文献速递胸部技术与安全PETCT

多中心概念验证研究:软件辅助结构化报告与半自动TNM分期用于非小细胞肺癌分期

Software-assisted structured reporting and semi-automated TNM classification for NSCLC staging in a multicenter proof of concept study.
PubMed 文献 · Insights Imaging · 2024-10-28

多中心合作开发了基于第8版TNM的非小细胞肺癌结构化报告框架及半自动TNM分类工具,9名放射科医生在20例[18F]FDG PET/CT上分别用结构化报告和自由文本报告进行分期。结构化报告组TNM正确率71.9%(128/178),高于自由文本组的62.8%(113/180),使用结构化报告正确分类的几率是自由文本的1.707倍(CI: 1.137-2.585,p=0.01)。

要点

  • 使用软件辅助结构化报告时TNM正确分类的几率是自由文本报告的1.707倍(CI: 1.137-2.585,p=0.01)。
  • 结构化报告组总体TNM正确率71.9%(128/178),自由文本组62.8%(113/180)。
  • 分类错误最多见于T分期(25.7%,92/358),其次为N分期(10.3%,37/358)和M分期(2.2%,8/358)。

核心结论

  • 软件辅助结构化报告为半自动规则TNM分类提供了有效输入,相比自由文本报告提高了TNM分类正确性,并受到放射科医生的正面评价。

研究设计与样本

  • 多中心回顾性研究,6家参与中心中的5家共9名放射科医生参与验证,在20例代表性[18F]FDG PET/CT研究上比较结构化报告与自由文本报告,以多学科团队参考为标准。

关键影像表现/征象

  • T分期错误主要源于肿瘤大小测量不准确(43/358,12.0%)和局部浸润描述错误(63/358,17.6%),N和M分期错误源于病灶解剖位置归属错误(48例)。
  • 结构化报告组总TNM错误导致升期34例、降期18例,自由文本组升期38例、降期21例。
  • 自由文本组有8例TNM记录不完整或不恰当(如T2缺少亚类或M2不存在),结构化报告组无此类情况。

诊断标准与关键数值

  • 半自动规则TNM分类相对于参与者输入的输出在全部178/178例中正确。
  • 结构化报告组T分期正确137例 vs 自由文本组127例,N分期164例 vs 160例,M分期178例 vs 172例。
  • 读者间一致性Kappa=0.889(p<0.001),图像研究间ICC=0.278,读者间方差约占0.5%。
  • 经验与分类错误无显著相关:自由文本ρ=0.21(p=0.96),结构化报告ρ=-0.142(p=0.71)。

临床应用与阅片要点

  • 作者认为结构化报告和半自动分类工具提高了TNM分类,并被认为有价值,但原文未据此给出具体阅片建议。
  • 原文指出感知工作量增加(1.8±1.2)和缺乏数字基础设施或软件(1.6±1.4)是结构化报告临床实施的最主要障碍。

局限性

  • 未评估结构化报告对病灶检测和工作流程的影响。
  • 未评估TNM错误分类对临床管理(包括多学科团队会议)的影响。
  • 预计2025年生效的第9版TNM系统将引入N2和M1c亚分类,需要更新基于规则的TNM算法。
  • 代表性非小细胞肺癌患者队列样本量小,且在研究环境中评估,可能不能反映标准阅片室和临床条件。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2024 Oct 28;15:258. doi: 10.1186/s13244-024-01836-z

引言

近期研究表明,结构化报告(SR)有助于提高多种癌症实体报告完整性和精确性,并有助于弥合沟通质量差距[1–8]。然而,由于缺乏经济和组织激励、缺乏技术标准,以及放射科医生习惯于无散文式文本报告(FTR),将SR广泛纳入临床常规仍远未成为现实。在报告标准化框架的基础上,Nobel等人提出软件辅助解决方案是促进SR不可或缺的前提条件[9, 10]。欧洲放射学会(ESR)和北美放射学会(RSNA)均倡导将SR作为推进价值导向放射学的关键要素,利用数据用于二次使用和研究,支持质量保证举措,并减少结构性错误[9, 11]。

肺癌是全球重大健康负担,估计每年新诊断200万例,死亡176万例。非小细胞肺癌(NSCLC)占所有肺癌病例的85–90%[12, 13]。影像学在NSCLC的检测、分期和治疗后监测中发挥核心作用,使其成为肿瘤和胸部放射学实践中的常规诊断任务[14, 15]。第8版TNM标准提供了关于原发肿瘤分期(T分期)、区域淋巴结受累(N分期)和远处转移(M分期)的详细信息。然而,TNM分类很少被明确清晰地纳入临床放射学报告[16, 17]。

这项多中心初步研究的目的在于评估一个 collaboratively 开发的SR框架的有效性,该框架在CE认证的数字平台内具备NSCLC半自动TNM分类功能。该研究评估了临床放射科医生对NSCLC SR的机构标准、偏好和认知,并比较了SR和FTR策略在TNM分类中的应用。

方法

伦理声明

这项回顾性研究经机构伦理委员会批准(批准号22-0416)。知情同意豁免。

结构化报告模板的开发

巴伐利亚肿瘤放射学网络(BORN—https://bzkf.de/born/?lang=en)已发展为一个区域性平台,旨在促进包括NSCLC在内的多种肿瘤实体的多机构影像协议和报告协调统一。参与中心包括慕尼黑LMU医院、慕尼黑工业大学、埃尔朗根大学医院、雷根斯堡大学医院、维尔茨堡大学医院和奥格斯堡大学医院的放射科。各大学医院任命的胸部放射学专家基于第8版TNM分类设计了NSCLC SR的肿瘤学框架,并通过共识建立,遵循类似于德尔菲法的过程[17]。TNM描述符使用构建于Mint LesionTM(Mint Medical GmbH,德国海德堡)的基于图像的软件工具进行逐项列示和分层结构化。详细模板脚本可在网上找到(https://bzkf.de/born-template-lungenkarzinom/)。此外,SR工具还 enriched 了一个半自动化的基于规则的引擎,旨在将SR注释和描述转换为TNM分类。

调查设计

医师调查参与者(n = 10)由其各自所在机构选定,代表所有参与中心。问卷包括人口学问题,涵盖专业经验和既往肺癌影像学接触情况。此外,问卷还评估了参与者所在机构放射学报告的全面性,以及对结构化报告(SR)实施的偏好和期望,问卷条目见表1。每个条目采用7点Likert量表评估,回答范围从−3(强烈不同意)经0至+3(强烈同意)。

表1 问卷条目按任务分组,包括人口学(D)、SR一般性(SR-G)和SR障碍(SR-B)问题(仅评估一次),以及关于SR的其他问题(在验证任务前后进行评估)(SR-PP) 查看原表 ↗

结构化报告模板的验证

共有来自六个参与机构中五个机构的九名医师参与者参加了有监督的现场评估研讨会,并接受了使用SR模板的全面培训。每位参与者独立审阅了n = 20例具有代表性的门静脉期对比增强18F-氟脱氧葡萄糖([18F]FDG)PET/CT检查,这些检查在单一中心选取,以代表多样化的NSCLC患者队列(表2)。使用SR模板对影像表现进行标注和特征描述。对于TNM评估,参与者获得了基于多学科团队(MDT)会议决策的图示化指导,该决策作为参考标准。为减少偏倚,参与者对半自动分类工具生成的TNM结果设盲。此外,参与者可获取第8版TNM分类NSCLC手册。在评估任务前后,参与者被要求对一系列问题进行评分,内容涉及他们对结构化报告和自动TNM分类工具对其个人常规工作潜在影响的看法,方式类似于上述调查。

表2 为[18F]FDG PET/CT验证任务选取的代表性患者的人口学特征 查看原表 ↗

验证任务的评估

将基于规则的半自动SR分类的TNM输出与输入进行比较,评估其正确性。将半自动SR和FTR的TNM分类与MDT参考进行比较。差异评估涉及各自的T、N和M分类器,以及总体TNM分类,以及错误是否导致分期升高或降低。使用SR标注分析偏差原因。

统计学

为解决重复测量带来的依赖结构问题,我们采用了广义线性混合模型(GLMM),具体为逻辑回归模型,用于二分类。该模型用于评估阅片方法和TNM分类对正确与错误分类的影响。GLMM还纳入同一阅片者对多幅图像观察之间的组内相关系数(ICC),以检验结构化报告(SR)之间以及全文报告(FTR)之间的差异,并评估TNM分类判定的变异,同时适当考虑阅片者内部依赖性[18]。此外,通过Sidak校正对TNM影响的进行事后两两比较,以控制多重比较。分析在R(版本4.3.2)中进行。调查结果使用非参数Wilcoxon符号秩检验进行配对比较分析。Fleiss Kappa用于检验阅片者间信度。经验与TNM错误发生之间的相关性使用Spearman相关分析。采用双侧显著性检验,α为5%(p < 0.05)。调查分析的所有检验均使用IBM SPSS Statistics(版本29,IBM Corp. IBM SPSS Statistics for Windows,Armonk,NY)进行。问卷结果使用Python(版本3.10.9)及较新的SciPy和Seaborn库进行可视化。

结果

参与者特征及SR的使用情况

来自全部六家参与机构的共十名放射科医师完成了关于SR的人口学和探索性调查,其中3/10(30%)为女性受访者。这些医师具有不同水平的放射学经验(平均6.3年;范围2–12年),每名阅片者自我估计既往报告的肺癌分期检查为423 ± 351例。调查显示,研究前没有任何机构(0/6)在临床常规肺癌分期中实施SR,来自两家机构(2/6)的参与者报告既往在肺癌中接触过SR。在各机构中,参与者回答称,据其感知,TNM分类在大约9.2%(范围0–30%)的临床报告中被不频繁地报告。

关于结构化报告(SR)的调查

总体而言,参与医师对非小细胞肺癌(NSCLC)的SR表现出总体积极的看法,在“您是否会在实践中普遍使用SR”这一问题上评分为2.3 ± 0.5,如图1a所示。SR未在临床常规中实施的原因总结于图1b。调查中关于目前SR未在临床实践中实施的最相关论点评分为感知工作量增加(1.8 ± 1.2)以及缺乏数字基础设施或软件(1.6 ± 1.4)。

图1 参与者对SR的看法及临床实施的感知障碍。医师对关于SR的一般性陈述的感知以及关于SR的潜在障碍分别显示于(a、b)中。该调查反映了对SR及其临床实施前景的总体积极看法。参与者将缺乏数字基础设施和感知报告时间增加评为临床转化最相关的障碍。SR,结构化报告 查看原图 ↗

结构化报告模板的验证

共有 n = 9 名放射科医生(平均经验 5.7 年;范围 2–10 年)参与了现场验证任务,包括来自六个机构中五个机构的代表。参与者在模拟 MDT 基础上完成了所有阅片,在总共 n = 20 例具有代表性的 [18F]FDG PET/CT NSCLC 研究中提供了半自动化 SR 辅助(n = 178)和无辅助 FTR(n = 180)TNM 分类;单一参与者的 n = 2 例 SR 分类病例未记录且无法检索,被排除。

基于规则的半自动化 TNM 分类在全部(178/178)病例中就参与者的输入提供了正确输出。总体而言,与 FTR 中记录的 62.8%(113/180)病例相比,使用半自动化 SR 分类显著(p = 0.01)将总体 TNM 正确率提高至 71.9%(128/178)病例,如图 2 所示。大多数分类错误见于 T 分期 25.7%(92/358),其次为 N 分期 10.3%(37/358)和 M 分期 2.2%(8/358)。如图 2 所示,半自动化 SR 分类在 T 分期(137 对 127)、N 分期(164 对 160)和 M 分期(178 对 172)方面优于无辅助分类。SR 和 FTR 分类中的判读错误分别导致总计 34 例和 38 例 TNM 升期,以及 18 例和 21 例降期。在 FTR 队列中,发现 8 例 TNM 记录不完整或不充分(例如 T2 - 缺少亚类,或 M2 - 不存在),SR 队列中无此类情况。总体而言,在 SR 和 FTR 分类错误中,原因均为肿瘤大小测量不准确(T 类别;n = 43/358;12.0%)和/或局部浸润描述错误(T 类别,例如局部浸润;n = 63/358;17.6%),以及病灶解剖位置 Assignment 错误,与个体 TNM 分类器无关(n = 48)。代表性病例见图 3。无论分类器如何,在 n = 55(范围 1–10)例中观察到半自动化 SR 与无辅助 FTR TNM 分类之间的阅片者内差异。

GLMM 显示,SR 与 FTR 之间总体 TNM 正确率存在显著差异(p = 0.01),使用 SR 的阅片者正确分类 TNM 状态的机会是使用 FTR 者的 1.707(CI:1.137–2.585)倍(表 3)。GLMM 的假设已验证并满足。然而,由于奇异问题,我们无法考虑阅片方法与 TNM 分类之间的潜在交互作用。相反,我们将它们的固定效应作为单独预测因子纳入 GLMM,同时纳入阅片者和图像的随机效应。个体图像研究的 ICC 为 0.278,表明分类准确率总方差中约 27.8% 可归因于图像研究之间的差异,而约 0.5% 可归因于不同阅片者。总体而言,阅片者间一致性非常高(Kappa = 0.889,p < 0.001)。临床经验与 FTR( = 0.21;p = 0.96)和 SR(ρ = −0.142;p = 0.71)中的分类错误之间无相关。

验证前后的调查显示,各分类对结构化报告(SR)总体持积极态度,且在验证任务后对以下陈述的偏好有所增加:“使用SR后我对TNM分期的理解有所提高”(p = 0.04)、“使用SR后M分期得到改善”(p = 0.04)以及“我信任基于我的标注的半自动TNM分类”(p = 0.04)。详细结果见图4。

图2 研究参与者对各TNM描述词的分类表现(橙色=错误,绿色=正确),显示与自由文本报告(FTR)相比,SR策略在所有分类中的准确性均有所提高。SR,结构化报告;FTR,自由文本报告 查看原图 ↗
图3 SR和FTR中的代表性分类错误。A显示患者3的原发肿瘤具有广泛的脏层胸膜接触,提示脏层胸膜受侵(T2a),而基于大小的分期为T1c。B显示患者13的原发肿瘤在冠状面上的最大多平面直径为4.9 cm(T2b),而最大轴位直径为3.9 cm(T2a)。C显示右侧腋窝淋巴结转移,符合胸外转移而非区域淋巴结(N3),因其未纳入国际肺癌研究协会(IASLC)图谱。SR,结构化报告;FTR,自由文本报告;AC,衰减校正;FDG,氟脱氧葡萄糖 查看原图 ↗
表3 各固定效应的比值比(OR)及其置信区间(CI)上下界(95%)见(a) 查看原表 ↗
图4 蜘蛛图可视化SR评估的差异(n = 9),绘图基于7点Likert量表应答(范围从−3“强烈不同意”至+3“强烈同意”)。表1中提供的第22–36题按顺时针顺序呈现。总体而言,参与者认为SR在各分类中均为有价值的报告策略。显著改善的感知以星号(*)标注,显示所评估的SR及分类工具具有优越性能。SR,结构化报告 查看原图 ↗

讨论

在这项多中心研究中,我们评估了非小细胞肺癌(NSCLC)中SR的机构标准、偏好和认知。通过多中心共识开发了一种软件辅助的NSCLC SR工具,具备半自动TNM分类功能,以实现报告协调化。在具有代表性的[18F]FDG PET/CT患者队列中评估了其性能,并与传统FTR策略进行了比较。

关于SR的调查

调查显示,任何参与机构均未将SR用于NSCLC报告,TNM分类使用不足,在分期时不到10%(0–30%)的临床报告中被报告。十名参与者中仅两名(20%)报告既往有使用SR进行NSCLC报告的经验。尽管SR已发展成为临床试验报告和影像生物标志物研究的主导策略,但仍未在临床常规中广泛采用[6, 19]。欧洲肿瘤影像学会最近一项包括来自51个国家200名放射科医师的国际调查显示,已在临床实践中使用SR的放射科医师(n = 114)中37.5%将SR用于肺癌报告[6]。

在本研究中,无论经验如何,放射科医生在所有考察类别中均广泛接受SR用于NSCLC。我们的研究结果表明,放射科医生认为SR是NSCLC分期的一种有价值的策略,这与既往肿瘤影像学报道的经验一致[20, 21]。报告标准化确保必要信息统一纳入放射学报告,并促进对既定指南和方案的遵循,确保符合监管要求和认证标准。此外,SR有潜力减少歧义,并最终弥合医疗专业人员之间的沟通差距[22–24]。这些论点得到了ESR和RSNA提出的旨在提升价值导向放射学的战略视角的进一步支持[9, 11]。

调查显示,感知到的工作量和报告时间增加,以及缺乏用于软件辅助SR的数字基础设施,被认为是常规临床实施中最相关的障碍。虽然增加的报告时间在分期时单时间点评估中很可能难以避免,但SR可能发展为纵向疗效评估中有价值的投资[25, 26]。Ristow等人发现,与手动方法相比,软件辅助SR改善了实体瘤免疫疗效评价标准(iRECIST)评估,减少了报告时间、减少了错误并提高了阅片者间一致性[25]。此外,调查表明,软件辅助SR框架与本地报告和图像归档与通信系统(PACS)环境之间的互操作性值得考虑,以减少不同应用和软件之间与工作流程相关的摩擦。此外,SR已被讨论为肺癌筛查项目的重要工具,并可能对培训环境产生显著的积极影响,减少最终确定和签署受训者报告所需的校对时间[8, 22, 23, 27–29]。

SR模板的验证

我们的研究表明,软件辅助SR提供的基于图像的注释可作为半自动化基于规则的NSCLC TNM分期的稳健输入。SR分类工具在输入方面对所有病例均分配了正确的TNM输出。然而,解释错误对SR和FTR的影响相同。总体而言,SR分类优于无辅助FTR分类,并提高了客观可确认性,这可通过更好地遵循TNM标准和更精确的病灶注释来解释。GLMM分析显示,分类准确性的主要变异来源是单个复杂研究而非阅片者间变异性。T分期被错误分类主要有两个原因,包括大小测量不正确和局部浸润评估,而N分期和M分期分类错误则归因于病灶定位不正确。考虑到病例复杂性和阅片者变异性,使用SR的阅片者与FTR相比正确分类TNM状态的可能性显著更高(p = 0.01)。TNM正确性的提高导致TNM升期和降期均减少。从SR和FTR携带的错误可能转化为错误的TNM分类,如果在MDT中未重新评估和纠正,可能对患者产生关键性影响[16]。

随着数字数据库在分期和疗效评估中的日益整合,结构化报告(SR)可在临床决策支持系统中发挥关键作用[9]。SR还为二次数据采集和多中心注册库建设创造了机会,最终有助于更好地理解肺癌趋势和治疗结局[2, 8, 9, 26]。

局限性

虽然临床TNM分期是一项需要情境敏感信息的复杂任务,但我们旨在评估并分离SR相较于自由文本报告(FTR)对TNM分类的影响。未评估SR对病灶检出和工作流程的影响。为考虑TNM各要素间的相互依赖性,统计分析采用了广义线性混合模型(GLMM)。其次,未评估TNM错误分类对临床管理(包括多学科团队(MDT)会议)的临床影响。第三,拟议的第9版TNM系统预计将于2025年生效,引入N2和M1c分类的亚分类[30]。这将需要更新基于规则的TNM算法。最后,非小细胞肺癌(NSCLC)患者的代表性队列较小,且是在研究环境中进行评估的,可能无法反映标准阅片室和临床条件。

结论

这项多中心研究为NSCLC中软件辅助SR提供了有价值的框架。软件辅助SR为NSCLC的半自动TNM分类提供了可靠的数据输入,与FTR相比总体性能显著提高。一项参与者调查显示,工作负荷增加和数字基础设施缺乏被认为是SR临床实施中最相关的障碍。这项概念验证研究的结果表明,软件辅助SR对NSCLC分期中TNM正确性具有有价值的影响。

引用

  1. Heimer MM, Dikhtyar Y, Hoppe BF, et al. Software-assisted structured reporting and semi-automated TNM classification for NSCLC staging in a multicenter proof of concept study. Insights Imaging. 2024. PMID: 39466506. doi:10.1186/s13244-024-01836-z
  2. 全文:PMC11519274(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519274/

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。