基于MRI的深度学习预测胶质瘤IDH突变与1p/19q共缺失的诊断性能:系统综述与Meta分析
该系统综述与Meta分析纳入104项研究(其中72项进入Meta分析),评估基于MRI的深度学习模型无创预测胶质瘤IDH突变和1p/19q共缺失的诊断性能。测试队列中IDH突变预测汇总敏感度80.4%、特异度84.6%,1p/19q共缺失预测汇总敏感度74.6%、特异度82.2%。肿瘤分割方法和深度学习在影像组学流程中的整合程度是研究间异质性的显著来源。
要点
- 测试队列中IDH突变预测汇总敏感度80.4%(95%CI 77.5–83.0%)、特异度84.6%(95%CI 81.1–87.5%),AUC 0.88。
- 测试队列中1p/19q共缺失预测汇总敏感度74.6%(95%CI 64.9–82.3%)、特异度82.2%(95%CI 74.8–87.8%),AUC 0.85。
- 半自动分割敏感度最高,端到端深度学习流程优于仅用深度学习提取特征的流程。
核心结论
- 深度学习模型在胶质瘤无创分子分型方面显示出较大潜力,但临床转化需要多中心MRI数据协调、标准化自动分割协议、广泛多中心外部验证及前瞻性临床验证。
研究设计与样本
- 遵循PRISMA指南的系统综述与Meta分析(PROSPERO注册号CRD42024542505),检索PubMed、Scopus、Embase、Web of Science和Google Scholar至2025年3月28日。
- 初检获得1517篇唯一文献,104项研究纳入定性分析,72项纳入Meta分析。
- 纳入标准为任何世界卫生组织级别的胶质瘤、使用MRI并以深度学习算法进行影像组学预测IDH和/或1p/19q共缺失状态的研究。
- 采用双变量随机效应模型汇总敏感度和特异度,采用Meta回归评估研究间异质性,采用QUADAS-2和影像组学质量评分(RQS)评估质量。
诊断标准与关键数值
- 测试队列中IDH突变预测汇总敏感度80.4%(95%CI 77.5–83.0%)、特异度84.6%(95%CI 81.1–87.5%),AUC 0.88,敏感度95%预测区间0.62–0.92、特异度95%预测区间0.55–0.96。
- 内部验证队列中IDH突变预测汇总敏感度0.86(95%CI 0.83–0.88)、特异度0.88(95%CI 0.86–0.90),AUC 0.93。
- 测试队列中1p/19q共缺失预测汇总敏感度74.6%(95%CI 64.9–82.3%)、特异度82.2%(95%CI 74.8–87.8%),AUC 0.85,共14项实验。
- 内部验证队列中1p/19q共缺失预测汇总敏感度0.83(95%CI 0.74–0.89)、特异度0.89(95%CI 0.85–0.92),AUC 0.93。
临床应用与阅片要点
- 作者认为,MRI深度学习模型对胶质瘤无创分子分型具有临床可用的准确性,但临床采纳需要数据协调、标准化自动分割和严格的多中心外部验证。
局限性
- 全部纳入研究均为回顾性设计,缺乏前瞻性验证或成本效益分析。
- RQS中位数为15(41.67%),范围7(19.44%)至22(61.11%)/36;仅3项研究报告校准统计量,仅22%公开代码。
- QUADAS-2评估显示48项研究总体偏倚风险高,53项低,主要因分割方法有限或缺乏重采样技术来减轻过拟合。
- 55项研究存在适用性担忧,主要因缺乏外部数据集验证。
- IDH研究在内部验证和测试集中均提示潜在发表偏倚(Egger检验p<0.05),1p/19q研究未检测到显著偏倚(p>0.05)。
全文中译16 节 · 点击展开
引言
胶质瘤是最常见且最致命的中枢神经系统(CNS)原发肿瘤,具有显著的组织学和分子变异性,因此准确诊断至关重要[1]。关键遗传标志物,包括异柠檬酸脱氢酶(IDH)突变和1p/19q共缺失,可指导分类和治疗决策[2]。传统活检具有侵入性,并受肿瘤异质性限制[3]。MRI是非侵入性胶质瘤评估的核心手段,得到欧洲神经肿瘤学协会(EANO)指南的支持[4]。然而,由于人为局限性和影像学“模仿者”,解读MRI数据可能具有挑战性,这使得区分胶质瘤与炎症性疾病、卒中和感染等病变变得困难[5]。
影像组学的进展已开始通过从医学图像中提取复杂特征来应对这些挑战[6]。影像组学分析涉及两种主要方法:特征工程和基于深度学习(DL)的影像组建模[7]。前者涉及图像分割、特征提取和统计分析等过程,每个过程都显著影响后续结果,尤其是在MRI模型中[8]。主观的手工特征促使DL整合到影像组学中。DL可以替代单个步骤或端到端运行以直接进行分类[7, 9]。
自DL引入影像组学以来,大量研究已对IDH和1p/19q共缺失进行了预测[10–12]。鉴于研究广泛,亟需一项系统综述来综合并全面量化现有数据。当前的综述往往侧重于传统影像组学,主要使用机器学习方法分析影像组学特征。此外,一些工作仅关注特定胶质瘤级别或特定MRI模态(例如动态磁敏感对比(DSC)MR灌注成像和T2-FLAIR不匹配征)来预测IDH突变或1p/19q共缺失,往往忽视了在不同胶质瘤级别和成像技术下同时预测这些生物标志物[13–17]。为填补这一空白,本研究开展了一项全面的系统综述和荟萃回归,以评估基于DL的模型使用MRI预测IDH突变和1p/19q共缺失的准确性和可靠性,从而巩固其有效性的证据。
方法
我们按照PRISMA指南进行了一项系统综述和荟萃分析(PROSPERO:CRD42024542505)[18]。
检索策略和研究选择
我们系统检索了PubMed、Scopus、Embase、Web of Science和Google Scholar中截至2025年3月28日的基于DL的胶质瘤影像组学研究,无时间或语言限制(补充第1节)。我们还筛查了相关文章的参考文献以进一步识别。纳入标准为:使用MRI预测IDH和/或1p/19q共缺失状态并在其影像组学工作流程中纳入DL算法的胶质瘤研究(任何世界卫生组织级别)。为纳入荟萃分析,研究必须报告足够信息以重建2×2诊断表。缺乏足够验证指标的研究仅限于定性综合。非原创和非人类研究被排除。记录通过Zotero软件(版本6.0.36)管理。两名评审员(S.F.和M.T.)分两轮独立筛选摘要和全文,通过讨论解决分歧。
数据提取
两名评价者(S.F.和M.T.)使用标准化表格(补充第2节)独立收集了关于研究设计、患者特征、所用数据集、MRI序列、数据增强技术和计算方法的数据。用于构建诊断混淆矩阵的性能指标来自内部验证方法(如k折交叉验证和留一交叉验证)和测试数据集,优先使用外部验证队列(如有),否则使用留出测试集。
当诊断表格计数未被明确报告时,我们首先通过电子邮件联系通讯作者。如果未提供数据,我们使用标准公式从报告的灵敏度、特异度和总样本量中重建这些值。当仅有受试者工作特征(ROC)曲线可用时,我们使用WebPlotDigitizer v4.7提取最接近左上角点(约登指数)的灵敏度和特异度。所有插补计数均四舍五入至最接近的整数。对缺失的临床或人口学协变量未进行插补;这些数据被排除在亚组分析之外。该流程符合Cochrane手册关于透明性和可重复性的指导[19]。在报告多个深度学习模型或MRI模态的出版物中,选择性能最佳的模型进行荟萃分析。然而,全部结果范围均被纳入并在亚组分析中单独分析。
质量评估
偏倚风险和适用性关注通过改良QUADAS-2工具[20]进行评估,该工具纳入了医学影像人工智能清单(CLAIM)和影像组学质量评分(RQS)中的相关条目。关键考虑因素包括成像方案的清晰度、适当的数据选择和缺失数据处理、使用可靠的参考标准以及避免严重的基因型不平衡。此外,指标测试评估评价了多重分割的使用和模型预测的稳健性。关于适用性的关注,特别是外部数据集验证方面,已加以处理以确保在不同临床环境中的泛化性。如果数据不足,我们通过电子邮件联系作者以获取澄清。此外,使用RQS评估研究的方法学、优势、局限性、质量和可转化性,RQS对每项研究按16个组成部分进行评估,累积评分范围为−8至36[21]。三名评价者(S.F.和N.M.负责QUADAS-2,S.F.和M.T.负责RQS)独立进行评估,通过讨论解决分歧(补充第3节和第4节)。
统计分析
采用双变量随机效应模型合并各研究(≥ 5 项)的灵敏度、特异度及95%置信区间(confidence intervals,CIs),并绘制汇总受试者工作特征(summary receiver operating characteristic,SROC)曲线。采用Cochran Q检验、I2统计量、预测区间(p < 0.05)以及灵敏度与假阳性率之间的Spearman相关系数(Spearman correlation coefficients,SCC)评估异质性(SCC > 0.6提示阈值效应)[22, 23]。在研究数量足够的情况下,通过亚组分析探讨异质性来源[24]。采用留一法荟萃分析评估每项研究对效应量的影响。采用漏斗图和Egger检验评估发表偏倚。当存在不对称性时,采用Duval和Tweedie的剪补法(Trim and Fill method)校正合并灵敏度和特异度估计值。还计算了跨效应量的统计效能[25]。分析使用R软件包‘mada’、‘metameta’、‘metafor’(R v4.4.1)及MetaBayesDTA(v1.5.2)完成[26]。
结果
研究特征
通过初步检索及相关研究参考文献,最初共识别出1517篇唯一出版物。经筛选和全文审阅后,104项研究符合定性分析条件,其中72项纳入荟萃分析(图1)。一项研究[27]被排除,因其仅用于另一项研究[28]的外部验证。荟萃分析中研究的纳入和排除情况详见补充表4。
我们的分析显示,中国和美国在该领域的全球研究中占主导地位,发表量显著超过其他国家(图2A)。此外,所调查的研究样本量各异,从41例患者[29]到2776例患者[30]不等。超过23%的纳入研究采用基因分型方法,如免疫组织化学、DNA测序或荧光原位杂交,以直接评估遗传变异。相比之下,44%的研究使用分子分型,即根据基因分型结果将肿瘤分为临床相关亚组[2]。约20%的研究通过整合多个队列将两种方法相结合,而12%的研究未报告用于确定生物标志物状态的参考标准(表1)。
在定性分析中,我们识别出三种主要影像数据来源:私有(机构内部)、公共以及两者结合(图2B)。机构内部采集数据占35%,而26%仅依赖公共数据集,尤其是癌症影像档案馆(The Cancer Imaging Archive,TCIA)。约38%的研究结合两种来源以增强研究稳健性和数据多样性。此外,约63%的研究实施了数据增强技术——包括传统方法[12, 31–35]或生成对抗网络(generative adversarial networks,GANs)[36–38]——以减轻过拟合并解决与基因型分布相关的类别不平衡问题(补充表5)。
公共数据集的广泛使用影响了MRI序列的选择,81%的研究采用了常规方法。T1、T1CE、T2和T2-FLAIR序列的组合最为普遍,占40%的病例。值得注意的是,T1CE使用频率最高,出现在26%的研究中,其次是T2-FLAIR和T2。先进成像技术,如弥散加权成像和灌注加权成像,使用较少,分别出现在8% [29, 33, 39–44]和3% [45–47]的研究中,联合使用时为5% [48–50](图2C)。
深度学习(DL)方法主要基于卷积神经网络(CNN),在43%的研究中用于肿瘤分割,其次是手动分割(26%)和半自动方法(12%)(图2D)。二十项研究未将精确勾画的肿瘤纳入其预测模型;其中,55%依赖整个预处理后的MRI切片,30%利用限于边界框内的感兴趣区(ROI),15%使用裁剪的含肿瘤区域。特征提取主要依赖基于CNN的模型,如ResNet [35, 43, 51–57]、DenseNet [32, 58–60]和Inception [61, 62],这些模型在超过一半的研究中被采用。混合CNN–影像组学方法[63–67]和基于Transformer的模型[68–75]紧随其后,分别出现在约12%和7%的病例中。较少使用的方法包括混合DL模型[36, 41, 64, 65, 76–86]、CAE [87, 88]、图神经网络(GNN)[89]和循环神经网络(RNN)[45](图2E)。有关DL模型架构的更多细节见补充表5。
本综述强调了自2016年以来基于DL的影像组学研究的兴起[90]。最初,CNN独占主导地位,在2016年至2018年间占方法学的100%。然而,此后多样化程度有所增加。到2020年,CNN仍以60%领先,CAE [87]和结合CNN与注意力机制的混合模型[36]作为替代模型出现。近年来引入的Transformer在2024年达到25%的峰值(图2G),表明向更复杂架构的转变。这些网络主要以端到端方式整合到预测框架中[33, 41, 51, 52, 62, 71–73, 75, 77, 82, 84, 87, 91–94]。在某些情况下,DL被专门应用于影像组学流程中的肿瘤分割[95–97]、图像预处理[98]或分类[48, 99]。
约38%的研究使用了预训练模型(补充表5)。其中,75%在自己的训练数据上微调预训练权重,其余研究“按原样”应用,主要用于肿瘤分割。值得注意的是,若干未微调分割模型的研究结合了专家审查和对自动生成ROI的手动校正以确保准确性[29, 35, 44, 81, 96, 100]。此外,23%的研究纳入了临床参数,主要为年龄和性别[12, 28, 31, 33, 42, 43, 51, 52, 59, 63, 67, 70, 96, 101–105](补充表5)。关于模型开发和评估,37项研究进行了外部验证,而65项研究仅依赖内部验证。图2F总结了内部验证策略,突出显示了留出测试集方法的主导地位,其次是K折交叉验证。
质量评估
中位RQS为15(41.67%),范围从7(19.44%)到22(61.11%),满分为36。在领域1(平均得分:2.47 ± 0.92)中,大多数研究报告了图像采集方案,但无一项纳入多个时间点或体模研究;然而,有71项研究进行了多次分割。领域2得分最高(平均得分:5.65 ± 1.60),35%的研究在外部数据集上验证了其发现。在领域3(平均得分:2.60 ± 0.76)中,29%的研究纳入了包含非影像组学特征的多变量分析,22%的研究探索了生物学相关性。领域4的平均得分为2.74 ± 0.61,大多数研究进行了统计分析。超过半数的研究使用了重采样技术,但仅有三项报告了校准统计量。所有研究均为回顾性研究,缺乏前瞻性验证或成本效益分析。对于领域6(平均得分:1.51 ± 1.12),64%的研究使用了开源数据,但仅22%公开了其代码(图2H和补充部分4)。
根据QUADAS-2,48项研究的总体偏倚风险为高,53项为低,主要归因于分割方法有限或缺乏减轻过拟合的重采样技术。此外,55项研究提出了适用性担忧,主要原因是缺乏在外部数据集上的验证(图2I、J和补充部分3)。
发表偏倚与统计效能
漏斗图不对称性和Egger检验表明,IDH研究在内部验证集和测试集中均存在潜在的发表偏倚(p < 0.05),而1p/19q研究未检测到显著偏倚(p > 0.05)。为考虑IDH预测中的潜在偏倚,我们应用了Duval和Tweedie的剪补法来调整敏感度和特异度的合并估计值(补充部分7和9)。统计效能分析显示,在大多数纳入研究中,对较大效应量的检测能力较高,但在部分研究中检测较小敏感度和特异度指标(< 0.3)的效能相对较低[49, 87, 106, 107](补充部分11)。
IDH突变
大多数模型主要针对IDH突变,其中60%的研究仅针对IDH突变,36%的研究同时进行1p/19q预测。超过60%的研究聚焦于2、3和4级胶质瘤。12%的实验仅研究4级胶质瘤,而2级胶质瘤仅在四项研究中涉及。在荟萃分析中,75%的研究使用了基于深度学习(DL)的特征,25%依赖于传统影像组学;在后一类中,10项研究仅将DL用于肿瘤分割,3项用于分类。
荟萃分析
在内部验证队列和测试队列中,IDH预测的敏感性与特异性之间均无显著相关性,敏感性SCC为0.04(95% CI:−0.27至0.33),特异性SCC为0.01(95% CI:−0.26至0.28)。在测试队列中,双变量模型估计合并敏感性为80.4%(95% CI:77.5–83.0%),特异性为84.6%(95% CI:81.1–87.5%),敏感性的95%预测区间为0.62至0.92,特异性的95%预测区间为0.55至0.96。虽然未校正的异质性为中等程度(I2 = 38.1–69.4%,p < 0.001),但在校正样本量后显著降低至2.9–3.5%。内部验证队列也取得了相似的表现(表2及补充图13和15)。这些结果在SROC曲线中进行了展示(图4A、B),显示出较强的总体诊断性能,测试队列的曲线下面积(AUC)为0.88,内部验证队列为0.93。采用基于DL的特征和传统影像组学特征的研究的单独分析见表2。此外,采用Duval & Tweedie Trim-and-Fill方法的合并估计森林图(包括原始研究和插补研究)见补充第9节。敏感性分析见补充第8节。
亚组分析
我们将亚组分析限制于测试队列(表3)。除分割方法和DL在影像组学流程中的整合水平外,其余组间差异均未达到统计学显著性。半自动分割的敏感性最高,其次为基于DL的方法和手动方法。端到端DL流程优于仅使用DL进行特征提取的流程。
1p/19q共缺失
约5%的研究仅关注1p/19q共缺失,而34%的研究同时涉及1p/19q共缺失和IDH预测,主要集中在2级和3级胶质瘤。1p/19q共缺失在内部验证队列和测试队列中的诊断性能(图3C、D)显示敏感性与特异性之间无显著相关性,SCC分别为0.08(95% CI:−0.47至0.58)和0.03(95% CI:−0.49至0.54)。对测试数据集的Meta分析得出十四项实验的合并敏感性为74.6%(95% CI:64.9–82.3%),特异性为82.2%(95% CI:74.8–87.8%)。观察到显著异质性(I² = 45.9–67.5%,p < 0.001),如SROC曲线(图4C、D)中宽泛且不重叠的95%置信区域和预测区域所示。然而,采用Holling方法进行样本量校正后,异质性显著降低至5.0–5.8%。内部验证队列表现出更高的预测性能(表2及补充第9节)。一项研究仅将DL用于图像分割而使用传统影像组学特征[29]。此外,敏感性分析详见补充第8节。
亚组分析
由于每个亚组的研究数量有限,大多数协变量无法进行meta回归。如表4所详述,仅使用内部数据集的研究与在内部和公共数据集组合上训练和验证的研究相比,表现出更高的灵敏度但更低的特异度,尽管差异无统计学意义。
讨论
我们的系统评价和meta分析严格评估了基于MRI的深度学习(DL)模型在预测胶质瘤患者IDH突变和1p/19q联合缺失方面的诊断性能。与既往研究[17, 108–110]一致,我们的研究结果显示了有前景的总体性能,但揭示了显著的研究间异质性。值得注意的是,在调整样本量后异质性显著下降,表明观察到的灵敏度和特异度变异性大部分源于抽样误差而非系统性的研究差异。随后的亚组分析证实了我们合并估计值的稳定性,因为大多数 examined 协变量对模型性能无显著影响。此外,我们的统计效能分析显示,虽然一些研究对微小变化的效能较低,但大多数研究具有足够的效能来检测合并估计值。
我们的荟素回归分析强调肿瘤分割是变异的主要来源。由于大多数特征是从定义的ROI中提取的,分割方法的变化可显著影响特征的可重复性[111, 112]。我们还细化了QUADAS-2评估,以纳入对分割方法的评价,识别出三分之一的研究因分割方法不充分而被评为不明确或高风险。为缓解这一问题,未来研究应标准化并简化分割流程。利用稳健的自动分割工具或经过充分验证的半自动流程可减少观察者间变异。在不可避免需要手动分割的情况下,采用多名评估者并使用共识或平均分割可能提高可靠性[113]。此外,已提出若干策略来增强自动分割。例如,在模型训练期间对掩膜应用小的膨胀和腐蚀可提高对边界偏移的容忍度[114]。分割的不确定性也可使用集成方法或蒙特卡洛 dropout 进行估计[115]。最后,无分割的DL方法提供了一种完全绕过手动ROI勾画的方式,可能避免这一异质性来源。采用这些策略可提高模型性能的可靠性,且独立于所使用的分割方法。
采用端到端方法使用DL的研究优于仅在影像组学工作流程中将DL用于特征提取的研究。这种直接方法可最大限度地减少潜在错误、提高可重复性并改善预测准确性。既往研究表明,DL,尤其是CNN,绕过了与影像组学工作流程相关的传统复杂性,从而实现更稳健的特征提取[28, 116]。然而,我们的分析未发现影像组学特征与基于DL的特征在预测性能方面存在任何显著差异。重要的是,在不同DL架构(包括CNN、GNN和Transformer)之间未观察到性能差异。不过值得注意的是,某些亚组的样本量有限,例如基于GNN的研究仅有304例,可能影响这些发现的可靠性。
尽管没有统计学显著性,但在IDH和1p/19q共缺失研究中,关于数据来源方面观察到了一致的趋势。在同一数据集上训练和验证的模型与使用多中心数据集的模型相比,表现出更高的合并灵敏度。内部数据集由于具有标准化的成像协议,通常提供更均匀的数据质量。相比之下,多中心数据集在扫描仪厂商、MRI协议和患者人群方面引入了更大的多样性,这可能对模型构成挑战并导致明显的性能下降,但最终赋予更强的鲁棒性。为减少扫描仪或站点特异性偏倚,已开发了多种协调方法[117]。在特征层面,ComBat等技术通过校正批次相关效应,有助于在不同扫描仪之间对齐影像组学特征分布[118]。在图像层面,基于深度学习的方法如循环一致性生成对抗网络(CycleGANs)和风格迁移可用于标准化跨数据集的图像外观[117, 119]。此外,基本预处理步骤,如校正偏置场不均匀性、应用降噪滤波器以及通过z-score缩放或直方图匹配等方法进行强度归一化,可在源头上减少图像异质性[120]。
我们的系统综述中的质量评估揭示了该领域若干需要改进的方面和当前的局限性。与以往的综述[116, 121]一致,中位RQS评分为15(41.67%),表明方法学质量为中等,在多个领域存在不足。许多研究详细描述了成像协议,但缺乏多个时间点或体模研究,降低了可重复性。尽管超过70%的研究在未见数据上评估了其模型,但近一半未使用外部测试数据集。这引发了对真实世界适用性的担忧,正如RQS和QUADAS-2评估所反映的那样。美国食品药品监督管理局(FDA)近期关于AI赋能设备的指南强调,模型可能无意中过拟合于特定扫描仪或站点独有的特征[122]。为解决这一问题,必须纳入多中心训练和外部验证,当跨数据集性能下降时,应采用域适应等策略。基于基础模型的深度学习模型提供了一条有前景的前进路径。在大规模多机构数据集上预训练的这类模型往往能捕捉更稳定和具有生物学意义的特征,使其对输入数据的变化更加鲁棒[123]。此外,为促进不同人群间的公平性,模型应在开发和验证阶段在多样化亚组上进行严格测试。FDA批准的AI设备中不到4%报告了种族或族裔数据[124],这一事实凸显了这一需求的紧迫性。
展示技术性能只是其中一步;在真实世界条件下进行前瞻性临床验证,对于弥合与临床采用之间的差距不可或缺。在我们的综述中,所有研究均为回顾性研究。通过实时研究或临床试验进行前瞻性验证至关重要,以证明深度学习(DL)模型不仅能实现高诊断准确性,而且与标准诊疗相比能改善患者结局。与回顾性研究不同,前瞻性验证捕捉完整的临床工作流程——数据采集、模型推理和临床医生决策——而不存在后见之明偏倚,从而对模型提供更现实的评估[125]。前瞻性验证还为监管批准和临床接受奠定基础,正如国际标准化组织(ISO)13485[126]和国际电工委员会(IEC)62304[127]等相关标准所要求的那样。例如,ISO 13485涉及风险管理、设计过程文档化以及预定义的性能验收标准。与临床合作伙伴合作,在工作流程模拟环境中对模型进行前瞻性测试,可以生成最终转化所需的临床证据。最后,将DL纳入临床工作流程需要与电子健康记录兼容、临床医生培训以及强大的IT基础设施,以支持持续的模型更新和实时数据整合。这会产生硬件、软件、人员和维护成本,医院必须权衡这些成本与潜在收益[128]。克服这些挑战对于推动DL模型从研究走向实践并推进个性化肿瘤诊疗至关重要。
本系统综述存在若干局限性。由于文章稀少,我们聚焦于表现最佳的DL模型并对其进行宽泛分类。尽管如此,我们将单一研究内纳入临床数据、影像组学特征或不同MRI序列等变体视为独立实验,以进行更详细的分析。然而,这些发现是观察性的而非因果性的,因为研究之间未进行随机化,这在大多数荟萃分析中是典型的[22]。可能存在其他混杂变量影响这些结果。尽管重建2×2表增加了符合荟萃分析条件的研究数量,但插补可能引入轻微偏倚。此外,我们未评估研究间潜在的患者重叠。约26%的纳入研究仅依赖公共数据集(主要是TCIA)。虽然这增加了患者层面重叠的可能性,但排除这些研究可能引入偏倚,因为同一数据集上的模型性能可能因DL框架不同而存在相当大的差异。我们的亚组分析进一步证实,分割方法和DL整合方式,而非数据集来源,是异质性的主要来源。
总之,我们的综述强调了基于MRI的深度学习(DL)模型在准确预测胶质瘤患者IDH和1p/19q共缺失方面具有良好的性能。为了提高深度学习模型用于胶质瘤分子诊断的严谨性并促进其临床转化,我们基于本综述的全面分析提出以下最低标准:使用经过验证的自动化或基于共识的分割方案;通过ComBat或基于深度学习的风格迁移等方法对多中心MRI数据进行协调;纳入体模研究以评估特征稳定性;在不重新训练模型的情况下进行独立的外部验证;以及开放数据和代码共享。下一步的关键举措是将这些模型嵌入前瞻性、多机构临床试验中,将其整合到电子健康记录工作流程中,实时评估诊断准确性、临床影响和成本效益,并收集在神经肿瘤学中安全有效常规使用所需的监管证据。
补充信息
电子补充材料
引用
- Farahani S, Hejazi M, Tabassum M, et al. Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis. Eur Radiol. 2025. PMID: 40817944. doi:10.1007/s00330-025-11898-2
- 全文:PMC12953305(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12953305/
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。