人工智能辅助鉴别非结核分枝杆菌肺病与定植:一项多中心研究
本研究回顾性纳入两家医院呼吸道标本分离出非结核分枝杆菌的成人患者,由三名专家判定疾病或定植状态,开发整合胸部CT与临床数据的多模态深度学习模型NTMNet,并在内部和外部测试集评估。NTMNet在内部和外部测试集的AUC分别为0.85和0.82,区分非结核分枝杆菌肺病与定植的表现与三名有经验呼吸科医师相当。
要点
- NTMNet整合胸部CT和临床数据(年龄、性别、抗酸涂片、菌种)判断NTM疾病状态。
- 外部测试集AUC 0.82(95%CI 0.78-0.89),与呼吸科医师判读准确性相当。
- 可视化显示空洞、支气管扩张和多发结节是模型分类的关键影像特征。
核心结论
- 多模态NTMNet在呼吸道NTM分离株患者中区分肺病与定植表现满意,诊断准确性可与有经验呼吸科医师相比。
研究设计与样本
- 回顾性研究,纳入两家医院2017年1月至2021年12月呼吸道标本分离NTM且3个月内行胸部CT的成人患者,仅纳入鸟分枝杆菌复合群、脓肿分枝杆菌复合群和堪萨斯分枝杆菌分离株。
- 最终纳入内部队列413例、外部队列196例,NTM-PD患病率46.8%;内部队列按70%、15%、15%随机分为训练集291例、验证集67例和测试集55例,外部队列196例全部为外部测试集。
- 以三名NTM领域专家依据现行NTM-PD指南独立判定疾病状态、多数共识为参考标准;内部和外部测试集仅纳入三名专家意见一致的病例。
- 模型NTMNet由三维卷积神经网络(3D-CNN)处理胸部CT和多层感知机(MLP)处理临床变量组成,融合特征后输出最终预测。
- 评估指标包括AUC、准确性、敏感度、特异度和F1评分,并做校准曲线和预设亚组分析;读者研究随机选取外部测试集20例(NTM-PC 11例、NTM-PD 9例)与三名有至少5年NTM管理经验的呼吸科医师比较。
关键影像表现/征象
- NTM-PD患者较NTM-PC更常见支气管扩张(内部训练集74% vs 28%,内部测试集79% vs 19%,外部测试集73% vs 22%,均p<0.001)和结节或肿块(68% vs 31%、88% vs 19%、72% vs 10%,均p<0.001)。
- NTM-PC患者较NTM-PD更常见纤维钙化灶(内部训练集26% vs 16%,p=0.034;外部测试集42% vs 8%,p<0.001)和实变(内部训练集35% vs 17%,p=0.001;外部测试集26% vs 11%,p=0.005)。
- 类激活热图显示模型关注空洞、支气管扩张和多发结节区域,与NTM-PD典型影像特征一致。
- SHAP分析显示抗酸涂片是MLP判断NTM疾病状态最重要的临床变量。
诊断标准与关键数值
- 内部测试集:3D-CNN预测NTM疾病状态AUC 0.73(95%CI 0.62-0.82),MLP AUC 0.74(95%CI 0.66-0.87),NTMNet AUC 0.85(95%CI 0.80-0.93)。
- 外部测试集:3D-CNN AUC 0.78(95%CI 0.75-0.83),MLP AUC 0.75(95%CI 0.72-0.84),NTMNet AUC 0.82(95%CI 0.78-0.89)。
- 内部测试集亚组:NTMNet在抗酸涂片阳性患者准确性0.92 vs 阴性患者0.72(p<0.001)。
- 外部测试集亚组:除堪萨斯分枝杆菌分离株患者准确性0.67外,其余亚组NTMNet准确性维持在0.7-0.8。
- 读者研究:NTMNet判断NTM疾病状态准确性75%,与三名呼吸科医师的85%、95%和65%相比差异无统计学意义。
临床应用与阅片要点
- 模型仅使用常规胸部CT和临床数据(年龄、性别、抗酸涂片、菌种)即可辅助区分NTM肺病与定植,无需额外采样或有创操作。
- 阅片时空洞、支气管扩张和多发结节提示NTM-PD可能,纤维钙化灶和实变在NTM-PC中更常见。
- 抗酸涂片阳性是模型判断NTM疾病状态最重要的临床变量,报告时可结合涂片结果。
- 外部测试集性能略低于内部测试集,原文提示可能与CT采集方案、图像质量和局部疾病患病率差异有关,临床实施前需现场验证和可能的微调。
局限性
- 临床信息被排除于NTMNet开发之外,原文指出其歧义性和报告不一致使其成为不可靠变量。
- 内部和外部测试集排除了疾病状态未达成共识的患者,原文指出这可能限制模型对疾病状态不明确患者的泛化性。
- 队列中约25%呼吸道NTM分离株患者诊断未达成共识,这些患者年龄更大且胸部CT空洞病变 prevalence 更低;原文指出NTMNet在该亚组的真实世界表现需仔细评估。
- 外部测试集性能略低于内部测试集,原文提示可能与CT采集方案、图像质量和局部疾病患病率差异有关。
- 堪萨斯分枝杆菌分离株患者外部测试集准确性0.67,原文指出确切原因不明,可能归因于训练队列中该菌种样本量小。
全文中译15 节 · 点击展开
引言
值得注意的是,在呼吸道标本中检测到非结核分枝杆菌(NTM)可能提示非结核分枝杆菌肺病(NTM-PD)或非结核分枝杆菌肺部定植(NTM-PC)[1]。及时区分NTM-PD与NTM-PC至关重要,因为这两种情况的处理方式不同。NTM-PC患者不需要抗分枝杆菌治疗[2]。相反,对于诊断为NTM-PD的患者,应仔细考虑综合方案,包括肺康复计划、最佳营养策略以及可能的抗菌治疗[3, 4]。
NTM-PD的标准药物治疗涉及漫长而复杂的多药抗菌方案,通常伴有多种副作用[5]。将NTM-PC患者错误诊断为NTM-PD可能导致不必要的治疗并使患者暴露于治疗相关副作用。相反,将NTM-PD患者误诊为NTM-PC可能导致诊断延迟,从而导致疾病严重程度增加和功能丧失[6]。
现行NTM指南建议临床医生整合临床、影像学和微生物学数据以区分NTM-PD与NTM-PC[4]。然而,确定NTM的临床状态往往具有挑战性。例如,区分活动性NTM感染患者与仅表现为NTM定植的结构性肺病患者可能令人困惑[7]。为应对这一临床挑战,已有研究评估NTM-PD与NTM-PC之间的差异。这些研究结果表明,女性、低体重指数、既往肺结核(TB)病史、慢性阻塞性肺疾病等合并症、痰抗酸涂片(AFS)阳性、从呼吸道样本中分离出堪萨斯分枝杆菌,以及影像学表现为结节性支气管扩张和空洞性病变,是预测NTM-PD而非NTM-PC的因素[8, 9]。尽管做出了这些努力,目前仍缺乏单一确定性且客观的检测来区分NTM-PD与NTM-PC。
鉴于人工智能(AI)近期的快速发展,神经网络中的深度学习模型在基于胸部X线(CXR)和胸部计算机断层扫描(CT)区分NTM-PD与肺结核方面显示出良好结果[10, 11]。此外,另一项研究表明,深度学习模型可能能够利用CXR预测NTM-PD患者的长期死亡率,当CXR与临床信息结合时其准确性提高[12]。这些发现提供证据表明,AI模型有潜力识别与NTM-PD相关的图像特征和临床信息。因此,我们假设AI可能为区分NTM-PD与NTM-PC提供解决方案。
因此,我们启动本研究,以评估使用临床信息和胸部CT的深度学习模型是否可用于在呼吸道标本分离出NTM的患者中区分NTM-PD与NTM-PC。
材料与方法
研究设计
本研究在两所医院开展,一所作为内部队列,另一所作为外部队列。台湾大学医院机构审查委员会批准了本研究(111-177-F)。目的是探讨深度学习模型在区分非结核分枝杆菌肺病(NTM-PD)与非结核分枝杆菌肺定植(NTM-PC)方面的性能。我们回顾性识别了2017年1月至2021年12月期间,从呼吸道标本中分离出非结核分枝杆菌(NTM)且在NTM分离后3个月内进行了胸部CT检查的成年患者(> 20岁)。考虑到已知NTM菌种的流行率和临床意义[13],本研究仅纳入分离出鸟分枝杆菌复合群、脓肿分枝杆菌复合群和堪萨斯分枝杆菌的患者。
三位临床专家各自在NTM领域拥有超过5年的患者管理和研究经验,他们独立评估了入组参与者的NTM疾病状态。他们的评估遵循当前的NTM-PD指南[4]。由于本研究的回顾性性质以及缺乏标准化的NTM监测,临床专家被要求在作出判断时不考虑所采集和培养的NTM样本数量。若三位专家之间存在分歧(状态未达成共识),则采用多数决定规则确定NTM疾病状态。由于三位专家解读胸部CT图像的工作量较大,本研究纳入了研究期间参与医院所有具有可用胸部CT扫描病例的约60%。
数据集建立与数据收集
纳入内部队列的患者按固定比例70%、15%和15%随机分配至训练集、验证集和测试集。外部队列中的所有患者均仅分配至外部测试集。此外,为确保评估深度学习模型性能的清晰性,仅将三位临床专家对疾病状态均达成共识的患者纳入内部和外部测试集。所有图像均通过附录A所述预处理流程进行标准化。
我们从入组患者中收集了以下数据:年龄;性别;微生物学报告,包括抗酸染色(AFS)和NTM菌种;以及胸部CT图像和影像学模式(纤维钙化病灶、结节或肿块、实变、空洞、支气管扩张和胸腔积液)。所选胸部CT图像与呼吸道标本采集用于NTM分离的日期之间的时间间隔限制在3个月以内。
深度学习模型的开发——NTMNet
鉴于NTM疾病状态的判定涉及涵盖临床、影像学和微生物学标准的综合评估[4],我们开发了一种名为NTMNet的多模态深度学习模型,以获取患者在临床、影像学和微生物学领域的数据。NTMNet的结构概览如图1A所示,该模型由三维卷积神经网络(3D-CNN)和多层感知机(MLP)组成。模型结构的详细信息见附录B。3D-CNN模型对每份输入胸部CT生成一个0至1之间的值,作为NTM疾病状态的估计概率。同时,MLP模型利用具有临床意义的变量,包括年龄、性别、抗酸涂片(AFS)和NTM菌种,来预测NTM疾病状态[8, 9]。最后,我们将3D-CNN和MLP输出层之前的特征图合并,并通过一个新的全连接层,以获得我们NTMNet的最终预测结果。
模型训练过程如图1B所示。在内部训练集完成训练阶段后,采用内部验证集评估训练结果的充分性并选择性能最佳的模型。
NTMNet性能评估与阅片者研究
使用内部测试集的数据评估NTMNet的性能,并利用外部测试集评估模型的外部泛化能力,如图1B所示。此外,还评估了模型在预设亚组中的性能,包括年龄、性别、吸烟状态、AFS阳性、NTM菌种和疾病状态。模型预测性能的评估基于受试者工作特征曲线下面积(AUC)、准确率、灵敏度、特异度和F1分数。校准通过比较预测NTM疾病状态与实际概率的校准图进行呈现,并采用自助重采样方法进行评估[14]。
同时,我们开展了一项阅片者研究,以比较NTMNet与三名获得委员会认证、在NTM患者管理方面具有至少5年临床经验的呼吸科医师的性能。从外部测试集中随机选取20例患者(11例NTM-PC和9例NTM-PD),由呼吸科医师独立评估其疾病状态。
模型可视化
为了理解我们的3D-CNN模型如何在胸部CT上区分NTM-PD和NTM-PC,我们采用梯度加权类激活映射[15]和积分梯度[16]相结合的方法对模型的注意力进行了可视化。在使用MLP评估临床变量时,我们采用Shapley加性解释(SHAP)值评估每个变量的重要性[17]。
统计分析
所有变量均以数量(百分比)或均值 ± 标准差表示(视情况而定)。连续变量的组间差异采用Student's t检验或单因素方差分析(ANOVA)进行分析,分类变量采用卡方检验。所有p值均为双侧,统计显著性设定为p < 0.05。性能指标及95%置信区间(CI)通过1000次bootstrap迭代计算。在每次迭代中,我们从整个测试数据集中重新采样数据并测试模型以获得结果。
结果
研究参与者的选择与数据集的建立
如图2所示,最初,内部队列和外部队列分别纳入了413例和270例呼吸道非结核分枝杆菌(NTM)分离株患者。三名NTM专家独立评估了这些患者的NTM疾病状态,在517例患者(75.7%)中达成共识(附录C)。与疾病状态未达成共识的患者相比,达成共识的患者更年轻(67.8 ± 14.4 vs. 71.1 ± 13.0,p = 0.040),且胸部CT空洞发生率更高(13.3% vs. 4.3%,p = 0.014)(附录D)。
排除外部队列中74例疾病状态未达成共识的患者后,最终纳入内部队列413例、外部队列196例患者。其中,NTM-PD的患病率为46.8%。随后,291例和67例患者分别被分配至内部训练集和验证集。此外,55例和196例达成共识的患者分别被分配至内部测试集和外部测试集。
纳入患者的临床特征
纳入患者的临床特征汇总于表1。
将NTM-PD患者与NTM-PC患者进行比较时,NTM-PD患者在内部训练集、内部测试集和外部测试集中抗酸涂片(AFS)阳性的百分比显著更高,分别为24% vs. 5%(p < 0.001)、17% vs. 1%(p = 0.007)和17% vs. 1%(p < 0.001)。他们 também 具有更多的NTM分离株数量,在相同数据集中均值分别为6.5 vs. 2.0(p < 0.001)、12.0 vs. 1.7(p = 0.006)和3.4 vs. 1.5(p < 0.001)。
关于胸部CT的影像学模式,NTM-PD患者在内部训练集、内部测试集和外部测试集中分别显著更易出现支气管扩张(74% vs. 28%(p < 0.001)、79% vs. 19%(p < 0.001)和73% vs. 22%(p < 0.001))以及结节或肿块(68% vs. 31%(p < 0.001)、88% vs. 19%(p < 0.001)和72% vs. 10%(p < 0.001))。相反,NTM-PC患者在内部训练集和外部测试集中分别更易表现为纤维钙化病灶(26% vs. 16%(p = 0.034)和42% vs. 8%(p < 0.001))和实变(35% vs. 17%(p = 0.001)和26% vs. 11%(p = 0.005))。
NTMNet的性能
在内部测试集(图3A)中,3D-CNN模型和MLP模型预测NTM疾病状态的AUC分别为0.73(95% CI:0.62–0.82)和0.74(95% CI:0.66–0.87)。联合使用3D-CNN和MLP模型(即NTMNet),AUC值为0.85(95% CI:0.80–0.93)。在外部测试集(图3B)中,NTMNet的AUC为0.82(95% CI:0.78–0.89),而3D-CNN为0.78(95% CI:0.75–0.83),MLP为0.75(95% CI:0.72–0.84)。NTMNet模型在内部和外部测试集中的校准曲线显示,模型预测的NTM疾病状态概率与实际概率之间具有良好的一致性(附录E)。
亚组分析
在内部测试集(附录F)中,NTMNet在NTM疾病状态方面取得了令人满意的准确率,大多数亚组的准确率在0.7至0.8之间。值得注意的是,NTMNet在抗酸涂片(AFS)阳性患者中的预测准确率优于AFS阴性患者(0.92 vs. 0.72,p < 0.001)。在外部测试集(图4和附录G)中,NTMNet表现出稳定的预测准确率,除堪萨斯分枝杆菌分离株患者(0.67)外,所有亚组的性能范围均保持在0.7至0.8之间。关于AUC、灵敏度、特异度和F1评分的进一步详细数据见附录F和G。
阅片者研究结果
在阅片者研究中,NTMNet判断NTM疾病状态的准确率为75%,与三名呼吸科医师的准确率(85%、95%和65%)在统计学上相当,详见附录H。
模型可视化
图5A显示了一名具有空洞、支气管扩张和多个结节的患者的典型胸部CT,这些是NTM-PD中常见的特征性影像学表现。图5B显示了一名特发性肺纤维化患者的胸部CT,表现为严重纤维化。在这些代表性病例中,我们的3D-CNN模型准确定位了病灶,并分别将患者分类为NTM-PD和NTM-PC。如图5C所示,SHAP值表明AFS是MLP在判断NTM疾病状态时最重要的变量。
讨论
我们的NTMNet模型是首个开发的深度学习模型,能够同时评估患者的胸部CT图像和临床信息,与当前NTM诊断指南[4]相一致,用于区分NTM-PD与NTM-PC患者。其分类性能令人满意,且与经验丰富的呼吸科医师的表现密切一致。此外,如亚组分析和校准图所示,我们的模型在不同亚组和疾病患病率之间表现出一致的诊断性能。这些发现为基于深度学习的模型在未来协助临床医生(包括不具备NTM专业知识或在难以获得专科医生资源的环境中工作的医生)有效区分呼吸道NTM分离株患者的NTM疾病状态奠定了坚实基础。
尽管当前NTM指南提供了区分NTM-PD与NTM-PC的明确标准[4],但鉴别对临床医生而言仍具有主观性和挑战性[18]。通常需要专家会诊[4, 19],然而即使在专家之间诊断差异仍然存在。在我们的研究中,回顾性专家审查下仅有75.7%的患者就疾病状态达成共识。这种变异性在非专家中[20]或在影像学表现不典型或模棱两可的病例中(如非纤维空洞型或结节性支气管扩张型的模式)可能更大。为解决这一问题,我们采用了三名NTM专家多数共识的方法,尽管在回顾性条件下不能完全排除误分类的可能性。
虽然深度学习已被应用于区分NTM-PD与肺结核[11, 21],但尚无研究使用人工智能区分NTM-PD与NTM-PC,这是一个重要但未被满足的临床需求。一些研究尝试通过替代方法提供解决方案。我们先前的研究利用电子鼻进行呼气组学分析,区分NTM-PD与NTM-PC,在验证队列中AUC范围为0.68至0.74[7]。另一项研究揭示可溶性T细胞免疫球蛋白黏蛋白结构域3是区分NTM-PD与NTM-PC的独立因素,AUC为0.68[9]。相比之下,我们的NTMNet模型在内部和外部测试集中区分NTM-PD与NTM-PC的AUC分别为0.85和0.82,数值上更高。这表明其仅使用常规影像和临床数据即可支持临床决策的强大潜力,无需额外样本或侵入性操作。
我们的NTMNet模型的一个关键优势是在训练中纳入了胸部CT图像,这提高了其准确性和可靠性。与CXR相比,胸部CT在检测NTM-PD相关病变(如小叶中心结节、树芽征病变和支气管扩张)方面更为有效。因此,当前的NTM诊断指南建议对疑似NTM-PD的个体进行胸部CT检查[22]。我们的NTMNet模型在具有相似微生物学和影像学特征的训练集、内部测试集和外部测试集中表现出稳健且一致的性能,支持其在良好匹配条件下的泛化性。然而,外部测试集中性能的轻微下降可能反映了CT采集方案、图像质量和当地疾病流行率的差异[23]。层厚、重建方法和图像噪声的变化可能影响特征提取,而区域流行病学则影响预测效用。因此,在临床实施之前,现场验证和潜在的微调是必要的,以确保模型在本地环境中具有最佳的准确性和可靠性。
此外,我们使用可视化热图和SHAP值探索了NTMNet模型内的分类依据。虽然Grad-CAM提供了对模型预测影响最强的区域的视觉近似,但其可解释性本质上有限。该方法产生粗糙的低分辨率热图,可能无法与解剖结构精确对齐,可能导致定位模糊。此外,Grad-CAM突出的是相关性而非因果关系,这意味着可视化的区域可能不直接代表对决策至关重要的特征。然而,图5显示热图突出显示了空洞、支气管扩张和多发结节作为有助于NTM疾病状态分类的关键影像学特征。SHAP值分析显示,AFS是决定NTM疾病状态的最有影响力的变量。这些发现与当前NTM指南中概述的影像学标准一致[4],并与先前报道AFS阳性与NTM-PD相关的研究一致[24]。
我们的NTMNet模型在不同数据集和亚组中表现出一致的性能,但外部测试集中分离出堪萨斯分枝杆菌的患者除外。这一观察结果的确切原因尚不清楚,但可能归因于训练队列中分离出堪萨斯分枝杆菌的患者样本量较小[25]。未来的研究可以利用预训练基础模型的迁移学习来提高模型在该亚组中的性能。校准图进一步证实了模型在不同NTM-PD患病率水平下的稳定性,支持其泛化性。
卷积神经网络(CNNs)被广泛认为是医学影像疾病检测中最有效的人工智能模型,因为其具有可解释性和卓越的图像识别能力。与现有主要利用二维卷积神经网络(2D-CNNs)进行跨领域疾病分析或预测的方法不同,我们的NTMNet建立在三维卷积神经网络(3D-CNN)框架之上,这使其区别于以往研究[26, 27]。虽然二维卷积神经网络已被应用于二维和三维医学图像,方法是将三维图像转换为一系列二维切片进行分析[28–30],但这种方法尽管训练更简单、更快速,却常常牺牲了对全面分析至关重要的层间信息。研究表明,与逐切片分析这些图像的方法相比,使用三维图像的完整体积数据可以提高性能[31–33]。这种方法的关键优势在于保留层间信息[34],这对于维持CT切片之间的上下文关系至关重要。这一认识是我们决定在NTMNet开发中使用三维卷积神经网络架构的基础,目标是能够更自然、更有效地学习我们数据集中CT扫描之间的分布模式。
我们的研究存在若干局限性。首先,临床症状未被纳入NTMNet的开发,因为其在报告中的模糊性和不一致性使其成为不可靠的变量。其次,我们在内部和外部测试中排除了疾病状态不一致的患者,以确保模型性能评估期间的诊断明确性。虽然这种方法提高了结果的可靠性,但也可能限制了模型对疾病状态模糊患者的泛化能力。在我们的队列中,约25%有呼吸道NTM分离株的患者诊断不一致;这些人往往年龄较大,并且胸部CT上空洞病变的患病率较低。尽管状态模糊的患者在模型训练和验证期间被纳入,但NTMNet模型在该亚组中的性能需要在真实世界环境中进行仔细评估。
总之,我们的NTMNet模型使用三维卷积神经网络并结合胸部CT和临床信息,在区分有呼吸道NTM分离株患者的疾病状态方面表现出令人满意的性能。这些结果表明,基于深度学习的模型可能有潜力提高临床医生的诊断性能,可能达到经验丰富的呼吸科医师的水平。
补充信息
电子补充材料
引用
- Liu CJ, Liu YC, Chen YH, et al. AI-assisted differentiation of nontuberculous mycobacterial pulmonary disease from colonization: a multi-center study. Insights Imaging. 2025. PMID: 41206832. doi:10.1186/s13244-025-02131-1
- 全文:PMC12597856(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12597856/
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。