文献速递骨肌MR

用于膝关节病变辅助诊断的MRI深度学习模型:一项系统综述

MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review.
PubMed 文献 · Eur Radiol · 2024-10-18

该系统综述检索5个数据库至2024年5月12日,纳入54篇关于深度学习模型辅助MRI诊断膝关节病变的研究,其中前交叉韧带损伤19篇、半月板损伤13篇、一般异常11篇、骨关节炎或软骨病变9篇。病理特异性模型性能优于一般异常检测模型,最高达4.5%;所有模型均未获监管批准,作者强调需更大MRI数据集验证以缩小与临床需求的差距。

要点

  • 病理特异性模型性能优于一般异常检测模型,最高达4.5%。
  • 模型性能主要受训练数据数量和多样性影响。
  • 纳入的所有深度学习模型均未获得监管批准。

核心结论

  • 尽管纳入研究的设计各异,深度学习模型在MRI辅助检测特定膝关节病变方面显示出有前景的结果。
  • 本综述强调需用更大MRI数据集验证这些模型,以缩小当前模型性能与临床需求之间的差距。

研究设计与样本

  • 系统综述,遵循Joanna Briggs Institute证据合成手册与PRISMA清单,检索SCOPUS、PubMed、Web of Science、Science Direct和Cochrane五个数据库2013年1月1日至2024年5月12日的文献。
  • 纳入54篇文献,其中回顾性队列研究占94%(51篇)、比较分析占4%(2篇)、诊断试验准确性研究占2%(1篇)。
  • 纳入标准为2013至2024年发表的英文同行评议成人研究,讨论深度学习模型评估膝关节MRI图像中的病理;排除非膝关节MRI、非MRI模态、仅分割无分类诊断、非人类或儿科人群等研究。
  • 两名独立评审员筛选文献并提取数据,对提供多个性能指标的研究选取性能最高的模型进行分析。

关键影像表现/征象

  • MRI扫描仪场强:21项研究(39%)未说明扫描仪,19项(35%)使用3T,7项(13%)同时使用1.5T和3T,5项(9%)使用1.5T,2项(4%)使用1T、1.5T和3T。
  • MRI数据类型:31项研究(57%)使用2D MRI,8项(15%)使用3D MRI,3项(6%)同时使用2D和3D,12项(22%)未说明。
  • MRI序列:21项研究(39%)仅用矢状面图像,7项(13%)用3D容积,11项(20%)用矢状面、冠状面和轴面组合,8项(15%)用矢状面和冠状面组合。
  • CNN架构:ResNet用于11项研究(19%),VGG用于6项(11%),DenseNet用于4项(8%),DarkNet用于3项(6%),16项(30%)使用自定义模型。

诊断标准与关键数值

  • 全部膝关节病理平均:敏感度88.65%、特异度90.12%、AUC-ROC 92.05%、分类准确率88.30%。
  • 特定膝关节异常模型平均:特异度90.57%、AUC-ROC 92.72%、准确率88.91%、敏感度88.67%;一般异常模型平均:86.51%、89.80%、84.48%、88.48%,特定模型优势最高达4.5%。
  • 2D MRI数据模型平均特异度0.904、准确率0.898、敏感度0.892,3D MRI数据模型为0.881、0.852、0.870;2D与3D联合数据模型AUC-ROC平均0.934,2D单独0.931,3D单独0.871。
  • 使用迁移学习模型特异度、AUC-ROC、准确率、敏感度分别为0.896、0.916、0.871、0.925,未使用迁移学习模型分别为0.903、0.922、0.889、0.875。
  • 金标准:训练标签/报告/注释20项(37%),放射科或临床医生意见15项(28%),关节镜或手术所见6项(11%),医生意见与关节镜/手术/训练标签组合3项(6%),10项(19%)未列出金标准。

临床应用与阅片要点

  • 本综述指出深度学习模型在辅助检测特定膝关节病变方面结果有前景,但所有模型均未获监管批准。
  • 作者认为应使用来自不同厂商、磁场强度和序列的更稳健数据集训练当前深度学习模型,再开展未来研究确定其是否适合临床部署。
  • 作者认为需开展前瞻性研究比较多个深度学习模型与放射科医生的性能,以确定模型是作为放射科医生的替代还是辅助工具。

局限性

  • 纳入研究的设计各异。
  • 本综述强调需用更大MRI数据集验证这些模型,以缩小当前模型性能与临床需求之间的差距。
  • 不同MRI技术和扫描仪场强导致数据集存在变异性,这对深度学习模型的临床部署构成重大挑战。
  • 48%的研究使用了数据增强,23项研究(43%)未报告是否使用数据增强。
  • 所有纳入的深度学习模型均未获得监管批准,尽管部分研究显示高分类准确率,模型尚未临床应用于真实环境。
全文中译19 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:Eur Radiol. 2024 Oct 18;35(5):2457–69. doi: 10.1007/s00330-024-11105-8

引言

膝关节损伤是全球普遍存在的健康问题,影响儿童和成人群体[1]。目前的诊断包括临床检查,随后进行X线和磁共振成像(MRI)等影像学检查[2]。由于其优越的软组织对比分辨率,MRI在诊断膝关节损伤中至关重要[3]。平面内二维(2D)MRI膝关节研究通常使用序列组合在三个正交平面上采集。虽然2D膝关节MRI可用于评估各种病变,但其局限性包括空间分辨率受限、部分容积效应(PVE)以及几何约束,可能限制对膝关节损伤特定细小特征的全面探查[4]。此外,2D MRI不允许将图像重建到任意解剖平面[5]。

三维(3D)MRI等先进MRI序列可以采集更大的数据集,与2D MRI相比提供额外信息[6]。3D MRI序列以更高的空间分辨率和更少的PVE采集数据体[7]。此外,它能够对任意诊断平面进行图像重建。尽管放射科医生因2D MRI具有更高的对比噪声比(CNR)而偏好多序列2D MRI,但3D MRI的传统局限性(包括扫描时间较长)现已通过高磁场扫描仪[8]和加速扫描时间的压缩感知技术[9]得到缓解。此外,近期将深度学习(DL)去噪算法应用于3D MRI序列,有望在CNR方面带来显著改善。

解读膝关节MRI图像需要丰富的经验[10]。虽然熟练的放射科医生在膝关节MRI检查中表现出良好的诊断准确性,但获得此类专业技能需要严格的培训[11]。人工智能(AI)近期已成为医学影像领域的变革性力量[12]。DL作为AI的一个子领域,能够利用先进的图像模式识别能力来检测异常,并有可能彻底改变我们进行MRI分析以及损伤和疾病分类的方式[13]。如今,越来越多的放射学应用DL模型正在使用不同的卷积神经网络(CNN)架构、训练和验证技术进行开发。

在膝关节MRI领域,近期研究已证明使用MRI数据训练DL模型以帮助专业知识有限的临床医生评估膝关节损伤的可行性[14]。然而,DL模型的诊断精确度仍在研究中。本系统综述旨在总结为常见膝关节损伤和疾病的分类及辅助诊断而开发的DL MRI模型的现状。

材料与方法

方案

悉尼大学研究诚信与伦理委员会认为无需伦理批准。按照《乔安娜布里格斯研究所证据合成手册》[15]中概述的方案进行了回顾性系统综述。稿件结构遵循系统综述和荟萃分析优先报告条目(PRISMA)清单[16]。文章由两名独立评审者独立按标题、摘要和全文进行筛选。

检索策略

我们检索了五个在线数据库(SCOPUS、Pubmed、Web of Science、Science Direct 和 Cochrane),时间范围为2013年1月1日至2024年5月12日,使用的英文检索词为:(magnetic resonance OR magnetic resonance imaging OR MRI OR MR)AND(knee)AND(deep learning OR DL)AND(3D)(见附录A)。

纳入与排除标准

纳入2013年至2024年过去十一年间以英文发表、经同行评议、涉及成年人类参与者的文章,前提是这些文章讨论了评估膝关节MRI图像中病变的深度学习(DL)模型。排除标准包括:与膝关节MRI无关的研究、关注MRI以外其他模态的研究、或仅涉及DL分割而无损伤分类和诊断的研究。综述类论文被排除。未聚焦于病变检测的文章(例如仅分割膝关节结构)被排除。MRI研究中的目标检测,如通过人工智能模型定位结构、解剖体积计算、分级和严重程度分期、病变鉴别及进展预测,未被纳入病变检测范畴,因为本研究仅聚焦于膝关节病变和损伤的检测。聚焦于非人类或儿科人群的研究也被排除。

数据筛选

Covidence平台用于去除重复文献,两位评审员独立筛选了1884篇出版物的标题和摘要。通过全文审查讨论解决了两位评审员之间的分歧,确保在研究选择和数据提取方面达成共识。

数据提取

数据提取方法采用研究前建立的封闭式问题格式,并使用自定义的数据提取模板(见附录B)。两位评审员使用该模板在Covidence中独立录入数据。分歧通过讨论解决,并迭代更新表格以适应研究间的差异。

结果综合

从Covidence获得的结果被下载并进行标准化处理,以确保报告指标的一致性。对于提供范围或多组数据的研究,例如2D和3D MRI DL模型的单独性能指标或同一模型的不同版本,选择性能最高的模型进行分析。因此,为评估DL模型的性能,本研究进行了多项亚组分析,包括基于所用MRI扫描类型的比较、特定病变的性能、所用卷积神经网络(CNN)类型、内部与外部数据集、迁移学习的影响,以及按病变分类的真实标注类型。对于每个亚组,在可获得的情况下提取灵敏度、特异度、受试者工作特征曲线下面积(AUC-ROC)和准确率等性能指标,然后在各研究间取平均值以识别趋势。具体而言,本研究计算了每个亚组的灵敏度、特异度、AUC-ROC和准确率的均值。

结果

2024年5月12日进行的初步在线检索在排除重复文献后获得1884篇文章。共54篇文章符合纳入标准并进入全文分析(图1)。所报告结果的描述性总结呈现在数据图表中(见附录C)。

图1 PRISMA流程图,展示系统评价“用于辅助检测MRI中膝关节病变的DL模型”的证据选择过程 查看原图 ↗

研究一般信息、病变及文章数据来源

在分析的54项研究中,94%(n = 51)[14, 17–66]为回顾性队列研究,而比较分析占所选研究的4%(n = 2)[67, 68],诊断试验准确性研究占2%(n = 1)[69]。前交叉韧带(ACL)损伤是35%(n = 19)文章的重点[14, 19, 24, 32, 34, 35, 37, 42, 45, 47, 48, 52, 53, 57, 58, 62, 64, 65],其次是半月板病变占24%(n = 13)[20, 22, 27, 28, 33, 40, 41, 46, 55, 56, 59, 61, 70],一般异常占20%(n = 11)[23, 26, 30, 31, 39, 43, 54, 60, 66–68],以及骨关节炎(OA)或软骨病变占17%(n = 9)[17, 18, 21, 25, 36, 38, 48, 50, 51]。滑液检测(n = 1,2%)[29]和胫骨骨折(n = 1,2%)[44]较少见。超过一半的研究(n = 29,54%)使用了本地或私人数据库[19, 22–24, 27, 29, 32–36, 40–42, 44, 48–52, 55, 58, 59, 61–66],而其余研究使用了开放获取数据库,如MRNet(n = 9,17%)[31, 43, 45, 46, 53, 54, 57, 67, 68]和该数据集(n = 6,11%)[17, 18, 20, 21, 25, 56],无论在性能指标(包括灵敏度、特异度、AUC-ROC和准确率)方面数据来源如何,其报告的性能几乎相同。

MRI数据

在这项纳入54项研究的系统评价中,MRI扫描仪规格差异很大。21项研究(39%)未说明所使用的扫描仪[14, 17, 24–27, 29–31, 37, 38, 43–46, 48, 49, 53, 54, 68, 69],而19项(35%)使用了3特斯拉(3-T)机器[18–23, 28, 34, 36, 39–41, 47, 50, 51, 56, 60–62](表1)。7项研究(13%)同时使用了1.5特斯拉(1.5-T)和3-T机器[35, 42, 52, 57–59, 67],5项(9%)使用了1.5-T机器[32, 33, 63, 64, 66],2项(4%)使用了1特斯拉(1-T)、1.5-T和3-T机器[55, 65](表2)。31项研究(57%)使用了2D MRI[19, 22–24, 27, 29, 30, 32–37, 40–42, 45, 47, 48, 50, 52, 55, 57–59, 61, 63–67],而8项(15%)使用了3D MRI[17, 18, 20, 21, 28, 39, 60, 62]。3项研究(6%)同时使用了2D和3D MRI[25, 51, 56],12项研究(22%)未说明所使用的MRI数据类型[14, 26, 31, 38, 43, 44, 46, 49, 53, 54, 68, 69]。MRI序列差异很大,21项研究(39%)仅使用矢状面图像[17–21, 23, 27, 34, 36–38, 41, 45, 48, 50, 52, 53, 61, 63, 64, 69],7项研究(13%)使用3D体积[14, 28, 39, 51, 58, 60, 62],11项研究(20%)使用矢状面、冠状面和轴面图像的组合[24, 26, 30, 31, 43, 46, 49, 54, 57, 66, 67]。8项研究(15%)同时使用矢状面和冠状面图像[25, 29, 33, 40, 42, 55, 59, 65]。

表1 系统评价中纳入的研究概述:这些研究使用了各种MRI机器特征,包括磁场强度、数据类型以及用于DL模型图像分析的切面 查看原表 ↗
表2 系统评价中纳入的研究概述:这些研究使用了各种数据增强方法来扩展其膝关节MR图像数据集以用于DL模型分析 查看原表 ↗

CNN架构和数据处理

ResNet是11项研究(19%)中使用的主要CNN架构[18, 19, 22, 31, 35, 41, 56, 61, 64, 68, 69],其次是VGG,用于6项研究(11%)[32, 36, 38, 43, 54, 67],DenseNet用于4项研究(8%)[17, 34, 49, 58],DarkNet用于3项研究(6%)[40, 53, 63]。16项研究(30%)未采用现有的CNN架构,而是创建了定制化的DL模型[21, 23, 24, 27, 28, 31, 37, 39, 42, 44, 45, 47, 55, 59, 67]。26项研究(48%)使用了数据增强[17, 19, 20, 22, 23, 25, 27, 29–32, 39, 41, 43, 47, 50, 52, 53, 56, 58, 60, 62, 64, 66–68],23项研究未报告是否使用了数据增强(43%)[14, 18, 21, 28, 33–38, 40, 42, 44, 48, 49, 51, 54, 57, 59, 61, 63, 65, 69],5项研究未使用数据增强(9%)[24, 26, 45, 46, 55](表1)。几种数据增强方法的详细信息可在附录C中获取,同时附有所用数据集的详细信息。39项研究(72%)对其DL模型进行了针对先前未见数据的验证过程[17, 18, 21–24, 27–31, 34–42, 46, 47, 50, 52, 53, 55–62, 64–67, 69, 70]。其中,32项使用了内部验证数据(82%)[17, 18, 21–23, 28–31, 34–39, 42, 46, 47, 50, 52, 53, 56–59, 61, 62, 64–66, 69, 70],4项同时使用了内部和外部验证数据(10%)[40, 41, 55, 67],3项仅使用了外部数据(8%)[24, 27, 60](表3)。18项研究(33%)使用了来自ImageNet等现有数据集的迁移学习[17–19, 22, 26, 29, 30, 35, 38, 46, 48, 53, 54, 57, 62, 66, 68, 69],我们发现使用迁移学习的DL模型报告的特异性、AUC-ROC、准确率和灵敏度分别为0.896、0.916、0.871和0.925,而未使用迁移学习的分别为0.903、0.922、0.889和0.875(见附录D)。

表3 在所有研究中,针对每种验证类型记录了四项选定性能指标(特异性、AUC-ROC、准确率和灵敏度)的平均值 查看原表 ↗

性能结局与参考标准

所分析研究中膝关节病变的参考标准包括训练标签、报告或标注(n = 20,37%)[18–21, 27, 30, 31, 37, 38, 41, 43, 46, 49, 57, 63–65, 67–69]、放射科医生或临床医生意见(n = 15,28%)[14, 23, 28, 29, 32, 35, 36, 39, 50, 52, 53, 55, 60, 62, 66]、关节镜检查或手术所见(n = 6,11%)[34, 40, 44, 51, 58, 59],或医生意见与关节镜检查或手术所见、训练标签、报告或标注的组合(n = 3,6%)[22, 42, 59]。10项研究未列出其参考标准(19%)[17, 24–26, 33, 45, 47, 48, 54, 56](图2)。未列出参考标准的文章与使用了参考标准或参照标准的文章相比,报告了更高的性能指标,包括灵敏度、特异性、AUC-ROC和准确率(见附录E)。

DL模型性能结果按膝关节病变类型对敏感度、特异度、AUC-ROC和分类准确率进行平均,分别报告为88.65%、90.12%、92.05%和88.30%。针对特定膝关节异常的培训改善了结果,平均特异度、AUC-ROC、准确率和敏感度分别为90.57%、92.72%、88.91%和88.67%。一般异常MRI研究的平均值分别为86.51%、89.80%、84.48%和88.48%,突显了专用模型高达4.5%的获益(表4)。2D MRI数据产生了更高的模型性能平均值:特异度、准确率和敏感度分别为0.904、0.898和0.892,而3D MRI数据分别为0.881、0.852和0.870。然而,基于2D和3D MRI联合数据的模型AUC-ROC性能平均为0.934,而仅2D数据和仅3D数据分别为0.931和0.871。没有DL模型获得监管批准。

图2 综述中所分析文章中具有代表性的各种真实标准或参考标准出现情况的图形描述 查看原图 ↗
表4 所有研究中每种膝关节损伤病理记录的四个选定性能指标(特异度、AUC-ROC、准确率和敏感度)的平均值 查看原表 ↗

讨论

数据集

本系统综述强调了开发DL模型对大型数据集的依赖,主要来自回顾性队列研究。如今,影像设施和医疗服务承受着显著的工作负荷,可能缺乏开展明确针对DL模型开发的前瞻性MRI研究所需的后勤能力、时间和资源。因此,94%的分析研究使用了现有数据。在当前可用的开源数据集中,MRNet数据库占有突出地位,出现在约17%的研究中,提供了多样化的DL模型性能结果。扩展开源MRI数据集对于推进医疗保健中辅助诊断DL模型的开发具有深远意义。这些数据集作为全球研究人员、临床医生和开发者的宝贵资源,使他们能够获取多样且全面的医学图像集合,这对训练和验证DL算法至关重要。此外,多样化MRI数据集可及性的增加鼓励了医学影像界的合作与创新,促进了探索提高诊断准确性和患者护理的新方法和新技术。

尽管一些DL模型在检测各种膝关节病变和一般异常方面表现出多功能性,但针对特定任务(例如ACL损伤检测)定制的DL模型与设计用于更广泛异常检测的模型相比表现出更优越的性能。DL技术的最新进展现已使得在医学影像背景下使用迁移学习成为可能。迁移学习允许从一个专门任务(如ACL损伤检测)中获得的知识被利用并转移到其他相关任务。在这种情况下,最初训练为在识别特定膝关节病变方面表现优异的DL模型可以作为开发更全面的膝关节损伤检测多模型结构的有价值基础,该结构能够高精度地评估大量疾病。

MRI

由于使用不同的MRI技术导致数据集存在变异性,这给深度学习(DL)模型的临床部署带来了重大挑战。由于MRI扫描仪场强差异导致图像质量不同,这一问题尤为突出。研究表明,3-T MRI扫描仪提供更优的图像质量,尤其是对于骨关节炎(OA)和前交叉韧带(ACL)成像[70],然而,使用不同的MRI协议进一步使问题复杂化。标准的膝关节MRI检查通常涉及在三个正交成像平面上采集一系列序列。尽管如此,具体协议可能因患者适应症和机构特定因素而显著不同。例如,MRI申请中的ACL损伤适应症可能促使纳入薄层和超薄层斜矢状面或冠状面MRI,已被证明可提高ACL损伤的诊断准确性[71, 72]。成像技术的这种多样性阻碍了为真实世界临床使用创建普遍有效的DL模型。标准化成像技术或使用更多样化的真实世界数据训练模型可以改善DL模型的部署。在分析的研究中,矢状面采集的MRI序列最常用于训练DL模型。这很可能是因为与其他成像平面相比,它能够完整地观察ACL[73],并且应当注意,ACL损伤是我们综述纳入研究中最相关的病理。我们认为,在DL模型开发中偏好2D MRI而非3D MRI数据可能是由于前者在标准MRI协议中的接受度以及在MRNet等存储库中的可用性,然而,对于ACL损伤等适应症,能够在患者急性和随访MRI检查中以高分辨率探查“断裂区”以评估ACL相关病理,对于使用交叉支撑协议等新兴治疗方法制定治疗方案至关重要[74]。随着3D MRI在医学影像临床中获得认可,未来研究应探索3D MRI数据对诊断准确性和DL模型性能的潜在影响。

深度学习模型的开发

DL模型需要大量数据才能在疾病分类和治疗管理预测方面达到高水平的准确性[75]。在缺乏大型数据集可用性的情况下,数据增强是AI研究中常用于增加可用数据的方法[61]。在分析的研究中,48%的研究声明使用了数据增强。数据增强方法通过增加DL模型训练的图像数量来提高模型性能。一项研究报告AUC-ROC为0.905[31],而2021年一项使用类似CNN(ResNet)和数据库(MRNet)的研究报告AUC-ROC为0.8196[46],两项研究之间的主要差异在于数据增强的使用。使用数据增强来增加可用数据能够帮助改善性能结果,表明模型的性能通常取决于可用于训练、测试和验证的数据量。

使用的主要卷积神经网络(CNN)在19%的研究中为ResNet,然而,在所分析的文章中,模型使用了多种不同的架构。所使用的CNN类型可能影响深度学习(DL)模型的性能。在2022年一项利用MRNet数据集的研究中,研究者选择使用CNN“Inception-v3”,并报告了特异性、准确性和敏感性分别为0.9634、0.9542和0.9513的性能结果[57]。2021年进行的一项类似研究使用了相同的MRNet数据集,但采用了ResNet50 CNN,报告的特异性、准确性和敏感性性能结果显著较低[46]。虽然一些研究使用了迁移学习,但它并未显著改善这些模型的性能,未使用迁移学习的模型在特异性、AUC-ROC和准确性指标上优于使用了迁移学习的模型。未来需要进一步研究以确定采用迁移学习的模型是否受到模型训练的影响,或者模型性能是否更依赖于DL模型的构建。

与3D MRI模型相比,2D MRI模型显示出更高的平均特异性、AUC-ROC、准确性和敏感性。这表明模型性能可能受所用算法和输入数据丰富程度的影响,因为2D MRI数据通常更为普遍,因此可能产生训练更好的模型。在比较使用2D和3D MRI数据开发的DL模型时,结果显示单个数据类型AUC-ROC高于联合数据类型的准确性,而后者似乎有所改善。AUC-ROC与准确性指标之间的这种差异可能是由于这些指标计算方式的差异所致。此外,我们观察到各研究间参考标准建立的可变性很可能影响了这些差异。结合影像数据方法与专家参考标准标注将为验证适用于两种数据类型的DL模型提供更稳健的基础。

参考标准作为基准参照,在所分析的研究中评估了膝关节病变,以将DL模型性能与人类性能进行基准比较。近期令人鼓舞的研究发现表明,与专家临床医生的判读相比,DL模型具有高准确性,这支持了对DL模型进行临床测试的可能性。各研究的结局指标有所不同,取决于DL模型的目标以及是否纳入分割方面。敏感性、特异性、AUC-ROC、精确率和分类准确性等性能指标在各膝关节病变间取平均值。二维MRI数据显示出比使用3D MRI更高的平均特异性、AUC-ROC、准确性和敏感性,提示模型性能可能受算法和输入数据丰富程度的影响。与单一MRI数据类型相比,联合2D和3D数据报告的AUC-ROC更高,这可能是由于AUC-ROC计算考虑了敏感性和特异性,而准确性计算则不同,且其性能与单独使用2D MRI相当。

值得注意的是,美国食品药品监督管理局(FDA)等监管机构或国际同行机构未批准本综述所纳入研究中使用的任何模型,这表明这些模型仍存在限制其临床应用的局限性。尽管一些研究显示出较高的分类准确率,但深度学习(DL)模型尚未在临床上得到应用,这引发了对其在真实环境中性能的担忧。人工智能在医疗保健环境中的应用涉及伦理、财务和法律方面的影响,需要在学术、临床、产业和政府层面进行高度考量。尽管医学界仍在持续讨论人工智能用于临床的潜力,尤其是对放射科医师被取代的担忧,但监管机构批准的缺失阻碍了这些模型的临床部署。比较多种DL模型性能与放射科医师性能的前瞻性研究将能够确定DL模型最适合作为放射科医师的替代方案还是作为辅助工具。理想情况下,在当前DL模型能够以来自不同厂商、磁场强度和序列的更稳健数据集进行训练之后,未来研究再确定其是否适合临床部署。此外,DL模型不仅有潜力帮助放射科医师,也有潜力帮助其他医疗保健专业人员,无论其放射学经验如何。

局限性

医学影像中人工智能(AI)的快速发展意味着现在可能存在更新的文章。在审查文章时发现的主要挑战是数据报告方式的不一致性。2020年,制定了医学影像人工智能清单(CLAIM),促进“关于AI应用于医学影像的清晰、透明和可重复的科学交流”,并成为“最佳实践”的临床标准[60],然而,该清单现已被修订以确保更广泛的采用,以解决最初报告的问题[76]。作为CLAIM的替代方案,包括STARD-AI(诊断准确性研究报告标准-AI)、CONSORT-AI(试验报告统一标准-AI)、SPIRIT-AI(标准方案条目:干预性试验建议-AI)、FUTURE-AI(公平性、普遍性、可追溯性、可用性、稳健性、可解释性-AI)、MI-CLAIM(临床人工智能建模最低信息量)、MINIMAR(医学AI报告最低信息量)和RQS(影像组学质量评分)[77]在内的清单仍可供使用,以为项目提供结构。鉴于CLAIM清单或其他推荐清单未在综述纳入的54项研究中一致应用,研究方法与研究目标的广泛差异使得对深度学习(DL)模型进行稳健比较具有挑战性。由于数据报告的不足,纳入了测试中表现最佳的模型,以展示迄今为止AI在最优参数下性能的潜力和现实情况,尽管在各种因素(如多切片或单切片,以及一种或多种病理)上测试了多个骨干网络和模型。此外,许多研究在报告DL模型的准确性时未报告损失函数或误差估计,我们承认这是本研究的局限性。此外,在纳入的研究中,有14项(26%)未提供其金标准的详细信息。认识到此类情况下偏倚的可能性及应持的怀疑态度,我们进行了额外的亚组分析以检查排除这些研究的影响。我们的研究结果表明,与使用明确金标准或参考标准的研究相比,未列出金标准的研究报告了更高的性能指标,包括敏感性、特异性、AUC-ROC和准确性。这一差异表明,缺乏明确定义的金标准可能导致性能声明被夸大,原因可能是验证方法不够严格或报告存在潜在偏倚。这些发现强调了在DL研究中报告金标准时透明性和严谨性的必要性。缺乏可靠参考标准时,所报告准确性的有效性可能存疑,从此类研究得出的结论应谨慎对待。缺乏金标准的研究中较高的性能指标可能反映对模型能力的过高估计,从而导致临床应用中的潜在误导。尽管存在这些挑战,仍纳入了具有不同性能信息的文章,以提供对可用于辅助MRI膝关节诊断的现有模型的全面综述。

根据最新知识,仅发表了两篇关于膝关节病变MRI中深度学习(DL)模型的其它系统综述[78, 79]。然而,本研究在大范围内提供了可用模型及其准确性的概述。本综述的新颖之处在于纳入了更多病种、揭示新信息的亚组分析,以及考虑了3D MRI及其如何应用于DL模型。

未来方向

尽管许多证明高诊断准确性的研究未对其缺乏临床部署的潜在原因作出评论,但一个常见因素的例子是需要额外验证或更大的测试数据集,例如“未来方向包括在扩展数据集上进一步开发算法,以全面评估运动相关肌肉骨骼病变”[35]。目前,尚无DL模型在临床上部署用于辅助检测MRI上的膝关节异常。未来研究应优先生成针对特定病变的丰富2D和3D MRI数据,用于迁移学习以开发多功能DL模型。开放获取的数据共享将增强数据可用性,通过更好的训练和验证过程改善DL模型性能。

结论

本系统综述强调,与通用筛查模型相比,针对膝关节病变对DL模型进行微调可用于改善模型性能。这一进展应通过开展更广泛的验证研究来进一步巩固,这些研究旨在提高DL模型的整体性能,并进行一项前瞻性研究,调查所研究的DL模型是否适合在临床环境中用作辅助工具。

补充信息

电子补充材料

引用

  1. Mead K, Cross T, Roger G, et al. MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review. Eur Radiol. 2024. PMID: 39422725. doi:10.1007/s00330-024-11105-8
  2. 全文:PMC12021734(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12021734/

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。