基于骶髂关节MRI的机器学习增强中轴型脊柱关节炎诊断:一项多中心研究
该多中心回顾性研究纳入4中心1294例慢性下腰痛患者,基于骶髂关节MRI构建3D ResNet50深度学习模型并结合年龄、性别、HLA-B27临床风险因素建立机器学习联合模型。联合模型在多个测试集AUC为0.780–0.912,优于ASAS分类标准(AUC 0.858 vs 0.650,敏感度87.8% vs 42.4%,准确率78.7% vs 56.9%)。
要点
- 联合模型在全部测试集AUC 0.858 vs ASAS标准0.650,敏感度87.8% vs 42.4%,准确率78.7% vs 56.9%。
- MRI深度学习模型采用T1WI+FS序列,内部测试集AUC 0.837,三个外部测试集AUC分别为0.636、0.724、0.710。
- 联合模型在HLA-B27阳性亚组表现较弱(AUC 0.570),在阴性及未知状态患者中AUC为0.756。
核心结论
- 整合骶髂关节MRI与临床风险因素的机器学习方法能有效识别中轴型脊柱关节炎,可能是诊断和管理的 promising 工具。
- 联合模型在多个测试集上诊断性能优于ASAS分类标准,可能有助于早期诊断和干预、减少传统诊断路径相关的延迟。
研究设计与样本
- 回顾性分析4个中心(A–D)2011年1月至2021年7月连续纳入的慢性下腰痛患者,前瞻性数据来自中心A 2021年8月至2023年8月。
- 共纳入1294例患者,中位年龄31岁(四分位距24–42),女性459例(35.5%)。
- 中心A回顾性数据按5:1分为训练集和内部测试集,中心B、C、D数据分别作为外部测试集I、II、III,中心A前瞻性数据作为前瞻性验证集。
- MRI采用1.5-T和3.0-T扫描仪、仰卧位斜轴位和斜冠状位,序列包括T1WI、T2WI和流体敏感脂肪抑制序列;深度学习模型以ResNet50为骨干并替换为3D卷积。
- 参考标准为临床诊断的axSpA与非axSpA,并与ASAS分类标准(影像臂和临床臂)比较。
关键影像表现/征象
- Grad-CAM显示深度学习模型有效聚焦于双侧骶髂关节内的病灶。
- 代表性病例中,19岁男性axSpA被ASAS标准误判为非axSpA,联合模型正确重分类为axSpA;23岁女性非axSpA(类风湿关节炎)被误判为axSpA,联合模型正确重分类为非axSpA。
- 热图红色箭头指示骨侵蚀,橙色箭头指示骨髓水肿。
- SHAP分析显示深度学习评分对axSpA识别影响最大,临床变量的重要性因患者而异。
诊断标准与关键数值
- MRI深度学习模型(T1WI+FS)内部测试集AUC 0.837(95%CI 0.778–0.891),外部测试集I、II、III的AUC分别为0.636(95%CI 0.452–0.800)、0.724(95%CI 0.589–0.847)、0.710(95%CI 0.594–0.822)。
- MRI深度学习模型内部测试集准确率76.4%、敏感度77.0%、特异度71.4%;外部测试集I–III准确率60.0–68.1%、敏感度65.4–74.0%、特异度20.9–52.6%。
- KNN-11联合模型内部测试集AUC 0.853(95%CI 0.792–0.910),外部测试集I、II、III的AUC分别为0.872(95%CI 0.768–0.953)、0.780(95%CI 0.658–0.895)、0.912(95%CI 0.841–0.966)。
- 联合模型采用最佳截断值0.637(基于最高约登指数),外部测试集特异度57.9–81.5%、敏感度80.0–92.3%。
- 联合模型与ASAS分类标准比较:AUC 0.858 vs 0.650(p < 0.001),准确率78.7% vs 56.9%(p < 0.001),敏感度87.8% vs 42.4%(p < 0.001),F1评分84.8% vs 57.1%;联合模型特异度低于ASAS标准。
临床应用与阅片要点
- 联合模型在HLA-B27阴性及未知状态患者中AUC为0.756,在HLA-B27阳性亚组AUC为0.570。
- 亚组分析显示联合模型按年龄分层AUC 0.769–0.838、按性别分层AUC 0.802–0.858、按病程分层AUC 0.849–0.852。
- 前瞻性验证集中前3个月61例患者精炼后,MRI模型AUC 0.812 vs 0.797(p > 0.05),联合模型AUC 0.840 vs 0.832(p > 0.05)。
- 作者指出该模型可能减少因临床医生疲劳和严格遵循ASAS标准导致的误诊。
局限性
- 外部数据集上性能略有下降,作者认为可能源于成像方案差异,因前瞻性数据集与内部测试集来自同一中心。
- 联合模型在HLA-B27阳性亚组表现相对较弱(AUC 0.570)。
- 联合模型特异度低于ASAS分类标准。
全文中译19 节 · 点击展开
引言
中轴型脊柱关节炎(axSpA)是一种慢性炎症性疾病,早期主要累及骶髂关节(SIJs),全球患病率为0.01%至1.4% [1]。患者通常表现为下背痛、僵硬和关节进行性结构改变等症状 [2]。若无及时诊断和干预,持续性炎症可能导致骨侵蚀、硬化和关节强直,显著增加长期残疾的风险 [3]。此外,axSpA与高血压、高脂血症和抑郁症等合并症的发生率较高相关,进一步加重了疾病负担 [4]。鉴于这些风险,早期准确诊断对于启动适当的治疗策略以缓解症状、延缓疾病进展和改善长期预后至关重要。
由于缺乏明确的生物标志物且症状与其他疾病存在重叠,axSpA的诊断仍是一项重大挑战 [5, 6]。在临床实践中,诊断通常参照国际脊柱关节炎评估协会(ASAS)分类标准,该标准强调炎性背痛(IBP)、关节炎和附着点炎等关键特征 [7]。MRI通过提供骶髂关节炎及相关改变(包括骨髓水肿、侵蚀和关节强直)的详细可视化,对axSpA的早期检测至关重要 [8]。然而,MRI表现常与其他肌肉骨骼疾病(如退行性关节炎、创伤或感染)重叠,导致诊断模糊和判读不一致 [6]。风湿病专科医生的短缺以及ASAS标准常被误用为确定性诊断工具——导致倾向于优先考虑特异性而非敏感性——进一步加剧了这些挑战,从而使诊断延迟数年 [5, 9]。
近年来,机器学习(ML)和深度学习(DL)作为提高风湿病学诊断准确性的创新解决方案受到越来越多的关注 [10]。ML算法在利用结构化临床数据(如背痛、克罗恩病和人类白细胞抗原[HLA]-B27)识别axSpA方面已展现出成功 [11]。值得注意的是,DL模型在解读骶髂关节MRI方面表现出良好性能,在检测axSpA相关改变方面达到了与专家放射科医师相当的准确性 [12, 13]。然而,整合MRI数据和临床特征的ML方法用于自动化axSpA识别的潜力在很大程度上仍未被充分探索。
本研究旨在开发一种结合骶髂关节MRI数据和临床危险因素的ML模型,以准确识别axSpA。该模型的性能还在多个中心进行了验证,并与ASAS分类标准进行了比较。
方法
伦理声明
本研究获得A中心机构审查委员会的伦理批准(编号201501003),并获得B、C和D中心的额外批准。回顾性数据豁免书面知情同意,前瞻性数据获得书面知情同意,所有数据均已匿名化。本研究遵循诊断准确性报告标准(STARD)报告指南 [14] 和赫尔辛基宣言的原则 [15]。
研究参与者和数据集
2011年1月至2021年7月期间,从四个中心(中心A、B、C和D)连续招募慢性下背痛患者进行回顾性数据收集。此外,2021年8月至2023年8月期间从中心A收集了前瞻性数据。纳入和排除标准详见补充附录S1。患者纳入和排除流程图见图1。axSpA和非axSpA患者的诊断评估详见补充附录S2。非axSpA病例的详细信息见补充附录S3。
来自中心A的回顾性数据集按5:1的比例分为训练集和内部测试集。来自中心B、C和D的数据分别作为外部测试集I、II和III,而来自中心A的前瞻性数据集用作前瞻性验证集。收集的临床数据包括人口学特征(年龄和性别)、病程、各种脊柱关节炎(SpA)特征(炎性背痛(IBP)、关节炎、附着点炎、前葡萄膜炎、指趾炎、银屑病、克罗恩病或溃疡性结肠炎、对非甾体抗炎药(NSAIDs)的良好反应、SpA家族史、HLA-B27状态和C反应蛋白(CRP))以及红细胞沉降率(ESR)。这些SpA特征的定义详见表S1。所有临床数据均从电子健康记录中提取。对于缺失的临床数据,采用多重插补方法估计缺失值,确保后续分析中使用完整数据集。
MRI方案
所有患者取仰卧位行SIJ MRI,扫描在斜轴面和斜冠状面获取。MRI检查使用来自不同制造商的1.5-T和3.0-T扫描仪。三个MRI序列包括T1加权成像(T1WI)、T2加权成像(T2WI)和流体敏感脂肪抑制(FS)序列。MRI方案详见表S2。
图像分析和图像预处理
符合条件的MRI图像以原始分辨率从图像存档和通信系统(PACS)下载,并存储为医学数字成像和通信(DICOM)文件。这些图像被随机分配给三位肌肉骨骼放射科医师(Q.X.X.、X.L.和Q.M.Y.;分别具有4年、5年和5年经验),他们对临床信息和最终诊断不知情。他们使用ITK-SNAP软件(版本4.0.2)独立勾画边界框,涵盖髂骨、骶骨和双侧SIJ。边界框以髂骨最大层面为标准,并在所有SIJ层面上均匀延伸以形成3D边界框。一位资深放射科医师(Y.H.Z.;具有34年经验)审查了所有边界框,任何差异均通过共识解决。图像预处理详见补充附录S4。
基于MRI的深度学习模型开发
我们使用ResNet-50 [16]架构作为深度学习(DL)模型的主干,因为其在跨多种数据集的医学图像分析中具有卓越的性能和稳健性。鉴于采集参数的差异,该方法基于不同的MRI序列(T1WI、T2WI和FS)构建了三个独立的DL模型。ResNet模块中的标准2D卷积层和池化层被替换为3D版本,以适应MRI数据的三维特性(图2c)。每个DL模型产生一个预测评分,反映基于相应MRI序列的axSpA可能性。为提高预测性能,我们构建了整合单序列DL模型输出的DL模型:三个双序列模型(T1WI + T2WI、T1WI + FS、T2WI + FS)和一个三序列模型(T1WI + T2WI + FS)。单序列模型的预测评分通过求和和平均方法进行聚合,以产生多序列模型的最终预测。进行了亚组分析以评估基于MRI的模型在所有测试集上的性能。关于模型训练和选择过程的更多细节见补充附录S5–S7。
机器学习联合模型开发
首先,采用单因素logistic回归分析研究六个临床变量:年龄、性别、病程、CRP、ESR和HLA-B27,以确定潜在的临床指标。随后,进行多因素分析以从单因素分析中确定的有显著性变量中筛选独立临床危险因素。这些独立临床危险因素连同来自基于MRI模型的DL评分,被用于使用七种ML算法开发联合模型:逻辑回归、朴素贝叶斯、K近邻(KNN,K = 5、7、9和11)、支持向量机、决策树和随机森林。实验环境详见补充附录S8。所有代码可在https://github.com/SMU-MedicalVision/CEAS获取。
模型解释
对于模型解释,我们应用了两种先进技术:梯度加权类激活映射(Grad-CAM)[17]用于基于MRI的DL模型,Shapley加性解释(SHAP)[18]用于机器学习联合模型。模型解释的细节见补充附录S9。
使用ASAS分类标准进行评估
采用ASAS分类标准(包括影像学标准和临床标准)将患者评估为axSpA或非axSpA(图S1)[7]。所有测试集中的每位患者均依据这些标准进行评估。具体而言,ASAS标准条目“影像学骶髂关节炎”通过查阅相应的放射学报告来确定。此外,SpA特征从电子病历系统中获取。
统计分析
统计分析使用R统计软件(版本4.3.3;R Core Team)和Python(版本3.10.10;Python Software Foundation)进行。连续变量采用Mann–Whitney U检验和Kolmogorov–Smirnov检验进行比较,分类变量采用卡方检验进行比较。采用Spearman相关分析评估变量之间的相关性。模型性能使用多种指标进行评估,包括受试者工作特征曲线下面积(AUC)、准确率、灵敏度、特异度、F1分数和精确率。我们使用1000次bootstrap抽样计算了所有指标的95%置信区间。AUC的比较采用Delong检验,准确率、灵敏度和特异度的比较采用McNemar检验。双侧p值小于0.05表示具有统计学显著性。
结果
患者特征与数据集
共分析1294例患者(年龄31 [24–42]岁;女性459例 [35.5%])(表1)。最常见的三种非axSpA诊断为非特异性下背痛(148例 [37.2%])、退行性关节炎(42例 [10.6%])和未分化关节炎(38例 [9.5%])。外部测试集I和III包含较年长的患者(p < 0.001),而外部测试集III和前瞻性验证集中女性比例较高(p < 0.001)。值得注意的是,外部测试集I和前瞻性验证集中大多数患者为HLA-B27阴性(分别为25例 [55.6%]和199例 [48.1%])。外部测试集II中HLA-B27状态未知的患者比例最高(31例 [44.9%])(图S2)。多重插补后的临床数据与原始数据在ESR和CRP方面无统计学显著差异(图S3)。
基于MRI的深度学习模型的性能
在基于单序列和双序列MRI的深度学习(DL)模型中,T1WI + FS模型在内部测试集上表现出最高的AUC为0.837(95% CI:0.778–0.891)(图3a;表S3)。值得注意的是,T1WI + FS与T1WI + T2WI + FS模型的性能之间无统计学差异(p > 0.05;图3a)。由于T1WI + FS模型表现良好,且T1WI和FS是ASAS标准推荐的序列,我们选择T1WI + FS模型作为最终的基于MRI的模型。该模型在所有测试集中显示,axSpA患者的DL评分显著高于非axSpA患者(图3b)。该模型在三个外部测试集(分别为集I、II和III)上获得的AUC分别为0.636(95% CI:0.452–0.800)、0.724(95% CI:0.589–0.847)和0.710(95% CI:0.594–0.822)(图3c),表明其在不同数据集上性能一致。通过调整截断值(补充附录S10;表S4),基于MRI的模型在内部测试集上达到76.4%的准确率、77.0%的敏感度和71.4%的特异度。对于外部测试集I、II和III,该模型的准确率范围为60.0%至68.1%,敏感度在65.4%至74.0%之间,特异度从20.9%至52.6%(表2)。瀑布图展示了DL预测评分的升序分布,揭示高于最佳截断值的评分主要对应于axSpA患者(图3d)。基于MRI的模型在年龄、性别、病程和HLA-B27亚组中表现出可比性能(图3e–h;表S5)。
机器学习组合模型的性能
单因素和多因素分析确定年龄、性别和HLA-B27状态是区分axSpA与非axSpA的独立临床危险因素(表S6)。在内部测试集上表现最佳的机器学习联合模型中,逻辑回归、朴素贝叶斯和KNN-7模型表现突出(图4a;表S7)。值得注意的是,基于KNN-7的模型在外部测试集I和III上优于逻辑回归和朴素贝叶斯(图4b)。进一步探索不同K值发现,KNN-11模型在内部测试集上所有基于KNN的模型中获得了最高的AUC,为0.853(95% CI:0.792–0.910)(图4c;表S8),并被选用于进一步分析。该模型在外部测试集I、II和III上分别达到了0.872(95% CI:0.768–0.953)、0.780(95% CI:0.658–0.895)和0.912(95% CI:0.841–0.966)的AUC(图4d)。基于最高约登指数确定最佳截断值为0.637,该模型在外部测试集中表现出足够的特异性(57.9–81.5%)和敏感性(80.0–92.3%)(表2和表S9)。值得注意的是,基于KNN-11的联合模型优于基于MRI的模型,在外部测试集I和III上产生了更高的AUC(图4e)。联合模型在按年龄(图4f;AUC为0.769–0.838)、性别(图4g;AUC为0.802–0.858)和病程(图4h;AUC为0.849–0.852)分层的亚组分析中表现出可靠的性能(表S10)。此外,它在HLA-B27阴性和HLA-B27状态未知的患者中表现出良好的性能(图4i;AUC为0.756)。然而,其在HLA-B27阳性亚组中的性能相对较弱(AUC为0.570)。
前瞻性验证
使用前瞻性验证集前3个月内61例患者的数据对基于MRI的模型和联合模型进行优化,显示性能有所改善。优化后的基于MRI的模型(AUC,0.812 vs. 0.797,p > 0.05)和联合模型(AUC,0.840 vs. 0.832,p > 0.05)优于未优化的对应模型(表S11)。
联合模型与ASAS分类标准之间的比较
雷达图显示,联合模型在AUC(0.858 vs. 0.650,p < 0.001)、准确率(78.7% vs. 56.9%,p < 0.001)、灵敏度(87.8% vs. 42.4%,p < 0.001)和F1评分(84.8% vs. 57.1%)方面均优于ASAS标准(图5a;表3)。然而,该模型的特异度低于ASAS标准。观察到DL评分与年龄、性别、ESR、CRP、HLA-B27状态和IBP之间存在显著相关性(图5b)。混淆矩阵表明联合模型能更准确地识别axSpA(图5c),而ASAS标准更倾向于将患者分类为非axSpA(图5d)。
模型解释
为阐明联合模型的决策过程,我们采用SHAP [18]和Grad-CAM [17]进行可视化(图6和图S4)。Grad-CAM表明DL模型有效聚焦于双侧SIJ内的病变。同时,SHAP分析证实DL评分对axSpA识别的影响最大,而临床变量的重要性因患者而异。
讨论
在本研究中,我们通过整合基于SIJ MRI的DL评分和临床危险因素,开发了一个用于区分axSpA和非axSpA的ML联合模型。该模型在各个测试阶段均表现出色,包括内部测试和外部测试以及亚组分析。值得注意的是,我们的模型在诊断性能方面优于ASAS分类标准(AUC,0.858 vs. 0.650,p < 0.001),为axSpA诊断和更有效的治疗策略提供了潜在改进。
数据驱动方法,尤其是利用深度学习(DL)模型的方法,对于准确识别骶髂关节(SIJ)病变日益关键。传统的基于二维残差网络(ResNet)的架构在分类提示中轴型脊柱关节炎(axSpA)的炎症性和结构性损伤方面已有效 [13, 19, 20]。然而,我们的DL模型通过采用三维ResNet推进了这些工作,该模型基于ASAS MRI工作组推荐的T1WI和脂肪抑制(FS)序列开发 [21]。三维模型的优势在于捕捉MRI切片间的空间关系 [22],这对于识别常跨越多个SIJ切片的axSpA病变(如骨髓水肿和硬化)至关重要 [23]。我们的模型在内部测试集上区分提示axSpA的SIJ病变与非axSpA方面达到了0.837的强AUC值。尽管其在外部队列上的性能略有下降,但在前瞻性验证中仍保持稳健。这种差异可能源于成像方案的不同,因为前瞻性数据集和内部测试集来自同一中心。我们的联合模型基于KNN-11算法的灵活性构建,通过考虑多个邻居提高了泛化能力,从而增强了噪声容忍度 [24]。它成功将临床风险因素(年龄、性别和HLA-B27状态)与MRI表现相结合,在各测试集上达到0.780至0.912的AUC值,突显了影像与临床数据在axSpA诊断中的整合。
使用传统ASAS标准诊断axSpA的延迟很常见 [9],但我们的模型通过更高的敏感性(87.8% vs. 42.4%,p < 0.001)和准确率(78.7% vs. 56.9%,p < 0.001)改善了这一点。它有效识别了因 rigidly 遵循ASAS标准而常被漏诊的axSpA。例如,仅表现出两个SpA特征的病例,如存在炎性背痛(IBP)和HLA-B27阳性,若根据ASAS标准缺乏额外的SpA特征或影像学骶髂关节炎,可能被错误分类 [7]。然而,细微的SIJ病变可能被忽视,导致误分类为非axSpA。我们的模型在此类病例中提供了正确分类(图6a),可能减少由临床医生疲劳和严格遵循ASAS标准引起的误诊。此外,临床医生有时可能因两种疾病特征重叠而将非axSpA患者的SIJ病变误判为提示axSpA的病变 [25]。我们的模型通过整合MRI和HLA-B27状态之外的额外信息(包括年龄和性别)最小化了这些误判(图6b)。这两个变量也有助于诊断axSpA,因为该病更常见于年轻男性患者 [26, 27]。当我们的模型结果与ASAS分类不同时,建议临床医生提高警惕并考虑补充诊断测试以降低误诊风险。
为增强我们联合模型的临床应用,必须阐明模型的决策过程,尤其是在错误病例中,以促进透明度和信任度[28]。我们的SHAP[18]分析表明,基于MRI的深度学习(DL)评分对预测结果有显著影响(图S4)。此外,HLA-B27被凸显为axSpA的关键预测因子,这与其在ASAS标准中的重要性一致[7]。此外,年龄和性别也显示出对模型预测的影响,反映了先前关于axSpA人口学关联的研究[26, 27]。对于误诊病例,Grad-CAM[17]分析揭示DL评分有时依赖于无关区域,如皮下脂肪、椎管或血管结构(图S4),这可能是由于MRI信号与axSpA病变存在相似性[21]。通过将SHAP与Grad-CAM可视化相结合,临床医生可以更容易地发现模型所强调的临床变量或图像区域,从而强化仔细且全面诊断方法的重要性。
在亚组诊断性能分析中,我们的模型在老年人群中显示出前景(31岁以上患者的AUC为0.838),填补了ASAS标准不适用于45岁以上人群的空白[7]。此外,它在识别早期axSpA病例方面表现出色,此类病例传统上容易延误诊断[29],AUC达0.849,值得关注,凸显了大幅减少诊断延迟的潜力。重要的是,尽管以往大多数研究集中于欧洲人群[20],我们的模型在亚洲数据集中得到了验证,而亚洲人群中HLA-B27阴性患者更为常见[30]。这一点至关重要,因为HLA-B27阴性axSpA患者常因对其症状缺乏认识而经历诊断延迟[31]。我们的模型有效解决了分析HLA-B27阴性患者时的诊断挑战(AUC为0.722)。然而,由于样本不平衡,其在HLA-B27阳性患者中显示出局限性(AUC为0.570),仅有6例HLA-B27阳性非axSpA病例。需要更大规模的验证才能全面评估模型在该亚组中的能力。
本研究存在若干局限性。第一,尽管使用了多中心数据集,我们模型的训练和测试主要依赖单中心(中心A)的数据。外部数据集规模有限且以亚洲人群为主,可能降低模型对更广泛人群的泛化能力,凸显了在更多样化队列中进行验证的必要性。第二,我们的多因素分析仅纳入六个临床变量(年龄、性别、病程、C反应蛋白(CRP)、红细胞沉降率(ESR)、HLA-B27)。然而,诊断axSpA通常需要考虑更广泛的临床因素,如病史和生活方式。未来研究应纳入更全面的临床变量以提高诊断准确性。第三,使用手动边界框识别骶髂关节(SIJ)病变虽然简便,但劳动强度大。未来研究应将自动化SIJ区域识别整合到模型中,以提高标注效率和临床实用性。
结论
本研究表明,利用骶髂关节(SIJ)磁共振成像(MRI)和临床危险因素的机器学习(ML)方法在识别中轴型脊柱关节炎(axSpA)方面可以优于传统分类标准如ASAS。ML联合模型的高灵敏度和准确度,结合其可解释性,使其成为早期准确诊断的有前景工具,这对于优化axSpA患者的治疗和改善长期预后至关重要。
补充信息
电子补充材料
引用
- Xie Z, Chen Z, Yang Q, et al. Enhanced diagnosis of axial spondyloarthritis using machine learning with sacroiliac joint MRI: a multicenter study. Insights Imaging. 2025. PMID: 40281350. doi:10.1186/s13244-025-01967-x
- 全文:PMC12031678(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12031678/
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。