文献速递腹部泌尿生殖CT

单能CT预测尿酸结石的准确性可与双能CT相媲美:一种定量方法的前瞻性验证

Single-energy CT predicts uric acid stones with accuracy comparable to dual-energy CT-prospective validation of a quantitative method.
PubMed 文献 · Eur Radiol · 2021-02-26

该研究前瞻性纳入116例受试者(另回顾性纳入8例经双能CT确认的尿酸结石患者),共评估124例参与者的143枚结石(106枚非尿酸、37枚尿酸),以双能CT为参考标准,验证三种单能CT定量方法分类尿酸与非尿酸结石的效能。kNN-ppLapl-maxHU法的敏感度100%(37/37)、特异度97%(103/106)、准确率98%(140/143),与双能CT相当。

要点

  • 单能CT是疑似肾绞痛的一线诊断工具,基于结石内部衰减分布的定量方法可在检出结石的同时分类尿酸与非尿酸结石。
  • kNN-ppLapl-maxHU法分类尿酸结石的敏感度100%(37/37)、特异度97%(103/106)、准确率98%(140/143)。
  • ppLapl-maxHU法敏感度95%(35/37)、特异度98%(104/106)、准确率97%(139/143);maxHU法敏感度92%(34/37)、特异度94%(100/106)、准确率94%(134/143)。

关键影像表现/征象

  • 单能CT预测模型使用结石内最大衰减(maxHU)及在maxHU位置计算的峰值点拉普拉斯(ppLapl),后者为最高衰减体素值与周围26个体素加权均值之差。
  • ppLapl-maxHU法以195 HU/1000 HU(ppLapl/maxHU)为截断值区分尿酸与非尿酸结石:峰值点衰减<1000 HU且与周围26个体素均值之差<195 HU判为尿酸结石。
  • maxHU法仅使用最佳maxHU截断值745 HU。
  • kNN-ppLapl-maxHU法在散点图中以更平滑的曲线分隔尿酸与非尿酸结石,而非原方法的矩形区域刚性截断。

诊断标准与关键数值

  • kNN-ppLapl-maxHU法:敏感度100%(37/37)、特异度97%(103/106)、准确率98%(140/143),AUC为0.99(与maxHU相同)。
  • ppLapl-maxHU法:敏感度95%(35/37)、特异度98%(104/106)、准确率97%(139/143);因使用两个静态截断值无法计算AUC。
  • maxHU法:敏感度92%(34/37)、特异度94%(100/106)、准确率94%(134/143),AUC为0.99。
  • kNN-ppLapl-maxHU法与maxHU法准确率差异未达统计学显著(p=0.06),差值95%CI为-0.5至9.5个百分点。
  • 参考标准为双能CT:结石颜色编码>80%红色(视觉近似)判为尿酸结石,>80%蓝色判为非尿酸结石。

临床应用与阅片要点

  • 单能CT是疑似肾绞痛的一线诊断工具,若该方法经验证可用于预测结石成分,患者可在影像诊断首日即获得量身定制的治疗。
  • 作者认为kNN-ppLapl-maxHU法与ppLapl-maxHU法准确率均优异(97–98%),两种方法均可使用。
  • 作者指出kNN-ppLapl-maxHU法的优势在于其可塑性,未来向算法添加更多训练样本可能进一步提高准确性。
  • 该方法仅针对当前使用的CT扫描仪家族设置进行验证,在推广至其他CT厂商设备前需进行验证测试。

局限性

  • 回顾性亚组中3枚结石、前瞻性亚组中4枚结石为混合成分(双能CT应用中视觉判断20–80%尿酸),已从分析中剔除。
  • 既往无研究显示双能CT能在体内可靠分类混合结石,因此无有效的参考标准可用。
  • 由于本队列尿酸结石患病率低,所有符合条件的尿酸结石均被纳入,可能降低尿酸组的异质性。
  • 在非尿酸结石中,样本量可通过不同患者的独立结石达到,不同纳入策略可能引入尿酸结石间较低的异质性。
  • 分析仅纳入每位患者最靠尾侧的尿酸结石时,敏感度和特异度基本不变,但置信区间变宽。
全文中译12 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. 2021 Feb 26;31(8):5980–9. doi: 10.1007/s00330-021-07713-3

引言

尿路结石病仍然是全球范围内越来越多的医疗入院原因,2010年美国女性发病率为7%,男性为11% [1]。在北欧,已有报道尿酸(UA)结石的发生频率不断增加 [2]。在所有尿路结石中,约7–11%为UA结石 [3]。

对于泌尿外科医生而言,区分UA结石与非UA结石具有特别的意义,因为前者可通过碱化尿液进行治疗,从而在排出或手术取出结石后经离体成分分析实现二级预防 [4–7]。理想情况下,应在体内识别并溶解UA结石,以促进结石排出并避免手术取出 [8, 9]。目前,体内结石成分分析主要通过双能CT(DE-CT)完成,多项研究已显示其具有高准确性 [10–15]。

非增强单能CT(SE-CT)是疑似肾绞痛的一线诊断工具,能够以高特异性检出几乎所有尿路结石。其在测量结石大小方面具有高度可重复性,并可用于预测结石自发排出 [6, 14, 16]。此外,如果该方法还能预测结石成分,患者将能够在放射学诊断的第一天带着量身定制的治疗方案离开急诊室 [9]。

在最近一项针对126枚尿路结石(22枚UA结石和104枚非UA结石)的探索性研究中,Lidén将结石的定量CT参数与化学组成进行了相关性分析 [17]。结石中单个体素的最高(峰值)衰减(maxHU)被证明是结石成分的有力预测指标,但为提高特异性,Lidén提出了一种纯定量SE-CT方法,称为峰值点拉普拉斯/maxHU(ppLapl-maxHU)。ppLapl-maxHU方法使用所检查结石中以Hounsfield单位(HU)测量的峰值衰减,结合该峰值衰减与周围体素加权平均衰减之间的差值(拉普拉斯),获得区分UA与非UA结石的截断值195 HU/1000 HU(ppLapl/maxHU)。ppLapl-maxHU方法的截断值产生了高灵敏度和特异性(分别为95%和99%),但主要局限性在于截断值是事后定义的,可能导致研究中准确性被高估。因此需要在独立数据集上进行外部验证。与常用于尿路结石衰减测量的平均衰减相比,maxHU和ppLapl这两个指标的一个重要优势在于它们是点估计值,因此不依赖于分割参数且具有可重复性。

对先前研究中UA和非UA结石数据的进一步分析表明,机器学习避免了ppLapl-maxHU方法中的锐利截断线,可能比原始方法表现更好 [17]。K近邻(kNN)是一种简单的机器学习算法,它利用标注病例的特征,通过多数投票,根据新数据在多维空间中邻居的分类情况对新数据进行分类 [18]。

使用最近开发的 ppLapl-maxHU 方法[17]所使用的相同数据,衍生了一种 kNN 算法(kNN-ppLapl-maxHU)。我们假设 kNN-ppLapl-maxHU 和 ppLapl-maxHU 方法能够在先前未见的单能 CT(SE-CT)上区分尿酸(UA)结石与非尿酸结石,其敏感性和特异性与双能 CT(DE-CT)相当,且优于仅使用结石峰值衰减(maxHU)。

本研究的目的是在一个独立的、先前未见的结石数据集上,前瞻性验证两种先前发表的方法(ppLapl-maxHU 和 maxHU)以及一种衍生的方法(kNN-ppLapl-maxHU)用于分类尿酸结石的定量单能 CT 方法。

材料与方法

本研究经区域研究伦理委员会批准。所有前瞻性和回顾性纳入的参与者均获得了书面知情同意。

研究参与者

2018年9月至2019年9月期间,116名计划在我们 DE-CT 扫描仪上进行择期泌尿系结石 CT 检查、且至少有一颗 3–20 mm 泌尿系结石的研究参与者被前瞻性纳入研究,以创建用于验证下述指标检验的测试数据集(占前瞻性合格参与者的65%:由于工作量波动,并非所有潜在合格患者都被邀请参与)。由于已知我们患者人群中 UA 结石患病率较低,所有合格的 UA 结石均被纳入,但为了尽可能保持非 UA 结石的异质性,每位参与者仅纳入一颗非 UA 结石。纳入和排除标准见图1。

对接受参与的患者进行了 CT 扫描的初步阅片。一旦放射技师确定至少有一颗符合标准的泌尿系结石,患者即被纳入并进行参考 DE-CT 检查。关于纳入资格的最终决定随后由一位具有15年腹部 CT 阅片经验的放射科医师(J.J.)做出。

基于我们患者人群中 UA 结石预期数量较少的情况,我们进行了研究前计划的额外回顾性纳入,即2016年8月至2018年8月期间在 DE-CT 上显示且有 SE-CT 扫描可用的 UA 结石。前瞻性纳入期间有一次 DE-CT 结石分析检查被遗漏,因此进行了回顾性纳入。总共纳入了八名(73%)回顾性合格参与者。

估计样本量为≥ 35颗 UA 结石和100–150颗非 UA 结石,目标是在假设敏感性为95%时达到95%置信区间(CI)下限80%,在假设特异性为97%时达到下限95%。

图1 纳入流程图。SE-CT,单能 CT;DE-CT,双能 CT;UA,尿酸;non-UA,非尿酸 查看原图 ↗

研究方案和技术参数

所有研究参与者均在2 × 128通道双源系统(Somatom Definition Flash,Siemens)上使用我们当地的常规单能方案和双能方案进行检查,扫描参数见表1。SE-CT 的平均剂量长度乘积为185 ± 55 mGy*cm(范围98–432),平均容积 CT 剂量指数为4.5 mGy(范围2.7–10);DE-CT 检查分别为189 ± 101 mGy*cm(范围54–637)和16 mGy(范围5.6–41)。DE-CT 平均扫描长度为10.7(范围3.8–61)cm。

SE-CT和DE-CT的重建图像经过假名化处理,并以不同的密钥保存在本地图像归档和通信系统(PACS,Sectra)的不同文件夹中。

表1 扫描参数 查看原表 ↗

指数检验

三种指数检验均使用来自先前研究(该研究纳入126颗已知纯尿酸/非尿酸成分的结石)的同一数据创建[17]。其中ppLapl-maxHU法和maxHU法已在先前研究中发表,而kNN-ppLapl-maxHU法是为本研究推导的。本研究所纳入结石的数据未用于kNN法的开发。目前三种指数检验均无市售产品。

指数检验——ppLapl-maxHU

用于结石类型预测的两个定量变量为:(1)结石中衰减最高的体素(maxHU);(2)在缩放拉普拉斯滤波图像中与maxHU相同位置处的值(ppLapl)。ppLapl的一种解释是计算最高衰减体素值与周围26个体素加权均值之间的衰减差值[17]。假名化后的SE-CT图像导出至MATLAB R2019a(MathWorks公司),在完成纳入流程4周后,一位放射科医师(J.J.)使用先前开发的半自动MATLAB软件对每颗纳入结石进行标记,生成maxHU和ppLapl-maxHU值(图2a和图3a)。该应用程序使用先前研究[17]提出的截断值,为尿酸结石分配红点,为非尿酸结石分配蓝点(图2和图4a)。

图2 对一位66岁男性左侧11×5 mm尿酸(UA)肾结石进行指数检验(a)和参考检验(b)。a 指数检验:1 mm单能非增强轴位CT扫描,导出至外部软件后由放射科医师标记肾结石。红色星号表示根据峰值点拉普拉斯-最大衰减(ppLapl-maxHU)算法判定为尿酸成分:在本例中,峰值点衰减为693 HU(< 1000 HU),且该峰值点衰减与周围26个体素均值之间的差值为98 HU(< 195 HU)。b 参考检验:使用厂商结石成分分析应用程序后处理的轴位双能CT图像。红色表示尿酸成分结石 查看原图 ↗
图3 对一位78岁男性左侧5×3 mm非尿酸(non-UA)输尿管结石进行指数检验(a)和参考检验(b)。a 指数检验:1 mm单能非增强轴位CT扫描,导出至外部软件后由放射科医师标记输尿管结石。蓝色星号表示根据峰值点拉普拉斯-最大衰减(ppLapl-maxHU)算法判定为非尿酸成分:峰值点衰减≥ 1000 HU(本例为1398 HU),或该峰值点衰减与周围体素加权均值之间的差值≥ 195 HU(本例为182 HU),即定义为非尿酸成分结石。b 参考检验:使用厂商结石成分分析应用程序后处理的轴位双能CT图像。蓝色表示非尿酸成分结石 查看原图 ↗
图4 基于最大衰减值(maxHU)和峰值点拉普拉斯值(ppLapl)对尿酸(UA)结石进行分类的单能CT(SE-CT)方法。用于分类UA和非UA结石的三种不同SE-CT方法在影像组学maxHU(结石中衰减最高的体素)和ppLapl的截断值上有所不同。a 根据原始方法的固定截断值[14];b 最近邻法;c maxHU法 查看原图 ↗

指标试验——kNN-ppLapl-maxHU

kNN机器学习预测方法基于ppLapl-maxHU法。预测模型在MATLAB中创建,使用九个最近邻(标准设置)和欧几里得距离。该方法利用先前标注数据集中所有已知结石的maxHU和ppLapl值,将其与未知结石在散点图中的位置进行比较,并在最接近未知结石的九个结石之间进行“多数投票”。由于kNN中仅有两个变量,该模型可在散点图中以一条曲线来图示,该曲线将预测的UA结石与非UA结石分开(图4b)。因此,与原始方法中UA结石的矩形区域(图4a)相比,其区别在于分隔UA与非UA结石的曲线更为平滑。

指标试验——maxHU

第三项指标试验仅使用先前定义的 optimal maxHU 值745 HU [17](图4c)。

参考试验/金标准

DE-CT中的结石分类(UA vs. 非UA)被用作每颗纳入结石的金标准,因为DE-CT能可靠地将纯UA结石与非UA结石区分开来[10–13]。DE-CT图像由一位放射科医师(J.J.)在纳入流程中结合Syngo.Via(西门子)中的肾结石应用程序进行分析。如果结石颜色编码>80%为红色(视觉近似),则被认为是UA结石;如果>80%为蓝色,则为非UA结石(见图2b和3b)。其余结石(n = 7)被认为是UA/非UA混合结石,已从进一步分析中排除,因为DE-CT对混合结石的可靠性较低,因此不足以作为参考试验[19–22]。

每颗结石的最大直径在轴位3 mm层面上使用PACS工作站中的卡尺工具手动测量,采用软组织窗设置C50/W400,缩放级别为像素对像素×8。

统计分析

分析使用IBM SPSS for Mac OS,v26.0.0.0(SPSS Inc.)和MATLAB进行。

使用二项分布和95%CI计算SE-CT分类方法(kNN-ppLapl-maxHU、ppLapl-maxHU和maxHU)预测UA结石的敏感度、特异度和准确度。

该分析主要针对所有结石合并分组进行。二次分析包括:(1)前瞻性纳入的结石;(2)每例患者仅纳入一颗UA结石(位置最靠尾侧的)或非UA结石。

指标方法之间差异的统计学显著性使用McNemar检验(显著性水平:p < 0.05)。

结果

共评估124名参与者(59 ± 14岁,91名男性),包括106颗非UA结石和37颗UA结石。13名男性有UA结石(14%),78名有非UA结石(86%)。5名女性(15%)有UA结石,而28名(85%)有非UA结石。这些结石均未用于指标方法的开发。表2显示了结石特征。UA组的平均年龄为69 ± 8岁(范围50–77),非UA组为58 ± 14岁(21–89)。

kNN-ppLapl-maxHU、ppLapl-maxHU和maxHU方法的结果与参考DE-CT结果的交叉制表见表3。所有结石的maxHU和ppLapl分布散点图及三种不同SE-CT分类方法的截断值见图5。表4显示了三种方法的灵敏度、特异度和准确度。表5显示了亚组的灵敏度、特异度和准确度:(a)前瞻性纳入的结石和(b)每位患者仅纳入一枚UA结石。

kNN-ppLapl-maxHU以及maxHU的受试者工作特征(ROC)曲线下面积(AUC)均为0.99。ppLapl-maxHU方法采用两个固定截断值,无法计算AUC。尽管根据McNemar检验差异无统计学意义(p = 0.06),但kNN-ppLapl-maxHU方法(98%)相比maxHU方法(94%)呈现出更高准确度的趋势。差值的95% CI为- 0.5至9.5个百分点。

表2 结石特征 查看原表 ↗
表3 以双能CT(DE-CT)为参考,使用单能CT(SE-CT)将泌尿系结石分类为尿酸(UA)和非UA结石的交叉制表。(a)kNN-峰点拉普拉斯-maxHU(kNN-ppLapl-maxHU);(b)峰点拉普拉斯-maxHU(ppLapl-maxHU);(c)maxHU 查看原表 ↗
图5 三种不同单能CT(SE-CT)方法分类尿酸(UA)和非UA结石的散点图。红点:由双能CT(DE-CT)定义的UA结石。蓝点:由DE-CT定义的非UA结石。a ppLapl-maxHU方法。b kNN-ppLapl-maxHU方法。c maxHU方法 查看原图 ↗
表4 三种单能CT方法预测UA结石的灵敏度、特异度和准确度。以双能CT为参考标准 查看原表 ↗
表5 三种单能CT方法预测UA结石的灵敏度、特异度和准确度:(a)前瞻性纳入的结石,(b)每位患者仅纳入一枚UA结石。以双能CT为参考标准 查看原表 ↗

讨论

单能CT是检测泌尿系结石的一线方法,而体内结石分析通常使用双能CT进行,但在大多数急诊放射学环境中其可及性有限[23]。本研究的目的是前瞻性验证两种既往发表的方法和一种衍生定量方法(kNN-ppLapl-maxHU),使用一线单能CT扫描在体内预测尿酸(UA)结石类型。kNN-ppLapl-maxHU方法对3–20 mm UA结石的灵敏度为100%(37/37),特异度为97%(103/106),准确度为98%(140/143)。ppLapl-maxHU和maxHU方法的准确度也较高,分别为97%和94%。

尿路结石的衰减与成分之间的密切相关性已众所周知,尿酸盐(UA)结石与非尿酸盐结石之间也存在相当大的重叠[24–26]。kNN-ppLapl-maxHU方法完全是定量方法,它将结石内的最高衰减与周围26个体素的衰减相结合,从而估计结石衰减的峰度。kNN-ppLapl-maxHU方法中所使用的影像组学具有合乎逻辑的解释。小的钙基结石可以具有与较大的尿酸盐基结石相同的峰值衰减,但钙结石中最高衰减体素与周围体素之间的衰减差异通常大于尿酸盐结石[17]。这与先前发表的回顾性非验证结果高度吻合。Nakada等[24]使用结石大小和衰减对17枚尿酸盐结石和82枚非尿酸盐结石的样本进行分析,达到了86%(85/99)的准确率;Ganesan等[27]在52枚草酸钙结石和48枚尿酸盐结石的回顾性队列中使用结石大小、衰减和衰减分布,达到了90%的准确率;Zhang等[28]在18枚尿酸盐结石和32枚非尿酸盐结石的样本中使用结石纹理分析,达到了94%的灵敏度和特异度。

本研究中进行前瞻性验证的原始方法(ppLapl-maxHU和maxHU)由Lidén[17]开发,其使用了显示maxHU和ppLapl的散点图中尿酸盐结石和非尿酸盐结石聚类分布。此外,本研究中的kNN-ppLapl-maxHU算法仅来源于先前数据,是在分析为本研究收集的新数据之前得出的。

因此,与先前研究相比,本研究的一个主要优势是三种被测试的算法是预先定义的,从而避免了过拟合问题。尽管回顾性纳入了13枚尿酸盐结石,但仅使用前瞻性纳入的结石时结果相似。

kNN-ppLapl-maxHU模型使用先前获取的数据集[17],通过在散点图中其九个最近邻之间的“多数投票”对未知类型的结石进行分类。与原始方法195 HU/1000 HU的刚性截断值相比,所提出的kNN方法具有吸引力,因为它在尿酸盐结石和非尿酸盐结石之间创建了更平滑的曲线。然而,在我们的材料中,两种方法均具有极佳的准确率(97–98%),任一方法均可使用。鉴于两种方法均具有如此高的准确率,要在它们之间实现准确率的统计学显著差异将需要纳入非常大量的结石,考虑到尿酸盐结石的患病率相对较低,这难以实现。kNN-ppLapl-maxHU方法的一个优势是其可塑性;未来向算法中添加更多训练样本很可能进一步提高其准确率。尽管我们关于kNN-ppLapl-maxHU的准确率将高于仅使用maxHU方法的准确率的假设无法在统计学上得到证明,但存在准确率更高的强烈趋势(98% vs 94%(p = 0.06))。

据我们所知,这是首项对用于体内尿酸盐与非尿酸盐尿路结石分类的双能CT(SE-CT)方法进行前瞻性验证的研究。本研究的结果与先前发表的双能CT(DE-CT)结果相当[11–13]。

本研究存在局限性。回顾性子组中有3枚结石、前瞻性子组中有4枚结石为混合成分(在双能CT应用中视觉判断为20–80%尿酸(UA)),已从分析中剔除。尽管近期一项体模研究显示,利用光谱探测器双能CT的机器学习算法在显示结石主要成分方面结果令人鼓舞[29],但此前尚无研究表明双能CT能够在体内可靠地对混合结石进行分类。因此无法获得有效的参考标准。大多数关于双能CT对UA与非UA结石分类的研究均针对纯或接近纯(80–90%)结石进行[13, 19, 21, 30–33]。因此,指标检验并非为超出UA/非UA结石分类之外的分类而设计。

回顾性纳入8例患者的13枚UA结石,以达到足够的UA结石数量。指标检验为纯定量,执行检验的放射科医师对参考标准结果设盲。回顾性纳入8例确诊UA结石受试者所致偏倚风险被认为较低。此外,仅分析前瞻性纳入的结石时,灵敏度和特异度几乎不变;仅置信区间变宽。由于已知我们人群中UA结石患病率较低,符合纳入标准的患者中所有UA结石均被纳入,与既往研究相似[10, 12, 13, 20, 28, 33–36],这可能降低UA组内的异质性。对于非UA结石,样本量可通过来自不同患者的独立结石达到。不同的纳入策略可能因此引入UA结石之间较低的异质性,但引入系统性偏倚的风险被认为较低。当仅分析每位患者最尾侧位置的UA结石时,灵敏度和特异度几乎不变,但置信区间更宽。

验证是针对本研究所用CT扫描仪系列当前设置进行的。在将该方法推广至其他CT制造商之前,需要在不同CT供应商的扫描仪上进行验证测试[37]。这是一个重要局限性,但有充分理由相信,无论CT制造商如何,优化后均可获得相似结果,因为ppLapl-maxHU影像组学基于不同结石类型的物理特性。此外,本方法需要根据CT制造商进行优化,与其他方法(例如双能CT结石类型分类方法)需要根据扫描仪类型进行优化并无不同。

总之,本研究表明,纯定量单能CT方法可在先前未见的数据集中对尿酸(UA)和非UA结石进行分类,准确性与双能CT相当,从而在检出尿路结石时即可即时进行结石分类。考虑到较低的成本、更好的可及性和更低的辐射暴露,这是用于尿路结石体内表征的双能CT的一种有前景的替代方法。

引用

  1. Jendeberg J, Thunberg P, Popiolek M, et al. Single-energy CT predicts uric acid stones with accuracy comparable to dual-energy CT-prospective validation of a quantitative method. Eur Radiol. 2021. PMID: 33635394. doi:10.1007/s00330-021-07713-3
  2. 全文:PMC8270827(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8270827/

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。