基于人工智能的低剂量胸部CT椎体与心血管影像生物标志物自动测量的可重复性:ImaLife队列
在632名ImaLife参与者中评估AI软件对低剂量胸部CT椎体与心血管标志物自动测量的可重复性。椎体和主动脉测量在视觉评估中分割准确且ICC>0.9、相对差异<4%;心脏体积分割准确率仅53.5%且相对差异7.5%;冠脉钙体积分割准确率86.0%、相对差异28.5%,但风险分层总体一致率81.2%。
要点
- 椎体高度与密度、胸主动脉各位置直径的AI自动测量可重复性优秀(ICC>0.9,相对差异<4%)。
- 心脏体积因心包分割不佳(仅53.5%合格)导致高估,可重复性中等(相对差异7.5%)。
- 冠脉钙体积绝对测量可重复性有限(相对差异28.5%),但风险分层总体一致率81.2%,差异时99.0%落在相邻风险类别。
核心结论
- 在低剂量胸部CT中,AI软件对椎体、主动脉和冠脉钙评估的分割准确率高,对心脏体积相对较低;椎体和主动脉测量可重复性优秀,冠脉钙总体风险分层一致率高。
研究设计与样本
- 对前瞻性ImaLife研究的子集进行回顾性分析,纳入632名参与者(63.3±11.0岁,56.6%男性,平均BMI 26.3±4.0 kg/m²),基线及3–4个月(平均间隔3.9±1.8个月)复查低剂量胸部CT。
- 使用第三代双源CT系统(SOMATOM Force, Siemens Healthineers)于2017年8月至2022年5月行非触发、非增强高螺距低剂量胸部CT,参数120 kVp、20 mAs、螺距3.0(大体型2.5)、层厚1.0/0.7 mm,软组织核Br40重建。
- AI软件为AI-Rad Companion chest CT研究应用(原型,版本01/2023,Siemens Healthineers),自动分割并测量椎体高度与密度、主动脉直径、心脏体积(心腔加心包脂肪)和冠脉钙体积(CACV)。
- 由一名培训合格的技术医师在15年以上经验的ECBR放射科医师监督下,对基线和复查分割按准确、次优、不准确三级进行视觉评估,评估者对所评估扫描的AI测量值设盲。
关键影像表现/征象
- 椎体分析在8名参与者中分割不充分,95名参与者椎体编号不准确;T1高度和密度测量在21.5%的胸部CT中不完整而被排除。
- 主动脉在升主动脉中段和降主动脉中段的AI分析在基线和复查中>99%测量被评为合格;窦管交界处测量准确率最低,66.1%的不合格病例因测量平面角度不佳或不正确。
- 心脏体积分割准确率低,仅53.5%在基线和复查均合格,主要失败原因为心包追踪不正确致心包脂肪被纳入而高估心脏体积。
- 冠脉钙分割在520名参与者(86.0%)基线和复查均合格,主要失败于左主干和左前降支区域忽略大钙化,其他原因包括将二尖瓣钙化纳入冠脉钙及右冠脉钙分割不充分。
诊断标准与关键数值
- ICC>0.9为优秀,0.75–0.9为良好,0.5–0.75为中等,<0.5为差。
- 椎体高度ICC 0.986(95%CI: 0.983–0.988),椎体密度ICC 0.996(95%CI: 0.995–0.997)。
- 胸主动脉各直径测量ICC范围从膈肌水平0.931(95%CI: 0.918–0.942)至升主动脉中段0.987(95%CI: 0.985–0.989)。
- 心脏体积ICC 0.938(95%CI: 0.923–0.950),CACV ICC 0.973(95%CI: 0.968–0.977)。
- CACV风险分层采用Mets等提出的分层(<10;10–99;100–499;≥500),基线及复查一致率81.2%,Cohen kappa 0.71(p<0.001),各风险类别一致率62.6%–91.5%,分类不同时99.0%位于相邻风险类别。
临床应用与阅片要点
- 椎体和主动脉生物标志物的高可重复性提示AI扫描间误差小,可能检测随访中提示进展的微小生物标志物变化。
- 心脏体积分割因心包追踪困难而高估,且胸部CT非心电同步可能增加AI心脏体积扫描间差异。
- CACV绝对测量可重复性差主要归因于运动伪影而非AI分割不佳,因非心电触发胸部CT较心电触发心脏CT可低估钙化积分。
- CACV分割不准确多见于左主干和左前降支钙化被分割过小,可能导致患者被误分入较低风险类别。
- 作者指出以CACV≥100为切点识别中高度心血管风险时AI一致率>95%。
局限性
- 回顾性、单中心、单扫描仪方案是本研究局限。
- 结果限于接受复查的ImaLife来源人群,可能存在胸部影像生物标志物存在与分布的選擇偏倚。
- 结果未经进一步验证不能外推至其他扫描仪厂商或其他人群。
- 视觉评估由一名培训合格的技术医师完成,未进行共识判读。
- 定量分析仅纳入分割合格病例,忽略了不合格测量。
全文中译11 节 · 点击展开
引言
肺癌筛查的计算机断层扫描(CT)数据为同时检测其他亚临床胸部疾病提供了可能,其中包括肌肉骨骼疾病和心血管疾病[1]。低剂量胸部CT筛查的引入将导致CT检查数量不断增加,这给放射科医生带来了重大挑战。多项研究表明,工作量增加以及每个病例分配的时间减少会导致更高的错误率,并可能造成CT所见漏报[2, 3]。
人工智能(AI)通过对肺癌筛查胸部CT引入自动处理,具有减轻放射科医生工作量的潜力。肺结节的自动检测此前已有研究,并正在进入临床领域[4, 5]。此外,已开发出AI算法,用于在因肺癌筛查目的而采集的胸部CT扫描上自动检测并准确测量其他亚临床疾病的生物标志物[6]。这有可能在更广泛正常人群中实现机会性筛查,例如基于椎体高度和密度筛查骨质减少、基于主动脉直径筛查胸主动脉扩张和动脉瘤、以及基于冠状动脉钙化评分筛查亚临床冠状动脉疾病。Yacoub等(2022)评估了商用AI软件,结果显示在100例非增强胸部CT患者中,AI在主动脉扩张和冠状动脉钙化的二分类报告方面诊断性能优于放射科医生[7]。既往研究[6, 7]大多侧重于人工阅片与AI结果的比较。目前尚不清楚AI算法在应用于同一参与者的多次CT扫描时是否也能获得准确且可重复的结果。因此,我们旨在量化AI软件在胸部CT扫描上自动测量影像生物标志物的分割准确性和可重复性,包括椎体高度和密度、指南依从测量位置上的胸主动脉直径、心脏体积以及冠状动脉钙化体积(CACV)。
材料与方法
研究人群与CT采集
我们对一项前瞻性研究进行了回顾性分析,研究对象为生命线影像(ImaLife)研究参与者的一个子集。ImaLife的目的是评估一般人群中肺癌、慢性阻塞性肺疾病和心血管疾病早期阶段定量影像生物标志物的分布。荷兰格罗宁根大学医学中心(UMCG)医学伦理委员会批准了ImaLife研究,所有参与者均提供了知情同意。ImaLife研究已在荷兰中央人体研究委员会注册(https://www.toetsingonline.nl,NL58592.042.16)。CT扫描采集共纳入12,128名参与者,代表45岁及以上的一般北欧人群。
2017年8月至2022年5月期间,参与者在第三代双源CT系统(SOMATOM Force,Siemens Healthineers)上接受了非触发、非增强的高螺距低剂量胸部CT检查。扫描方案包括以下参数:120 kVp、20 mAs、螺距3.0(体型较大者为2.5)、层厚1.0/0.7 mm。图像采用软组织卷积核(Br40)重建。扫描采集采用仰卧位,并指导参与者在最大吸气时屏气[8]。
作为ImaLife研究的一部分,633名基线时具有中等大小肺结节(体积100–300 mm³)的参与者接受了随访扫描以研究其自然演变。重复扫描在基线扫描后3–4个月进行(平均间隔3.9 ± 1.8个月)。
人工智能(AI)自动测量
每位参与者的基线和重复胸部CT扫描均由AI软件——AI-Rad Companion胸部CT研究应用(原型,版本01/2023,Siemens Healthineers)进行审阅。该软件自动生成胸椎、主动脉、心脏(心包)和冠状动脉钙化(CAC)的分割。此外,它还生成符合指南的椎体高度和椎体密度、胸主动脉直径、心脏体积以及作为CAC指标的CACV测量值。
一名经过培训并持有执照的技术医师(I.H.)对所有AI-Rad Companion评估进行了视觉审查,以确认胸椎(T1-T12)、主动脉(包括根据指南[9, 10]的个体定位)、心包和冠状动脉钙化的分割准确性。对于不确定的病例,该阅读者由一名拥有15年以上经验的委员会认证ECBR放射科医师(R.V.)监督。所有分割均按照以下定性分级进行检查:准确、次优、不准确。次优病例包括AI所犯的小错误,但被认为无临床意义。关于我们分级系统的更多细节见补充表1。准确、次优和不准确分割的视觉示例见补充图1。椎体分析检查了分割准确性以及椎体水平身高测量的位置、椎骨编号的准确性以及用于确定椎体密度的感兴趣区(ROIs)放置的准确性。仅分割错误被认为对定量结果有影响,胸椎编号错误则不被认为有影响。主动脉测量评估了分割准确性、定位以及符合指南的直径测量[9, 10]在窦管交界、升主动脉中段、主动脉弓近段、主动脉弓中段、降主动脉近段、降主动脉中段和膈肌水平主动脉处的角度。Valsalva窦和腹部区域的测量被排除在分析之外,原因分别是既往研究中与人类阅读者相比差异相对较高[11],以及大部分胸部CT扫描中腹部区域缺乏成像。心脏体积的准确性通过心包的准确分割来确定。CACV检查了冠状动脉钙化的准确分割。受运动影响但被AI正确分割的CACV被视为准确。病例按随机顺序审查,审查者在审查重复扫描的AI测量时对同一参与者基线扫描的AI测量设盲(反之亦然)。未对AI分割和测量进行调整或校正。假定扫描之间除结节动态变化外未发生生理变化。经视觉验证,基线与重复CT之间的间隔期内未发生椎体骨折。对于CACV的定量,有经皮冠状动脉介入治疗(PCI)或冠状动脉旁路移植术(CABG)史的参与者被排除在分析之外。
统计分析
对于主要分析,仅将基线和重复扫描中视觉评估为分割充分(准确:是或次优)的病例纳入进一步定量分析,包括组内相关系数(ICC)和测量相对差异评估。
椎体、主动脉和心脏分析的连续变量以均值 ± 标准差(SD)表示。由于CACV呈非正态分布,CACV的连续变量以中位数及四分位距表示。基线与重复测量之间的一致性采用ICC及相应95%置信区间(95% CI)表示。ICC > 0.9视为极好,0.75–0.9视为良好,0.5–0.75为中等,< 0.5表示一致性差[12]。相对差异定义为基线与重复值之间绝对差异的100倍除以基线与重复值的均值。对于两次测量中一次经视觉评估为不合格的扫描,我们进行了补充分析,其中将“不合格”值与“合格”值之间的差异除以“合格”值(而非均值)。按Mets等[13]提出的分层(< 10;10–99;100–499;≥ 500)进行基于CACV的风险分层,对基线和重复CT进行比较,并通过一致百分比进行评估。风险分类的可靠性采用Cohen's kappa统计量评估,以p值 < 0.001为统计学显著性。所有统计分析均使用SPSS 28.0.1.0版(SPSS, Inc.)进行。
结果
参与者特征与人工智能分析
在12,128名ImaLife参与者中,633名接受了重复胸部CT扫描。一名参与者因CT数据损坏被排除,最终纳入632名参与者(63.3 ± 11.0岁,56.6%为男性,平均体重指数26.3 ± 4.0 kg/m²)进行分析。基于人工智能的椎体分析在所有参与者中均完成。在8名参与者中,基于人工智能的主动脉分析在基线或重复扫描中不完整,最终624名参与者进行视觉分析。基于人工智能的心脏分析在630例中完成。基于人工智能的CACV评分在605名参与者中完成(n = 26因PCI/CABG参与者被排除,n = 1因人工智能分析不完整被排除)。
视觉评估
基于人工智能测量的视觉评估结果如图1所示。在补充图1中,展示了被归类为次优的示例,以阐明视觉评估的分类。椎骨和主动脉分析显示出最高的分割准确度。在基线或重复扫描中,有8名参与者的脊柱分割不充分,95名参与者的椎骨编号不准确。21.5%的纳入胸部CT扫描中T1的高度和密度测量不完整,因此被排除在进一步的定量分析之外。基于人工智能对升主动脉中段和降主动脉中段的胸主动脉分析,在基线和重复扫描中超过99%的测量被归类为合格。窦管交界处的直径测量显示出最低的准确度,66.1%的不合格病例是由于测量平面的角度不理想或不正确所致。心脏体积分割的视觉评估显示出相对较低的准确度,仅在基线和随访时53.5%的分割合格。失败的主要原因是薄心包的追踪不正确,导致心包脂肪被纳入体积中,从而高估了心脏体积。基于人工智能的CAC分割在520名参与者(86.0%)的基线和重复扫描中均被认为是合格的。CAC分割主要失败于左主干和左前降支冠状动脉内,忽略了该部位的大钙化灶。CACV不充分的其他原因包括将二尖瓣钙化纳入CAC以及右侧CAC分割不充分。图2至图5展示了人工智能软件对影像生物标志物准确和不准确分割的示例。仅在基线和重复扫描中视觉评估为合格(准确或次优)的测量被纳入进一步分析,包括ICC和相对差异评估。每种生物标志物最终纳入的重复扫描数量报告于表1中。
基线与重复测量之间的一致性
基线与重复测量之间在椎体高度和密度方面发现极好的一致性,组内相关系数(ICC)分别为0.986(95% CI:0.983–0.988)和0.996(95% CI:0.995–0.997);胸主动脉所有直径测量亦呈极好一致性,ICC从膈肌位置的0.931(95% CI:0.918–0.942)到升胸主动脉中部的0.987(95% CI:0.985–0.989)不等。心脏体积和CACV的ICC分别为0.938(95% CI:0.923–0.950)和0.973(95% CI:0.968–0.977)。
重复性的定量分析
表1显示了经视觉评估后基线和重复扫描均被认为合格病例的定量结果,报告了基线扫描的平均直径、基线与重复扫描之间的平均绝对差异以及相对差异。基于AI的椎体分析相对差异较小,所有测试参数均< 3%,表明扫描间重复性极好。对于基于AI的主动脉分析,所有测量位置的相对差异均< 4%。基于AI的椎体和主动脉分析的平均绝对差异相对较小,且完全在基线扫描初始测量的两个标准差范围内。
基于AI的心脏体积相对差异≥ 7.5%,表明在视觉评估合格的病例中基线与重复扫描之间具有中等重复性。
基于AI的CACV导致中位绝对差异为11.2(IQR:4.2–19.2),相对差异为28.5%(IQR:11.3–69.5%)。补充表2报告了基于AI分析在基线或重复扫描中任一者合格的病例的中位CACV,显示中位CACV较高,为418.8(IQR:186.9–1094.2)。这一相对较高的评分表明,基于AI的CACV不合格主要出现在钙化范围相对较大的参与者中。
基于CACV的风险评估
基线和重复基于AI的CACV风险评估显示高度一致(kappa值0.71)(p < 0.001),结果见表2。总体而言,扫描间风险分类的一致率为81.2%,各风险类别的一致率从62.6%到91.5%不等。在基线与重复CT分类不同的情况下,99.0%被归入相邻风险类别。
讨论
在一项基于人群的研究中,我们对632名参与者评估了低剂量胸部CT中基于人工智能(AI)的自动测量的可重复性。椎骨和主动脉分析显示出准确且高度可重复的结果,平均相对差异在< 4%以内。沿心包进行的心脏分割尚未优化,导致心脏体积被高估。在视觉评估时,冠状动脉钙化体积(CACV)在86.0%的病例中显示出足够的分割。尽管这导致两次扫描之间CACV评分的可重复性为中等,但CACV的风险分类仍显示出高度的总体一致性。
既往已有关于AI-Rad Companion胸部CT应用验证的研究,其中一些与我们使用的算法存在差异,因为我们应用的是更新的原型版本。我们此前描述了在240名ImaLife参与者中胸主动脉分析的表现,显示在所有测量位置上,人工阅片者与AI之间的平均绝对差异在2 mm以内[9]。Van Assen等人发表了一项验证研究,在263名患者中比较了胸部CT上的自动CACV与心脏CT上的手工评分,显示出极好的相关性[14]。此外,Yang等人表明,基于AI的椎骨密度与双能X线吸收法获得的骨髓密度值强相关[15],提示可以利用胸部CT检测骨量减少高风险人群。
然而,在这些研究中,基于AI的结果在扫描-再扫描环境下是否可重复仍不清楚。据我们所知,此前尚无研究使用该AI软件评估低剂量非增强胸部CT上椎骨、主动脉和心脏生物标志物的扫描-再扫描可重复性。与我们的目的有些一致的是,Graby等人将AI-Rad Companion胸部CT算法应用于25次单独的增强和非增强CT采集,评估了主动脉测量的可重复性,结果一致性为中等至良好(0.57–0.88)[16]。然而,在这项特定研究中,他们使用的是同一次CT检查,这并不代表测试-再测试环境,因为参与者在两次采集之间没有离开CT检查床。此外,比较增强与未增强扫描可能导致在非增强扫描中纳入主动脉壁,从而高估扫描间的变异性。
在我们的研究中,椎骨和主动脉分析在视觉评估时显示出高准确性(窦管交界处的主动脉测量除外)。与视觉评估一致,基于AI的椎骨和主动脉测量在扫描间的平均差异完全处于临床相关范围内。根据当前低剂量胸部CT筛查后转诊建议[1],这至少应为至少一个椎骨> 50%的高度丢失。关于直径< 55 mm的升胸主动脉,连续2年内生长速度达3 mm/年或1年内达5 mm是外科干预的指征[9, 10]。这些生物标志物的高可重复性表明AI在扫描间的误差范围很小,有可能检测到生物标志物值的微小变化,作为随访扫描中进展的指标。这可能尤其减轻放射科医生在重复机会性筛查环境中的负担。
心脏体积分割的视觉评估显示准确性较差,原因在于难以勾画心包。在分割不充分的情况下,由于纳入了心包脂肪,心脏体积被高估。此外,当仅纳入充分分割的病例时,心脏体积显示出中等程度的可重复性。在解读这些结果时,应考虑到所纳入的胸部CT扫描为非心电图同步的,这可能导致基于人工智能的心脏体积在扫描之间出现更大差异。
我们胸部CT扫描的非心电图同步特性可能也影响了基于人工智能的CACV,其在绝对测量中显示出较差的可重复性;因此,较差的可重复性归因于运动伪影而非人工智能的次优分割。先前在ImaLife队列中的一项研究表明,与心电图触发的的心脏CT扫描相比,低剂量、非心电图触发的胸部CT扫描可能导致CAC评分被轻度低估。Xia等人发现,非心电图触发的胸部CT扫描与心脏CT扫描相比,中位百分比差异为29% [17]。此外,Šprem等人表明,含有受运动伪影严重影响的CAC的扫描显示出较低的CAC评分可重复性 [18]。我们认为CACV因运动而增加的变异性是采集方案的结果,而非人工智能性能不准确的标志。这一推理进一步得到以下事实的支持:在我们研究中,当仅纳入准确病例进行分析时(排除次优病例),相对差异仍> 20%。在我们采用高螺距胸部CT的队列中,CACV的变异性相当高,在标准单源CT设置中甚至可能更高。
视觉评估显示,人工智能在86.0%的病例中分割充分。在人工智能不准确的大多数病例中,左主干和左前降支的钙化被分割得过小。这可能导致患者被错误分类为较低风险类别,从而可能影响临床决策和长期结局。然而,我们研究中的风险分类显示,在充分分割的病例中一致性> 80%,在分类存在差异的情况下,99.0%被归入相邻风险类别。当观察各个风险类别时,在极低风险类别中一致性相对较差。由于低风险类别中CACV值的范围相对较小,而胸部CT的变异性相对较高,CACV的任何偏差都容易影响风险分类。然而,在筛查环境中,基于CACV识别心血管疾病中度或高度风险的人群更为重要。Golub等人认为,特别是≥ 100的截断值对于识别中度至高度增加的心血管疾病风险具有重要意义 [19]。使用该截断值可使人工智能的一致性> 95%。
我们研究的一个优势是扫描-再扫描设置,其中参与者使用相同的高螺距、低剂量CT扫描方案接受随访扫描。此外,该设置代表了一种随访方案,扫描之间的时间间隔类似于临床或筛查场景(在中等大小肺结节的情况下),并且参与者在CT检查床上重新定位。这模拟了可能用于低剂量胸部CT肺癌筛查的方案。
本研究的局限性还包括回顾性、单中心、单扫描仪的方案。结果仅限于来自ImaLife研究并接受重复扫描的人群,这可能在胸部影像生物标志物的存在和分布方面导致选择偏倚。未经进一步验证,我们的结果无法推广至其他扫描仪厂商的扫描或其他人群。此外,视觉评估由一名经过培训且认证的技术医师完成,因此未进行共识判读。然而,对于无法确定的病例,该判读者由一名拥有15年以上经验的委员会认证的ECBR放射科医师监督。基于此视觉评估,我们的定量分析仅纳入分割充分的病例,忽略不充分的测量。在临床实践中,这意味着如果诊断仅基于人工智能,每个病例仍应由人工监督,以防止对参与筛查的个体过度治疗或治疗不足。尽管仍然需要人工监督,但在适当病例中通过自动生物标志物定量,放射科医师的负担将会减轻。
总之,人工智能软件在低剂量胸部CT中的分割准确性对于椎体、主动脉和CACV评估较高,而对于心脏体积相对较低。椎体和主动脉测量的重复性极好。虽然CACV的重复性一般,但风险分类的一致性较高。
补充信息
电子补充材料
引用
- Hamelink I, van Tuinen M, Kwee TC, et al. Repeatability of AI-based, automatic measurement of vertebral and cardiovascular imaging biomarkers in low-dose chest CT: the ImaLife cohort. Eur Radiol. 2025. PMID: 39779514. doi:10.1007/s00330-024-11328-9
- 全文:PMC12165965(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12165965/
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。