Application of transformer-enhanced convolutional neural network: multicenter MRI assessment of muscle invasion in bladder cancer

放射科醫師判讀廣基底膀胱癌時極易高估肌肉侵犯風險，特異度會暴跌至 72.8%。膀胱癌的術前分期直接決定病患是否能保留膀胱，但病灶外觀常干擾我們的視覺判斷。這篇多中心前瞻性研究利用改良版神經網路，成功克服了人類受限於腫瘤型態的視覺錯覺。

廣基底膀胱癌的型態學視覺陷阱與過度分期

在日常臨床實務中，判讀膀胱癌核磁共振影像時，放射科醫師極度仰賴 T2 權重影像上的低訊號肌肉層（muscularis propria）是否保持完整連續。帶蒂型腫瘤（pedunculated lesions）通常具有明顯的解剖學邊界與游離空間，評估腫瘤底部與膀胱壁的相對關係相對直觀。然而，當我們遇到廣基底型腫瘤（sessile lesions）時，腫瘤與膀胱內壁的接觸面積廣大，且經常伴隨周邊組織的顯著發炎反應或促纖維增生（desmoplastic reaction）。這種型態學特徵會導致 T2 影像上出現模糊的交界面，使得人類醫師容易產生視覺上的錯覺，進而引發嚴重的診斷偏誤。

這種因解剖型態帶來的判讀偏誤，經常促使我們為了保險起見，給出較高的 VI-RADS（膀胱影像報告與資料系統）分數。過度分期（overstaging）對於病患的後果是毀滅性的，原本僅需接受經尿道腫瘤切除術與局部灌注治療的病患，可能因此失去保留膀胱的機會，直接面臨生活品質大幅下降的根除性膀胱切除術。為了克服人類視覺系統處理大面積模糊邊界時的侷限性，研究團隊試圖引入不受病灶外觀干擾的量化運算工具，藉此輔助臨床醫師做出更客觀的判斷。這正是本研究切入的核心焦點，試圖用深度學習剝離人類對型態的過度反應。

除了視覺判讀上的主觀差異，不同醫療院所的掃描儀器廠牌、磁場強度與切片厚度，也都會影響廣基底病灶邊緣的清晰度。傳統依賴人工測量與肉眼辨識的流程，難以在多中心環境下維持高度的一致性。因此，開發一個能自動適應各種影像品質，且專注於真正肌肉侵犯特徵的輔助系統，成為目前泌尿放射領域亟待解決的課題。

1374 例多中心收案與 nnU-Net 雙階段設計

仔細檢視這項多中心研究的試驗設計，團隊總共納入了高達 1374 位膀胱癌病患的真實 MRI 影像資料。為了確保模型的泛化能力與臨床實用性，訓練階段採用回顧性資料，而外部驗證則包含了三個前瞻性的獨立測試集。在影像前處理階段，作者摒棄了複雜的多參數輸入，選擇單純以 T2 權重影像作為主力。首先，系統導入了 nnU-Net（能自動調整參數的醫學影像分割框架）來進行病灶邊緣與膀胱壁的精確描繪。這個全自動切割模組在獨立驗證集上達到了 0.834 的 Dice 相似係數（評估切割精準度的指標），為後續的病理分期預測打下了極為穩固的基礎。

緊接著，由系統切割出的病灶特徵影像，被送入 2.5D 架構的 ConvNeXt-tiny（結合卷積與注意力機制的輕量級網路）模型中。特別的是，該模型在神經網路深層整合了 Transformer（能捕捉全域特徵的強大自注意力模型）的優勢。傳統的卷積神經網路（CNN）往往只專注於局部的像素紋理變化，容易被腫瘤周邊的微小水腫欺騙；而加入 Transformer 模塊後，模型不僅能看見局部的腫瘤邊緣，更能量化腫瘤整體與整個膀胱壁的空間連動關係。這種結合局部特徵與全域結構的雙階段架構設計，確保了特徵萃取過程具有高度的抗干擾能力。

此外，採用 2.5D 的切片輸入策略，能在保留空間立體資訊與減少運算資源消耗之間取得完美平衡。相較於純 3D 網路容易在多中心異質性數據中產生過度擬合（overfitting），2.5D 架構允許模型吸收相鄰切片的連續性資訊，同時維持適應不同層厚掃描參數的彈性。這樣的架構選擇，正是該系統能夠順利在多個不同等級的醫療機構中落地測試，且不需要繁複的重新訓練與硬體升級的關鍵原因。

Table 2 揭示 0.925 AUC 與各測試集表現

轉向模型預測肌肉侵犯（MIBC）的整體表現，客觀數據展現了跨機構的極高穩定度。Table 2 詳細列出了模型在驗證集與三個前瞻性測試集中的各項指標，證明其並非僅在特定數據集上表現優異。該深度學習模型在區分非肌肉侵犯（NMIBC）與肌肉侵犯膀胱癌上，受試者工作特徵曲線下面積（AUC）穩定維持在 0.915 到 0.925 之間的狹窄區間。在臨床實務上，能在多個前瞻性測試集中將 AUC 波動控制在如此小的範圍內，說明模型已經抓到了真正的病理影像學特徵，而非單純記憶訓練數據的雜訊。

進一步拆解各項效能指標，模型的整體準確度落在 84.9% 至 91.0%，敏感度介於 81.3% 到 96.2%，而特異度則保持在 81.1% 至 93.8% 的高水準。如果我們對比過去文獻中單純依靠資深醫師手動評估 VI-RADS 的統合分析數據，這樣的前瞻性表現已經達到了人類專家的頂標水準。特別是高達九成以上的敏感度，確保了真正具有肌肉侵犯的高危險群病患不會被漏診，從而延誤了後續的新輔助化學治療或根除性手術時機。

值得注意的是，這三個前瞻性測試集包含了來自不同級別醫院、不同廠牌 MRI 掃描儀器所獲取的影像。模型在這些異質性極高的真實數據中，依然能維持超過八成五的準確性。這意味著經過 nnU-Net 標準化切割與 Transformer 增強後的特徵提取路徑，在處理各種不完美解析度的 T2 權重影像時，具備了足夠的強健性（robustness）。這種不需依賴完美掃描條件即能給出可靠預測的特性，大幅增加了該工具未來商業化與大規模普及的潛力。

Figure 3 的廣基底病灶對決：AI 特異度達 96%

若細看 Figure 3 所展示的次群組分析，這無疑是整篇論文最有價值的精華所在。當研究團隊依據腫瘤巨觀型態將病灶嚴格分為「帶蒂型」與「廣基底型」進行分層解析時，人類大腦與機器演算法的根本差異瞬間浮現。模型在處理這兩種不同型態的病灶時，各項診斷指標並無任何顯著的統計學差異，這強烈暗示了 AI 的判讀機制完全不受外觀形態學干擾，真正做到了客觀量化。

反觀參與對照讀片實驗的兩位放射科醫師（包含一位資深與一位資淺醫師），其表現出現了戲劇性的落差。在面對邊界清晰的帶蒂型病灶時，兩位醫師的特異度尚能維持在約 90% 的優異水準，與 AI 表現不相上下。然而，一旦切換到廣基底型病灶的圖組，兩位醫師的特異度便全面崩盤，暴跌至大約 75%（在驗證集、內部測試集與外部測試集 1 中，p 值介於 0.010 至 0.050 之間）。這顯示只要接觸面積一變大，人類為了防禦性醫療的心態，便極易將周邊水腫過度解讀為腫瘤侵犯。

進一步的頭對頭（head-to-head）直接比較更令人震驚。在針對廣基底型病灶的獨立評估中，模型的特異度高達 91.9% 至 96.0%，狠狠甩開了兩位放射科醫師僅有的 72.8% 至 79.8%（p < 0.001 至 0.005）。這組具備高度統計顯著性的數據對比，直接點出了人類視覺在判斷廣泛接觸面時的致命弱點。我們的大腦極易將大片模糊的 T2 中等訊號誤認為肌肉層中斷，而 Transformer 架構則能透過全域注意力機制，冷靜地將這些偽病灶與真正的肌肉層破壞區分開來，大幅降低了偽陽性率。

AI 輔助 VI-RADS 評分的適用範圍與臨床場景

儘管該模型展現了驚人的型態學免疫力，作者在 Discussion 中也客觀探討了目前這套演算法的適用條件與先天限制。首先，目前的網路架構完全依賴單一的 T2 權重影像作為輸入，並未將擴散張量影像（DWI）或動態對比增強影像（DCE）的特徵強制納入多模態聯合運算。雖然這簡化了前處理流程並提高了適用性，但在面對極度不典型的發炎反應，或是腸道氣體造成嚴重磁化率假影（susceptibility artifacts）使得 T2 影像本身品質極度劣化時，單模態模型的預測信心度可能會大幅下降。

其次，面對臨床上極為常見的複雜病史病患，例如近期剛接受過經尿道膀胱腫瘤切除術（TURBT），或正在接受卡介苗（BCG）局部灌注治療的個案，其膀胱壁會產生嚴重的纖維化與組織結構重塑。這些醫源性改變在 T2 影像上呈現的低訊號帶，目前依然是演算法與人類醫師共同的嚴峻挑戰。研究團隊也表明，未來的升級版本需要納入病患的臨床治療史作為多變數權重調整的參數，才能進一步提升在此類困難個案中的鑑別能力。

作為第一線每天面臨海量影像的放射科醫師，我們應將這項工具的臨床定位看作是發打報告時的高階「第二意見」，而非全盤取代。特別是當你在工作站前看著大片廣基底病灶，猶豫著要給 VI-RADS 2 分還是 3 分、手停在鍵盤上無法決定時，這個高特異度模型的運算結果，將能給你極大的醫學實證信心去選擇降級（downgrade）。它能有效阻止我們因防禦性心態而做出的過度分期，從而在精準醫療的架構下，確實保障病患保留膀胱的權益。

下次遇到缺乏明顯柄部的大面積膀胱腫瘤且猶豫是否侵犯肌肉時，先深呼吸退一步看 T2 整體走向，別被大面積的接觸面與發炎訊號騙去拉高評分。