非增强CT上自动脑出血体积测量的准确性:一项瑞典卒中登记队列研究
基于瑞典卒中登记(Riksstroke)2016–2019年斯科讷地区1649例自发性脑出血患者,以手动分割为金标准验证全自动软件qER-NCCT的体积测量。qER-NCCT识别ICH敏感度97%,与手动分割ICC=0.96,与ABC/2法ICC=0.86;体积低估主要见于大于30 ml的异质性血肿。
要点
- qER-NCCT识别ICH的敏感度为97%,57例假阴性中54例直径≤1 mm。
- qER-NCCT与手动分割体积测量ICC=0.96(95%CI 0.88–0.98),一致性优秀。
- qER-NCCT体积低估主要见于大于30 ml的异质性、不规则形幕上/脑叶血肿。
核心结论
- qER-NCCT与手动分割在NCCT脑出血体积定量上一致性优秀(ICC=0.96,95%CI 0.88–0.98)。
- qER-NCCT可作为放射科医生和临床医生早期诊断与预后判断的辅助工具,并可在人群层面提供体积测量。
- 算法对大、异质性、不规则形血肿存在体积低估,软件进一步优化应针对该组病例。
研究设计与样本
- 回顾性观察性研究,基于瑞典卒中质量登记Riksstroke,纳入2016–2019年斯科讷地区1649例自发性非创伤性ICD-10 I.61脑出血患者。
- 纳入标准为年龄大于18岁、有发病当日NCCT图像;排除创伤或脑肿瘤/转移所致ICH、缺乏术前图像及严重技术伪影者。
- 图像来自斯科讷地区13家医院共用的PACS,层厚0.5–1 mm薄层轴位重建,扫描仪覆盖所有主要厂商。
- 体积测量方法包括手动分割(Sectra IDS7体积测量工具,金标准)、全自动qER-NCCT(Qure.ai)及无脑室扩展实质内血肿的ABC/2法。
- 前500例由两名独立读者评估,其中一名为1年神经影像经验的放射科住院医师,另一名为超过20年经验的资深神经放射学家。
关键影像表现/征象
- qER-NCCT软件在1649例中1638例(99.3%)成功将结果返回PACS。
- 57例假阴性ICH中54例直径≤1 mm。
- 大、异质性脑叶血肿中qER-NCCT仅勾画血肿最 hyperintense 部分,导致总体积低估;ABC/2法在异质性形状ICH中则高估体积。
- qER-NCCT高估体积罕见,仅37例(2.3%)。
诊断标准与关键数值
- qER-NCCT识别ICH的敏感度为97%。
- qER-NCCT与手动分割所有ICH体积一致性ICC=0.96(95%CI 0.88–0.98),平均差8.3 ml,95%一致性界限(−15–32)。
- qER-NCCT与ABC/2法在无脑室扩展的实质内ICH中ICC=0.86(95%CI 0.78–0.9),平均差5.9 ml,95%一致性界限(−19–30)。
- 仅脑室出血患者中qER-NCCT与手动分割ICC=0.95(95%CI 0.77–0.98),平均差9 ml(p<0.01)。
- 无脑室扩展的实质内ICH中手动分割与ABC/2法ICC=0.97(95%CI 0.97–0.98),平均差1.3 ml,95%一致性界限(−2–15)。
临床应用与阅片要点
- qER-NCCT分析在临床流程中先于放射科医生评估,软件结果可提示放射科医生对少数软件单独不足的病例进行复核与修正。
- 对小(≤10 ml)、均匀、规则形状且无脑室扩展的ICH,qER-NCCT与手动分割一致性优秀,10–30 ml者一致性良好。
- 对大于30 ml的异质性、不规则或多叶幕上/脑叶血肿及伴蛛网膜下腔或脑室扩展者,需注意qER-NCCT体积低估。
局限性
- 本研究仅评估了一种自动ICH体积测量软件,进一步研究应在同一研究人群中比较多种软件的性能。
- ABC/2分析仅在不伴脑室扩展的ICH部分中进行。
全文中译21 节 · 点击展开
引言
自发性脑出血(ICH)占全球所有急性卒中的高达30%,30天死亡率高达40% [1]。非增强计算机断层扫描(NCCT)是用于快速准确诊断ICH和评估血肿体积的最广泛使用的神经影像学方法,血肿体积被认为是ICH患者结局的单一最强预测因子 [2]。研究表明,基线血肿体积≥30 ml与血肿扩大和不良结局相关,而血肿体积≤10 ml与血肿扩大概率较低相关,并预测良好的功能结局 [3–5]。
有几种方法可用于在NCCT上测量ICH体积。最常见的方法之一是ABC/2法,该方法假设血肿为椭球体形状,因此可能高估或低估不规则形状血肿的体积 [6–9]。因此,ABC/2法最适合用于测量形状规则、不包含脑室内出血(IVH)成分的脑实质ICH。由于伴有IVH的ICH本身即为不良结局预测因子 [3, 4],其病理生理机制复杂,包括血液在脑内分布更广泛以及清除机制更复杂 [10]。后来的方法包括计算机辅助手动分割和体积测量,对不规则形状血肿也更准确,但劳动强度大,因此未在临床护理中常规使用 [11–13]。
近年来,基于深度学习算法的自动化图像分析软件已被开发用于ICH的检测和体积量化 [14–18]。在常规医疗中实施此类自动化影像分析工具可通过在放射学检查中确定优先级来改善早期检测,并减少漏诊的ICH诊断。自动化体积分割工具的常规使用也可能有助于早期预后判断。然而,自动化体积分割工具的获益取决于其准确性。
本研究的目的是在瑞典卒中登记处(Riksstroke)识别的大量区域性ICH患者人群中,验证近期开发的自动化图像分析软件(qER–NCCT)用于NCCT上ICH体积测量的效果。
方法
研究设计
我们开展了一项基于瑞典卒中护理质量登记处Riksstroke的回顾性观察性研究。如果患者有卒中发病当日的NCCT图像可在区域图像存档和通信系统(PACS)中获取,则纳入分析。
瑞典伦理审查机构批准了本研究(#2020–06,800)并豁免知情同意。此外,所有在Riksstroke登记的患者均被告知其登记及患者数据用于研究目的的处理情况。
参与者
纳入标准
斯科讷地区(150万居民,瑞典总人口1000万)所有>18岁的患者,于2016–2019年期间在Riksstroke登记为自发性非创伤性脑出血(ICD-10 I.61)。由推测的深部穿支血管病或脑淀粉样血管病(CAA)、血管畸形、硬脑膜窦血栓形成、再灌注治疗或脑手术并发症或其他罕见病因引起的自发性ICH均被纳入。
排除标准
由创伤或潜在脑肿瘤/转移瘤所致ICH的患者被排除。缺乏就诊当日CT图像或缺乏术前图像的患者被排除,CT图像因例如运动伪影而存在严重技术伪影的患者也被排除。
数据来源
瑞典卒中登记处——Riksstroke
Riksstroke是瑞典卒中护理质量登记处,覆盖> 90%的瑞典住院卒中患者。数据由专职人员录入Riksstroke。
影像数据
如果患者有就诊当日在医院进行的NCCT图像,则纳入最终分析。Skåne地区拥有共同的PACS系统,该地区所有医院(n = 13)的影像数据均汇集于此,从而确保能够获取该地区所有提供卒中护理的医院的全部可用影像数据。然而,神经外科患者可能从该地区以外转入,因而缺乏术前影像数据,这些数据在图像传输后仅在地区PACS中保存90天。总计有9名患者缺乏图像,1名患者图像受严重伪影影响。
纳入的头部CT扫描在所有主要制造商的扫描仪上进行,用于分析的薄层轴位重建层厚为0.5–1 mm。
图像评估
所有纳入(1649)患者的NCCT扫描由一名具有1年神经放射学经验的放射科住院医师进行检查和评估。最初的500份扫描还由一名具有20年以上经验的资深神经放射科医师独立评估,以进行评估者间一致性评估。在图像评估之前,阅片者与科学团队资深成员对> 50例其他ICH病例进行了共识阅片,以确保评估标准一致。阅片者在评估时无法获取qER–NCCT的自动图像评估结果或其他阅片者的评估结果。记录以下影像学表现:是否存在ICH(是/否)、位置(脑叶和/或深部ICH或仅IVH)、侧别(右、左)、单灶或多灶(定义为多个ICH之间无任何连接)、是否存在蛛网膜下腔成分(是/否)、是否存在指状突起(是/否)、是否存在硬膜下成分(是/否)、是否存在脑室内扩展(是/否)、是否存在中线移位(是/否,如是:中线移位以mm测量)或脑积水(是/否)[19]、卒中发作时是否存在已知或新诊断的血管畸形(是/否)。
体积定量
血肿体积使用三种不同的体积测量方法测量:(i)所有ICH的手动分割;
所有ICH的全自动分割;以及
用于无IVH的脑实质ICH的ABC/2法
手动分割使用Sectra体积测量工具(Sectra IDS7,Sectra,Linköping,Sweden)完成。全自动体积测量使用qER–NCCT体积定量工具(Qure.ai,Mumbai,India)完成。在孤立性脑实质ICH中,ABC/2法在与qER–NCCT比较时被视为金标准,而在手动分割与qER–NCCT之间的比较中(对所有出血均进行),手动分割被视为金标准。
ABC/2法
在ABC/2法(也称为TADA公式)中,A为轴位图像上血肿的最大直径;B为同一图像层面上垂直于A的最大直径,C为显示血肿的层面数乘以层厚[20]。所有长度均以毫米(mm)为单位记录,体积以毫升(ml)为单位记录。
对于伴有脑室内扩展的脑出血,ABC/2法仅测量脑实质部分,因为这是该测量方法的原始适应证[6–9]。
手动分割
Sectra体积测量工具(Sectra IDS7,Sectra,瑞典林雪平)是一种手动分割工具,操作者手动在血肿两个边缘之间画一条初始线,软件识别整个血肿的边缘并计算体积。对于额外的血肿组成部分,可添加额外的线以计算总体积。
qER–NCCT
自动分割工具(qER–NCCT)采用深度学习方法开发,主要训练用于在薄层轴位DICOM图像上识别高密度(急性)颅内出血。该设备旨在辅助受过培训的医学专家,在NCCT头颅CT扫描图像上提示以下发现的存在:颅内出血、占位效应、中线移位、颅骨骨折、梗死和脑萎缩。该设备还可对上述病变进行量化和轮廓勾画。在本研究中,我们关闭了除高密度(急性)颅内出血以外的所有功能。qER–NCCT工具按照使用说明使用,所有图像均由软件处理,未对图像进行任何预处理。
所有纳入患者的薄层轴位DICOM图像通过IDS7应用程序内的远程放射传输功能从PACS发送至qER–NCCT软件。qER–NCCT程序独立于IDS7 PACS安装在医院防火墙内的本地服务器上。软件自动将DICOM图像返回至PACS,包括标注了所识别急性ICH体积边缘的薄层图像副本,以及一份标准化报告,报告中包含ICH的识别(是/否)和以ml为单位测量的血肿总体积。
统计分析
所有统计分析均使用IBM SPSS statistics第25版进行。人口学数据和ICH测量值采用标准描述性统计进行分析。采用单样本t检验获取各体积分割方法之间以及两名评估者之间的均值、标准差和平均差值。
绘制Bland–Altman图以评估不同体积分割方法之间的一致性及评估者间一致性,并计算体积测量的一致性界限。还计算了组内相关系数(ICC)以确定体积测量方法之间以及两名评估者之间的一致性。ICC的解释依据Koo和Li的标准(< 0.5——差;0.5–0.75——中等;0.75–0.9——好;> 0.9——一致性极好)[22]。
结果
从Riksstroke获取的人群以及因各项排除标准而被排除的患者数量如图1所示,最终研究人群为1649例患者。中位年龄为76岁(范围18–102岁),46%为女性。详细的ICH特征见表1。
自动qER–NCCT/Quant软件在1649例中有1638例(99.3%)技术性成功将结果返回至PACS。该软件在NCCT上识别脑出血(ICH)的敏感性为97%。共有57例假阴性ICH,其中54例直径≤1 mm。图像示例见图2。根据ICC,手动分割与qER–NCCT体积测量之间在所有ICH及按亚组划分的一致性见图3。
评分者间一致性
两名独立评分者进行手动分割所得体积的均值分别为34.0和34.3 ml,差异无统计学意义(MD = 0.3,t = -1.3,p = 0.196)。两名评分者之间手动分割的ICC为0.996(95% CI:0.99–1.00)。
两名独立评分者使用ABC/2方法所得体积的均值分别为16.6和16.3 ml,差异无统计学意义(MD = 0.3,t = 0.84,p = 0.4)。两名评分者之间ABC/2的ICC为0.98(95% CI:0.96–0.99)。
ABC/2和手动分割的评分者间一致性(补充表1)显示于Bland–Altman图(补充图1)。
所有患者手动分割与qER–NCCT体积之间的一致性
在1649例患者中,qER–NCCT在1581例中完成了体积测量,这些病例被纳入本分析。两种方法之间一致性极佳,ICC为0.96(95% CI:0.88–0.98)(表2和图3)。Bland–Altman图(表2和图4)显示两种方法之间的体积差异具有统计学意义(p < 0.01),且差异随ICH体积增大而增大。与手动分割相比,qER–NCCT的平均差异(MD)为8.3 ml,95%一致性界限为(− 15–32),如表2所示。这些差异主要由qER–NCCT工具低估体积所解释,这种情况主要见于体积较大(> 30 ml)且衰减不均匀的ICH(示例见图2)。qER–NCCT工具高估的情况罕见,仅见于37例(2.3%)。在所有病例中,41%的体积差异为2 ml或以下,其中93%为均匀衰减;83%为小ICH(≤ 10 ml),80%无IVH扩展。
仅IVH患者中手动分割与qER–NCCT体积的一致性分析
对于44例仅IVH患者,两种方法之间一致性极佳,ICC为0.95(95% CI:0.77–0.98)。Bland–Altman图显示两种方法之间的体积估计差异显著(MD = 9 ml,p < 0.01),见表2和Bland–Altman图(图4)。不一致性主要由qER–NCCT相较于手动分割低估所构成。
无IVH扩展的孤立性实质ICH中手动分割与ABC/2法的一致性分析
本分析共纳入891例无脑室扩展的脑出血(ICH)患者。组内相关系数(ICC)为0.97(95% CI:0.97–0.98),表明两种方法之间的一致性极好。Bland–Altman分析显示两种方法测量的体积之间存在显著差异(p < 0.01)(图4),该差异主要由ABC/2法相较于手动分割的高估所致。平均差值(MD)为1.3 ml,95%一致性界限为(− 2–15),如表2所示。
ABC/2法与qER–NCCT在无脑室扩展的脑出血中的一致性
本分析共纳入836例无脑室扩展的脑出血患者。两种方法之间一致性良好,ICC为0.86(95% CI:0.78–0.9)。Bland–Altman图显示体积之间存在显著差异(p < 0.05),该差异主要由qER–NCCT相较于ABC/2法的体积低估所致(图4)。平均差值(MD)为5.9 ml,95%一致性界限为(− 19至30)。qER–NCCT与ABC/2之间体积差异≤ 2 ml的极好一致性见于53%的病例,其中96%为形态规则,85%为小量脑出血(≤ 10 ml),而体积测量差异≤ 2 ml仅见于1.5%的大量(> 30 ml)不均匀性脑出血。qER–NCCT与ABC/2之间的一致性最佳见于小量(≤ 10 ml)出血(图4)。
所有纳入的脑出血按幕上或幕下进行亚组分类,幕上脑出血进一步分为脑叶或深部。为每个亚组生成了Bland–Altman图(补充图2和3)。总体而言,除大于30 ml的血肿外,所有亚组的体积测量一致性均为极好或良好(图3)。在脑叶出血中,qER–NCCT低估了部分血肿,这些血肿通常较大且衰减不均匀。图2展示了几个典型示例,其中明显可见软件仅勾画了血肿中最高信号的部分,从而低估了总体积。
讨论
本研究旨在验证由深度学习方法开发的新型全自动软件(qER–NCCT)在平扫CT(NCCT)上测量脑出血体积的效果,以手动分割作为金标准。自动分析在99.3%的病例中技术性地成功将结果返回至影像归档与通信系统(PACS)。检测脑出血的灵敏度为97%,57例假阴性中有54例为1 mm或更小。
我们的研究显示,在所有患者中,qER–NCCT与手动分割获得的脑出血体积之间一致性极好(ICC = 0.96),在无脑室扩展的脑实质出血患者中,qER–NCCT与ABC/2法之间一致性良好(ICC = 0.86)。对于无脑室扩展的小量(≤ 10 ml)、均匀且形态规则的脑出血,两种方法之间一致性极好,对于10至30 ml的脑出血,一致性良好。
qER–NCCT与手动分割之间的显著体积差异,主要由对大型(> 30 ml)异质性、不规则或多分叶的幕上/脑叶脑出血(ICH)以及伴有蛛网膜下腔或脑室内扩展的ICH的低估所驱动。qER–NCCT与手动分割之间的最大差异见于如图2中示例病例那样的情况,软件明显是沿着标记的边界将血肿内最强高密度部分与较低密度部分勾画开来。一个可能的解释是,本研究使用的深度学习算法是针对分割均匀高密度ICH训练的。qER–NCCT的低估也见于伴多灶性ICH的脑叶ICH、指状突起以及伴蛛网膜下腔出血扩展的ICH。qER–NCCT工具的进一步开发应解决这一局限性;然而,从临床角度看,这些差异在大于30 ml的ICH组中可能影响有限[23–26]。由于在临床实施中qER–NCCT分析先于放射科医师评估,这类病例很容易被放射科医师发现并纠正,从而为少数软件本身尚不足够的病例增加人类质量保障。
Heit等将Rapid ICH模块的自动ICH体积分割与手动分割进行比较,发现相关性良好,相关系数为0.983 [14]。Heit等纳入了158例ICH患者,而我们的研究共纳入1649例大小、衰减和形状各异的ICH患者。Schmitt等基于160例NCCT评估了Brainomix的另一项自动ICH检测和体积测量,ICH检测的敏感度为0.91、特异度为0.89,与手动体积定量相比具有强一致性(ICC:0.98)[16]。Ironside等在300例幕上ICH患者中开发并验证了一种用于体积定量的全自动分割算法。与手动体积分割方法相比,该算法显示出相似的准确性和更高的工作效率[27]。与这些既往研究相比,我们的研究基于大得多的人群,同样重要的是,该人群是基于全国性质量登记处选择的,以确保对整个ICH谱系具有非常高的覆盖度。
手动分割与qER–NCCT以及ABC/2之间的一致性对于小型且均匀的ICH最佳。这一结果与Delcourt等最近的一项研究一致,该研究将ABC/2与MIStar软件进行比较,也观察到在大型、形状不规则以及伴蛛网膜下腔扩展的ICH中差异最大[7],最常见的是ABC/2方法高估体积。Wang等显示,与计算机辅助体积分割相比,ABC/2方法对大型且形状不规则的血肿也有类似的高估[28]。相反,Maeda等发现,与平面测量法相比,ABC/2方法系统性地低估ICH体积14.9% [9]。
Scherer等也比较了一种ICH自动体积分割工具,并显示ABC/2显著高估大型ICH的体积,而对于最大至40 ml的血肿,一致性较好[15]。
我们分析的优势包括从瑞典卒中登记处Riksstroke收集的大型数据集,具有系统和连续的数据收集及影像分析。除严重影像伪影外,没有基于影像的排除;因此,该数据集包括不同大小、形状和衰减模式的脑出血(ICH),此外还包括蛛网膜下腔、硬膜下和脑室内延伸的存在。
本研究的局限性包括仅评估了自动化ICH容积软件,进一步的研究应在同一研究人群中比较多种软件的性能。另一个局限性是ABC/2分析仅在无脑室内延伸的ICH部分中进行。
结论
我们的研究表明,全自动ICH分割软件(qER–NCCT)与手动分割在NCCT上ICH体积定量方面具有极好的一致性。qER–NCCT将通过帮助ICH患者的早期诊断和预后判断,成为放射科医生和临床医生重要的辅助工具。该算法显示低估了ICH体积,主要在大面积、异质性和形状不规则的ICH中。软件的进一步改进应针对这一组;不太精确的测量在非常大的出血中可能不太重要。由于临床环境中的qER分析将先于手动评估,此类病例可被警示需要放射科医生进一步分析,从而为软件本身尚不充分的少数病例增加人工质量,并在人群层面提供经过验证的容积测量。
补充信息
附加文件1:补充表1:手动分割和ABC/2方法对ICH体积的评分者间一致性。
补充图1:手动分割(被视为金标准,左图)和ABC/2方法(右图)评分者间一致性的Bland-Altman图。每个图中显示了平均差异、标准差和95%一致性界限。
补充图2:幕上脑出血(ICH)两种方法一致性的Bland-Altman图。图A显示所有ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图B显示所有幕上ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图C显示无脑室内出血(IVH)的幕上ICH手工分割(金标准)与ABC/2方法之间的一致性。图D显示无IVH的幕上ICH qER–NCCT软件与ABC/2方法之间的一致性。图E显示所有脑叶ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图F显示所有无IVH的脑叶ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图G显示无IVH的脑叶ICH手工分割(金标准)与ABC/2方法之间的一致性。图H显示无IVH的脑叶ICH qER–NCCT软件与ABC/2方法之间的一致性。图I显示所有深部ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图J显示所有无IVH的深部ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图K显示无IVH的深部ICH手工分割(金标准)与ABC/2方法之间的一致性。图L显示无IVH的深部ICH qER–NCCT软件与ABC/2方法之间的一致性。每幅图均显示平均差值、标准差和95%一致性界限。补充图3:幕下ICH两种方法一致性的Bland-Altman图。图A显示所有幕下ICH手工分割(金标准)与qER–NCCT软件之间的一致性。图B显示无IVH的幕下ICH手工分割(金标准)与ABC/2方法之间的一致性。图C显示无IVH的幕下ICH qER–NCCT软件与ABC/2方法之间的一致性。每幅图均显示平均差值、标准差和95%一致性界限。
引用
- Hillal A, Sultani G, Ramgren B, et al. Accuracy of automated intracerebral hemorrhage volume measurement on non-contrast computed tomography: a Swedish Stroke Register cohort study. Neuroradiology. 2022. PMID: 36323862. doi:10.1007/s00234-022-03075-9
- 全文:PMC9905189(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9905189/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。