人工智能作为风险主导肺结节的独立阅片者:CT重建参数的影响
在300例中国普通人群低剂量CT筛查基线扫描中,评估四种重建参数对AI检测和分类风险主导结节的影响,以两位放射科医生共识结果为参考标准。重建核显著影响AI对风险主导结节类型分类的一致性(D45f/1 mm 87.7% vs B80f/1 mm 17.7%,p<0.0001),但不显著影响结节检出率;层厚/间隔变化对AI各项性能无实质影响(p>0.05)。
要点
- 重建核显著影响AI风险主导结节分类一致性(D45f/1 mm 87.7% vs B80f/1 mm 17.7%)。
- AI-D45f/1 mm扫描水平敏感度77.5%,显著高于AI-B80f/1 mm的31.5%(p<0.0001)。
- 层厚/间隔从1.0 mm/0.7 mm变为2.0 mm/1.0 mm对AI各项性能无实质影响(p>0.05)。
核心结论
- 重建核变化显著影响AI对风险主导结节类型分类的一致性,但不影响结节检出。
- 使用与放射科医生偏好一致的重建核可显著提高AI结节类型分类一致性,可能有助于AI更顺畅地整合到临床工作流程中。
研究设计与样本
- 研究为荷兰与中国Big-3(NELCIN-B3)试验中连续300例参与者的基线低剂量CT筛查扫描的评估。
- CT采用128排CT扫描仪(Somatom Definition AS 128,Siemens Healthineers),低剂量设置(管电压120 kVp,参考管电流35 mAs)。
- AI分析四种重建设置:D45f/1 mm、B80f/1 mm、B30f/2 mm及经AVIEW软件重组的D45f/2 mm。
- 参考标准为两位放射科医生(CT经验分别超过10年和5年)共识阅读结果;结节体积≥30 mm³者记录,多结节时记录最大10个。
- 风险主导结节定义为非钙化实性或部分实性结节中实性成分最大者;无满足≥30 mm³实性成分结节者判定为无风险主导结节。
关键影像表现/征象
- AI-B80f/1 mm在58/76例假阴性中虽检出参考标准风险主导结节,但将其误分类为钙化,导致扫描被判为无风险主导结节。
- AI-B80f/1 mm更常将非钙化实性结节误分类为钙化(46/62,74.2%)。
- AI-B30f/2 mm更常将非钙化实性结节误分类为非实性(16/53,30.2%)。
- 图2示例中,参考标准风险主导结节总体积39,810.0 mm³因大于30,000 mm³被AI视为肿块而未分割。
诊断标准与关键数值
- 扫描水平AI与参考标准判定风险主导结节存在的一致性Cohen’s κ范围为0.25(95%CI 0.15–0.36)至0.65(95%CI 0.56–0.74)。
- AI-D45f/1 mm vs AI-B80f/1 mm:敏感度77.5% vs 31.5%(p<0.0001),特异度87.3% vs 91.0%(p=0.19)。
- AI-B30f/2 mm vs AI-D45f/2 mm:敏感度74.8% vs 74.8%(p=1.00),特异度85.7% vs 85.2%(p=0.76)。
- AI-D45f/1 mm vs AI-D45f/2 mm:敏感度77.5% vs 74.8%(p=0.32),特异度87.3% vs 85.2%(p=0.20)。
- 参考标准风险主导结节(111/300,37.0%)检出率82.0%(91/111)至87.4%(97/111);AI最大结节与参考标准风险主导结节匹配比例分别为AI-D45f/1 mm 58.8%(57/97)、AI-B80f/1 mm 68.1%(62/91)、AI-B30f/2 mm 56.4%(53/94)、AI-D45f/2 mm 59.1%(55/93)。
临床应用与阅片要点
- AI-D45f/1 mm与参考标准分类一致性87.7%(50/57),显著高于AI-B80f/1 mm的17.7%(11/62)(p<0.0001)。
- AI-B30f/2 mm分类一致性60.4%(32/53),低于AI-D45f/2 mm的78.2%(43/55)(p=0.04)。
- AI-D45f/1 mm与AI-D45f/2 mm分类一致性无显著差异(87.7% [50/57] vs 78.2% [43/55],p=0.18)。
- 作者认为,使用与放射科医生选择一致的重建核可能提高AI作为独立阅片者的整体性能,并支持AI工具更广泛地被临床接受和整合到常规实践中。
局限性
- 原文未报告局限性。
全文中译14 节 · 点击展开
引言
肺癌仍然是全球癌症相关死亡的主要原因,占2020年所有癌症相关死亡的18% [1]。基于人群的肺癌筛查(LCS)项目已证实低剂量计算机断层扫描(LDCT)在肺癌早期检测中的益处,显著提高了患者生存率 [2–4]。因此,越来越多的国家正在实施LDCT LCS项目 [5–8]。
人工智能(AI)在胸部CT扫描工作流程中的作用正变得越来越重要 [9–11]。AI具有提高LDCT评估效率和准确性的潜力。目前已有许多基于AI的计算机辅助诊断(CAD)系统可用于胸部CT分析,能够自动化完成肺结节的检测、分割和类型分类(非钙化实性、亚实性和钙化)等任务 [9, 12]。然而,在将AI作为独立阅片者广泛应用于基于LDCT的LCS项目之前,某些挑战仍需解决。
目前,大多数肺结节管理方案侧重于根据大小、生长速率或外观评估具有最高肺癌概率的结节(本研究中称为“风险主导结节”),而非分析所有结节来指导参与者随访 [13–15]。虽然风险主导结节的恶性率在不同LCS研究中有所差异,但就肺癌而言,80.0–97.0%的肺癌在这些风险主导结节中被检出 [16, 17]。要使基于AI的CAD系统作为独立阅片者发挥作用,必须在风险主导结节的检测、结节体积分割以及风险主导结节类型分类方面展现出准确的任务性能。CT扫描的定性和定量分析可能受到不同重建核(包括“软”、“中等”和“锐利”)选择的显著影响 [18, 19]。以往研究已考察了重建参数对肺结节检测 [20–23] 和体积分类 [24, 25] 各个方面的影响,但均未以风险主导结节为中心。因此,尚无研究在病例层面评估风险主导结节的最佳重建参数。解决这些需求对于将AI整合到LCS工作流程中至关重要。
本研究旨在评估重建参数对基于AI的CAD软件作为独立阅片者在中国普通人群LDCT肺癌基线筛查中风险主导结节检测和类型分类性能的影响。
材料与方法
研究队列和CT扫描方案
研究参与者是荷兰与中国Big-3(NELCIN-B3)试验的一部分,该试验是一个基于社区的LDCT肺癌筛查项目(ClinicalTrials.gov标识符:NCT03988322和NCT03992833)。NELCIN-B3研究在天津的详细研究设计此前已有描述[7, 26]。简言之,符合以下纳入标准的个体被邀请接受LDCT肺癌筛查:(1)年龄40–74岁,(2)在天津市河西区居住至少3年,(3)无自报癌症病史。所有参与者均签署知情同意书。35次扫描因重建缺失、图像不完整或质量不佳而被排除。最终,纳入2017年6月至2018年7月期间在天津医科大学肿瘤医院接受基线筛查的300名连续个体,作为NELCIN-B3队列的一部分。
CT图像采用128排CT扫描仪(Somatom Definition AS 128,Siemens Healthineers)以低剂量设置(管电压:120 kVp;参考管电流:35 mAs)采集。行全胸部LDCT扫描,并由CT扫描仪的PACS系统以三种不同的层厚、增量及卷积核组合进行重建:1.0 mm/0.7 mm配合中软卷积核D45f(D45f/1 mm)、1.0 mm/0.7 mm配合锐利卷积核B80f(B80f/1 mm),以及2.0 mm/1.0 mm配合软卷积核B30f(B30f/2 mm)。
基于深度学习的计算机辅助诊断(CAD)系统
本研究使用了一种商用基于深度学习的CAD系统(AVIEW LCS,v1.1.39.14,Coreline Soft)。用于结节检测的深度学习算法在公开的LUNA16数据集上训练,该数据集包含888幅CT图像和1186个标注结节[27]。该算法采用两阶段流程:第一阶段使用DenseNet和ResNet架构识别结节候选者,第二阶段使用五层卷积神经网络模型减少假阳性。对于结节分割,分别应用−450 HU和−200 HU的阈值来定义实性和部分实性结节的实性部分。亚实性结节通过应用基于直方图的阈值来识别磨玻璃成分进行分割[28]。随后实施非对称可变形模型以细化结节区域的分割[29]。最后,提取基于强度和基于纹理的影像组学特征,并使用以五个最重要特征训练随机森林模型将结节分类为实性、部分实性和非实性类型。基于人工智能(AI)的CAD系统报告所有识别结节的位置(肺叶和层面编号)、类型(非钙化实性、部分实性、非实性和钙化)以及大小(整个结节的直径和体积,以及实性成分)。
人工智能(AI)阅片
考虑到不同卷积核对结节检测、分割和类型分类的潜在影响,在比较不同层厚/间隔设置时,重建卷积核应保持一致。在本研究中,原始三种CT重建设置(D45f/1 mm、B80f/1 mm和B30f/2 mm)使用了不同的卷积核;因此,直接比较相同卷积核但不同层厚/间隔设置的图像不可行。为解决这一问题,我们在AVIEW软件(补充附录1)中执行了“重组”功能,对最初在D45f卷积核下以1.0 mm/0.7 mm层厚/间隔设置重建的CT图像(D45f/1 mm)进行处理,生成新的CT图像,层厚/间隔设置为2.0 mm/1.0 mm,同时保持相同的卷积核(D45f/2 mm)。该重组使得通过比较D45f/1 mm和D45f/2 mm来直接研究层厚/间隔设置的影响成为可能,同时保持重建卷积核恒定。AVIEW软件中的重组功能基于一种常用的后处理方法,遵循PACS和影像软件中类似应用普遍采用的标准方法。虽然重组图像可能与直接从CT扫描仪重建的图像不完全相同,但此类差异很小,不太可能引入显著偏倚。随后AVIEW系统在四种重建设置(AI-D45f/1 mm、AI-D45f/2 mm、AI-B80f/1 mm和AI-B30f/2 mm)下自动检测、分割和表征肺结节。
放射科医师阅片
所有300幅纳入的CT图像由两名放射科医师(M.D.,具有10年以上CT经验;Y.M.,具有5年CT经验)独立阅片。他们手动检测肺结节并确定结节类型。对于三维半自动体积测量,放射科医师1(M.D.)使用Syngo.via VB30A软件(MM Oncology应用程序,Siemens Healthineers),放射科医师2(Y.M.)使用AVIEW LCS v1.1.39.14软件对每个检测到的结节进行分割。两位阅片者均熟悉该软件算法的使用,且对AI的阅片结果、彼此的阅片结果以及研究人群特征均设盲。按照NELCIN-B3方案,两位阅片者均使用D45f卷积核下10 mm层厚的最大强度投影(MIP)重建进行结节检测。对于结节体积测量,采用B80f卷积核下1 mm层厚的多平面重建(MPR)。任何体积≥ 30 mm3的结节均被记录,若存在多个结节,则记录最大的10个结节。
风险主导结节与参考标准
在本研究中,仅评估非钙化实性和部分实性结节,以确定每幅CT扫描中的风险主导结节。对于具有非钙化实性或部分实性结节≥ 30 mm³(统称为实性成分结节)的CT,选择实性成分最大的结节作为风险主导结节(见图S1)。无实性成分结节达到≥ 30 mm3阈值的个体被归类为无风险主导结节。对所有300幅CT扫描,评估是否存在风险主导结节。此步骤由放射科医师和AI各自独立完成。此外,对于AI,此评估在四种不同重建设置(AI-D45f/1 mm、AI-B80f/1 mm、AI-B30f/2 mm和AI-D45f/2 mm)下进行。
两位放射科医生使用Syngo.via VB30A软件共同复核了他们在风险主导结节选择和类型分类方面的所有分歧,以确定是否存在风险主导结节、识别哪个结节为风险主导结节,并对结节类型进行分类。通过讨论达成共识,共识结果作为参考标准用于评估AI的性能。
统计分析
所有统计分析均使用SPSS Statistics(IBM Corp.,版本28)进行,p值<0.05被认为具有统计学意义。首先描述研究人群的特征。分类变量以数量和百分比报告,连续变量以均值±标准差表示。
作为第一个分析步骤,确定被参考标准识别为具有风险主导结节的扫描是否也被四种设置的AI(AI-D45f/1 mm、AI-B80f/1 mm、AI-B30f/2 mm和AI-D45f/2 mm)识别为具有风险主导结节,无论是否检测到相同的风险主导结节。读者间一致性使用Cohen's κ统计量计算。此外,使用参考标准计算AI在四种重建设置下扫描层面风险主导结节可检测性的敏感度和特异度,并使用McNemar检验在不同重建核之间(AI-D45f/1 mm vs. AI-B80f/1 mm,以及AI-B30f/2 mm vs. AI-D45f/2 mm)以及不同层厚/间隔设置之间(AI-D45f/1 mm vs. AI-D45f/2 mm)进行比较。
其次,在逐病例评估中,确定参考标准识别的风险主导结节是否也被AI检测到。我们统计了参考标准确定的优势结节也被AI检测到的CT扫描的绝对数量和百分比,无论AI是否认为其为优势结节。AI结果在不同重建之间的比较使用McNemar检验进行。随后,对于AI成功检测到参考标准优势结节的病例,确定该结节是否为AI的最大结节。此步骤旨在选择匹配结节以评估AI在结节类型分类中的性能。最后,对于这些匹配结节,评估结节类型分类的一致性程度。该评估基于参考标准优势结节,其仅包括参考标准分类的两种结节类型:非钙化实性和部分实性。然而,AI的结节类型分类包括四个类别(非钙化实性、部分实性、非实性、钙化),因为这些匹配结节不一定是AI的优势结节。因此,我们无法使用传统的n×n列联表评估AI与参考标准之间结节类型分类的一致性。相反,我们计算了AI与参考标准之间结节类型分类一致的病例的绝对数量和百分比,并使用卡方检验在不同重建核或不同层厚/间隔设置之间进行比较。
结果
参与者描述
在纳入的300名参与者中,平均年龄为61.2岁±7.1(范围:40–74岁),其中159名(53.0%)为女性。约35.6%(107/300)的参与者为当前吸烟者或既往吸烟者,平均吸烟包年数为22.7±19.0(表1)。
参考标准与放射科医师间一致性
在300名参与者中,111名(37.0%)经共识参考标准鉴定为具有风险优势结节。放射科医师1识别出114个风险优势结节,而放射科医师2识别出101个。放射科医师间对风险优势结节存在的一致性几乎完美(κ = 0.84,95% CI:0.77–0.90)。两位放射科医师在85例中选择了相同的风险优势结节,其中结节类型分类未观察到差异。关于两位放射科医师阅片结果的更多详细信息,见补充附录2。
扫描层面风险优势结节的存在情况
关于CT扫描层面风险优势结节的存在情况,AI与参考标准之间表现出不同程度的阅片者间一致性,Cohen's κ值范围为0.25(95% CI:0.15–0.36)至0.65(95% CI:0.56–0.74)。AI-D45f/1 mm、AI-B30f/2 mm和AI-D45f/2 mm与参考标准达到中等至较大程度的一致性,但AI-B80f/1 mm仅达到较差至一般程度的一致性(表2)。此外,与AI-B80f/1 mm相比,AI-D45f/1 mm在确定每次扫描中风险优势结节存在方面表现出显著更高的灵敏度(77.5% vs. 31.5%,p < 0.0001)和略低的特异度(87.3% vs. 91.0%,p = 0.19)。然而,AI-B30f/2 mm与AI-D45f/2 mm之间(灵敏度:74.8% vs. 74.8%,p = 1.00;特异度:85.7% vs. 85.2%,p = 0.76),或AI-D45f/1 mm与AI-D45f/2 mm之间(灵敏度:77.5% vs. 74.8%,p = 0.32;特异度:87.3% vs. 85.2%,p = 0.20)的灵敏度和特异度未观察到显著差异(表2)。
风险优势结节的检测
在逐病例分析中,结果显示AI在82.0%(91/111)至87.4%(97/111)的病例中检测到参考标准所鉴定的风险优势结节(表3和图1、2)。AI对参考标准指定为风险优势结节的检测率在不同卷积核之间(D45f/1 mm vs. B80f/1 mm,p = 0.26;AI-B30f/2 mm vs. D45f/2 mm,p = 0.85),或不同层厚/间隔设置之间(D45f/1 mm vs. D45f/2 mm,p = 0.44)未观察到显著差异。此外,AI的最大结节与参考标准风险优势结节相匹配的病例比例分别为:AI-D45f/1 mm为58.8%(57/97),AI-B80f/1 mm为68.1%(62/91),AI-B30f/2 mm为56.4%(53/94),AI-D45f/2 mm为59.1%(55/93)。
结节类型分类的一致性
在这些匹配的结节中,AI-D45f/1 mm在结节类型分类上与参考标准一致的比例显著高于AI-B80f/1 mm(87.7% [50/57] 对 17.7% [11/62],p < 0.0001)。AI-B30f/2 mm在结节类型分类上的一致比例低于AI-D45f/2 mm(60.4% [32/53] 对 78.2% [43/55],p = 0.04)。此外,AI-D45f/1 mm与AI-D45f/2 mm在结节类型分类上与参考标准一致的比例无显著差异(87.7% [50/57] 对 78.2% [43/55],p = 0.18)(表4和图1a、b)。关于不一致情况,AI-B80f/1 mm更频繁地将非钙化实性结节误分类为钙化(46/62,74.2%),AI-B30f/2 mm更常将非钙化实性结节误分类为非实性(16/53,30.2%)(表4和图1c、d)。
讨论
在本研究中,我们在中国普通人群的基线低剂量CT(LDCT)筛查中,评估了不同重建参数对人工智能(AI)作为独立阅片者性能的影响。我们的研究结果表明,重建核的差异可能影响AI在扫描水平判定是否存在风险主导结节的敏感度,但不影响特异度,尤其是在比较中软核与锐利核时。对于参考标准风险主导结节,AI的结节检出率未受重建核变化的显著影响。相比之下,不同重建核的选择对AI与参考标准在结节类型分类上的一致性比例有显著影响。此外,层厚/层间隔的变化在任何三个方面均未对AI性能产生实质性影响:扫描水平判定是否存在风险主导结节、结节检出或结节类型分类。
根据当前的肺结节管理指南,无风险主导结节的扫描通常被视为阴性筛查,建议患者进行下一轮筛查而无需短期随访[13, 14]。我们的研究结果表明,重建核的变化可显著影响AI在病例水平判定是否存在风险主导结节的敏感度,从而影响患者管理。相比之下,层厚/层间隔从1.0 mm/0.7 mm变为2.0 mm/1.0 mm并未实质性影响AI的敏感度,因而未影响患者管理。值得注意的是,应用于锐利核的AI(AI-B80f/1 mm)与其他重建设置下的AI相比,敏感度最低且与参考标准的扫描水平一致性最低。在AI-B80f/1 mm的大多数(58/76)假阴性结果中,尽管AI-B80f/1 mm检出了参考标准风险主导结节,但将其误分类为钙化,从而错误地将该扫描评定为无风险主导结节。
对于临床实践中的人类阅片者,软核或中软核常用于肺结节检出,因为它们针对软组织可视化进行了优化。然而,既往研究报道计算机辅助检测(CAD)系统在不同重建核之间的结节可检出性无显著差异,且其比较是基于每个结节的[21, 23]。Hwang等人在36名肺部筛查参与者中比较了CAD系统在三种不同重建核(标准[B]、锐利[C]、肺增强[L])下的性能。他们证明各重建核之间结节检出率差异很小,未观察到显著差异[21]。Ebner等人使用55个体模中的133个实性结节和133个非实性结节,研究了不同重建核(i30、i50和i70)对两种CAD系统性能的影响。他们的研究结果显示,对于任一CAD系统,三种重建核之间的结节检出敏感度均无显著差异(p > 0.8)[23]。与既往研究一致,我们聚焦于风险主导结节的研究结果表明,重建核的差异未显著影响基于每次扫描的结节检出率。
关于层厚/间隔设置对肺结节可检测性的影响,Kim等人在10例肺结节患者的CT图像上使用三种重建设置(层厚/间隔:1 mm/1 mm、5 mm/1 mm和5 mm/1 mm)运行了CAD程序。他们的研究结果显示,结节检测的敏感度随重建层厚变薄(95.2% vs. 94.2%)和间隔减小(94.2% vs. 88.6%)而提高,但未提供p值[20]。同样,我们的结果表明,与较厚图像(AI-D45f/2 mm)相比,较薄图像(AI-D45f/1 mm)上的人工智能(AI)获得了略高的风险优势结节检出率(87.4% vs. 83.8%)。风险优势结节可检测性的改善符合以下理论:较薄的图像可减少部分容积伪影、提高图像分辨率并增加微小特征的可见性,从而提高肺结节可检测性[30]。然而,在我们的研究中,层厚/间隔从2.0 mm/1.0 mm降至1.0 mm/0.7 mm仅显示风险优势结节检出率有小幅非显著性改善。
据我们所知,此前尚无研究探讨重建核或层厚/间隔设置对CAD系统肺结节类型分类的影响。我们的研究结果揭示,重建核的差异,尤其是中软核与锐利核之间的差异,显著影响了AI与参考标准在肺结节类型分类上的一致比例,而不同的层厚/间隔设置则没有显著影响。在本研究中,两位放射科医师均使用D45f核来确定肺结节类型。使用与放射科医师相同重建核的AI辅助CAD系统在结节类型分类方面优于使用其他不同重建核的AI(AI-D45f/1 mm vs. AI-B80f/1 mm,以及AI-D45f/2 mm vs. AI-B30f/2 mm)。这表明,对AI和放射科医师使用相同的重建核可显著提高结节类型分类的一致性,这可能是由于图像纹理和结构方面具有共同的视觉特征。虽然从技术角度来看这种一致性并非严格要求,但它可以增强放射科医师对AI输出的信心,并促进AI更顺畅地融入临床工作流程。
值得注意的是,本研究未评估层厚> 2 mm的情况。当前方案,如2017年Fleischner学会指南[15],推荐使用薄层CT图像(≤ 1.5 mm)以准确检测和表征小肺结节。因此,我们的研究仅比较了临床或肺癌筛查(LCS)环境中常用的1 mm和2 mm薄层重建。较厚重建(如3 mm或更大)对结节检测和结节类型分类的潜在影响仍不确定,值得进一步研究。
本研究存在若干局限性。第一,在本研究中,我们无法获取肺癌病理诊断的数据。取而代之的是,我们采用两位放射科医师的共识阅片结果作为参考标准。未来需要纳入组织病理学数据的研究来外部验证我们的发现并提高其临床适用性。第二,该人工智能算法最初是专门为检测肺结节而开发的,肺结节通常定义为直径<3 cm的病灶(体积约14,137 mm³)。因此,采用了30,000 mm³的保守体积上限阈值以尽量减少人工智能的假阳性,这可能导致漏检直径>3 cm的罕见但具有临床意义的病灶,例如早期浸润性肺癌。未来版本的人工智能算法可能需要优化以同时检测更大的病灶。最后,肺结节检测和类型分类是使用单一人工智能算法以自动方式进行的。需要进一步研究来探讨不同的人工智能算法是否能在不同重建参数下支持我们的发现。
总之,重建核的变化,尤其是中等软核与锐核之间的差异,显著影响了风险优势结节类型分类率,但未影响检出率。由于在结节类型分类方面表现不佳,不应考虑将人工智能应用于硬核。将层厚/间隔从1.0/0.7 mm增加至2.0 mm/1.0 mm,在CAD软件于病例水平的自动风险优势结节检测或类型分类方面均未产生实质性差异。基于我们的发现和临床偏好,使用与放射科医师选择一致的重建核可能有助于提高CAD系统作为独立阅片者的整体性能,并支持人工智能工具在常规实践中获得更广泛的临床接受和整合。
补充信息
电子补充材料
引用
- Mao Y, Heuvelmans MA, van Tuinen M, et al. Artificial intelligence as an independent reader of risk-dominant lung nodules: influence of CT reconstruction parameters. Eur Radiol. 2025. PMID: 40883523. doi:10.1007/s00330-025-11949-8
- 全文:PMC12963105(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12963105/
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。