文献速递胸部CT

肺癌筛查CT的Lung-RADS分类观察者间变异性:对患者管理的影响

Observer variability for Lung-RADS categorisation of lung cancer screening CTs: impact on patient management.
PubMed 文献 · Eur Radiol · 2018-07-31

该观察者研究从NLST试验随机选取80例基线及80例随访低剂量筛查CT,由7名阅片者按Lung-RADS分类,评估观察者间一致性及分歧对管理的影响。结果显示观察者间一致性为中等至高度(平均kappa 0.67),约29%的阅读对存在分类分歧,8%导致随访时间差异≥9个月。

要点

  • Lung-RADS分类的观察者间一致性为中等至高度(平均kappa 0.67,95%CI 0.58-0.77),基线扫描略高于随访扫描。
  • 分类分歧约见于三分之一(29%)的阅读对,其中仅8%导致实质性管理差异(随访时间相差≥9个月)。
  • 分歧的主要原因是不同阅片者将不同结节判定为风险主导结节(占74%),而非同一结节的测量或分型差异。

核心结论

  • Lung-RADS分类在低剂量肺癌筛查CT中达到中等至高度的观察者间一致性(平均kappa 0.67)。
  • 分类分歧对恶性结节的诊断影响较小,在91个涉及1年内诊断肿瘤的阅读对中仅2个可能导致实质性管理改变。

研究设计与样本

  • 观察者研究,从NLST试验中随机选取80例基线(T0)和80例随访(T1)低剂量胸部CT,覆盖各Lung-RADS分类且均衡分布。
  • 7名阅片者(3名放射科医师和4名放射科住院医师)来自5个医疗中心,采用专用工作站独立阅片并分配Lung-RADS分类。
  • 采用线性加权Cohen's kappa统计评估观察者间一致性,无参考标准(NLST未使用Lung-RADS)。

关键影像表现/征象

  • 分歧主要源于不同阅片者将不同结节选为风险主导结节(721/971,74%),其中77%的病例阅片者仅标注了自选的风险主导结节。
  • 同一风险主导结节的分歧占少数(250/971,26%),归因于结节大小测量差异(207/971)、结节类型分类差异(37/971)或生长评估差异(6/971)。

诊断标准与关键数值

  • Lung-RADS分类依据结节类型(实性、部分实性、非实性)、手动直径测量(轴位最长径与垂直径平均值,四舍五入至整数毫米)和生长(直径增加至少1.5 mm)。
  • 筛查阴性对应Lung-RADS 1(阴性)或2(良性表现),筛查阳性对应3(可能良性)或4(可疑);4类进一步分为4A(恶性概率5-15%)和4B(恶性概率>15%)。
  • 观察者间平均加权kappa为0.67(95%CI 0.58-0.77);基线扫描平均kappa为0.70(95%CI 0.58-0.82),随访扫描为0.63(95%CI 0.49-0.77)。
  • 实质性管理差异定义为随访时间相差至少9个月(发生于1/2类与4A或4B类之间的分歧);轻微管理差异为随访时间相差至多6个月。

临床应用与阅片要点

  • Lung-RADS分类用于日常阅片时需注意不同阅片者可能将不同结节判定为风险主导结节,这是分类分歧的最常见原因。
  • 同一结节因直径测量差异导致分类分歧,例如Lung-RADS 2类实性结节与4A类实性结节的直径阈值仅相差2.1 mm(5.4 mm vs 7.5 mm)。
  • 6%的评分中观察者对自己标注的结节错误分配了Lung-RADS分类,提示自动分类工具可能有助于减少此类错误。

局限性

  • 阅片者经验对观察者研究有重要影响,部分变异性(尤其风险主导结节识别)可能与经验不足有关,提示专门培训很重要。
  • 研究使用富集队列(160例按算法分类为Lung-RADS 1/2、3、4A和4B),结果不能简单外推至未经选择的筛查队列。
  • 本研究未考虑Lung-RADS 4X分类,该分类基于主观形态学标准将3类或4A类升级。
  • 数据集无参考标准,因原始NLST未使用Lung-RADS分类;本研究聚焦观察者变异性对管理的影响,无需参考标准。
  • 未要求阅片者标注所有可识别结节,无法分析不同风险主导结节分配是由检测错误还是特征描述错误所致;未来研究应考虑此点。
全文中译11 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:Eur Radiol. 2018 Jul 31;29(2):924–31. doi: 10.1007/s00330-018-5599-4

引言

国家肺筛查试验(NLST)显示肺癌特异性死亡率降低了20%[1]。结合后续研究,多个组织(包括美国预防服务工作组[2])据此推荐对符合条件的受试者进行CT肺癌筛查。肺癌筛查项目目前正在美国实施。对于放射科医生而言,肺癌筛查CT扫描的判读是一项劳动密集型任务,肺结节恶性风险评估仍然具有挑战性。目前已开发多种分类管理方案和评分系统,以帮助放射科医生筛选需要更侵入性管理的高风险结节[3–7]。这些方案基于结节类型、结节大小、结节生长以及其他附加参数(如受试者特征和结节形态)的组合。

2014年,美国放射学会(ACR)发布了Lung-RADS评估分类,以标准化CT肺癌筛查报告和管理建议,并促进结局监测[4]。Lung-RADS包含五个类别,以结节类型、结节大小和生长作为标准,区分高风险与低风险结节。在结节类型方面,实性结节与亚实性结节成分相区分,后者具有相对较高的恶性风险[8]。结节大小通过手动直径测量确定,生长定义为直径至少增加1.5 mm。各Lung-RADS类别的主要标准见表1。阴性筛查结果对应于类别1(阴性)或2(良性表现),而阳性筛查对应于类别3(可能良性)或4(可疑)。最后一个类别根据恶性概率(5–15%或大于15%)进一步分为类别4A和4B。类别4X是特殊类别,用于具有增加恶性怀疑的附加特征或影像学表现的病灶[4]。众所周知,结节类型的视觉评估和手动直径测量均存在显著的观察者间变异[9–13]。因此,评估放射科医生对此类以手动尺寸测量和视觉结节分类作为两个主要输入参数的分类系统的一致性程度具有重要意义。

本研究的目的是量化将Lung-RADS评估分类应用于接受低剂量筛查计算机断层扫描(CT)的受试者时的观察者间变异。次要结局参数为观察者间变异对患者管理和检测性能的影响。

表1 Lung-RADS评估分类标准 查看原表 ↗

材料与方法

数据

所有研究病例均来源于NLST[14]。NLST经所有参与中心的机构审查委员会批准,所有参与者均提供了知情同意。本研究已由NLST研究委员会注册,编号为NLST-187。

Lung-RADS类别的评估与研究组

NLST 纳入了 26,309 名至少接受过一次低剂量胸部 CT 扫描的受试者 [14]。我们从 4512 名受试者的随机样本中获取了所有扫描(筛查轮次 T0、T1 和 T2)。NLST 数据库提供了关于结节类型、结节总大小和肺叶位置的信息。所有参与者的肺癌诊断信息可在中位随访期 6.5 年内获得。总共,这 4512 名受试者在数据库中记录了 6121 个结节标注。

对本数据集中所有扫描进行 Lung-RADS 分类,以便随后在本研究中用作选择标准。使用 NLST 数据库中关于结节类型(实性/部分实性/非实性)和大小(轴位切面上长径和垂直径的平均值)的既有标注,对 4512 名受试者中的所有 6121 个结节标注分配了 Lung-RADS 类别。这项工作由一名研究者(拥有医学硕士学位的博士研究生)和一名拥有 20 多年经验的胸部放射科医生完成。由于 4X 类基于结节类型、大小和生长之外的主观形态学标准,因此该类别在我们的研究中被忽略。具有最高 Lung-RADS 类别的结节决定了该 CT 扫描的 Lung-RADS 类别。对于 NLST 数据库中列出的亚实性结节的 Lung-RADS 分类,一名专门接受过筛查 CT 扫描中肺结节分割和分类培训的医学生半自动确定了实性成分的大小,因为该信息未由 NLST 提供。请注意,这项研究前 Lung-RADS 分类仅用于选择病例,但并未作为真实标准。

为确保所有 Lung-RADS 类别的均衡代表性,我们组建了一个富集研究组。使用上述 Lung-RADS 类别,我们从 4512 名参与者的池中分别随机选取了类别 1/2、3、4A 和 4B 各 20 份扫描。这项工作分别针对 T0 和 T1 扫描进行。Lung-RADS 类别 1 和 2 被合并为一组。因此,我们用于观察者研究的最终数据集由 80 份 T0 扫描和 80 份 T1 CT 扫描组成,并配有来自总共 160 名唯一受试者的相应 80 份 T0 扫描。

观察者与阅片方法

来自五家不同医疗中心的三名放射科医生和四名五年级放射科住院医师作为观察者参与了本研究。他们在肺结节和阅读胸部 CT 扫描方面的经验为 4 至 30 年不等。其中一人具有阅读筛查 CT 的经验。

使用了一台专用工作站(CIRRUS Lung Screening,Radboud University Medical Center,Nijmegen,the Netherlands),该工作站允许通过放大、手动直径测量和窗设置调整等交互式查看工具,在三个投照方向上评估完整的 CT 扫描。计算机辅助检测(CAD)标记、容积测量或 T0 与 T1 扫描的自动链接等工具被特意禁用,以模拟在没有专用计算机应用程序的 PACS 环境中的阅片。阅片者所做的结节标注由工作站存储在本地数据库中。阅片者未被告知研究组内 Lung-RADS 类别的选择或分布情况。

对于基线扫描,观察者被要求评估完整的CT扫描,确定风险主导结节,选择结节类型(实性、部分实性、纯磨玻璃或钙化),并在轴位层面上测量最长径和垂直径,随后取平均值并四舍五入至最接近的整数[4]。然后要求他们根据风险主导结节将CT扫描归类为Lung-RADS 1、2、3、4A或4B类。读者未被要求标注所有结节;仅标注和测量单个结节——或在认为必要时——多个结节以识别风险主导结节,由读者自行决定。

对于随访病例,T0和T1 CT扫描并排显示在两台独立的显示器上,允许对两次扫描进行并列审阅。随访病例的T0扫描已由研究者和一位未参与观察者研究的专家放射科医师预先审阅。观察者在被要求对随访扫描进行分类时,可获取他们的标注和Lung-RADS分类。

所有观察者在至少两次阅片会话中以不同的随机顺序阅读所有病例,阅片时间不限。阅片期间可获取一份带有Lung-RADS分类的打印件。在第一次阅片会话之前,每位读者单独学习了一组24个训练病例,包括每个Lung-RADS分类的多个病例,以熟悉Lung-RADS分类。对于每个病例,读者可获取预先存在的NLST标注及由此计算出的Lung-RADS分类作为反馈。

阅片数据分析

由于NLST未将CT扫描分配至Lung-RADS分类,因此没有参考标准。对于每个病例,核实观察者是否对其自身标注分配了正确的Lung-RADS分类;若否,则记录此类Lung-RADS分配错误,并随后由研究者根据观察者自身的结节标注进行纠正。采用线性加权Cohen's kappa统计量确定每份CT扫描Lung-RADS分类的观察者间两两一致性。将所有可能的观察者配对的两两kappa值取平均值,得出平均kappa值及95%置信区间(CI)。Kappa值采用Landis和Koch指南进行解读[15]。在适当处使用描述性统计。不一致的判读根据被指定为风险主导的是相同还是不同结节分为两组。仅分析相同结节的不一致,并评估结节类型分配、生长评估或绝对直径测量的分类差异方面的变异。

为量化读者变异性对实际测试性能的影响,我们评估了将基线(T0)扫描分配为筛查阴性(Lung-RADS 1/2类)或筛查阳性扫描(Lung-RADS 3、4A或4B类)的观察者变异性,方法类似于Pinsky等[16]和McKee等[17]。

其次,为了评估观察者分歧对实际受试者管理的影响,区分了轻微和实质性管理分歧。实质性管理差异是指随访时间至少相差9个月,分别发生于Lung-RADS分类1/2与4A或4B之间的分歧。轻微管理差异是指随访时间最多相差6个月,分别发生于Lung-RADS分类1/2与3之间、分类3与4A或4B之间、或分类4A与4B之间的分歧。报告了数量和百分比。

结果

在所有评分中,有6%(68/1120)的观察者对自己的标注赋予了错误的Lung-RADS分类。这些赋值错误根据阅片者对结节类型、大小和生长的个人标注进行了修正。对于七名观察者,平均发生在8.5例中,范围在3至19之间。

观察者间一致性

Lung-RADS分类的观察者间一致性为实质性,所有观察者平均的加权kappa值为0.67(95% CI 0.58–0.77)。观察者配对的加权kappa值从0.63(95% CI 0.53–0.73)到0.73(95% CI 0.64–0.81)不等,均为实质性。

基线扫描的观察者间一致性略高,平均配对kappa值为0.70(95% CI 0.58–0.82),而随访扫描为0.63(95% CI 0.49–0.77)。

Lung-RADS分歧的原因

当考虑七名观察者之间所有可能的阅片配对时(21对 × 160次扫描 = 3360次观察),约三分之一(971/3360,29%)观察到CT分类方面的分歧,并在所有阅片配对中的8%(278/3360)导致实质性管理差异。

阅片差异被分为与同一风险主导结节相关的差异和与不同风险主导结节相关的差异。

与同一风险主导结节相关的差异占少数,为26%(250/971,47例),其中两名观察者基于结节大小测量差异(207/971,21%)、结节类型分类差异(37/971,4%)或生长评估差异(6/971,1%)赋予了不同的Lung-RADS分类。这仅在1例中导致了病例管理方面的实质性差异(Lung-RADS 1/2 vs 4A)。该特定病例见图1。

然而,大多数配对分歧(721/971,74%)是由于将不同结节指定为风险主导结节所致。其中38%(277/721)发生了分类1/2与4A或4B之间的实质性管理差异,发生于160名受试者中的48名。在大多数此类病例中(77%,553/721),阅片者仅标注了一个结节,即其选择的风险主导结节。在少数病例中(23%,168/721),观察者标注了两个结节,但由于结节类型分类(47/168,28%)、直径测量或生长评估(121/168,72%)的差异而赋予了不同的风险分层。

详情见表2。图2显示了观察者因各种原因产生分歧的病例示例。

图1 两个风险主导结节的示例,七位观察者对其特征描述不同,从而导致Lung-RADS分类差异。每个示例均展示结节的放大视图(左列,视野60×60 mm)和正常视图(右列)。三行分别显示轴位(上)、冠状位(中)和矢状位(下)平面。a T1 CT扫描,一个结节被一位观察者分类为Lung-RADS 2(新发小实性结节),被一位观察者分类为Lung-RADS 4A(新发部分实性,实性成分<4 mm),被五位观察者分类为Lung-RADS 4B(新发部分实性,实性成分>4 mm)。b T1 CT扫描,一个结节被五位观察者分类为Lung-RADS 4A或4B类(新发实性结节,测量直径范围7至9.6 mm),被两位观察者分类为Lung-RADS 4B类(新发部分实性结节,实性成分>4.0 mm) 查看原图 ↗
表2 基于观察者的Lung-RADS分类评估中不一致的因素 查看原表 ↗
图2 一个风险主导结节的示例,观察者对其特征描述不同,导致Lung-RADS分类差异,并对同一观察者配对内的受试者管理产生影响。每个示例均展示结节的放大视图(左列,视野60×60 mm)和正常视图(右列)。三行分别显示轴位(上)、冠状位(中)和矢状位(下)平面。这是一个在T0扫描中检出的良性结节,被一位观察者分类为Lung-RADS 4A(实性结节,测量直径9 mm),被五位观察者分类为Lung-RADS 3(实性结节,测量直径6或7 mm),被一位观察者分类为Lung-RADS 2(实性结节,测量直径5 mm) 查看原图 ↗

结节大小对Lung-RADS不一致的影响

未观察到结节大小与阅片者不一致之间的相关性。在160名研究受试者中,94名至少观察到一对不一致的判读。29名受试者仅记录到低风险因而较小的结节(1/2或3类),17名受试者仅记录到较高风险因而较大的结节(3、4A和/或4B类)。其余48名受试者记录到低风险和高风险结节的混合。

观察者变异性对检验性能的影响

对于七位观察者,筛查阳性扫描占所有扫描的平均百分比为53%(86/160),范围在44%至61%之间。相应地,筛查阴性扫描率为47%(74/160),范围在39%至56%之间。观察者配对平均在12/160例(8%)中不一致,筛查阳性或阴性之间的范围為1–27例。

根据NLST数据库,13例在与本研究纳入的CT扫描同年被诊断为肺癌。汇总所有七位观察者,这13名受试者的CT扫描在78%(71/91)中被分类为Lung-RADS 4B类,在18%(16/91)中被分类为Lung-RADS 4A。其余四次分类涉及同一扫描,包括Lung-RADS 3(n=2)和Lung-RADS 1/2(n=2),均涉及同一扫描中的非恶性结节,而实际恶性结节未被感知为风险主导病灶。

讨论

肺癌筛查项目的诊断和经济成功将取决于能否准确且可重复地区分需要更深入检查的高风险结节和低风险结节。因此,ACR制定了肺部影像报告和数据系统(Lung-RADS)评估分类,通过标准化肺癌筛查CT报告和管理建议来支持放射科医生的决策[4]。目前格式的Lung-RADS分类基于视觉结节类型分类、手动结节大小和生长记录。对于这两项阅片任务,先前已有报道显示存在显著的观察者间变异[9–13]。因此,我们研究的目标是量化低剂量筛查CT的Lung-RADS分类的观察者间变异,并评估其对检查性能和受试者管理的影响。为确保所有Lung-RADS分类的充分代表性,我们使用了一个包含基线和随访CT的富集研究组。

我们发现在筛查CT的Lung-RADS分类中,总体具有显著的成对阅片者间一致性,这强调了该分类系统在协调筛查CT的解释和管理方面的价值。基线扫描的一致性略高于随访扫描(kappa 0.71对0.63)。这一发现可能解释为:随访时视觉评估的复杂性(包括比较和确定结节生长)高于单独基线。

Lung-RADS分类的变异性可能涉及同一风险主导结节,或将不同结节指定为风险主导结节。前者较少见(26%),且最重要的是对受试者管理仅有极少数产生显著影响(0.4%)。后者更为常见(74%),并在所有阅片配对中导致8%的管理差异(随访时间差异≥9个月)。有趣的是,不仅测量和分类差异导致了这些差异,而且显然还有结节感知的差异,因为在大多数不同结节分类中,阅片者选择性地标注了他们所选的风险主导结节。我们未要求观察者标注所有检测到的结节,而是由其自行决定测量哪些结节。虽然在NLST试验中要求标注所有大于4 mm的结节,但Lung-RADS对此问题未作建议。因此,检测或特征描述差异在多大程度上导致了阅片者变异性仍待明确。同样,Pinsky等此前报道,在NLST试验中,筛查放射科医生之间的结节检测和记录存在显著差异[18]。可能导致分歧的另一因素是Lung-RADS分类之间的间隔较小。例如,Lung-RADS 2实性结节与Lung-RADS 4A实性结节之间的差异仅为2.1 mm(5.4 mm为Lung-RADS 2,7.5 mm为Lung-RADS 4A)。Lung-RADS分类的这种“接近性”也可能解释为何尽管分歧相对频繁,但仅一小部分对患者管理产生影响。

这项观察者研究的主要目的是量化Lung-RADS分类的变异性,而不特别关注实际恶性肿瘤。研究对象被随机纳入研究组,以确保所有Lung-RADS分类的均衡分布,因此扫描当年诊断为恶性肿瘤的扫描数量有限(n = 13)。这些恶性肿瘤的实际组织学对我们来说是未知的。然而,尽管具有重大管理影响的差异数量似乎不可忽视,但必须强调,在这13例CT中差异数量较低。除四次判读外,恶性结节被归类为Lung-RADS 4A或4B,导致密集的进一步诊断检查,而仅两次判读的差异导致潜在延迟超过9个月。

所有观察者在阅读研究数据集之前阅读了24例病例,以熟悉Lung-RADS定义。他们在判读期间还备有原始Lung-RADS评估规则的打印件。然而,Lung-RADS分类标准的不正确分配发生在所有判读的6%中,每位观察者平均8.5例。由于我们研究的主要目标是调查因结节解释不同而导致的观察者间变异性,我们在数据分析前将不正确的Lung-RADS分类调整为观察者自己的结节注释。然而,Lung-RADS分类的不正确分配在实际工作中也可能成为问题。计算机化工具在输入一个或多个结节的相关数据后自动分配扫描的正确Lung-RADS分类,因此可能证明是有用的[19]。

我们的研究有一些局限性。判读者的经验在观察者研究中起重要作用。为了真实估计观察者变异性的程度及其对患者管理的影响,我们纳入了具有和不具有实际筛查CT判读经验的广泛观察者。然而,所有判读者均接受过胸部CT的良好培训并熟练解读结节,因此代表了未来可能参与筛查的放射科医师。部分观察者变异性,特别是关于风险主导结节的识别,可能仍与缺乏经验有关,这表明专门培训很重要,正如ACR所阐述的那样[20]。有趣的是,住院医师和放射科医师之间的一致性未观察到显著差异。

其他局限性与研究设计有关。我们使用了一个富集队列,由根据我们的算法分类为Lung-RADS分类1/2、3、4A和4B的160例病例组成。我们选择这种方法是为了能够对整个结节谱得出有意义的结论。然而,这意味着我们的结果需要在富集研究组的背景下解释,不能简单地外推到未经选择的筛查队列。

其次,本研究未考虑Lung-RADS分类4X。该分类使放射科医师有机会根据可疑的形态学发现将Lung-RADS分类3或4A结节升级为分类4X,并导致强化的可能侵入性诊断检查。除定量测量外,它增加了结节形态的主观评估,而我们旨在将该评估排除在分析之外。

第三,该数据集没有参考标准,因为原始NLST标注中未使用Lung-RADS。由于我们的研究聚焦于观察者间变异性及其对管理的影响,因此不需要参考标准。

第四,由于我们未要求阅片者标注所有可识别的结节,我们无法探究将不同结节指定为风险主导结节是由检测错误还是特征描述错误所致。在未来的研究中,应考虑这一点。

最后,我们将随访间隔至少9个月的差异定义为对患者管理的实质性影响。然而,观察者变异是否会影响肿瘤分期并最终影响患者结局,仍是一个未解决的问题。

总之,Lung-RADS评估分类达到了实质性观察者间一致性。不一致主要由将不同的风险主导结节进行分配所致。在我们富集的队列中,不一致导致所有阅片对中8%的随访间隔差异超过9个月,对本系列中恶性肿瘤的诊断影响很小。(半)自动检测、分割和分类工具的使用可能会减少阅片者之间的不一致,但这些工具在临床实践中的可用性仍然较低,且需要仔细的标准化。

引用

  1. van Riel SJ, Jacobs C, Scholten ET, et al. Observer variability for Lung-RADS categorisation of lung cancer screening CTs: impact on patient management. Eur Radiol. 2018. PMID: 30066248. doi:10.1007/s00330-018-5599-4
  2. 全文:PMC6302878(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6302878/

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。