比较放射科医师与人工智能评估T2-FLAIR错配征及合成MRI定量评估在IDH突变型星形细胞瘤与IDH突变伴1p/19q共缺失少突胶质瘤鉴别诊断中的诊断效能
回顾性纳入33例IDH突变型星形细胞瘤(19例)与IDH突变伴1p/19q共缺失少突胶质瘤(14例),比较4名放射科医师、3D卷积神经网络(CNN)及合成MRI定量参数对T2-FLAIR错配征的评估效能;AI与SyMRI均较医师评估提高了敏感度和客观性,联合T1第90百分位与T2第10百分位弛豫时间 cutoff 2290/128 ms 的AUC达0.981。
要点
- AI评估T2-FLAIR错配征的敏感度94.7%、特异度92.9%、AUC 0.938,均高于医师平均敏感度76.3%、特异度100%、AUC 0.880。
- SyMRI联合T1第90百分位与T2第10百分位弛豫时间以2290/128 ms为cutoff,鉴别两类胶质瘤的敏感度94.4%、特异度100%、AUC 0.981。
- 医师间对T2-FLAIR错配征的Fleiss kappa系数为0.88,呈几乎完美一致。
核心结论
- 与放射科医师基于T2-FLAIR错配征的评估相比,AI和SyMRI评估均提高了敏感度和客观性,从而改善了IDH突变型星形细胞瘤与IDH突变伴1p/19q共缺失少突胶质瘤的鉴别诊断效能。
研究设计与样本
- 本研究为回顾性研究,经本院机构审查委员会批准并豁免知情同意。
- 测试组共33例(男14例、女19例;年龄29–79岁,中位44岁),包括19例IDH突变型星形细胞瘤(男6例、女13例;年龄29–60岁,中位43岁;Grade 2 n=12、Grade 3 n=5、Grade 4 n=2)和14例IDH突变伴1p/19q共缺失少突胶质瘤(男8例、女6例;年龄37–63岁,中位48岁;Grade 2 n=10、Grade 3 n=4)。
- AI训练数据为2002年6月至2014年12月在本院治疗的50例测试组以外患者,包括28例IDH突变型星形细胞瘤(男20例、女8例;年龄20–52岁,中位33岁;Grade 2 n=18、Grade 3 n=10)和22例IDH突变伴1p/19q共缺失少突胶质瘤(男10例、女12例;年龄20–73岁,中位46岁;Grade 2 n=13、Grade 3 n=9)。
- 所有检查使用3 T MR扫描仪(Ingenia 3.0 T CX;Philips Healthcare)及15通道头线圈,SyMRI采用QRAPMASTER脉冲序列(TE 13和100 ms,4个延迟时间),并获取常规T1WI、T2WI、FLAIR及增强T1WI。
- CNN模型采用DeepMedic多尺度3D卷积神经网络;若CNN标记的T2延长病灶面积超过50%则判定为T2-FLAIR错配征阳性。
关键影像表现/征象
- T2-FLAIR错配征定义为肿瘤在T2WI上呈完全或近乎完全且近乎均匀的高信号,而在FLAIR上呈相对低信号(周边高信号环除外)。
- 坏死腔不视为T2-FLAIR错配征,小囊肿不符合T2-FLAIR错配征标准。
- T2-FLAIR错配病灶通常伴很少或无对比增强,FLAIR信号抑制程度在肿瘤内可不均匀。
- 常见影像相关表现包括非增强T1WI均匀低信号、表观扩散系数值显著升高、灌注图血容量低及CT上弥漫低密度。
- 星形细胞瘤的T1、T2弛豫时间及质子密度直方图均较少突胶质瘤稍向右移。
诊断标准与关键数值
- 放射科医师 vs AI的平均敏感度76.3% vs 94.7%、特异度100% vs 92.9%、准确率86.4% vs 93.9%、阳性预测值100% vs 94.7%、阴性预测值76.0% vs 92.9%、AUC 0.880 vs 0.938。
- 4名医师间对T2-FLAIR错配征的Fleiss kappa系数为0.88,呈几乎完美一致。
- 星形细胞瘤 vs 少突胶质瘤的平均T1弛豫时间2503 ms(95%CI 1967–2891)vs 1385 ms(95%CI 1119–1783),p<0.0001;平均T2弛豫时间259 ms(95%CI 214–343)vs 121 ms(95%CI 94–143),p<0.0001;平均质子密度94.9%(95%CI 89.2–96.7%)vs 85.2%(95%CI 76.8–88.3%),p<0.0001。
- T1、T2弛豫时间及质子密度的第10–90百分位在两组间均有显著差异(均p<0.05)。
- 联合T1第90百分位与T2第10百分位弛豫时间,以2290/128 ms为cutoff鉴别两类胶质瘤,敏感度94.4%、特异度100%、准确率96.9%、阳性预测值100%、阴性预测值93.3%,AUC 0.981。
临床应用与阅片要点
- 作者认为AI模型可通过迁移学习部署于配备AI应用的PACS,有望提高术前脑肿瘤诊断准确性。
- 作者指出弛豫时间也可用常规MRI多回波法测量,而不限于SyMRI。
- 作者指出T2-FLAIR错配征判定具主观性,AI和SyMRI通过消除主观性提高了敏感度。
- 作者指出AI高敏感度可能与其回顾性学习方式有关,即在学习时已接触病理结果。
- 作者指出单一弛豫时间参数敏感度升高但特异度略降,联合T1和T2弛豫时间可改善诊断效能。
局限性
- 本研究为术后病例且样本量小,因IDH突变型胶质瘤相对罕见且单中心收集病例受限;基于AI的分类研究需大样本,可能引发对结果可靠性的担忧,进一步研究可能需要多中心验证。
- 本研究未评估IDH野生型星形细胞瘤,后续纳入IDH野生型星形细胞瘤患者的研究将有用。
- 定量评估的组织直方图分析未纳入整个肿瘤体积,而是采用T2WI高信号定义边界、肿瘤最大截面。
- 既往T2-FLAIR错配征研究仅使用肿瘤最大区域,未进行全肿瘤体积直方图分析。
全文中译12 节 · 点击展开
引言
异柠檬酸脱氢酶(IDH)酶在胶质瘤的发生中起关键作用 [1]。既往研究显示,IDH突变在弥漫性低级别胶质瘤中更为常见,包括星形细胞瘤和少突胶质细胞瘤 [2]。这两种类型的胶质瘤具有相同的IDH突变状态,但预后不同 [3]。少突胶质细胞瘤,IDH突变伴1p/19q共缺失的预后较好,对化疗或放疗的反应优于星形细胞瘤,IDH突变型 [4],而星形细胞瘤需要更密集的治疗。因此,准确的诊断对于有效的患者管理至关重要 [5]。2017年,Patel等 [3] 报道星形细胞瘤,IDH突变型表现为T2-FLAIR不匹配征。随后,大量关于T2-FLAIR不匹配征的研究被发表 [5–8]。T2-FLAIR不匹配征在诊断星形细胞瘤,IDH突变型中具有100%的高特异度,但敏感度较低,范围为12%至51% [3, 7]。这是由于维持高特异度所采用的严格标准以及观察者间一致性的范围较宽,使其依赖于观察者的主观性,导致显著的观察者间变异性 [6]。
该问题的潜在解决方案包括人工智能(AI)模态,如深度学习和基于弛豫时间测量的定量方法。近年来,已有大量关于AI作为影像诊断辅助手段的研究,一些研究表明其在某些诊断任务中可以优于放射科医师 [9–12]。此外,有报道称AI检测的病灶与人工评估相结合可带来更高的诊断准确率 [13, 14]。通过消除主观判断并突出T2-FLAIR不匹配区域,AI有望在此背景下成为有价值的工具。据我们所知,此前尚无关于AI评估T2-FLAIR不匹配征的研究报道。
另一种解决方案可能是具有固有客观性的定量方法。除了确保一致性外,进行数值判断的能力消除了大部分主观性,而主观性偶尔会导致数据解读中的偏倚或错误。既往研究报道,弛豫时间的测量可以提高T2-FLAIR不匹配病灶的敏感度 [5, 15]。
因此,本研究旨在比较放射科医师评估、人工智能(AI)评估以及使用合成MRI(SyMRI)进行定量测量在星形细胞瘤,IDH突变型与少突胶质细胞瘤,IDH突变伴1p/19q共缺失的鉴别诊断中的表现,并确定更优的方法。
材料与方法
本院机构审查委员会批准了这项回顾性研究,并豁免了知情同意的要求。所有方法均按照相关指南和法规执行。
患者
2019年6月至2021年12月期间,本机构所有及时获得胶质瘤诊断的患者均符合本研究条件。纳入标准为:(1)根据WHO 2021分类[1]诊断为IDH突变型和/或1p/19q共缺失型胶质瘤;(2)手术前2周内进行了MRI扫描;(3)有可用的SyMRI评估数据。排除标准为图像失真,如运动伪影或噪声。共纳入33例患者(男14例,女19例;年龄29–79岁[中位年龄44岁]),包括19例星形细胞瘤,IDH突变型(男6例,女13例;年龄29–60岁[中位年龄43岁];2级 n = 12;3级 n = 5;4级 n = 2),以及14例少突胶质细胞瘤,IDH突变型且1p/19q共缺失型(男8例,女6例;年龄37–63岁[中位年龄48岁];2级 n = 10;3级 n = 4)。
用于机器学习训练数据,选取了2002年6月至2014年12月期间在本院接受治疗的50例患者,这些患者不在本研究纳入范围之内。其中包括28例星形细胞瘤,IDH突变型(男20例,女8例;年龄20–52岁[中位年龄33岁];2级 n = 18;3级 n = 10),以及22例少突胶质细胞瘤,IDH突变型且1p/19q共缺失型(男10例,女12例;年龄20–73岁[中位年龄46岁];2级 n = 13;3级 n = 9)。
MR成像
本研究使用的MR序列已在先前描述[5]。所有检查均使用3 T MR扫描仪(Ingenia 3.0 T CX;Philips Healthcare,Best,荷兰)配合15通道头部线圈完成。定量MRI采用二维轴位弛豫时间和质子密度定量序列,通过涡轮自旋回波读出(QRAPMASTER)脉冲序列进行多回波饱和恢复采集,使用两个回波时间(TEs;13和100 ms)和四个延迟时间生成八幅实部图像和八幅虚部图像[16]。其他参数包括:重复时间(TR)4831 ms;翻转角(FA)90°;激励次数(NEX)1;敏感度编码因子2.2;视野(FOV)230 × 189(重建230 × 230)mm²;矩阵512 × 512;回波链长度10;层厚/层间距4.0/1.0 mm;30层;扫描时间6分36秒。定量图采集使用SyMRI软件(版本19.0;SyMRI,Linköping,瑞典,https://syntheticmr.com/)完成[16]。同时获取标准MR序列(T1加权成像[T1WI]、T2WI、FLAIR和增强T1WI)。二维轴位T2WI和FLAIR序列的序列参数如下:T2WI——TR/TE 3000/80 ms;FA 90°;NEX 1;FOV 230 × 230 mm²;矩阵512 × 375(重建512 × 512);回波链长度15;层厚/层间距5.0/1.0 mm;22层;扫描时间2分36秒;FLAIR——TR/TE/TI 10,000/120/2700 ms;FA 180°;NEX 1;FOV 230 × 207(重建230 × 230)mm²;矩阵320 × 228(重建512 × 512);回波链长度27;层厚/层间距5.0/1.0 mm;22层;扫描时间3分钟。
卷积神经网络模型架构
U-net 和 DeepMedic 作为卷积神经网络(CNN)在人工智能研究中被广泛使用。在本研究中,选择 DeepMedic 是因为有报道称其在颅内动脉粥样硬化性疾病中优于 U-net [17]。我们应用了 Kamnitsas 等人 [18] 开发的 DeepMedic 网络,这是一种多尺度 3D CNN,用于评估 T2-FLAIR 不匹配病灶。为了在保持低计算成本的同时为最终分类创建大感受野,该设计包含 11 层和 2 条并行卷积通路,以不同尺度处理输入。该架构使用 33 个卷积核,少于通常的 53 个卷积核,以快速卷积并最小化权重。使用这些小卷积核,可以通过减少每个元素的乘法和可训练参数数量来高效设计深度网络变体。为了将局部和更广泛的上下文信息同时纳入 3D CNN,引入了下采样的第二条通路。在第一条通路中,记录结构的特定局部外观,而在第二条通路中,学习诸如结构在大脑中位置等更高层次的信息 [18]。T2-FLAIR 不匹配病灶作为 ground truth 的识别由一名熟悉弥漫性胶质瘤患者病理信息的认证放射科医师(K.K.,具有 16 年诊断放射学经验)手动确定。图 1 显示了使用 IntelliSpace Discovery(版本 3,Philips Healthcare,Best,荷兰)的预处理流程。T2WI 和 FLAIR 两幅图像均进行了偏场校正。然后,在第二步中,将校正后的 FLAIR 图像配准到由 T2WI 定义的参考空间。第三,计算脑掩膜并应用以获得去颅骨图像。最后,使用半自动勾画工具绘制标签。为了检测 T2-FLAIR 不匹配病灶,将深度学习模型(DeepMedic)应用于预处理后的数据。
T2-FLAIR 不匹配评估与统计分析
放射科医师评估
四名经委员会认证的神经放射科医师(分别具有23年、21年、10年和8年经验)在评估T2-FLAIR不匹配征时对患者信息设盲。T2-FLAIR不匹配征定义为存在以下两个不同的MRI特征[3, 6]:(1)肿瘤在T2WI上显示完全或近乎完全且近乎均匀的高信号;(2)肿瘤在FLAIR序列上显示相对低信号,但周边边缘呈高信号。此外,Jain等[6]引入了有助于准确识别T2-FLAIR不匹配征的附加影像学特征:(3)坏死腔不代表T2-FLAIR不匹配征;小囊肿不符合T2-FLAIR不匹配征的标准。(4)T2-FLAIR不匹配病灶通常伴有轻度或无对比剂强化。(5)FLAIR信号抑制程度在肿瘤内可能不均匀。(6)常见的影像学相关表现包括非增强T1WI上均匀低信号、表观扩散系数值显著升高、灌注图上血容量低以及CT上弥漫性低密度。在独立收集数据后,计算阅片者间一致性。四名放射科医师根据T2-FLAIR不匹配征存在与否阅读T2WI和FLAIR图像。计算敏感度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和准确率。在放射科医师评估中,四名观察者间T2-FLAIR不匹配征的评估者间一致性采用Fleiss kappa系数[19]进行评估。kappa值解释如下:几乎完全一致,1.00–0.81;高度一致,0.80–0.61;中度一致,0.60–0.41;一般一致,0.40–0.21;轻微一致,0.20–0.01;差,< 0 [20]。
基于卷积神经网络的人工智能评估
如果CNN将超过50%的T2延长病灶区域标记为阳性,则视为阳性,定义为存在T2-FLAIR不匹配征。虽然有一种使用Dice系数的方法,但本研究本质上是二分类的;因此,我们仅根据表现进行判定。
使用合成MRI进行定量评估
采用SyMRI软件(版本19.0;SyMRI,Linköping,瑞典,https://syntheticmr.com/)提取T1和T2弛豫时间及质子密度图的DICOM数据[16]。我们使用ImageJ插件(ImageJ/Fiji;版本2.0.0-rc-59/1.51 k,美国国立卫生研究院,Bethesda,MD)在肿瘤T2延长区域上选取每个肿瘤的单个最大层面进行感兴趣区(ROI)分析。肿瘤最大层面通过在轴位T2WI/FLAIR上目测确定为肿瘤最大正交横截面[5]。使用ImageJ/Fiji的ROI管理器工具,将常规T2WI扫描上T2延长区域的ROI掩模复制并放置于各参数图(T1和T2弛豫时间及质子密度图)上,以获得逐像素值用于直方图分析。从直方图中记录各参数的第10、25、50、75和90百分位数以及均值、偏度和峰度。采用Mann-Whitney U检验比较星形细胞瘤IDH突变型与少突胶质细胞瘤IDH突变型且1p/19q共缺失之间各参数(即T1和T2弛豫时间及质子密度)的差异。采用受试者工作特征曲线分析评估各参数的诊断效能。
所有统计分析均使用商业软件程序(JMP,版本15.0.0;SAS Institute,Cary,NC,USA;Prism 7.0,GraphPad Software,La Jolla,CA,USA)进行。P < 0.05被认为具有统计学意义。
结果
放射科医师与人工智能评估
表1显示了四位放射科医师和AI的评估结果。放射科医师与AI的平均灵敏度、特异度、准确率、PPV、NPV和曲线下面积(AUC)分别为76.3% vs. 94.7%、100% vs. 92.9%、86.4% vs. 93.9%、100% vs. 94.7%、76.0% vs. 92.9%和0.880 vs. 0.938。观察者间一致性几乎完美(kappa系数 = 0.88)。
使用合成MRI的定量评估
图2和补充表S1显示了肿瘤ROI内所有像素上各参数的直方图。星形细胞瘤的T1和T2弛豫时间及质子密度均较少突胶质细胞瘤呈现轻度右移。星形细胞瘤的T1和T2弛豫时间及质子密度均大于少突胶质细胞瘤(中位值、95%置信区间和p值——平均T1弛豫时间:2503(1967–2891)vs. 1385(1119–1783)ms,p < 0.0001;平均T2弛豫时间:259(214–343)vs. 121(94–143)ms,p < 0.0001;平均质子密度:94.9%(89.2–96.7%)vs. 85.2%(76.8–88.3%),p < 0.0001)。T1和T2弛豫时间及质子密度的第10–90百分位数也存在显著差异(均p < 0.05)。表2和补充表S2显示了区分两组胶质瘤的诊断效能;各参数最有用的值见表2。采用T1弛豫时间第90百分位数与T2弛豫时间第10百分位数联合的 cutoff 值2290/128 ms可区分两种弥漫性胶质瘤,灵敏度94.4%、特异度100%、准确率96.9%、PPV 100%、NPV 93.3%,AUC为0.981。
图3和图4分别显示了星形细胞瘤和少突胶质细胞瘤患者的代表性图像。
讨论
在本研究中,我们发现与放射科医师相比,人工智能(AI)和SyMRI均提高了T2-FLAIR不匹配病灶的敏感性,以及在对星形细胞瘤,IDH突变型与少突胶质细胞瘤,IDH突变型且1p/19q共缺失型进行鉴别诊断时的诊断效能。T2-FLAIR不匹配征的判断具有主观性,导致变异性。本研究表明,通过消除主观性,敏感性得到了提高。AI的使用在通用性方面具有明显优势;一旦模型经过优化并完成,即可部署到不同机构或环境中,确保广泛适用性。这种通用适应性是AI驱动解决方案的一大优势。另一方面,SyMRI的定量评估具有独特优势。以数值方式评估数据的能力提供了固有的客观性。这种提供数值评估的能力不仅确保了一致性,还消除了许多可能导致数据解读不一致或偏倚的人为主观性。因此,尽管AI提供了灵活性和适应性,但SyMRI等工具提供了严谨、客观的分析。本研究方法有望提高术前脑肿瘤诊断的准确性。由于AI模型可用于迁移学习,配备AI应用的PACS可能会得到广泛应用。另一方面,弛豫时间也可以使用常规MRI的多回波方法而非SyMRI进行测量。
既往研究为放射科医师对T2-FLAIR不匹配征的评估提供了有价值的见解。这些研究中的敏感度范围为22%至57%[3, 7]。放射科医师之间的评分者间一致性也显示出相当大的范围,κ(kappa系数)值为0.38至0.88[8]。值得注意的是,Jain等强调了应用严格标准以保持高特异度的重要性,尽管这通常以降低敏感度为代价[6]。我们的研究结果与这些早期研究中观察到的趋势一致。放射科医师之间相对较低的评分者间一致性可能是由于常用的二分类评分系统所致。该系统可能无法充分捕捉T2-FLAIR不匹配征的细微差别,因为影像特征的细微变化可能导致不同阅片者做出不同解读[5, 8]。
人工智能在检测T2-FLAIR不匹配病灶方面的高敏感度被认为归因于其回顾性学习方法,即在获取病理结果后学习识别这些病灶。换言之,它以“作弊模式”运行,从而能够实现更高的敏感度。据我们所知,此前尚无研究尝试使用人工智能检测T2-FLAIR不匹配病灶。我们使用了Kamnitsas等[18]提出的DeepMedic网络,该网络即使在小数据集下也能高效学习。由于该模型采用多尺度方法捕捉不同细节层次的信息,即使数据集较小,它仍能从数据中提取有用特征,从而优化可用信息。Kikuchi等报道他们使用在50例患者、165个病灶上训练的DeepMedic检测脑转移瘤[9]。尽管训练数据量小于既往研究(训练病例数/病灶数=188–469/917–1149)[11, 12],DeepMedic对脑转移瘤的检测敏感度与放射科医师相当[9]。这表明DeepMedic能够有效地从有限数量的病例中学习。
磁敏感加权成像(SyMRI)已被证明在提高星形细胞瘤,IDH突变型和少突胶质细胞瘤,IDH突变型和1p/19q共缺失型之间鉴别诊断的敏感性方面具有价值。既往研究还强调了在T2-FLAIR错配病变背景下使用定量弛豫时间评估的益处,这些评估一贯地提高了敏感性[5, 15]。本研究的结果与这些既往研究发现在一致,并强调了此类定量评估的实用性。在本研究中,在弛豫时间测量中观察到敏感性增加;然而,单参数的特异性略有下降。既往关于T2-FLAIR错配征的病理学评估研究表明,具有T2-FLAIR错配的区域存在微囊性改变,由于液体成分增加导致弛豫时间延长[21]。当星形细胞瘤,IDH突变型不伴有微囊性改变时,由于缺乏延长的弛豫时间,鉴别诊断较为困难。尽管如此,结合T1和T2的弛豫参数表现出改善的诊断性能。基于这一结果,可以得出结论:T1和T2弛豫时间的组合提供了对T2-FLAIR错配病变内组织结构的更好理解。
本研究存在若干局限性。第一,我们的研究纳入的是术后病例,且样本量较小,因为IDH突变型胶质瘤相对罕见,且在单中心收集病例存在局限性。由于基于人工智能的分类研究需要大样本量,这可能引发对结果可靠性的担忧;因此,进一步的研究可能需要多中心验证。第二,我们在本研究中未评估IDH野生型星形细胞瘤。对IDH野生型星形细胞瘤患者进行后续研究将是有益的。第三,在定量评估中,我们未将整个肿瘤体积纳入直方图分析。相反,我们使用了肿瘤的最大层面,其边界由T2WI上的高信号定义。然而,在既往关于T2-FLAIR错配征的研究中仅使用了肿瘤的最大区域;未进行全容积直方图分析。由于T2-FLAIR错配征标准旨在保持高特异性而非提高敏感性,通过使用这些严格标准,基于肿瘤最大层面的简单评估可能是足够的。尽管全肿瘤定量分析可能会产生与目前所呈现的结果不同的结果,但星形细胞瘤,IDH突变型很可能比少突胶质细胞瘤,IDH突变型和1p/19q共缺失型表现出更长的T1和T2值。
总之,与放射科医师使用T2-FLAIR错配征的评估相比,人工智能和SyMRI评估提高了敏感性和客观性,从而在区分星形细胞瘤,IDH突变型与少突胶质细胞瘤,IDH突变型和1p/19q共缺失型方面改善了诊断性能。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 52 KB)
引用
- Kikuchi K, Togao O, Yamashita K, et al. Comparison of diagnostic performance of radiologist- and AI-based assessments of T2-FLAIR mismatch sign and quantitative assessment using synthetic MRI in the differential diagnosis between astrocytoma, IDH-mutant and oligodendroglioma, IDH-mutant and 1p/19q-codeleted. Neuroradiology. 2024. PMID: 38224343. doi:10.1007/s00234-024-03288-0
- 全文:PMC10859342(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10859342/
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。