Towards robust and generalizable radio(gen)omics predictive models for brain tumor characterization [BRAIN TUMOR IMAGING]

臨床上我們常執著於精準圈出膠質瘤的顯影核心，但如果要用 AI 預測基因突變，96.1% 最穩定且具備預測力的特徵其實來自包含水腫區的整顆腫瘤巨觀紋理。這篇即將刊登於 AJNR 的研究指出，只要先把對邊界微小變化過於敏感的雜訊特徵剔除，不需更換預測演算法，就能將預測 IDH 突變的 AUC 從 0.81 大幅拉升至 0.94，且模型效能的相對標準差從 2.28% 暴跌至 0.64%。

自動圈選邊界浮動對 Radiomics 的致命衝擊

在腦腫瘤的影像分析中，區分腫瘤的各個次區域一直是耗時且充滿觀察者間差異的任務。隨著深度學習普及，放射科開始依賴自動化模型來取代手動圈選。然而，從影像中提取量化數據的 radiomics（從影像自動抽上千個量化特徵）技術，對於這些「自動生成的邊界」極度敏感。即使肉眼看來差異極小的邊界浮動，也會導致提取出的高階幾何與紋理特徵產生劇烈變化。這種現象使得在單一資料集上表現優異的預測模型，一旦換了另一個自動圈選軟體，準確率就會直接崩盤。

這篇研究的作者群精準地抓住了這個干擾影像基因學（radiogenomics）推廣的核心障礙。他們假設，與其無止盡地追求完美的分割演算法，不如反向操作：在進入預測模型之前，先對特徵進行「抗擾動壓力測試」。如果一個影像特徵在不同模型圈選出的邊界下，數值都會大幅跳動，那它就不具備泛化能力。只有那些高度穩定且具備鑑別力的特徵，才能真正協助臨床預測 IDH 突變狀態。IDH 突變與否直接關係到神經膠質瘤病患的預後以及後續的放化療決策，因此確保預測模型的穩健性，是這項技術能否真正落地取代部分侵入性切片的關鍵。

過往文獻多半只探討單一分割模型搭配單一預測模型的效果，缺乏對「分割變異性傳遞至預測端」的系統性量化。本研究不但填補了這塊知識拼圖，更透過嚴苛的多模型交叉驗證，證實了特徵穩定性過濾機制能有效消除非生理性的雜訊。這對於每天需要面對不同機台、不同造影參數以及不同 AI 輔助軟體的放射科醫師來說，提供了一個極具實用價值的演算法設計新思路。

BraTS 2020 數據集與 7 款 CNN 的交叉驗證設計

從 Methods 來看，研究團隊採用了被廣泛認可的公開資料集 BraTS 2020 進行實驗。在第一階段的腫瘤分割任務中，訓練組包含了 369 名具備術前多參數 3D MRI 的受試者，這些影像涵蓋了 T1、T1-Gd、T2 以及 FLAIR 四種常規序列。專家手動標註了三個核心解剖次區域：包含全腫瘤範圍的 WT（Whole Tumor）、代表腫瘤實質主體的 TC（Tumor Core），以及專注於顯影核心的 EC（Enhancing Core）。此外，團隊保留了 125 名僅有影像數據的受試者作為分割任務的外部驗證組。

進入第二階段的 IDH 突變預測任務時，作者重新劃分了世代。探索組（Discovery dataset）納入了 148 名病患，其中 57 例為 IDH 突變型，91 例為野生型；測試組（Testing dataset）則包含 70 名病患，具體為 32 例突變型與 38 例野生型。為了人為創造出臨床上常見的「邊界浮動」現象，研究團隊刻意部署了 7 款當前最先進的 CNN（卷積神經網路，模仿人類視覺辨識影像的 AI 架構）來進行全自動的多區域腫瘤分割。這代表同一張腦部 MRI，會產生七種略有差異的腫瘤 3D 遮罩。

在特徵萃取與篩選環節，作者計算了高達數千個影像特徵。為了衡量這些特徵在七種不同遮罩下的波動程度，他們導入了 OCCC（整體一致性相關係數，衡量特徵在不同圈選範圍下是否走鐘的指標）。OCCC 分數越高，代表該特徵不受邊界微調影響。隨後，團隊利用 RFE-SVM（遞迴特徵消除與支持向量機，反覆丟棄最沒用特徵的機器學習法）從高 OCCC 的候選名單中，挑選出真正對 IDH 預測有貢獻的黃金特徵，藉此評估這套篩選機制對最終預測準確率的實質影響。

Table 1 揭示 WT 區域與 T1-Gd 的特徵穩定性霸權

把焦點拉到 Results 的核心數據，經過 OCCC 壓力測試存活下來的「高穩定度特徵」，在組成上有著極度偏斜的分佈。首先，高達 79.1% 的穩定特徵屬於紋理類別（Texture-based），這意味著相較於依賴邊緣輪廓的幾何特徵，體素之間的灰階共生矩陣與分佈模式，更能抵抗自動分割帶來的邊緣雜訊。更驚人的是空間來源的差異：96.1% 的高穩定度特徵全部來自整顆腫瘤（WT）區域。這打破了過去認為顯影核心（EC）才是分析惡性度與基因突變重點區域的迷思。

若細看各區域的 OCCC 具體數值，WT 區域的平均特徵穩定性奪下冠軍，數值高達 0.87 ± 0.12。緊追在後的是腫瘤核心 TC 區域的 0.76 ± 0.13，而臨床最常測量大小的顯影核心 EC，其特徵穩定性僅有 0.72 ± 0.13。值得注意的是，形狀特徵（Shape features）的穩定性墊底，僅有 0.72 ± 0.11。這在放射物理學上非常合理：EC 區域經常夾雜壞死與囊狀變化，自動演算法在判斷「哪裡是實質顯影、哪裡是壞死邊緣」時極易分歧，導致體積與形狀參數劇烈震盪；相反地，WT 包含了相對平滑且範圍廣泛的周邊水腫區，其整體紋理特徵在不同演算法的微小邊界差異下，反而能保持高度一致。

在影像序列的貢獻度方面，打顯影劑的 T1-Gd 序列提供了最多的穩定特徵，佔比達 35.9%，其次則是未打藥的 T1 序列，佔 28.0%。這顯示在預測 IDH 狀態時，T1 權重影像所反映的解剖結構破壞與血腦屏障滲漏模式，在跨模型穩定性上優於 T2 或 FLAIR。這些數據強烈暗示，未來的放射基因學模型如果想要在不同醫院間順利運作，應該將資源集中在分析 WT 範圍內的 T1/T1-Gd 紋理，而非執著於分割出完美的 EC 形狀。

Figure 3 篩選策略讓 AUC 飆升至 0.94 的多變數表現

在確認了特徵的穩定性分佈後，研究團隊進行了最關鍵的下游任務測試：這套穩定性過濾機制，到底能不能拯救預測 IDH 突變的機器學習模型？結果顯示，成效極度卓越。如果按照傳統做法，不經過 OCCC 篩選就直接把所有特徵丟進預測模型，模型的表現會隨著使用的分割 CNN 不同而劇烈起伏。在這種未篩選的情況下，8 種分割方案（7 款 CNN 加上專家手動圈選）得到的平均 AUC 僅有 0.81 ± 0.02。

然而，一旦套用了嚴格的穩定性過濾條件，模型彷彿脫胎換骨。排除掉那些非生理性的變異雜訊後，同樣的 RFE-SVM 預測架構，其 AUC 大幅躍升至 0.94 ± 0.006。請注意這裡的誤差值變化：代表模型效能波動幅度的 RSD（相對標準差，衡量模型表現飄忽不定的誤差值）從原本難以接受的 2.28%，斷崖式下降至 0.64%。這表示無論你今天使用哪一家廠商的 AI 軟體來幫腫瘤畫邊界，只要使用這套經過穩定性篩選的特徵，預測出 IDH 突變的準確率幾乎完全一致。

進一步分析多變數迴歸中的表現，這種效能提升並不是因為模型偷吃了某些作弊數據，而是因為那些容易因為圈選稍微偏離就大起大落的形狀特徵被排除了。在未過濾的模型中，只要 EC 邊緣被多圈了一點囊狀壞死區，某些一階統計量就會崩潰，拖垮整體的預測權重；而在過濾後的模型中，AI 依賴的是 WT 區域內穩如泰山的灰階共生矩陣（GLCM）特徵。這些紋理特徵在多重回歸中展現出極高的獨立預測價值，使得模型的 Sensitivity 與 Specificity 在面臨從未見過的測試組（70 名病患）時，依然能穩定輸出高水準的預測結果。

放射科視角的模型適用範圍與未來基因預測實務

從 Discussion 中我們可以看出，作者對這項研究的限制保持客觀。首先，BraTS 2020 是一個經過高度標準化預處理的資料集（包含去頭骨、空間對位註冊與重採樣）。在真實世界的放射科 PACS 系統中，這些預處理步驟本身就會引入大量的變異性，本研究尚未將這層未經修飾的原始 DICOM 變異納入 OCCC 的計算考量中。其次，該研究僅針對 IDH 突變單一標記進行測試，針對如 1p/19q 共同缺失或 MGMT 啟動子甲基化等其他重要預後基因，相同的特徵穩定度階層是否適用，仍需後續驗證。

對於忙碌的放射科同行而言，這篇論文提供了非常具體的實務指引：當你在評估市面上宣稱能預測腦瘤基因型或存活率的 AI 軟體時，必須對那些「極度依賴腫瘤幾何形狀」或「只分析顯影核心」的模型保持高度警戒。因為在日常打片時，我們都知道顯影核心的邊界往往非常主觀，如果連專家都無法達成共識，AI 預測結果必然會隨著不同醫師的微調而產生災難性的飄移。相反地，如果軟體的技術白皮書標明其核心演算法建立在 Whole Tumor 的廣泛紋理分析上，其抗干擾能力將遠勝前者。

此外，這也改變了我們在協助建立院內自製資料庫時的心態。過去我們可能會花費數小時在 MRI 上精雕細琢腫瘤實質的每一處轉角；但現在數據告訴我們，為了訓練基因預測模型，只要大致把整顆腫瘤連同水腫區完整包覆，提取出的 T1-Gd 與 T1 紋理特徵就足以支撐起一個 AUC 達到 0.94 的強大模型。這種「抓大放小」的策略，能大幅降低建立大規模訓練集的標註成本，同時確保模型在跨院區部署時具備足夠的強健性。

當你下次看腦瘤 MRI 時，別再糾結顯影核心邊界畫得準不準；直接把包含水腫的整顆腫瘤 T1-Gd 紋理丟給 AI，才是預測基因突變最穩的抗擾動參數。