,确保所有排列的贡献被公平加权。

28、基于绝对平均shap值的特征重要性排序:

29、为量化各特征在全局范围内对放射性骨损伤预测的贡献度,计算每个特征在全部n个训练样本上的绝对平均shap值,具体公式;

30、

31、其中,n为训练集样本数量,φ_i(x_j)为第i个特征在第j个样本上的shap值。绝对平均shap值越大,说明该特征对模型预测结果的影响越显著。根据绝对平均shap值由大到小排序,得到特征的全局重要性排名。

32、shap交互值的计算:

33、为进一步揭示最优特征集中影像组学特征与临床特征之间的交互效应,利用shap.treeexplainer(shap.treeexplainer是shap库中专门用于树模型的可解释性分析工具)计算最优特征集中特征之间的shap交互值(shap_interaction_values),具体公式:

34、

35、其中,f为最优特征集中的所有影像特征,s_2为f中不包含i,j的特征子集,f为最优机器学习模型,x_s表示仅保留子集s_2中特征的输出,i,j分别为特征索引,x为s_2特征子集中的特征,b为s_2特征子集中的特征总数,f(x_{s_2∪{i}})、f(x_{s_2∪{j}})、f(x_{s_2∪{i,j}})分别表示加入特征i、加入特征j以及同时加入特征i和j时的预测值,φ_{i,j}为样本中特征i与特征j的交互值。

36、当i=j时,φ_{i,i}表示特征i的主效应(main effect),即去除所有交互作用后特征i的独立贡献;当i≠j时,φ_{i,j}表示特征i与特征j之间的交互效应。shap交互值满足对称性,即φ_{i,j}=φ_{j,i}。

37、进一步基于最优组合预测模型进一步构建可视化列线图(nomogram),步骤如下:

38、提取最优模型中逻辑回归组件的线性预测子lp:

39、

40、其中,β0为截距项,βi(i = 1, 2, …, p)为第i个预测变量xi的回归系数,p为纳入模型的预测变量总数。

41、线性预测子至概率映射:

42、

43、其中,y为二分类结局变量(y=1表示目标事件发生,y=0表示未发生),x = (x1, x2,…, xp)t为预测变量向量,lp为公式4定义的线性预测子,exp(·)为自然指数函数。该映射将实数域的线性预测子转换至[0, 1]概率空间。

44、构建特征评分刻度

45、对每个预测变量xi,根据其回归系数与取值范围计算对应的列线图得分(points):

46、

47、其中,pointsi为第i个预测变量xi在列线图中的得分,βi为第i个预测变量的回归系数,xi为第i个预测变量的实际观测值,xi,min为第i个预测变量在训练集中的最小值,rk =xk,max - xk,min为第k个预测变量在训练集中的取值范围(极差),t为列线图的最高得分刻度(通常设为100),max1≤k≤p(|βk|·rk)为所有预测变量中线性贡献绝对幅度最大者,作为归一化基准。

48、计算总得分

49、将各预测变量的列线图得分求和,获得总得分(total score):

50、

51、其中,p为纳入列线图的预测变量总数,pointsi为第i个预测变量的得分。

52、总得分至预测概率的映射:

53、

54、在列线图底部绘制从总得分到预测概率p(y=1|x)的非线性映射刻度,使得使用者可直接由总得分读取对应的目标事件发生概率。

55、本发明与现有技术相比的有益效果是:本发明提出了一种基于ct影像组学联合临床变量的机器学习宫颈癌盆腔放疗后放射性骨损伤风险预测方法,旨在通过分析放疗前ct影像数据结合临床危险因素来量化预测放射性骨损伤风险,从而在放疗前对患者进行风险分层和个体化干预。本发明利用标准化预处理和定量影像特征提取技术,结合多种机器学习模型进行训练与评估,通过系统对比多种算法和模型组合策略,最终筛选出rf+lr组合模型作为最优预测模型,实现了从放疗前ct影像到放射性骨损伤发生概率的精准预测,经内外部验证表现稳定,具有一定的临床应用价值。