文献速递骨肌CT

CT骨报告和数据系统(Bone-RADS-CT):四位阅片者对来自三个本地和两个公共数据库的328例病例的验证研究

Bone reporting and data system on CT (Bone-RADS-CT): a validation study by four readers on 328 cases from three local and two public databases.
PubMed 文献 · Insights Imaging · 2025-08-12

该研究回顾性纳入来自三个本地和两个公共数据库的328例成人孤立性骨病变CT病例,由两位骨肌放射科医生和两位非骨肌放射科医生按Bone-RADS-CT分类。识别中间或恶性病变或骨髓炎的敏感度为88.8%至94.6%,特异度为42.9%至71.1%,准确度为78.0%至86.6%;两位骨肌医生间加权kappa为0.553,两位非骨肌医生间为0.403。结论认为Bone-RADS-CT能有效识别需要进一步治疗的骨病变,但不同专业和经验阅片者间信度仅为中等。

要点

  • Bone-RADS-CT识别中间或恶性病变或骨髓炎的敏感度达88.8%至94.6%,但特异度仅42.9%至71.1%。
  • 两位骨肌放射科医生间加权kappa为0.553,两位非骨肌放射科医生间为0.403,均为中等一致。
  • Bone-RADS-4定义为可疑恶性或需要治疗,建议活检和/或肿瘤专科转诊;Bone-RADS-1为可能良性,无需处理。

核心结论

  • Bone-RADS-CT能有效识别需要进一步治疗的骨病变,但对不同专业和经验阅片者的可靠性仅为中等。
  • 作者认为Bone-RADS-CT对非骨肌放射科医生是可靠的算法,对识别成人偶发孤立性骨病变的「需要治疗」是有效工具,但评分方法和分类定义仍需改进。
  • 作者鼓励未来前瞻性研究验证其有用性,并为改进提供见解。

研究设计与样本

  • 回顾性研究,使用三个本地机构数据库和两个公共数据库(Eurorad和Radiopaedia),共纳入328例CT病例。
  • 纳入标准:≥18岁、孤立性骨病变、CT层厚至少5 mm且骨与软组织窗宽窗位合适、临床病史可用、组织学或临床确诊或典型「不可触碰」病变且稳定至少2年。
  • 由两位骨肌放射科医生(分别有6年和8年经验)和两位非骨肌放射科医生(均有9年经验)独立按Bone-RADS分类,阅片者对数据来源和最终诊断盲法。
  • 参考标准由多学科小组(六位放射科医生、一位骨科医生、一位肿瘤科医生和一位病理科医生)根据组织学或临床确认、典型「不可触碰」病变表现及至少2年随访确定。
  • 阳性病例定义为中间或恶性病变或骨髓炎(223例),阴性病例定义为良性病变(105例)。

诊断标准与关键数值

  • Bone-RADS-1:可能良性,无需处理;Bone-RADS-2:影像评估不完整,需不同影像模态检查;Bone-RADS-3:中间性,需随访影像;Bone-RADS-4:可疑恶性或需要治疗,需活检和/或肿瘤专科转诊。
  • 识别阳性病例(中间或恶性病变或骨髓炎)的敏感度为88.8%至94.6%,特异度为42.9%至71.1%,准确度为78.0%至86.6%,诊断比值比为11.60至34.26。
  • 两位骨肌放射科医生间加权kappa为0.553,两位非骨肌放射科医生间加权kappa为0.403,均为中等一致。
  • 按CT衰减分层的亚组:透亮型病变敏感度91.0%至97.3%、特异度46.2%至92.3%、准确度84.7%至92.7%;硬化或混合型病变敏感度86.6%至92.0%、特异度41.8%至72.2%、准确度71.2%至82.2%。

临床应用与阅片要点

  • Bone-RADS-CT可同时应用于CT或MRI,无需对比增强,在仅有一种影像模态可用时更便于临床实践。
  • 使用Bone-RADS需阅片者有能力判断病变是否完全或明确符合二十余种特定骨肿瘤的影像特征,对经验不足者具有挑战性。
  • Bone-RADS-2表示影像评估不完整,但恶性可能或严重程度高于Bone-RADS-1,作者认为应设为Bone-RADS-0以符合其他系统惯例。
  • 作者指出将梗死归为Bone-RADS-1并「无需处理」可能不完全合适,因为梗死有时可治愈且需转诊管理。
  • 作者指出纤维结构不良和内生软骨瘤虽归为Bone-RADS-1,但可能恶变,有时也需要随访。

局限性

  • Bone-RADS设计用于成人因无关原因影像检查时偶发的孤立性骨病变,但回顾性研究设计难以确定病变是否为偶发,因此纳入所有孤立性骨病变而不论其性质;需要前瞻性研究在偶发条件下测试Bone-RADS的诊断性能。
  • 样本不能代表骨病变的流行病学,良性病变可能因临床意义有限而漏报,罕见组织学类型和常见病变的罕见影像表现更可能被记录和发表。
  • 研究仅允许放射科医生根据数张代表性图像评估病变,而非通过图像归档和通信系统阅读连续图像序列。
  • 纳入的CT图像层厚至少5 mm,需进一步研究确定层厚是否影响Bone-RADS-CT的诊断性能。
  • 研究仅评估Bone-RADS的诊断性能和解阅者间信度,Bone-RADS对临床流程和后续管理的潜在影响尚不清楚。
全文中译10 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:Insights Imaging. 2025 Aug 12;16:174. doi: 10.1186/s13244-025-02057-8

引言

随着影像检查可及性提高和成本降低,越来越多的骨病变因无关原因被检出[1]。即使对肌肉骨骼放射科医生而言,骨病变的诊断有时也很困难,因为鉴别诊断谱包括良性、中间型和恶性肿瘤,以及感染、炎症、梗死和系统性疾病骨受累[2–6]。原发性骨恶性肿瘤相对罕见,意味着病例数量有限[7–9],这可能导致放射科医生在识别和评估骨病变方面经验不足。良性和恶性病变的影像特征重叠给评估带来额外困难,并对阅片者间可靠性和诊断性能产生负面影响[2–6]。由于这些困难,骨病变的诊断可能被延迟,次优管理可能潜在导致不良预后[10, 11]。因此,需要一种系统化、标准化的骨肿瘤评估方法[12, 13]

许多系统领域已提出一系列报告和数据系统,通过使病变具有共享概念来增强多个临床专科之间的沟通与协作[14, 15]。骨病变也有若干系统[16]。骨肿瘤放射学评估评分(REST)[17]和美国放射学会开发的骨肿瘤风险分层与管理系统(ACR Bone-RADS)[18]是两种为X线片上骨病变评估开发的系统。ACR Bone-RADS已显示出高敏感性和中等阅片者间一致性,但特异性相对较低[19, 20]。骨肿瘤报告和数据系统(OT-RADS)[21, 22]是一种基于常规MRI加或不加扩散加权成像序列的系统。骨肿瘤影像报告和数据系统(BTI-RADS)[23]依赖CT和增强MRI进行评估。REST以二分类方式解读[17],而其他系统以四至六个等级报告,恶性可能性递增[18, 21–23]。骨骼放射学会开发的最新骨报告和数据系统(SSR Bone-RADS)[24]不同于ACR Bone-RADS,适用于CT或MRI。Bone-RADS分类主要根据后续管理生成,预期在临床常规中更实用。Bone-RADS分类为Bone-RADS-1,可能良性,不予处理;Bone-RADS-2,影像评估不完整,采用不同影像模态;Bone-RADS-3,中间型,进行随访影像检查;Bone-RADS-4,可疑恶性或需要治疗,活检和/或肿瘤转诊。Bone-RADS已被验证,并显示出良好诊断性能以及中等阅片者间和阅片者内可靠性[25, 26]。Bone-RADS的修订版进一步提高了其特异性并保持了敏感性[27]。然而,这些研究均在单中心进行,且主要由经验丰富的肌肉骨骼放射科医生开展。由于Bone-RADS可能在肌肉骨骼专科实践之外更常使用,因此在非肌肉骨骼放射科医生中进行验证是必要的。此外,为在更广泛的疾病谱中检验该算法,我们决定使用本地和公共数据源开展多中心研究。

因此,本研究旨在由两名肌肉骨骼放射科医师和两名非肌肉骨骼放射科医师,使用三个本地数据库和两个公共数据库,评估骨报告和数据系统-CT(Bone-RADS-CT)对成人偶发孤立性骨病变的可重复性和有效性。

材料与方法

研究设计

这是一项回顾性研究,使用来自三个本地机构数据库和两个公共数据库的病例(图1)。本研究已获得机构伦理批准(2022-029-01)。豁免了参与者的书面知情同意。两个公共数据库分别为Eurorad(https://www.eurorad.org)和Radiopaedia(https://radiopaedia.org)。我们已与编辑团队讨论了这两个数据库,并分别获准在知识共享许可协议CC BY-NC-SA 4.0和CC BY-NC-SA 3.0下将病例用于研究目的。

图1 骨报告和数据系统-CT(Bone-RADS-CT)及研究流程。Bone-RADS,骨报告和数据系统;MSKCC,肌肉骨骼肿瘤中心;PACS,图像存档和通信系统 查看原图 ↗

研究样本选择

两名分别具有6年和7年经验的肌肉骨骼放射科医师(J.Y.Z.和Y.X.)选择用于研究的病例[17, 19–23, 25–27]。纳入标准为:(1)≥ 18岁;(2)孤立性骨病变;(3)完整的CT检查,层厚至少5 mm,且窗宽和窗位适合骨和软组织评估;(4)有可获得的临床病史;以及(5)经组织学或临床确诊,具有典型“不可触碰”病变表现且至少稳定2年者。排除标准为:(1)重复病例;(2)随访检查;(3)治疗后检查;(4)图像质量不满意;以及(5)允许非商业使用。样本选择过程详见补充说明S1。

筛选了三个本地机构数据库和两个公共数据库。对于中心A,使用与骨病变相关的术语检索图像存档和通信系统,评估了2019年1月1日至2023年6月30日期间的865例潜在病例。对于中心B,收集并评估了2018年1月1日至2020年6月30日期间具有组织学结果的183例潜在病例,用于教学目的。对于中心C,收集并评估了2018年1月1日至2020年6月30日期间具有组织学结果的181例潜在病例,用于研究目的。对于Eurorad,在限定肌肉骨骼系统和CT成像方式的情况下,识别出截至2024年6月30日的384例潜在病例,随后进行评估。对于Radiopaedia,在限定肌肉骨骼系统、CT成像方式和特定诊断的情况下,识别出截至2024年6月30日的2741例潜在病例,随后进行评估。最终,分别从中心A、中心B、中心C、Eurorad和Radiopaedia数据库纳入39例、68例、71例、36例和114例病例,共计328例。我们的事后样本量计算表明,样本量适合当前研究(补充说明S2)[28]。

最终诊断与Bone-RADS

我们的多学科小组确定了病例的最终诊断和Bone-RADS的参考标准,用于诊断性能评估(补充说明S3)。我们的小组由六名放射科医生(J.Y.Z.、Y.X.、C.Z.L.、L.J.L.、H.Z.和W.W.Y.)、一名骨科医生(G.C.Z.)、一名肿瘤科医生(S.Q.M.)和一名病理科医生(Q.Y.)组成。最终诊断和Bone-RADS分类根据组织学或临床确认、“不可触碰”病变的典型表现以及至少2年的随访确定[17, 19–23, 25–27]。对于诊断性能评估,中间型或恶性病变或骨髓炎定义为阳性病例,良性病变定义为阴性病例。病例计算如下:诊断为Bone-RADS-2、3或4的Bone-RADS-4病例,为真阳性(TP);诊断为Bone-RADS-2、3或4的Bone-RADS-1病例,为假阳性(FP);诊断为Bone-RADS-1的Bone-RADS-4病例,为假阴性(FN);诊断为Bone-RADS-1的Bone-RADS-1病例,为真阴性(TN)。我们使用这些定义来判断被指定为Bone-RADS-1的病变是否真正为无需额外检查的良性过程,而被指定为Bone-RADS-4的病变是否可疑为恶性或需要治疗。

Bone-RADS培训与评估

每例病例的Bone-RADS分类分别由两名具有6年和8年经验的肌骨放射科医生(Y.F.H.和D.F.D.)以及两名均具有9年经验的非肌骨放射科医生(S.D.和X.W.L.)进行评分(补充说明S4)。在正式评估之前,阅片者阅读了Bone-RADS白皮书,使用十个附带的代表性病例进行自测,并与多学科小组讨论,直至对Bone-RADS达成共同理解[24]。对于正式评估,两名具有6年和7年经验的肌骨放射科医生(J.Y.Z.和Y.X.)使用PowerPoint软件(Office 365;Microsoft)以随机顺序创建了匿名图像集,并使用Excel软件(Office 365;Microsoft)汇总了其性别、年龄和临床病史。阅片者被要求根据PowerPoint和Excel文档对每例病例的Bone-RADS分类进行评分,对数据来源和最终诊断设盲。每例病例的阅片时间没有限制,但所有阅片者在一周内完成了Bone-RADS评分。该方法被认为对肌骨系统RADS的验证有效[29]。

统计分析

统计分析在RStduio软件(版本1.4.1106;https://posit.co)中使用R语言(版本4.1.3;https://www.r-project.org)进行。连续变量和分类变量分别以均值±标准差和分布(百分比)表示。对于五个数据库之间的差异,连续变量采用单因素方差分析,分类变量采用卡方检验或Fisher精确检验。对于阅片者间一致性,估计加权kappa统计量,并按如下解释:差,< 0.20;一般,0.20–0.40;中等,0.40–0.60;好,0.60–0.80;优秀,≥ 0.80 [30]。对于诊断性能,计算灵敏度、特异度、准确度和诊断比值比。诊断性能的亚组分析根据以下因素进行:(1)性别(男性 vs 女性),(2)年龄(≤ 中位数 vs > 中位数),(3)数据来源(本地数据库 vs 公共数据库),以及(4)CT衰减(溶骨性 vs 硬化性或混合性)。除非另有说明,统计检验的alpha水平设定为0.05且为双侧。

结果

患者和病变特征

分别有223例阳性和105例阴性病例(表1和补充数据S1)。五个数据库之间未发现性别和CT衰减的差异(所有p > 0.05),而年龄(p = 0.007)、恶性肿瘤病史(p = 0.021)、疼痛存在(p = 0.009)、解剖部位(p < 0.001)和脂肪存在(p = 0.001)在五个数据库之间显示出显著差异。

表1 患者和病变特征 查看原表 ↗

阅片者间一致性和诊断性能

328个纳入病变分别归类为Bone-RADS-1至Bone-RADS-4(表2、图2和补充数据S2)。提供了Bone-RADS-1和Bone-RADS-4的代表性病例(图S1、S2)。两名肌肉骨骼放射科医师和两名非肌肉骨骼放射科医师之间的阅片者间一致性为中等(加权kappa分别为0.553和0.403)。识别阳性病例的诊断性能因放射科医师而异,灵敏度为88.8%至94.6%,特异度为42.9%至71.1%,准确度为78.0%至86.6%,诊断比值比为11.60至34.26(表3)。Bone-RADS-CT的诊断性能在性别、年龄、数据来源和CT衰减之间似乎无显著差异。(补充表S1)。

表2 根据阅片者的Bone-RADS评级 查看原表 ↗
图2 根据阅片者的Bone-RADS评级条形图 查看原图 ↗
表3 根据阅片者的Bone-RADS诊断性能 查看原表 ↗

讨论

我们的研究使用三个本地数据库和两个公共数据库验证了Bone-RADS-CT用于成人偶然性孤立性骨病变。Bone-RADS-CT在肌肉骨骼和非肌肉骨骼放射科医师之间均显示出中等阅片者间一致性,并呈现出高灵敏度和诊断准确度但相对较低的特异度(图3)。

Bone-RADS-CT 由 Park 等人使用一个单中心数据集进行了验证,该数据集包含 179 例因骨病变接受活检的患者 [25]。两名分别具有 5 年和 6 年经验的肌肉骨骼放射科医生对溶骨性病变的敏感性分别为 94.7% 和 82.4%,特异性均为 10.8%,准确性分别为 57.3% 和 50.5%;对硬化性或混合性病变的敏感性分别为 75.0% 和 67.9%,特异性均为 27.1%,准确性分别为 44.7% 和 42.1%。我们的研究表现出更好的诊断性能,对溶骨性病变的敏感性为 91.0% 至 97.3%,特异性为 46.2% 至 92.3%,准确性为 84.7% 至 92.7%;对硬化性或混合性病变的敏感性为 86.6% 至 92.0%,特异性为 41.8% 至 72.2%,准确性为 71.2% 至 82.2%。我们假设样本可能部分解释了这一差异。活检病例可能仅凭影像学表现难以诊断,而我们的研究纳入了更多具有典型表现、具有教学意义的病例,以及更多具有侵袭性特征(皮质受累、软组织延伸、病理性骨折或侵袭性骨膜反应)的病例,这些病例仅凭影像学检查更容易诊断。导致差异的另一个因素可能是用于评估的代表性图像的选择。在我们的研究中,读者通过 PowerPoint 文档评估关键图像以确定 Bone-RADS 分类,而非阅读整个图像集。这可能潜在提高读者的诊断性能。Bone-RADS 的修订版排除了原有的病变相关疼痛和恶性肿瘤病史标准 [27],从而在保持敏感性的同时提高了特异性。一些良性或中间性病变可能表现为疼痛,但被原系统归类为 Bone-RADS-4 病变,如骨样骨瘤、软骨母细胞瘤和骨巨细胞瘤 [2, 13]。原系统过于强调疼痛的临床表现和恶性肿瘤病史,而修订版系统已转变评估重点,增强了对影像学发现的客观评估,而非主观症状,后者在就诊时可能差异很大。

读者间和读者内可靠性也是Bone-RADS临床应用的先决条件。Park等证明了两名分别具有5年和6年经验的肌骨放射科医生之间具有良好的读者间可靠性(加权kappa,0.744)[25]。Ramadan等则显示三名具有9至12年经验的肌骨放射科医生之间具有更高的读者间和读者内可靠性(加权kappa,0.922和0.983)[26]。修订版Bone-RADS还改善了两名分别具有10年和5年经验的肌骨放射科医生与普通放射科医生之间的读者间可靠性(加权kappa,0.854)[27]。然而,我们的读者间可靠性在肌骨放射科医生和非肌骨放射科医生中均为中等(加权kappa,0.553和0.403)。我们的读者来自综合医院,而非专门的肌骨影像与介入部门。因此,我们的读者可能对相关病例的接触不足,未能形成骨病变方面的专长。在骨肿瘤方面经验更丰富的放射科医生可能表现出更高的读者间可靠性[25, 26]。此外,我们的样本可能包括罕见疾病或具有罕见影像表现的常见疾病,这些值得作为病例报告发表。由于经验水平不同,对这些病例的意见可能更加多样。我们未来的研究旨在探讨培训和经验对Bone-RADS读者间可靠性的影响。使用修订版Bone-RADS对读者间可靠性的潜在改善也需要验证。

Bone-RADS具有若干优势。第一,Bone-RADS可独立应用于CT或MRI[24]。相比之下,OT-RADS依赖于增强MRI[19, 22],而BTI-RADS需要同时使用CT和增强MRI进行评估[23]。当仅有单一成像方式可用时,无论是否增强,Bone-RADS在临床上更具可操作性。第二,Bone-RADS白皮书提供了示例病例,展示了从影像特征到可执行管理建议的路径[24]。这些病例有效说明了Bone-RADS算法在CT和MRI上的适用性。ACR用于X线片的Bone-RADS也提供了用于计算评分和得出最终分级的示例病例[18]。借助这些文档,可以更好地理解和推广这些系统。第三,该系统设计用于更广泛的疾病谱,包括炎症和梗死[24],而其他系统将其应用限于骨肿瘤[17–19, 22, 23]。这一点至关重要,因为偶然发现的骨病变并不总是骨肿瘤[31],而感染有时可能是恶性骨肿瘤的关键鉴别诊断[32]。

尽管有这些优势,Bone-RADS 仍有改进空间。首先,Bone-RADS 算法严重依赖骨肿瘤的特定影像学特征[24]。要使用 Bone-RADS,读者应具有足够的经验来判断病变是否完全或明显符合二十多种特定骨肿瘤。这对于专业知识不足的读者来说具有挑战性,因为该系统预计将在肌肉骨骼实践之外更广泛地使用。OT-RADS 也有类似问题,读者需要记住一系列骨肿瘤的典型 MRI 特征及其 OT-RADS 分类才能提出建议[21, 22]。另一方面,根据影像特征的评分来确定病变的评级对读者来说更友好[17, 18, 23]。读者只需要具备评估影像特征的基本知识,而不需要达到组织学诊断所需的知识。其次,Bone-RADS 将恶性潜能和建议合并到分级系统中[24]。虽然这预计在临床上更实用,但可能会让用户困惑。其他系统遵循通常的惯例,即数字越大表示恶性潜能或严重程度越高[17, 18, 21–23, 26, 33]。然而,Bone-RADS-2 在 Bone-RADS 系统中意味着成像不完整,但恶性可能性或严重程度高于 Bone-RADS-1。它应被设为 Bone-RADS-0,类似于其他骨肿瘤系统[18, 21, 22]。第三,骨病变的分类并不完全恰当。将梗死视为 Bone-RADS-1 病变并不予处理可能并不总是合适,因为它们有时是可治愈的并且需要转诊管理[34, 35]。此外,不仅中间性病变应通过随访管理。纤维性发育不良和内生软骨瘤虽然被归类为 Bone-RADS-1 病变,但可能转化为恶性肿瘤,有时也需要随访[36, 37]。我们认为在更新 Bone-RADS 时需要考虑这些要点。除了这些缺点之外,在结构化报告时代,Bone-RADS 仍然是骨病变的及时工具[38, 39]。我们相信,通过一步一步、结构化和系统化的方法,Bone-RADS 有朝一日将成为一个具有充分科学证据的稳健系统[40]。

我们的研究存在以下局限性。第一,Bone-RADS 是为在因无关原因进行的影像学检查中偶然发现的成人孤立性骨病变而设计的。然而,在回顾性研究设计中,很难判断病变是否为偶然发现 [25–27]。因此,我们纳入了所有孤立性骨病变,无论其性质如何。有必要开展前瞻性研究,以检验 Bone-RADS 在偶然发现条件下的诊断性能。第二,我们的样本不能代表骨病变的流行病学特征。良性病变可能因其临床意义有限而报告不足,因此在样本筛选过程中可能未被识别。罕见组织学类型的骨病变以及影像表现罕见的常见病变,更可能因教学和研究目的而被记录并以病例报告形式发表。第三,我们的研究仅允许放射科医师使用数张代表性图像评估病变,而非通过图像归档和通信系统查看连续图像序列。然而,我们相信当前设置对于 Bone-RADS 的临床验证已足够高效,并可为改进提供启示 [29]。我们纳入了层厚至少 5 mm 的 CT 图像。有必要进一步研究以确定层厚是否影响 Bone-RADS-CT 的诊断性能。最后,我们的研究仅评估了 Bone-RADS 的诊断性能和阅片者间可靠性。Bone-RADS 对临床流程和后续管理的潜在影响仍不明确。未来研究可以前瞻性方式实施 Bone-RADS,并探究其是否能影响管理和结局以及成本效益。

总之,我们的研究发现 Bone-RADS-CT 具有中等的阅片者间可重复性以及高灵敏度和准确度,但特异度相对较低。我们鼓励未来开展前瞻性研究以验证其有效性,并为改进提供启示。尽管如此,它仍是针对骨病变系统化和标准化方法评估的一次伟大而及时的尝试。

图 3 按阅片者分组的 Bone-RADS 诊断性能直方图 查看原图 ↗

补充信息

电子补充材料

引用

  1. Xing Y, Ding D, Dai S, et al. Bone reporting and data system on CT (Bone-RADS-CT): a validation study by four readers on 328 cases from three local and two public databases. Insights Imaging. 2025. PMID: 40794221. doi:10.1186/s13244-025-02057-8
  2. 全文:PMC12344047(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12344047/

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。