文献速递骨肌CTMRDR

深度学习在脊柱关节炎诊断影像中的作用:一项系统综述

The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review.
PubMed 文献 · Eur Radiol · 2024-12-10

本系统综述纳入21项研究,评估深度学习模型在MRI、CT和X线中诊断脊柱关节炎的性能。模型(尤其是CNN和U-Net)在诊断、鉴别关节炎类型和评估疾病进展方面表现出高准确度,部分AUC达0.98,可匹配专家放射科医师表现。但部分研究样本量小,需更大数据集及前瞻性外部验证以推广。

要点

  • 深度学习模型在脊柱关节炎MRI、CT和X线诊断中表现出高准确度,部分模型AUC达0.98。
  • 模型可辅助诊断、鉴别关节炎类型、评估疾病进展,性能常超过传统方法并可匹配专家放射科医师。
  • 部分研究样本量小,需更大数据集及前瞻性外部验证以增强AI模型的泛化能力。

核心结论

  • 深度学习在脊柱关节炎MRI、CT和X线诊断中显示出效果,所纳入研究表现出高诊断准确度。
  • 但部分研究样本量小,需更广泛数据集及进一步前瞻性和外部验证以增强AI模型的泛化能力。

研究设计与样本

  • 遵循PRISMA指南的系统综述,检索PubMed、Embase、Web of Science和Scopus至2024年2月,最终纳入21项研究。
  • 纳入研究使用深度学习进行脊柱关节炎影像诊断,涵盖MRI(12项)、CT(5项)和X线(5项)。
  • 使用QUADAS-2评估研究质量:16项低风险、3项高风险、2项存在一些担忧。

关键影像表现/征象

  • MRI研究采用两阶段faster R-CNN和VGG-19网络、3D双编码器ResNet-101、mask-RCNN、ResNet18等模型诊断中轴型脊柱关节炎。
  • X线研究使用DenseNet121、ResNet-50、VGG-16等模型诊断骶髂关节炎,部分模型对某些分级达到100%敏感度和特异度。
  • CT研究使用nnU-Net和3D CNN对强直性脊柱炎骶髂关节炎进行分级,nnU-Net测试集分割Dice系数0.889。
  • MRI研究用ResNet18检测骶髂关节骨髓水肿,准确度达93.5%。

诊断标准与关键数值

  • Lee等(MRI)报告患者水平敏感度94.7%、特异度69.1%、AUC 0.816。
  • Bressem等(2022,MRI)检测炎症变化的AUC为0.94。
  • Koo等对强直性脊柱炎椎体改变分级,敏感度93.6%、准确度95.7%。
  • Bordner等mask-RCNN预测活动性骶髂关节炎,MCC值高达0.90、AUC高达0.98。
  • Li等集成模型精确率0.91、召回率0.90、AUC 0.96;Zhang等(2023)3D CNN分级骶髂关节炎测试集微平均AUC 0.91、准确度0.802。

临床应用与阅片要点

  • 深度学习模型在MRI和CT脊柱关节炎诊断中显示出前景,可能辅助放射科医师日常工作。
  • 目前尚无专门用于脊柱关节炎的商业深度学习应用可供临床使用。
  • 将AI模型整合入临床实践需进一步评估和测试,并应经过试用验证。

局限性

  • 所纳入研究的局限性源于其回顾性性质,常导致数据多样性及临床适用性面临挑战。
  • 大多数研究未将AI模型性能与人类执业者进行比较。
  • Lee等依赖专家共识作为参考标准,可能限制真实世界适用性。
  • Folle等面临训练数据集不足的挑战,影响模型稳健性。
  • Bressem等因选择性使用影像技术而存在偏倚,可能影响发现的全面性。
全文中译18 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 Dec 10;35(6):3661–72. doi: 10.1007/s00330-024-11261-x

引言

脊柱关节炎(SpA)是一组主要累及脊柱和骶髂关节的炎性风湿性疾病 [1]。这些疾病包括强直性脊柱炎和银屑病关节炎,可导致慢性疼痛和残疾 [1]。SpA 的诊断往往具有挑战性,因为其临床表现多样且症状起病隐匿 [1–3]。这种复杂性导致了显著的诊断延迟,通常为 7 至 10 年 [2, 3]。

医学影像学,包括 X 线、磁共振成像(MRI)和计算机断层扫描(CT),在 SpA 的诊断和管理中起着至关重要的作用 [1]。X 线常用于筛查,特别是用于检测晚期阶段的结构改变 [1–3]。MRI 是早期诊断的首选方法,因为它可以检测 X 线上可能不可见的炎症和软组织改变 [1–3]。CT 较少使用,但在需要时可提供骨性结构的详细显示 [1–3]。然而,由于 SpA 的表现细微且多变,解读这些图像有时较为困难 [2, 4]。影像学改变在早期阶段可能很轻微,而 MRI 表现可能不具有特异性 [2, 4, 5]。这些临床和影像学诊断方面的挑战凸显了对改进诊断工具和策略的需求。

人工智能(AI)的最新进展,特别是深度学习,已在提高包括放射学和风湿病学在内的多个医学领域的诊断准确性方面显示出前景 [6–9]。深度学习采用人工神经网络,旨在高效地分析图像。卷积神经网络(CNN)是一种深度学习方法,通过自动从放射学图像中提取特征来改进图像分析,从而实现更准确、更高效的解读 [10–14]。

在本系统文献综述中,我们评估深度学习技术在提高 SpA 诊断影像准确性方面的有效性。我们的目标是确定这些先进模型如何在临床环境中提高影像解读的精确性。我们将使用既定的性能指标,如灵敏度和特异度,评估模型检测和分类不同类型 SpA 相关改变的能力,并寻找其与专家放射科医师表现直接比较的研究。

深度学习和计算机视觉的基本概念

医学影像中的计算机视觉任务

计算机视觉是人工智能的一个领域,它训练计算机解读和理解来自世界的视觉信息 [15]。在医学影像中,深度学习模型常被应用于计算机视觉任务以分析和解读图像 [13, 15](补充材料中的图 S1)。三项基本的计算机视觉任务——分类、检测和分割——使用深度学习算法来提高诊断精确性 [16, 17]。

分类根据既定标准将每幅图像归入特定类别。在 SpA 的背景下,深度学习模型可以区分正常、炎性和结构性改变。该任务对于评估疾病分期、指导治疗决策和评价治疗效果至关重要 [16, 17]。

检测涉及在医学图像中定位关键特征并用感兴趣区域标记它们[13]。对于SpA,该任务可能针对脊柱和骶髂关节中炎症或结构改变(如侵蚀或融合)的识别。深度学习算法扫描图像并可视化标记显著异常,帮助临床医生快速识别关键区域[16, 17]。

分割通过描绘感兴趣区域(如病变或器官)的精确像素级边界,将数字图像划分为多个片段。在SpA中,分割可以准确勾勒关节或脊柱中的受累区域,从而能够测量炎症或骨生长的范围。这种精确性对于评估疾病严重程度和监测进展至关重要[13, 16, 17]。

医学影像中的深度学习模型

目前,在计算机视觉领域,主要使用的深度学习算法是卷积神经网络(CNN)[9, 18]。该方法通过多层方法识别重复模式,在图像分析中表现出色[18](补充材料中的图S2)。U-Net是CNN的一个子集,专门用于分割医学图像以精确突出感兴趣区域[19],如炎症过程的边界[20]。CNN包括多种类型的模型,如ResNet、EfficientNet等。这些模型可以分析图像中的复杂细节,包括复杂的三维、多解剖平面(补充材料中的图S3)[21–24]。

这些模型已经改变了放射学,提高了诊断准确性以及在解读各种成像模式时的效率[6, 19, 21, 25–27]。这些技术也已被证明在检测SpA的细微征象、将其与其他疾病区分开来以及辅助评估疾病进展方面有效[10, 11, 24, 28]。

方法

检索策略

我们将本综述注册于PROSPERO(国际前瞻性系统评价注册库;CRD42024517372),并遵循PRISMA(系统评价和荟萃分析优先报告条目)指南[29, 30]。我们检索了PubMed、Embase、Web of Science和Scopus,检索时间从各数据库建库至2024年2月。我们还筛选了参考文献列表并检索了Google Scholar。我们的检索词包括“人工智能”、“深度学习”、“脊柱关节炎”和成像模式。完整检索式见补充材料。

研究选择

我们纳入关注深度学习在SpA放射学诊断中整合应用的原创研究文章。如果研究提供了用于评估模型性能指标(如曲线下面积、准确率、敏感性和特异性)的数据,则被选中。

我们排除了综述论文、病例报告、会议摘要、社论、预印本以及非英文开展的研究。

数据提取

两名独立评审者(M.O.和E.K.)使用结构化表格从每项研究中提取数据,确保涵盖相关变量。这些变量包括标题、作者、发表年份、研究设计、使用的放射学方法、检查的身体部位、研究任务、样本量、采用的人工智能方法/模型、性能指标、局限性、主要结果及其意义。数据提取中的任何差异通过协作讨论解决,必要时征求第三名评审者的意见。

偏倚风险

为评估纳入研究方法学的质量和稳健性,使用了QUADAS-2(诊断准确性研究质量评估-2)工具[31]。

结果

检索结果与研究选择

我们在PubMed、Embase、Web of Science和Scopus中的检索最初识别出897篇论文。去除472篇重复文献后,剩余425篇文章。随后的标题和摘要筛选排除了354篇论文,留下71篇全文文章供评估。最终选取21篇文章纳入。选择过程在图1的PRISMA流程图中直观展示。

图1 PRISMA流程图 查看原图 ↗

偏倚风险

偏倚风险分析突出显示,大多数研究在各个领域均表现为低风险。具体而言,七项研究在所有评估领域均表现为低风险,增强了其可信度和方法学稳健性[11, 24, 32, 34, 36, 41, 45]。总体而言,16项研究被归类为低风险[10, 11, 22–24, 28,32–39, 41, 42, 45],三项为高风险[20, 40, 43],两项存在一些担忧[12, 44](图2、图3),强调总体偏倚风险较低。关于适用性担忧,大多数研究显示为低风险,表明其与更广泛临床环境的相关性。然而,值得注意的是,一些研究因样本量较小而面临局限性。

图2 各个领域偏倚风险担忧的分布 查看原图 ↗
图3 所有纳入研究中总体偏倚风险担忧的累积评估 查看原图 ↗

纳入研究概述

本系统综述纳入21项研究,探讨深度学习在SpA影像诊断中的应用,发表于2019年至2024年间[6–9, 15, 17–20, 26–38](图S3)。这些研究主要发表在由SCImago期刊排名评估的影响因子四分位1区(Q1)期刊上(图S4、补充材料中的表S1)。

这些研究涉及多样化的患者群体。样本量从小型队列,如Faleiros等[32]的56例患者,到更广泛的数据集,如Li等[10]分析的6436张骨盆X线片。所实施的临床任务也多种多样,涉及SpA诊断和管理的不同方面。示例包括检测炎症性骶髂关节炎[22, 43]、区分关节炎类型[23]、对椎体改变进行分级[44]以及预测强直性脊柱炎的病程[10](表1)。

本综述分析的放射影像包括X线、MRI和CT。具体而言,12项研究采用MRI,重点关注骶髂关节和全脊柱。5项研究使用CT,另有5项使用X线,主要用于诊断骶髂关节炎和椎体改变分级。

这些模型的性能总体上是令人鼓舞的,尽管存在差异。敏感性、特异性和AUROC(受试者工作特征曲线下面积)是常用的指标。例如,Lee等报告患者水平的敏感性为94.7%,特异性为69.1%,AUC为0.816[22]。Bressem等检测炎症改变的AUC达到0.94[45]。Koo等对强直性脊柱炎椎体改变分级显示出高敏感性93.6%和准确性95.7%[44]。

大多数研究没有外部验证,只有四项研究纳入了某种形式的外部验证。Bordner使用了47例患者的外部ASAS队列[43]。Roles采用了243例SpA患者MRI扫描的独立测试集[9]。Bressem(2021)利用第二个458张放射影像的队列进行验证[11]。Li开展了一项多中心研究,这提供了一定程度的外部验证[10]。

表1 纳入研究的汇总 查看原表 ↗

临床任务

纳入研究的临床任务可分为四大类:SpA的诊断与分类、关节炎类型的鉴别、疾病进展与结构变化分析,以及疾病管理与预后(图4直观展示了纳入研究中临床任务的分布)。每一类别概括了研究中使用的AI模型的关键发现、性能指标和显著特征。

图4 深度学习模型所执行临床任务的分布 查看原图 ↗

SpA的诊断与分类

在MRI研究中,Lee等(2023—MRI)、Bressem等(2022—MRI)、Bordner等和Roles等聚焦于中轴型SpA的诊断[22, 42, 43, 45]。Lee等采用两阶段faster R-CNN和VGG-19网络,达到94.7%的敏感度和69.1%的特异度[22]。Bressem等(2022)报告其3D双编码器ResNet-101检测炎症改变的AUC为0.94[45]。Bordner等开发了一种mask-RCNN模型,以高准确度预测活动性骶髂关节炎,MCC值高达0.90,AUC高达0.98[36]。Roles等的研究采用基于ResNet18的CNN,交叉验证AUC高达94.5%[42]。Zhang(2024)等和Li等证明了CNN在诊断骶髂关节炎和强直性脊柱炎方面的潜力[9, 20],其中Li的集成模型超越了人类专家(精确率、召回率和AUC值分别为0.91、0.90和0.96)[10]。Faleiros等和Lin等也分别在活动性炎症性骶髂关节炎和脊柱炎症的MRI分类中显示出高准确度,与放射科医师的表现相当[32, 33]。

在X线研究中,Lee等(2023—X线)和Bressem等(2021—X线)利用深度学习模型从放射影像中诊断骶髂关节炎[11, 38]。Lee等采用DenseNet121 CNN,对某些级别的脊椎滑脱达到高达100%的敏感度和特异度[38]。Bressem等(2021)采用ResNet-50,在验证集和测试集上的AUC分别为0.97和0.94[11]。此外,Ureten等应用了VGG-16、ResNet-101和Inception-v3等预训练模型,其中VGG-16达到89.9%的准确度[24]。

对于CT图像,Zhang等(2023)利用nnU-Net和3D CNN对强直性脊柱炎的骶髂关节炎进行分级。nnU-Net在测试集上达到0.889的Dice系数,表明分割准确度高。对于骶髂关节炎分级,3D CNN模型在测试集上的微平均AUC为0.91,准确度水平为0.802。

关节炎类型的鉴别

Folle等关于使用ResNet神经网络将银屑病关节炎(PsA)与其他类型进行鉴别的研究显示,AUC值范围为67%至75%[23]。

疾病进展与结构变化分析

五项研究考察了影像学进展和结构变化。Koo等的研究利用卷积神经网络(CNN)模型对椎体变化进行分级,显示出高灵敏度和准确率[44]。Gou等使用LHR-Net进行病灶分割和强直性脊柱炎分级,Dice系数评分为0.71[41]。

Zhang(2023)等和Berghe等利用CT成像进行骶髂关节炎分析[20, 39]。Zhang等的nnU-Net达到0.915的Dice系数,表明高分割准确率[20]。Berghe等的研究利用U-Net进行骶髂关节分割,Dice系数为0.75[39]。Lee等(2021)利用ResNet18从MRI图像中检测骶髂关节骨髓水肿,达到了令人瞩目的93.5%准确率[40]。

疾病管理与预后

三项研究探索了深度学习在SpA诊断之外的应用。Koo等开发了一种深度学习模型,对椎体角进行分级以评估强直性脊柱炎患者的影像学进展[44]。该模型对3级变化显示出高灵敏度(0.93652)和准确率(0.95743),有助于疾病监测[44]。Li等创建了一种AI工具,不仅能诊断强直性脊柱炎,还能预测疾病进程,达到了高精确率(0.91)和召回率(0.90)[10]。此外,Rzecki等(2021)展示了一种自动量化中轴型脊柱关节炎骨髓水肿病灶体积的方法,与人工评估具有高相关性(0.866)[35]。

讨论

我们分析了21项研究,这些研究采用深度学习模型利用MRI、CT和X射线技术增强SpA的诊断成像。我们的发现可能表明MRI是最有效的模态,突出体现在Lee等的两阶段框架具有高灵敏度和特异度[22],以及Bressem等的3D CNN架构达到AUC 0.94[45]。这些模型在诊断和分类中轴型SpA方面往往超越了人类专家的表现。CT成像也展示了强劲的结果,尤其是在骶髂关节炎的分割和分级方面,Zhang等的nnU-Net显示出高分割准确率和诊断可靠性[20]。相比之下,基于X射线的模型虽然仍然有效,但总体表现低于MRI和CT。然而,需要注意的是,所综述的许多研究在很大程度上是概念验证性的,不能直接进行比较。

在现阶段,我们无法为这些模型的未来发展提供精确的路线图。还需要更多工作来进行验证和微调。然而,我们的结果表明,深度学习在SpA的MRI诊断中,以及可能在辅助管理和预测预后方面,是具有前景的,并可能在不久的将来融入放射科医生的日常工作。目前,据我们所知,临床实践中尚无专门为SpA设计的商用深度学习应用。这一空白可能源于监管要求以及疾病表现的可变性,需要进一步验证以确保工具在不同患者群体中的稳健性和可靠性。

卷积神经网络(CNN)与U-Net的整合显著提高了SpA影像诊断的准确性,在风湿病学和放射学的变革中展现出潜力[11, 32–34, 36]。深度学习方法在识别复杂模式和分割医学图像方面表现出色[6, 18, 21]。然而,各研究之间的性能指标(如敏感性、特异性和AUC)存在差异。这种差异凸显了未来研究中建立标准化基准的必要性,以确保AI应用的一致性和可靠性。

将AI与人类专业知识相结合对于细致的解释和决策至关重要[6, 18]。例如,Koo等人的研究展示了使用改进的HRNet结合基于ResNet 152的CNN在强直性脊柱炎椎体变化分级中具有高敏感性和准确性[44]。这种整合凸显了AI增强人类诊断能力的潜力,强调了技术与临床专业知识协作的重要性[6, 7, 27, 46]。尽管当前证据显示深度学习整合(尤其是在MRI和CT中)具有良好前景[6, 18, 21],但在真实临床场景中的实际实施需要进一步评估和测试。深度学习已被苹果、谷歌、微软和Facebook等大型科技公司纳入许多产品中[47]。虽然AI已在其他领域广泛使用,但其在医学中的应用直到最近才获得发展势头[47]。将这些模型引入临床实践必然涉及学习曲线,并应经过试验测试和验证。此外,注意力U-Net算法提供了一种独特的改进,通过注意力机制增强标准U-Net,以更有效地聚焦于相关图像区域[26]。随着注意力模型和Transformer模型近期在计算机视觉中的出现,预计未来几年其在SpA中的应用将会增加。

由于SpA临床表现多样且医疗保健提供者识别困难,其诊断存在既定的延迟[3, 4, 48]。此外,影像学识别有时也很困难,尤其是在疾病早期阶段[2, 4]。这些挑战表明,深度学习方法可能很快将被用于辅助放射科医生、减轻其工作负担,并可能减少诊断延迟,从而使患者和卫生系统均受益。

我们的研究结果以及文献的当前方向,凸显了AI整合到临床实践中可能产生的影响,尤其是在风湿病学和放射学领域[6–8, 49, 50]。然而,前瞻性研究对于验证AI模型(尤其是基于深度学习的模型)以及研究其在临床环境中的适用性至关重要[51]。AI在诊断成像中的应用面临挑战,包括对数据质量的依赖和研究方法的变异性[6, 27]。

重要的是,必须考虑人类与人工智能交互的作用。人工智能系统虽然强大,但并非人类专业知识的替代品,而是增强诊断能力的工具。未来发展应侧重于将人工智能模型与人类监督相结合,确保模型具有可解释性并经过临床验证。结构化的路线图,包括大规模前瞻性研究和监管批准,对于从概念验证过渡到常规临床应用至关重要。

所综述研究的局限性源于其回顾性性质,往往导致数据多样性方面的挑战以及在临床环境中的适用性问题。此外,大多数研究未将人工智能模型性能与人类从业者进行比较。例如,Lee等人依赖专家共识作为参考标准,可能限制了实际应用性[22]。Folle等人面临训练数据集不足的挑战,这是深度学习研究中影响模型稳健性的常见问题[23]。同样,Bressem等人因选择性使用成像技术而遇到偏倚,可能影响其研究结果的全面性[45]。所综述的研究未直接评估基于人工智能的技术在SpA诊断中的临床和成本效益。他们也未充分探讨潜在风险,如假阳性或假阴性结果。对患者管理和治疗决策的确切影响仍不清楚。尽管结果显示高精确度以及作为放射科医生辅助工具的潜力,未来研究应使用更大的数据集和前瞻性设计来评估这些具体方面,以充分理解人工智能在临床实践中的作用。这些例子凸显了人工智能研究这一特定领域的常见问题,如数据质量、模型验证和潜在偏倚,这些问题对于人工智能在医学影像中的实际应用非常重要(表2)。

此外,由于所涉及研究的异质性,未进行荟萃分析[52]。

表2 纳入研究的关键发现、意义和挑战 查看原表 ↗

结论

深度学习模型在提高各种模态(包括MRI和CT)SpA影像诊断准确性方面显示出前景。这些模型有潜力减少诊断延迟,但许多研究的样本量小和概念验证性质强调需要更大、更多样化的数据集和进一步的前瞻性验证。持续开发和真实世界测试对于确保这些人工智能模型的泛化性和临床整合是必要的。

补充信息

电子补充材料

引用

  1. Omar M, Watad A, McGonagle D, et al. The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review. Eur Radiol. 2024. PMID: 39658683. doi:10.1007/s00330-024-11261-x
  2. 全文:PMC12081588(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12081588/

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。