人工智能辅助评估多发性硬化患者脑部MRI可显著缩短阅片时间
本研究回顾性纳入35例多发性硬化患者共4次(基线及3次随访)脑部MRI,由放射科住院医师分别独立及在AI工具辅助下阅片并记录时间。AI辅助使平均阅片时间减少2.83分钟(95CI: 3.28-2.41,p < 0.001),随访时减少显著而基线无显著减少。作者认为AI辅助阅片可能更快,尤其在随访检查中。
要点
- AI辅助使多发性硬化脑MRI平均阅片时间减少2.83分钟(95CI: 3.28-2.41,p < 0.001)。
- AI辅助的阅片时间减少在随访MRI显著(FU1 3.29分钟、FU2 3.92分钟、FU3 3.79分钟,p < 0.001),基线仅减少0.26分钟(p = 0.96)。
- AI工具每误分类一个病灶(假阳性或假阴性)额外增加0.24分钟阅片时间(p = 0.007)。
核心结论
- 作者发现AI辅助阅读多发性硬化患者MRI可能比无AI辅助评估更快,尤其在随访检查中显著。
研究设计与样本
- 回顾性分析35例连续诊断为多发性硬化患者,基线MRI时间为2018年4月至2020年12月,均有至少3次随访MRI。
- MRI包括3D-FLAIR序列和静脉注射钆对比剂后的3D-T1序列,使用Siemens 1.5T(MAGNETOM Avanto FIT 1.5T)和3T(MAGNETOM Skyra FIT 3T)扫描仪。
- 由一名放射科住院医师(4年经验)和一名神经放射科医师(11年经验)阅片,住院医师结果与顾问讨论(临床常规流程),记录阅片时间。
- AI工具管线包括N4偏置场校正、ELASTIX配准、MD-GRU算法分割病灶(训练于瑞士多发性硬化队列785例患者数据),并使用FreeSurfer和Hammers Atlas(95个区域压缩为23个关键区域)定位病灶。
关键影像表现/征象
- FLAIR序列评估皮质、近皮质、脑室周围、幕下区域病灶,计算总病灶数并评定新发和进展病灶;增强T1序列评估强化病灶。
诊断标准与关键数值
- AI工具在随访中通过仿射配准至上次检查、减去病灶图,将独立病灶识别为新病灶,附着于旧病灶的定义为进展。
- AI工具对增强病灶应用中值滤波、生成掩膜、计算阈值、标记连通分量并增强潜在病灶,强度超过600的血管图像被识别并排除重叠病灶。
临床应用与阅片要点
- 作者提到理想方法是将AI工具集成到放射科报告和归档系统(PACS)中,以消除切换第三方软件的需要,结果可以表格形式直接整合到最终报告中。
- 作者提到需要完成步骤包括将计算机化解决方案整合到医院信息流中,以及量化自动病灶检测的不确定性以替代标准二分类输出,从而将临床医生的工作用于明显病灶而仅对困难病例需要其专业知识。
局限性
- 研究依赖于相对较小的回顾性检查数据集,所有扫描均来自同一厂商(Siemens)的扫描仪,结果能否推广到其他扫描仪类型尚需验证。
- 扫描仪包括1.5T和3T场强,可能影响(神经)放射科医师和AI工具的表现。
- 阅片结果的讨论仅对第三次随访MRI进行了示例性执行,其他时间点可能不同。
- 作者提到随访检查平均节省超过3分钟的时间较大,可能在前瞻性多中心设置中重现。
全文中译8 节 · 点击展开
引言
多发性硬化(MS)是欧洲主要的神经炎症性疾病,与高发病率、长期残疾和社会经济负担相关[1, 2]。磁共振成像(MRI)是(疑似)MS患者诊断检查的主要手段[3]。通过显示中枢神经系统的脱髓鞘和神经退行性过程,MRI是MS患者诊断及疾病病程和治疗监测的关键工具[4]。使用MRI诊断MS的主要挑战之一是脱髓鞘区域的分割,其数量、位置和表现对于个体化治疗至关重要[4, 5]。
一个主要关注点是在两次连续检查之间出现的T2/FLAIR序列上新发MS病灶的勾画。已知新发病灶的累积与残疾加重之间存在直接联系[6],并且已有全系列的疾病修饰药物获批用于MS治疗。迄今为止,已有大量技术被提出用于FLAIR序列中MS病灶的自动分割[7–9]。因此,自动化检测这些新发病灶或帮助神经放射科医生识别它们,将是评估患者疾病进展和治疗反应的重大进步。
此外,通常在增强后T1加权序列上评估的对比增强(CE)病灶提示急性脱髓鞘过程,对首次诊断和治疗方案的调整具有重要意义[10]。对比增强特征性地见于通常不超过八周的病灶,是活动性炎症的关键替代标志物。在非增强病灶旁检测到对比增强病灶证明脱髓鞘已在多个时间点发生,是MS的重要诊断标准之一[4, 5]。对比增强与临床复发的发生相关,CE病灶的数量或体积与治疗疗效评估高度相关[11]。因此,准确且稳健地检测CE病灶对于MS患者的临床决策至关重要。
尽管CE病灶是MS患者脑MRI上的重要发现,但放射科医生可能容易漏诊。CE病灶的形态在患者之间和扫描之间在大小、形状(环形、点状或线状强化)、强度和位置方面存在显著差异[12]。由于患者流通量持续增加和影像数据量不断增长,对常规MRI序列的定性评估伴随着不可忽视的观察者内和观察者间变异性,对后续治疗决策具有重要影响[8, 13]。为进一步研究或临床问题手动分割CE病灶仍然是一项非常耗时、繁琐且容易出错的任务,在时间受限的情况下处理大量数据时,在临床常规中实际上可能变得不可行[8, 13]。因此,CE病灶的全自动检测和分割非常值得期待,并可能对MS患者的诊断检查产生影响。
然而,为了在临床常规中使用,需要完成几个步骤。说服神经放射科医生使用自动化解决方案的一个重要步骤是使用基于人工智能的决策支持分析MRI时实际节省的时间。
因此,我们假设,与仅由神经放射科医生单独阅片相比,在基于人工智能的决策支持辅助下,神经放射科医生阅读多发性硬化(MS)患者MRI的速度会更快。
方法
研究设计
这是一项回顾性分析,纳入35例连续诊断为MS的患者,这些患者在2018年4月至2020年12月期间接受了基线MRI检查,并且至少有3次随访(FU)MRI可用。MRI包括静脉注射钆基对比剂后的3D-Flair序列和3D-T1序列。所有患者均使用西门子扫描仪进行MRI检查,场强为1.5特斯拉(Siemens MAGNETOM Avanto FIT 1.5T,Siemens Healthcare,Erlangen,Germany)和3特斯拉(Siemens MAGNETOM Skyra FIT 3T,Siemens Healthcare,Erlangen,Germany)。
该研究经当地伦理委员会批准。所有研究方案和程序均按照《赫尔辛基宣言》进行。
支持本研究结果的数据可应合理要求向通讯作者索取。
图像分析
所有MRI数据集均导出至研究服务器(NORA Imaging Platform,Freiburg,Germany [14])。
MRI的人工评估由一名放射科住院医师(4年经验)和一名神经放射科医生(11年)完成。住院医师的阅片结果与顾问医师讨论,因为这是临床常规中的通常流程。记录住院放射科医师和神经放射科医生评估MRI所需的时间。住院医师与顾问医师之间的讨论时间也被计入,因为这代表了通常的临床常规。
对基线MRI和3次随访MRI的所有FLAIR序列评估以下区域的病灶:皮质、近皮质、脑室周围、幕下。此外,计算病灶总数,并对MRI进行新发病灶和进展性病灶评级。
增强后T1加权序列用于评估强化病灶。
此过程一次由阅片者单独完成,一次在自动化工具提供的决策支持下完成。
自动化工具
计算流程首先使用N4偏场校正[15]对T1和FLAIR图像进行预处理。随后使用ELASTIX[16]对FLAIR图像进行仿射配准和变换。
使用多维门控循环单元(MD-GRU)算法[17]进行自动病灶分割,该算法在来自瑞士多发性硬化队列(SMSC)的785例患者数据上训练。
为了根据McDonald诊断标准在空间上定位病灶,我们采用FreeSurfer[18]及额外的后处理来分割各种神经解剖结构。此外,我们利用Hammers Atlas,该图谱包含95个区域,并将亚区浓缩为23个关键区域,如颞叶、扣带回、基底节等。该图谱位于MNI空间,使用SPM12[19]中的Dartel逆向变换至T1空间。
在随访研究中,图像与上一次研究进行仿射配准。在减去两次研究的病灶图后,独立病灶被识别为新病灶,而与旧病灶相连的病灶被定义为进展。
对于MS对比剂强化,脚本应用中值滤波、生成掩膜、计算阈值、标记连通分量并增强潜在病灶。如果血管图像强度超过600,则被识别,任何重叠病灶均被排除。
最后,T1 和 FLAIR 图像,连同病灶图、遵循 McDonald 诊断标准的 ROI 以及 Hammers 图谱,均在 NORA 上可视化。必要时可对病灶和 ROI 进行编辑。根据与 ROI 或图谱的重叠情况,为每项研究生成实时报告表格。
统计分析
为考虑数据的纵向性质,即同一患者随时间进行多次测量,我们采用了线性混合效应模型。分析中纳入的因素为患者和时间点,时间点编码为基线、随访 1、随访 2 和随访 3。所有阅读时间均转换为十进制分钟。统计分析通过方差分析(ANOVA)进行。由于所有样本彼此独立,比较有和无 AI 辅助的神经放射科医师在基线的阅读时间时,采用配对 t 检验。95% 置信区间通过标准误计算。分析在 R 中实现(版本 4.2.1,2022-06-23)。
结果
住院放射科医师的总体平均阅读时间(经患者和时间点效应校正)为 9.05 分钟(95CI:6.85–11:25)。在 AI 辅助下,阅读时间减少了 2.83 分钟(95CI:3.28–2.41,p < 0.001)。进一步分析各时间点的方差,我们发现住院放射科医师的阅读时间从基线到 FU3 稳步下降(基线 9.85 分钟,FU1 9.21 分钟,FU2 8.64 分钟,FU3 8.44 分钟,p < 0.001)。AI 辅助在随访期间显著减少了阅读时间(FU1 3.29 分钟,FU2 3.92 分钟,FU3 3.79 分钟,p < 0.001),但在基线未减少(减少 0.26 分钟,配对 t 检验 p = 0.96)(图 1)。
最后,分析疾病负担的方差,我们观察到住院放射科医师的基线阅读时间为 5.04 分钟(p < 0.001),每个病灶增加阅读时间 0.14 分钟(p < 0.001),每 ml 病灶增加 0.17 分钟(p = 0.03)。如果观察 AI 辅助下疾病负担的方差,我们观察到基线阅读时间从 5.04 分钟大幅降至 1.59 分钟(p = 0.23),每个病灶增加的时间相似(每个病灶 0.12 分钟,每 ml 病灶 0.35 分钟,p < 0.001),再加上工具准确性带来的额外时间,即每个病灶的每次误分类(假阳性或假阴性)额外增加阅读时间 0.24 分钟(p = 0.007)(图 1)。
值得注意的是,神经放射科医师在各时间点的阅读时间与放射科住院医师相当或略长,基线 MRI 长 0.48 分钟,时间点 FU-1、FU-2 和 FU-3 分别长 0.30(CI:-0.26–0.86)、0.54(CI:0.01–1.07)和 0.36(CI:-0.24-0.96)分钟。当神经放射科医师在 AI 工具支持下阅读时,阅读时间也相似,基线 MRI 的基线阅读时间长 0.20 分钟,各时间点分别长 0.17(CI:-0.15–0.43)、0.24(CI:0.11–0.46)和 0.12(CI:-0.24-0.47)分钟(见图 2)。
住院医师与神经放射学顾问讨论阅读结果(如临床常规中的通常做法)在 FU-3 MRI 上进行了示例性操作,在没有 AI 辅助工具的情况下额外增加了 3 分钟(CI:2.27–3.76)的阅读时间。
讨论
我们的结果表明,人工智能辅助阅读多发性硬化(MS)患者的MRI比无人工智能辅助评估这些MRI更快。这在随访检查中尤为显著,从直觉上看这是合理的,因为人工智能工具的调整主要在基线检查时进行,而对该基线的所有变化可通过自动化决策支持轻松且更快速地检测到。
本研究使用的人工智能工具经过训练,可在三维序列上评估FLAIR。机器学习工具能够可靠地执行这些任务此前已有报道[7–9]。
尽管人工智能框架已在其各自的内部测试环境中得到验证,且通用性和基准测试也在诸如“2017年白质高信号分割挑战赛”(https://wmh.isi.uu.nl)等大型计算挑战中进行了评估,但对实际临床环境中适用性的高度质疑仍然存在[20, 21]。最终,人工智能系统在临床常规中的适当外部验证仍然很少进行。因此,我们的研究提供了重要证据,表明即使放射科医师和神经放射科医师在使用基于人工智能的决策支持时也确实能够节省宝贵时间。在工作量日益增加的时代,这些节省的时间可直接投入到尚未有人工智能支持的其他工作流程中。
使用人工智能工具能加快神经放射科医师阅片时间这一发现之所以重要的另一个原因是,只有使临床工作流程更简便的工具最终才会被用于临床常规。在此背景下,在影像使用日益增加、每位放射科医师工作量大幅增加的时代,人工智能辅助每次随访MRI平均节省超过3分钟的时间是巨大的收益。放射科住院医师人工阅片额外增加的约3分钟反映了临床环境中的常规实践,甚至更凸显了使用人工智能辅助的潜在时间收益。
在本研究中,我们提出了一条利用NORA作为用户界面进行数据查看和编辑的流水线。然而,为了在临床常规中使用,理想的方法是将所有这些功能整合到放射学报告和归档系统(PACS)中。这将消除放射科医师切换到第三方软件的需要。结果可以表格形式直接整合到最终报告中。此外,还需要完成若干步骤,例如将计算机化解决方案整合到医院信息流程中,以及量化与自动病灶检测相关的不确定性以替代标准的二分类输出,从而发挥临床医师对明显病灶的处理能力,仅在困难病例中需要其专业判断。这将促成设计新一代计算机化医疗助手以改善诊疗。
本研究存在一些局限性。首先,它依赖于一个相对较小的回顾性检查数据集,这些检查均在同一厂商(西门子)的扫描仪上采集。因此,尚需证明结果能否推广至其他类型的扫描仪。其次,扫描仪包括1.5T和3T的场强,这可能影响(神经)放射科医师和人工智能工具的表现。第三,对阅片结果的讨论仅以第三次随访MRI为例进行,其他时间点可能有所不同。然而,每次随访检查平均节省超过3分钟的实际时间节省量较大,很可能可在前瞻性多中心环境中重现。
结论
我们发现,人工智能辅助阅读多发性硬化(MS)患者的MRI可能比无人工智能辅助评估这些MRI更快。这在随访检查中尤为显著,可能成为改变未来实践的另一个理由,以应对神经放射科医师日益增加的工作量。
引用
- Sieber V, Rusche T, Yang S, et al. Automated assessment of brain MRIs in multiple sclerosis patients significantly reduces reading time. Neuroradiology. 2024. PMID: 39514032. doi:10.1007/s00234-024-03497-7
- 全文:PMC11611969(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11611969/
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。