文献速递胸部技术与安全CTDR

人工智能在呼吸道大流行中——已为X病做好准备?一项范围综述

Artificial intelligence in respiratory pandemics-ready for disease X? A scoping review.
PubMed 文献 · Eur Radiol · 2024-11-21

该范围综述检索2000年1月1日至2021年12月31日PubMed/MEDLINE、Scopus和Cochrane Reviews,分析SARS、MERS、H1N1和COVID-19早期影像数据收集、整理及AI应用。结果显示影像在诊断、分诊和预后中起关键作用,但数据收集每次均滞后于疫情暴发,缺乏国际结构、法律框架和标准化报告,导致AI算法可靠性不足。作者提出加强国际合作、建立实时数据收集与共享体系以应对未来呼吸道大流行。

要点

  • 影像在无检测或检测不足时用于诊断和分诊,如SARS依靠胸片、中国和意大利用CT分诊。
  • 历次疫情中影像数据收集均为疫情暴发后的个体化反应,影像数据在报告表中几乎被完全省略。
  • 早期开发的AI算法因缺乏高质量数据等原因无一足够可靠到可无保留使用。

核心结论

  • 影像在21世纪所有分析的呼吸道大流行中起关键作用,但数据收集与分析因缺乏国际结构、能力和法律框架而反复受阻。
  • AI技术本可支持并加速检测、诊断和治疗指导,但因数据缺乏直到疫情晚期才可用,其临床适用性受缺失国际框架阻碍。
  • 证据显示AI与常规收集数据结合在帮助检测和应对未来暴发方面具有巨大潜力。
  • 在协调的全球检测与反应系统运行之前,是否已为X病做好准备仍是必然问题。

研究设计与样本

  • 范围综述,检索PubMed/MEDLINE、Scopus和Cochrane Reviews从2000年1月1日至2021年12月31日发表的英文文章。
  • 检索词为「imaging」或「radiology」或「radiography」或「CT」或「x-ray」分别与「SARS」「MERS」「H1N1」「COVID-19」组合。
  • 病例定义通过检索WHO和CDC机构数据库获取;筛选标题和摘要后审阅全文并追溯参考文献。
  • 数据提取使用标准化表格,记录作者、标题、日期、期刊和研究类型;按照Levac等人的建议先分析数据再报告结果并最终应用意义。

关键影像表现/征象

  • SARS:部分病例胸部X线异常先于呼吸道症状出现;MERS首例影像表现为双侧基底段实变。
  • H1N1:2009年4月30日CDC早期病例报告中16例患者中15例入院后影像学证实肺炎,未提供详细描述或图像。
  • COVID-19:胸部CT在中国因检测不足成为诊断基石,在意大利北部用于等待PCR结果时的分诊。
  • MERS:2015年两项回顾性研究基于SARS期间开发的评分分析CT和胸片,显示较高评分、胸腔积液和合并症与死亡率增加相关。

诊断标准与关键数值

  • SARS:2003年3月15日首个WHO病例定义包含胸部影像学改变,使其成为诊断和分诊的基石。
  • H1N1:首个WHO、CDC和DGE病例定义均未包含影像学;若无诊断检测,高度怀疑结合影像学表现被认为足以启动抗病毒治疗。
  • MERS:2014年春季吉达病例急剧增加时,WHO病例定义调整为有肺炎影像学征象的患者归类为疑似病例并接受PCR检测。
  • COVID-19:2020年2月初分析显示CT扫描敏感度高于PCR检测;2月底显示入院时CT表现范围与发生严重症状的概率相关。

临床应用与阅片要点

  • 在无检测可用时(如SARS 2002),诊断基于接触史和影像学证据。
  • 当检测能力不足时(如COVID-19第一波),CT和胸片用于分诊环境加速诊断,如中国和意大利。
  • Fleischner学会和ESR建议将重复胸片限制于ICU中持续状态差或恶化的患者。
  • WHO建议不将胸部影像用于出院决策,而中国医院依赖其进行出院判断,指南未提供一致建议。
  • 作者提出需建立实时影像与临床数据收集、整理和分发的国际结构与能力,并设立单一中立国际机构负责数据收集。

局限性

  • 仅纳入英文文章,可能遗漏非英文发表的相关研究。
  • 不同暴发的影像论文发表时间差异很大,因为该主题研究依赖于个别作者和机构的主动性。
  • MERS未检索到任何关于自动图像分析的出版物。
  • 数据共享、收集和分发因缺乏法律和政治法规框架而受阻。
全文中译16 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 Nov 21;35(3):1583–93. doi: 10.1007/s00330-024-11183-8

引言

在过去二十年中,呼吸道疾病的多次暴发导致了所谓的国际关注的突发公共卫生事件(PHEIC)[1],包括2002年的SARS、2009年的H1N1流感、2012年以来的MERS以及2019年以来的COVID-19。世界卫生组织(WHO)负责宣布大流行,并通过中心网络监测全球疾病活动。它制定了大流行防范计划,并建立了所谓的“优先疾病”清单,包括上述病毒[2, 3]。

医学影像在呼吸道疾病的诊断、预后、随访和治疗指导中发挥着重要作用[4–7]。特别是在大流行早期阶段,放射学数据的收集、整理和分发对于优化对未知病原体的应对至关重要,这一点最近通过COVID-19得到了例证[8, 9]。此外,在过去二十年中,人工智能(AI)在胸部影像领域发展迅速,影响力日益增强。它具有帮助发现疫情暴发、预测病例数量、指导药物开发以及优化诊断和预后的潜力[10]。然而,如果用于AI训练、测试和验证的数据存在多样性不足、诊断定义不清或未知混杂因素等问题,其适用性将受到极大限制[11, 12]。因此,疫情暴发的频率及其对卫生系统的全球影响引发了关于未来必将出现的呼吸道疾病的技术和程序准备方面的疑问。

在本综述中,我们评估了影像在21世纪呼吸道大流行中的作用,并推导出影像和AI在呼吸道大流行之前及早期阶段可能的应用前景。我们讨论了以往国际数据汇编和分发的不足及未来需求,并概述了实现快速高质量AI算法开发以支持未来呼吸道疾病暴发管理的行动方案。

检索策略与选择标准

我们最初定义了以下研究问题:放射学在大流行早期阶段在诊断、治疗指导和预后方面的作用是什么?

在(国际)数据收集方面做了哪些工作?

AI结合胸部影像在大流行早期是如何应用的?

我们检索了PubMed/MEDLINE、Scopus和Cochrane Reviews中2000年1月1日至2021年12月31日发表的文章,使用医学主题词“imaging”或“radiology”或“radiography”或“CT”或“x-ray”分别与四种大流行即“SARS”“MERS”“H1N1”或“COVID-19”组合检索。仅纳入英文文章。对这些检索结果中的文章进行了审查和分析,以查找相关引用文献(参见图1)。病例定义通过检索WHO和CDC机构知识库确定。任何设计、语言、地区或时间段的研究和灰色文献,包括评论、摘要和综述,均被视为符合纳入标准。

我们首先筛选标题和摘要,随后审阅全文并补充检索参考文献列表以查找相关出版物。使用标准化表格提取文章信息,包括作者、标题、日期、期刊、研究类型等特征。按照Levac等人[13]的建议,我们首先分析数据,随后报告结果,最后对结果进行意义应用(参见图1)。

对于这四种疾病中的每一种,已发表影像学发现的更详细时间线,以及影像学在诊断、治疗指导和预后中的作用,可参见图2。

图1 范围综述的文献筛选流程 查看原图 ↗
图2 大流行时间线中的关键节点。尽管在过去二十年中,从鉴定新病原体到完成全基因组测序和开发PCR检测试剂盒的时间已缩短至数天,但从初始病例感染到鉴定出新病原体的时间仍可能相对较长,尤其是在病例散发出现的情况下。H1N1的快速鉴定是由于首批患者之一被随机纳入了一项评估实验性诊断检测的临床试验[96],这进一步凸显了早期大流行中常规监测的重要性。以影像学为主要关注点的论文发表时间在各次暴发之间差异很大,因为该主题的研究依赖于个别作者和机构的主动性。 查看原图 ↗

严重急性呼吸综合征(SARS)

新病原体的鉴定与首批影像学发现

2003年2月11日,世界卫生组织(WHO)报告中国广东省约300例急性呼吸窘迫综合征病例及5例死亡。一个月后,发布了全球警报以及针对这一新发疾病的首个病例定义。当时,该病已传播至北美,被描述为严重急性呼吸综合征(SARS)[14, 15]。截至2003年3月21日,美国疾病控制与预防中心(CDC)发布了初步的临床和放射学描述。截至3月24日,一种新型冠状病毒被鉴定为致病病原体,其核糖核酸在3周内完成测序[16]。本世纪的第一次大流行在传播至29个国家、感染8096人并造成774人死亡后,于2003年7月5日被宣布结束[14, 17]。

影像学在诊断、治疗指导和预后中的作用

广东省早期的本地病例定义以及WHO于3月15日发布的首个病例定义均包含胸部X线改变,使其成为诊断和分诊的基石[18, 19]。据报道,部分病例中胸部X线异常先于呼吸道症状出现[20–22]。在治疗试验中,X线检查定期用于监测治疗反应[23],它们构成了治疗选择的基础[24],且根据WHO指南,出院与影像学表现的改善相关。虽然 additionally 推荐进行影像学随访,但关于此主题的发表文献很少[25, 26]。到大流行结束时,尚无标准治疗,部分原因是许多研究在当时尚未发表[27]。

数据共享、可及性与人工智能应用

为增强大流行防范能力,国际卫生条例(IHR)进行了更新[28],并为未来标准化国际数据收集做出了努力。然而,这些努力因关于发表权和数据共享的法律保留而受到阻碍[29]。

截至2004年6月,发表了第一篇关于胸片自动检测SARS的论文。数据来自亚洲多个中心的59例患者;然而,作者并未对所开发的算法进行足够详细的描述[30]。2005年发现了第二篇论文,报告了一种使用神经网络区分SARS与肺炎病例的方法[31]。

H1N1

新病原体的鉴定与首批影像学发现

2009年4月17日,墨西哥流行病学总局(DGE)因流感样呼吸道疾病数量上升而发布了流行病学警报。2009年4月21日,美国CDC报告了加利福尼亚州的两例类似病例,最可能由人际传播引起[32]。仅一周后,WHO公布了新型甲型H1N1流感病毒的基因组序列,并在全球分发了PCR引物。在3月和4月的早期阶段,共有1918例疑似病例和97例确诊病例,包括84例死亡[33]。CDC于2009年4月30日发布的早期病例报告包括16例患者中15例入院后经影像学确诊的肺炎,但未提供详细描述或图像[33]。2009年6月11日,当WHO宣布该疫情为六级大流行时,《国际卫生条例》(IHR)被启动[34]。在18,500例实验室确诊的H1N1感染死亡病例之后,该疫情于2010年8月被正式宣布结束[32, 35]。

影像学在诊断、治疗指导和预后中的作用

诊断检测迅速可用,因此,尽管试剂稀缺且检测显示灵敏度不足,WHO、CDC和DGE的首版病例定义均未纳入影像学[36–38]。截至2009年6月底,墨西哥科学家在网上公布了一些首批H1N1X线片和CT图像,旨在简化诊断[39]。虽然在疫情暴发早期尚无足够详细的研究说明影像学表现的相关性[40],且直到当年12月才有特定研究评估X线片和CT扫描的诊断或预后潜力[5, 41]。早期即有人呼吁开展影像学研究以区分H1N1与其他病因,并且在无可用诊断检测的情况下,高度怀疑结合影像学表现被认为足以启动抗病毒治疗[40, 42]。2009年10月,一项研究显示肺部浸润影与更高的ICU入住概率相关[40]。与药学指南不同,当时不存在影像学指南[43]。

数据共享、可获取性与人工智能

CDC于2009年4月28日前制定了数据收集表格,要求提供X线片、CT、MRI图像、各自的采集日期和报告等信息。尽管做出了这一努力,但当11月发布对所收集记录的广泛分析时,尚未共享任何影像学信息[40, 44]。同样,WHO通过包含影像学表现相关问题的表格,向各国请求首批100例病例的临床和实验室数据,但结果高度异质,在很大程度上无法用于进一步分析[45, 46]。

疫情暴发两年后,一篇关于从CT扫描中进行H1N1计算机辅助检测的论文发表,使用了纹理分析和支持向量机[47]。直到Covid-19暴发后,才基于影像将H1N1与其他传染病自动区分开来[48, 49]。

中东呼吸综合征(MERS)

新病原体的鉴定与首次影像学发现

2012年6月13日,首例中东呼吸综合征(MERS)病例在沙特阿拉伯吉达发生,ProMED于2012年9月15日提及发现一种新型病毒[50, 51]。三天后,WHO报告了另一例同一冠状病毒感染[52]。2012年9月25日发布了首例病例定义,至10月初发表了首篇病例报告,完成了病毒基因组测序,并开发了两种RT-PCR检测方法。2012年10月4日,在一篇病例报告中,首例MERS患者的影像学结果被描述为双肺基底段实变[51]。聚集性、散发性及医院获得性感染至今仍不频繁发生,但继发感染不常见,且需要与感染者密切接触。截至2021年10月,WHO在27个国家报告了2578例实验室确诊病例和888例死亡,并宣布MERS为优先病原体[53]。

影像学在诊断、治疗指导和预后中的作用

由于患病率低且PCR检测几乎即时可用,放射学并非病例定义的关键组成部分[54]。2014年春季吉达病例急剧增加时,WHO病例定义根据患病率变化进行了调整。有肺炎影像学征象的患者被归类为疑似病例并接受PCR检测[6]。截至2022年,尚无关于MERS放射学使用的指南。2015年两项回顾性研究基于SARS大流行期间开发的评分系统,分析了使用CT和X线片进行结局预测的作用。这些研究表明,较高评分、胸腔积液及合并症的存在与死亡率增加相关[6, 55–57]。

数据共享、可获取性与人工智能应用

WHO于2013年3月指出需要进行包括X线片在内的结构化临床调查,并宣布开发数据收集表作为应对措施[58, 59]。至10月,由于资源不足、缺乏关于如何在实践中进行所需报告的操作指南以及缺乏法律依据,按《国际卫生条例》(IHR)规定的数据共享仍属例外情况[60]。WHO于2018年——在首次指出数据缺口5年后——开发了结构化临床试验表格[61, 62],这再次凸显了对这一优先病原体缺乏明确协调的应对。

此外,未检索到任何关于MERS病例自动化图像分析的发表文献。

COVID-19

新病原体的鉴定与首次影像学发现

2019年12月31日,中国向世界卫生组织(WHO)报告了一起急性呼吸道疾病暴发[63]。一周后,一种冠状病毒被鉴定为致病病原体,其基因组于1月12日完成测序[64, 65]。影像学表现被简要描述,以支持或促进分诊。在新发疫情大流行的最早阶段,当疑似病例数量允许进行全面检测时,诊断主要基于逆转录聚合酶链反应(RT-PCR)[66]。至1月底,疫情扩大为国际关注的突发公共卫生事件,并于3月11日被宣布为大流行,113个国家报告超过118,000例病例[67]。WHO于2020年1月12日发布的临床管理指南对影像学表现进行了简短的初步描述[66]。

影像学在诊断、治疗指导和预后中的作用

1月中旬,PCR检测是主要的诊断工具[65, 66, 68],而根据2月初的一项分析,CT扫描显示出更高的敏感性[69]。由于检测可及性不足,胸部CT在中国成为诊断的基石,并在意大利北部用于在等待PCR结果期间进行分诊[70]。病例数量过多以及检测和CT能力不足,使得巴西不得不改用X线检查[71]。国际放射学会报告了各国指南之间的显著差异[72],截至4月初,Fleischner学会率先提供了适应资源条件的放射学指导[73]。WHO指南于2020年6月11日发布[74]。无论是WHO初始临床管理指南还是其第一份形势报告,均未就放射学在治疗、预后或随访方面提供早期建议[64, 66]。然而,截至2月底,研究表明出现严重症状的概率与入院时CT表现的范围相关[75],一项多中心研究显示入院时异常表现与致命结局之间存在关联[76]。4月,Fleischner学会以及欧洲放射学会(ESR)的声明建议将重复X线检查限制于病情持续不佳或恶化的ICU患者[73, 77]。WHO建议反对使用胸部影像学进行出院决策,而中国医院则依赖其进行出院判断,各指南未提供一致的意見[67, 72, 74]。

数据共享、可及性与人工智能

WHO于2020年1月21日通过最低数据集报告表启动了数据共享[78]。该报告表旨在收集临床、人口学和旅行信息,仅包含一个关于是否存在胸部X线表现的复选框。在2月底修订表的第二版中,有关放射学的问题被完全删除[79]。

当时,除单中心方法外,两个包含不足100张X线影像的公共数据集为人工智能算法的开发奠定了基础。就CT而言,使用了包含近2000次扫描的数据集[80]。

北美放射学会(RSNA)于2020年12月创建了一个名为RICORD的初始高质量数据集,包含240例CT。在众多其他国家或机构倡议之后,2021年7月发表了包含10,735例CT的多中心STOIC数据集。后者还包含关于合并症、人口学特征、结局和PCR结果的有价值的附加信息[81, 82]。

大流行早期开发了大量人工智能算法以辅助诊断,但没有一种算法足够可靠,可以在没有保留的情况下使用。其原因得到了广泛研究,主要原因是缺乏高质量数据的可用性[12]。随着数据的可用,算法的可靠性得到了提高[82, 83]。在某些情况下,例如巴西基于人工智能的RadVid-19项目,影像和人工智能使没有专业放射科医生的医院能够快速评估CT扫描[71]。

以往疫情暴发的教训与未来之路

在所有疫情暴发中,出现了以下放射学、患病率和资源的模式:在检测可用之前(例如2002年SARS),诊断基于接触史和放射学证据[18, 19, 23]。当检测能力不足时(例如COVID-19的第一波疫情),在中国和意大利的分诊环境中使用CT扫描和X线摄影来加速诊断[70, 71, 84, 85]。即使理论上早期就具备对数百万患者进行检测的能力,但抗原和PCR检测的初始灵敏度被证明不足,影像学仍是提高疑似病例诊断确定性的不可替代工具,产生了大量影像数据,这些数据本可构成分析和模型开发的基础[14, 38, 86, 87]。

没有一个组织协调发布关于放射学在呼吸道大流行中使用的建议,也没有一个组织提供早期放射学描述和典型图像以支持放射科医生的临床实践,而是各国家和国际学会各自独立制定了不统一的指南,以应对缺乏标准化和数据共享的问题[72–74, 77]。通过放射学出版物传播信息耗时数月才开始(例如H1N1或MERS,参见图2),并且通常报告的是单中心回顾性数据[4, 88–90]。这导致多个国家直到最近在COVID-19期间才向WHO请求适应当地放射学患病率和资源的建议[67, 74]。

在数据收集方面,病例报告表每次都是在疫情已经暴发之后才创建的,与临床信息相比,放射学数据几乎完全被忽略。这种被动反应式的方法针对的是文字病例描述,不提供数据基础或基础设施来快速收集定量信息以及训练人工智能模型所需的二维或三维影像数据,而这些模型本可支持诊断和治疗决策[28, 44, 45, 58, 64, 91]。在MERS的情况下,迄今没有已知的成功数据收集工作,尽管它被认为是优先病原体(见表1),而且在前述病例的完整信息在患病率快速上升的情况下将至关重要[58–60]。由于数据收集是一项耗时的任务,当相关倡议在疫情暴发期间给临床医生增加额外的官僚任务,而不是在下一次大流行之前建立自动化数据传输和策管途径时,这些倡议屡屡失败就不足为奇了。

不仅跨国影像数据的收集,而且随之而来的处理和传播也普遍缺乏协调。针对这一方向上缺乏国际协调的成功努力,RICORD或STOIC等项目应运而生,但至少经过1年时间其结果才可公开获取[81, 82]。早在2004年,就已注意到数据共享缺乏法律框架,但关于所有权或发表权的问题在某种程度上至今仍未得到解答,极大地阻碍了未来的大流行病防范准备[92]。

总之,我们确定了以下大流行病防范准备的关键问题[93–95]:缺乏与国际结构并行的国际结构和能力,以便在监测和当前大流行病期间与该领域专家密切合作,进行实时放射学和临床数据的收集、整理和分发。

缺乏一个单一、中立、明确指定用于上述放射学和临床数据收集任务的国际机构。

数据共享、收集和分发因缺乏法律和政治法规框架而受到阻碍。

没有可用于快速AI算法开发、验证和部署的结构。

需要从大流行病应对转向大流行病防范准备。

基于既往研究的结果[9, 12, 93],结合本研究中发现的不足,我们在表2中汇总了以下建议。

表1 截至2024年8月WHO蓝图优先疾病清单 查看原表 ↗
表2 大流行病防范准备的优先事项、要求和行动 查看原表 ↗

结论

虽然影像学在21世纪所有被分析的呼吸道大流行病中发挥了关键作用,但在新发呼吸道疫情暴发期间,由于缺乏国际结构、能力和法律框架,数据收集和分析屡屡受阻。这一点至关重要,因为AI技术本可以支持和加速检测、诊断和治疗指导。然而,由于数据缺乏,其可用性直到疫情暴发后期才得以实现,而其临床适用性又因缺乏国际框架而受到阻碍。证据表明,AI连同常规收集的数据,在帮助我们检测和应对未来疫情方面具有巨大潜力。在一个协调一致的全球检测和应对系统投入运行之前,不可避免的问题依然存在——准备好应对疾病X了吗?

引用

  1. Straub J, Estrada Lobato E, Paez D, et al. Artificial intelligence in respiratory pandemics-ready for disease X? A scoping review. Eur Radiol. 2024. PMID: 39570367. doi:10.1007/s00330-024-11183-8
  2. 全文:PMC11835992(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11835992/

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。