为成人设计的半自动软件识别儿童椎体骨折是否准确?
研究用AVERT(33点半自动)与SpineAnalyzer(6点)分析50名儿童的侧位脊柱X线和DXA图像,与3位儿科骨放射专家共识比较。两软件诊断准确性及观察者信度均低,AVERT准确性略高但信度较低,均不能满足儿童椎体骨折诊断需求。
要点
- AVERT与SpineAnalyzer在儿童椎体骨折诊断中敏感性低(X线36%与26%,DXA41%与31%),漏诊率高。
- 两软件观察者信度均低,AVERT的kappa为0.34–0.37,SpineAnalyzer为0.26–0.31。
- 两软件均低估轻度骨折,且不能区分正常生理性楔形变与骨折。
核心结论
- AVERT较SpineAnalyzer诊断儿童椎体骨折准确性略高但观察者信度较低,两者均不能满足儿童椎体骨折诊断需求。
- 在软件专门改进或开发新软件前,形态测量分析不能作为儿童椎体骨折的诊断工具。
研究设计与样本
- 单中心研究,纳入50名儿童和年轻人(平均9.6岁,范围5–15岁,男性21名占42%),分析100幅侧位脊柱图像(50幅X线、50幅DXA-VFA)。
- 由一名研究放射技师和一名儿科放射专家使用AVERT与SpineAnalyzer两种半自动软件独立评估,以3位经验丰富的儿科骨放射专家采用简化算法定性评分系统达成的共识为参考标准。
- 以Cohen kappa计算观察者间和观察者内一致性。
关键影像表现/征象
- 根据参考标准,34名(68%)至少有一处椎体骨折,共175处骨折,其中轻度132处(75%)、中度41处(23%)、重度2处(1%)。
- 两软件均低估轻度骨折:132处参考标准轻度骨折中,DXA AVERT、X线AVERT、DXA SpineAnalyzer和X线SpineAnalyzer分别由观察者1识别59、48、56和23处,观察者2识别85、47、26和17处。
- 两软件识别轻度骨折数均略多于中度或重度骨折,与成像模态无关。
诊断标准与关键数值
- 椎体骨折定义为椎体高度较邻近椎体降低20%以上,依据Genant半定量评分系统分为轻度(高度丢失20–25%)、中度(25–40%)、重度(>40%)。
- X线图像上AVERT的总体敏感性36%、特异性95%、假阳性率5%、假阴性率64%;SpineAnalyzer分别为26%、98%、2%、75%。
- DXA图像上AVERT的总体敏感性41%、特异性91%、假阳性率9%、假阴性率59%;SpineAnalyzer分别为31%、96%、4%、69%。
- 与共识比较的总体kappa:AVERT为0.34–0.37(95%CI 0.26–0.46),SpineAnalyzer为0.26–0.31(95%CI 0.16–0.44)。
- 观察者间一致性:AVERT为0.41–0.47,SpineAnalyzer为0.50–0.79。
临床应用与阅片要点
- 目前儿童椎体骨折诊断仍以侧位脊柱X线为金标准,DXA脊柱图像可用于椎体骨折评估以减少辐射暴露。
- 半自动形态测量分析在儿童中敏感性低、假阴性率高,阅片时需警惕其漏诊轻度骨折的可能。
- 两软件不能区分正常生理性楔形变与骨折,可能导致误判。
局限性
- AVERT阅读时间较长,每幅图像/患者平均8±3.45分钟(范围6–14)和6±2.01分钟(范围4–9),SpineAnalyzer分别为6±2.14分钟(范围3–10)和3±1.14分钟(范围2–7)。
- 半自动软件放置点存在固有主观性,正确位置依赖观察者经验。
- 软件采用Genant系统仅基于高度丢失评估,而金标准sABQ方法还考虑终板改变等可能非骨折相关的变化。
- 缺乏儿童各椎体水平正常年龄和性别相关值的同行评审比较数据。
- 需进一步研究评估EOS系统诊断儿童椎体骨折的准确性。
全文中译8 节 · 点击展开
引言
低骨量的特征是骨组织结构恶化,导致骨脆性增加和骨折易感性增加,尤其是脊柱和长骨骨折。根据国际临床骨密度测量学会(ISCD),一处或多处椎体骨折(VF)——以椎体高度减少20%来判定——在无局部疾病或显著创伤的情况下提示骨脆性[1]。
骨质疏松性椎体骨折在儿童中越来越被认为是低骨密度(BMD)的重要体征,无论是原发性,如成骨不全[2],还是继发性,如急性淋巴细胞白血病、风湿性疾病、杜氏肌营养不良和糖皮质激素使用[1, 3]。此外,已被鉴定存在椎体骨折的儿童,尤其是成骨不全和杜氏肌营养不良患儿,更可能存在多处椎体骨折[4, 5]。早期影像学诊断和准确识别现存椎体骨折患者对于有效靶向治疗以预防新发骨折具有重要意义。
目前,识别儿童椎体骨折的金标准是脊柱侧位X线片。近期研究表明,通过双能X线吸收测定法(DXA)获取的脊柱图像与X线片具有可比性[6–8],从而可减少辐射暴露。通过DXA诊断椎体骨折被称为椎体骨折评估(VFA)。
目前尚无用于儿童椎体骨折客观诊断的标准化技术,临床研究显示该人群存在显著的观察者间和观察者内变异[3, 9–11]。此外,使用6点半自动软件程序在儿童中评估形态学分析(MXA)的有限研究也显示观察者可靠性较差[8, 12]。
因此,本研究的目的在于评估与6点程序相比,使用33点半自动程序是否能提高MXA识别儿童椎体骨折的观察者可靠性和诊断准确性。
材料与方法
研究人群
研究人群包括100幅(50幅DXA-VFA和50幅X线(XR))脊柱侧位图像,这些图像作为一项纳入137名儿童的大型前瞻性研究的一部分获得;这些儿童于2011年11月至2014年2月期间招募[6, 12]。样本选择使用随机数生成器随机完成。所有图像均来自单中心招募的患者。所有DXA和XR均在同一天完成,两项检查中患者均取侧卧位[6]。大多数患者(80%)为疑似骨密度降低者,如成骨不全、炎症性肠病、风湿性疾病和囊性纤维化,就诊于代谢性骨病门诊接受iDXA和脊柱侧位X线检查。图像采集的详细信息此前已有报道[6]。其余20%的患者为因疑似脊柱侧凸就诊于脊柱门诊者。
伦理声明
主研究已申请并获得当地研究伦理委员会批准,但本研究无需单独审批。本研究在开始前已在当地研究与创新部门注册。
图像分析
XR和VFA图像由一名研究放射技师(R1)和一名儿科放射学专家(R2)独立评估椎体骨折(VF),使用两种不同的半自动程序:(1)SpineAnalyzer™(Optasia Medical)和(2)AVERT™(Optasia Medical)。SpineAnalyzer™是Optasia基于主动外观模型的软件。AVERT™部分源自SpineAnalyzer™,但使用了来自曼彻斯特大学软件库的最新的外观建模技术(随机森林回归投票约束局部模型)。因此,AVERT™有可能被期望提供更准确的拟合[13]。
在研究开始之前,R1由一名计算科学研究助理和一名专家放射科医生(肌肉骨骼研究放射学研究员)培训使用这些软件程序,学习使用非研究脊柱图像。为减少观察者偏倚,XR和VFA图像在不同日期进行分析,按随机顺序进行,不访问受试者的临床信息,并且对任何既往分析设盲。对10名随机选择的患者进行了重复评分,对既往判读设盲。
按照与使用SpineAnalyzer™进行半自动分析相关的流程,对于每张单独图像(VFA或XR),观察者通过在每个椎体中心放置一个点来追踪T4至L4椎体(图1a),并向软件指示所识别的最高椎体(例如T4)。随后,程序识别T4至L4之间所有已识别的椎体,并自动识别6个点,分别对应上、下终板中点和每个椎体的四个角(图1b),尽管这些点可根据需要修改(图1c)。重要的是,该软件不识别T4以上或L4以下的椎体,但这些水平之间无法判读的椎体可从判读中省略。一旦放置了6个点,软件自动确定椎体前、中、后高度,并借助这些测量值计算((前:后)、(中:后)、(后:后+1和后:后−1))高度比(+1和−1分别表示感兴趣椎体紧邻上方[+1]和下方[−1]的椎体)。然后根据高度丢失比对椎体进行分类:高度丢失20–25%(轻度)、高度丢失25–40%(中度)或高度丢失超过40%(重度),基于Genant等人[14]开发的半定量评分系统。
在AVERT™的案例中,所有侧位XR和VFA图像(T4–L4)按如下方式分析:首先手动定位感兴趣椎体的中心(图2a),然后软件据此对椎体进行编号。随后软件自动寻找标志点位置,以便对每个椎体进行33点测量(图2b):上终板11点、前缘8点、下终板11点、后缘3点。之后软件允许观察者在认为必要时移动这些点,以纠正任何拟合失败(图2c)。随后,软件使用确认后的点计算椎体前缘、中部和后缘高度,用于确定任何畸形的形状。根据这些测量值,计算((前缘:后缘)、(中部:后缘)、(后缘:后缘+2及后缘:后缘−2))高度比(+2和−2表示四个相邻椎体,即感兴趣椎体紧邻上方两个[+2]和紧邻下方两个[−2])。此后,根据Genant评分系统[14],按高度比对椎体进行分类。
在本研究中,就识别椎体水平而言,第一个不与一对肋骨相关的椎体被标记为L1,与肋骨相关的最低椎体则被标记为T12。
对于两个程序,操作者均可移动这些点以更好地拟合椎体形状。两个程序进行MXA的时间由R1和R2在20张随机选择的图像上测量。
统计分析
采用SPSS统计软件版本24(IBM)和Microsoft® Excel 2016进行数据分析。诊断准确性(敏感性、特异性、假阳性和假阴性率)计算的参考标准取自三位儿科放射科医生先前使用简化算法定性(sABQ)评分系统达成的共识[11]。对于这些诊断准确性计算,所有sABQ、SpineAnalyzer™和AVERT™评分为0或1均解释为“无临床显著骨折”。观察者间和观察者内一致性使用Cohen's kappa计算,置信区间[CI]为95%。
结果
50名受试者在图像采集时的平均年龄为9.6岁(范围5至15岁),其中21名(42%)为男性。
根据参考标准,34名(68%)至少有一处骨折。在这34名患者中,共有175处VFs,其中132处(75%)为轻度,41处(23%)为中度,2处(1%)为重度。34名患者中仅有2名(4%)有重度骨折。
每位观察者使用SpineAnalyzer™和AVERT™评估了从X线片和VFA中收集的总共2600个单个椎体(T4–L4)。
所有椎体骨折(VF)位置均分布于胸椎和腰椎。通过每种技术识别出的VF总数和严重程度见表1。总体而言,在受试者水平和椎体水平上,金标准与四种被研究方法之间VF的数量和严重程度存在差异;然而,当使用AVERT™时,XR和VFA对VF严重程度的判定相似。无论采用何种成像方式,两种方法在两位观察者中均识别出略多的轻度骨折,相较于中度或重度骨折。
AVERT™和SpineAnalyzer™在两种成像方式(DXA和XR)下按椎体水平对T4至L4所有椎体的敏感性和特异性分别见图3和图4。SpineAnalyzer™和AVERT™在两种成像方式下的敏感性、特异性、可靠性(kappa,95%CI)以及假阴性和假阳性率汇总于表2。
图5显示了两种程序在DXA图像上的一致性。总体而言,四种技术与共识评估在识别VF方面具有中等一致性(通过kappa统计评估):平均kappa评分范围为0.26至0.37(95%CI 0.16,0.46),其中XR SpineAnalyzer™评分最低为0.26(95%CI 0.26,0.35),XR AVERT™评分最高为0.37(95%CI 0.27,0.46)。然而,所有评估技术之间未观察到统计学显著差异。
表3汇总了两位观察者对所有四种方法的观察者间和观察者内一致性。所有方法的观察者间一致性为中等,kappa范围为0.41至0.47(95%CI 0.25–0.66)。相比之下,观察者内一致性为中等至良好,R1和R2的平均kappa值分别为0.50至0.79和0.59至0.78;SpineAnalyzer™ XR在两位观察者中评分均最低。对于AVERT™,R1和R2使用VFA的kappa评分分别为0.79(95%CI 0.69,0.90)和0.73(95%CI 0.66,0.82)。
表4汇总了本研究的总体结果,并与所有先前评估儿童半自动化软件技术的研究进行了比较[7, 8, 12, 15]。
R1和R2每幅图像/每例患者所用时间:AVERT™平均分别为8 ± 3.45分钟(范围6–14分钟)和6 ± 2.01分钟(范围4–9分钟);SpineAnalyzer™平均分别为6 ± 2.14分钟(范围3–10分钟)和3 ± 1.14分钟(范围2–7分钟)。
讨论
根据ISCD标准,儿童骨质疏松症的定义取决于识别一处或多处椎体骨折(VFs)。在无椎体骨折的情况下,诊断可依据骨密度Z评分≤ − 2.0的存在,以及10岁(≥ 2次)和19岁(≥ 3次)前发生的长骨骨折次数[1]。因此,早期诊断儿童椎体骨折对于制定适当的治疗方案至关重要,例如双膦酸盐,其既可治疗现有骨折,又可降低未来骨折风险[16]。
尽管有若干市售软件可用于成人椎体形态定量评估,但目前尚无专门针对儿童的半自动软件。在成人受试者中,使用6点技术软件(如SpineAnalyzer™(Optasia Medical)和MorphoXpress(MorphoXpress, P&G Pharmaceuticals))的观察者间一致性据报道高于本研究[17–21]。这些既往研究表明,6点技术软件具有非常高的灵敏度和特异度,分别达到98%和99%,观察者间一致性优异达99%,kappa范围为0.86至0.97。事实上,这些成人研究显示的诊断准确性显著高于所有既往评估儿童6点半自动软件的研究[7, 8, 12, 16]。
因此,本研究的目的是确定,与用于椎体骨折评估(VFA)或X线片的6点软件相比,使用33点半自动软件是否能提高观察者信度和MXA识别儿童椎体骨折的诊断准确性。我们使用了既往研究[12]中50名受试者的图像。据我们所知,这是首次评估两种软件在两种不同模态(VFA和X线片)上识别儿童椎体骨折的报告。
与三位放射学专家达成的共识相比,6点和33点半自动技术的总体灵敏度分别为26%至31%和36%至41%。这些结果略高于既往研究的结果,该研究中五位不同经验水平的阅片者使用相同版本的SpineAnalyzer™软件评估了137张X线片,显示总体灵敏度仅为18%(95%CI 14–2),而总体特异度为97%(95%CI 97–98)[12]。本研究使用的50张图像是从[12]中使用的137张中随机选取的,显示SpineAnalyzer™的总体灵敏度和特异度分别提高至26%至31%和96%至98%,AVERT™分别为36%至41%和91%至95%。
在本研究中,两种软件的效度参数与既往研究[7, 8, 15] somewhat相当(表4)。例如,其他三项研究的灵敏度和特异度分别为66%至79%和71%至98%。本研究的优势在于使用三位儿科放射科医生(每位至少具有13年经验)的共识阅片作为参考标准。
我们已经证明,在识别具有临床意义的骨质疏松性骨折方面,DXA图像上的MXA与X线片上的MXA具有可比性,与所使用软件程序无关。然而,MXA诊断准确性低、观察者可靠性差,假阴性率高。两种程序均低估了轻度骨折的患病率;在132处参考标准轻度椎体骨折中,R1分别通过DXA AVERT™、XR AVERT™、DXA SpineAnalyzer™和XR SpineAnalyzer™仅识别出59、48、56和23处,R2分别识别出85、47、26和17处。中度和重度椎体骨折(椎体高度丢失≥25%)肉眼即可识别,临床上有问题的是轻度骨折的检出[8]。MXA似乎远未能改善轻度骨折的检出,反而低估了它们。无法将正常生理性楔形变与骨折区分开来,可能解释了MXA诊断准确性低的原因。我们未发现任何同行评审研究提供儿童各椎体水平正常年龄和性别相关值的比较数据。然而,Jaremko等人最近一项针对404名接受糖皮质激素治疗儿童的研究总结了不同年龄和发育阶段可能模拟骨折的正常变异[22]。
尽管AVERT™存在阅片时间增加的局限性,但与SpineAnalyzer™相比,其在儿童VF诊断中显示出略高的准确性。然而,对于两种程序,中度和/或重度VF受试者的用时均长于无骨折者。
尽管研究已显示双平面EOS系统的实用性,例如已证明其可可靠评估矢状面脊柱和骨盆对线[23],但我们未发现任何研究将其与X线片和/或DXA比较用于儿童椎体骨折的诊断。EOS具有图像质量高、辐射剂量低和采集时间快的优势。唯一缺点是患者仍需进行DXA扫描以评估骨密度。尽管如此,仍有必要进一步研究,以评估使用EOS诊断儿童椎体骨折的诊断准确性。
两种程序观察者可靠性差可能有若干解释。首先,半自动放置点存在固有的主观性。由于这些点的放置仍很大程度上依赖观察者的经验,点的正确定位可能存在问题。其次,两种程序均以Genant系统为参考,该系统仅基于椎体高度丢失进行评估,而金标准使用sABQ方法,这是一种视觉方法,考虑了可能与骨折无关的椎体终板改变。目前,作者认为诸如sABQ方法之类的视觉方法是评估儿童VF更准确的方法。
结论
我们的结果显示,与SpineAnalyzer™相比,AVERT™诊断儿童VF的准确性略高,但两种方法的诊断准确性和观察者可靠性均较低,我们得出结论:在软件程序得到专门改进或开发出新软件之前,MXA不能用作儿童VF诊断的诊断工具。
引用
- Alqahtani FF, Messina F, Offiah AC, et al. Are semi-automated software program designed for adults accurate for the identification of vertebral fractures in children? Eur Radiol. 2019. PMID: 31119416. doi:10.1007/s00330-019-06250-4
- 全文:PMC6828619(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6828619/
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。