儿童骨肌放射学中人工智能应用的现状与前景
本文综述了人工智能在儿童骨肌放射学中的应用现状,指出骨龄评估是唯一商业化的临床应用,其他如肘部骨折、脊柱骨折、发育性髋发育不良等仍处于研究阶段。文章强调AI工具多为辅助而非替代放射科医生,并呼吁放射科医生参与AI研究。
要点
- 骨龄评估是儿童骨肌AI唯一商业化应用,BoneXpert已使用十余年。
- 多数其他儿童骨肌AI应用(如骨折检测)仍处于研究阶段,尚未临床常规使用。
- AI工具在儿童骨肌影像中多为辅助模式,而非替代或超越放射科医生。
核心结论
- 骨龄评估工具是唯一上市的儿童骨肌AI工具,其他应用如肘部骨折、发育性髋发育不良和脊柱侧弯评估已有研究,但仍需更多工作。
- AI工具在可预见的未来不会取代儿童骨肌放射科医生。
- 儿童放射科医生应参与AI研究团队,以确保参考标准为儿科放射科医生的诊断准确性。
研究设计与样本
- 本文为综述,检索范围未明确说明,纳入了多个关于儿童骨肌AI应用的研究,包括骨龄评估、骨折检测、发育性髋发育不良、脊柱排列等。
- 骨龄评估部分引用了多项诊断准确性研究,比较手动与自动骨龄评估,报告均方根误差低至0.63。
- 骨折检测部分引用了三项关于儿童肘部骨折的AI研究,样本量分别为657/115/129、21,456和1,266张X线片。
- 脊柱骨折评估部分引用了关于成人软件SpineAnalyzer和AVERT在儿童中应用的研究。
- 发育性髋发育不良部分引用了两项研究,训练集分别为11,473和9,081张骨盆X线片。
诊断标准与关键数值
- BoneXpert根据Greulich and Pyle和Tanner and Whitehouse标准自动计算骨龄,每张左手腕X线片分析时间少于15秒。
- BoneXpert因异常解剖拒绝的X线片比例约0.4%(综合医院)至3%(骨骼发育不良专科医院);因图像质量差拒绝率一般很低,但边缘增强处理可能使拒绝率高达10%。
- 肘部骨折AI研究:England等报告敏感度、特异度和准确度均为0.91;Rayan等报告真阳性率最高为肱骨髁上骨折(0.996),最低为骨软骨病变(0.000);Choi等评估卷积神经网络识别肱骨髁上骨折。
- 脊柱骨折评估:成人软件SpineAnalyzer和AVERT在儿童中的诊断准确性不足以临床使用,原因包括未骨化的环状骨骺、椎体形状随年龄变化和正常变异。
- 发育性髋发育不良AI研究:Li等报告准确性与骨科医生相似且用时更少;Zhang等报告深度学习系统提高了一致性、便利性和有效性。
临床应用与阅片要点
- 使用BoneXpert等骨龄AI工具时,放射科医生应审阅原始X线片,因为软件不会拒绝有细微形态异常(如早期佝偻病)或纹理异常(如干骺端条纹)的片子。
- 肘部骨折AI工具目前角色可能在于儿童创伤后X线片的初步分诊,尤其在无儿科放射科医生即时可用的地区。
- 现有成人脊柱骨折评估软件不适用于儿童,因儿童椎体未骨化环状骨骺和正常变异影响。
- AI工具在儿童骨肌影像中多为辅助模式,放射科医生应保持最终诊断责任。
局限性
- 本文为综述,未提供系统检索策略和纳入排除标准。
- 部分引用的研究样本量小,如骨软骨病变仅2例。
- 多数儿童骨肌AI应用研究尚未在儿科放射科医生参考标准下验证。
- 成人的脊柱骨折评估软件在儿童中诊断准确性不足。
- 骨骼发育不良AI研究数据集较小(侧位脊柱40例、正位脊柱16例、正位胸片26例),需更大数据集验证。
全文中译10 节 · 点击展开
引言
简而言之,人工智能(AI)可被定义为使认知任务自动化(或半自动化)的软件。肌肉骨骼系统中的AI应用可以是全自动的(例如,骨龄评估)或半自动的(例如,椎体骨折评估)。尽管AI工具通常可分为AI辅助(帮助放射科医师)、AI替代(替代放射科医师)或AI扩展(超越放射科医师的能力)[1],但据作者所知,在儿童肌肉骨骼放射学实践中,尚无临床工具以AI扩展模式运行。
现有的AI工具可以帮助改善图像质量;辅助测量长度、角度和体积;或辅助检测病理过程,后者通过识别和分类形态学或纹理异常来实现。
在144个获得CE(Conformité Européenne)认证并可商业获得的AI产品中,74个还获得了美国食品药品监督管理局(FDA)的批准,18个与肌肉骨骼系统相关[2]。在这18个产品中,有1个用于图像增强和后处理,而非本身作为诊断辅助工具。考虑其余17个肌肉骨骼AI产品,大多数(14个)设计用于辅助从X线片进行诊断,而仅在3个工具的可获得信息中明确说明用于儿童放射学。表1总结了这17个可获得的肌肉骨骼AI工具;所有3个旨在用于儿童放射学的工具均用于骨龄评估[2]。
尽管目前可商业获得的工具仅用于骨龄评估,但正在进行和已发表的研究涉及骨折诊断(附肢骨和椎体)、脊柱侧弯和腿长差异测量等任务。正在进行儿童研究的其他领域包括使用骨骼健康指数确定骨骼健康,以及诊断额缝早闭和发育性髋关节发育不良。这些新兴应用可能在未来十年内实现商业发布。
本综述还识别并简要讨论了AI研究极少但AI有可能发挥重要作用的领域;这些领域包括故意伤害(虐待儿童)和骨骼发育不良。
本文的主要关注点是病理的诊断/检测。关于与图像质量改善、图像后处理、质量控制等相关的AI应用,读者可参阅本期特刊的其他文章以及Koska 2019年的综述[3]。
当前应用:骨龄评估
尽管市场上有三种骨龄评估AI工具,但最古老且可能最知名的是BoneXpert(Visiana,Hørsholm,丹麦)。事实上,BoneXpert是市场上最古老的肌肉骨骼AI替代软件工具(表1),欧洲已有150多个科室在日常临床实践中使用BoneXpert,每个科室每年进行100多次分析(与H.H. Thodberg和P. Bak的个人通讯,2020年11月)。
BoneXpert根据Greulich和Pyle以及Tanner和Whitehouse标准自动计算骨龄,每张手部和腕部X线片的过程耗时不到15秒。该方法基于传统机器学习方法,涉及基于主成分分析得出的形状、强度和纹理评分来预测骨龄。值得注意的是,不存在与《通用数据保护条例》(GDPR)相关的问题,因为BoneXpert被配置为本地图像归档和通信系统(PACS)的数字成像和通信医学(DICOM)节点,且仅为图像分析应用程序。换言之,BoneXpert不会在本地PACS之外存储数据、共享数据或传输数据。路径和输出分别见图1和图2,输出中使用的术语见表2。
尽管BoneXpert于2009年作为人工智能替代工具推出,但安装了该软件的科室中约有70%将其作为人工智能辅助工具使用(A. Offiah,未发表研究)。原因很简单:虽然BoneXpert会拒绝有明显异常的X线片(例如体位不佳、骨形态异常、图像质量差),但它不会拒绝形态有细微异常(例如早期佝偻病)或纹理异常(例如干骺端条纹)的X线片。如果放射科医师不审阅X线片,那么这些细微变化将被遗漏。检测此类异常超出了该软件开发范围,建议放射科医师牢记这一点。
BoneXpert因解剖结构异常而拒绝的X线片百分比取决于所诊治的患者类型,从综合医院的约0.4%到骨骼发育不良专科医院的高达3%不等。BoneXpert因图像质量差而拒绝的X线片百分比通常非常低(反映放射技师的胜任能力)。然而,在将显著边缘增强作为图像后处理一部分的科室,拒绝率可能高达10%,并伴有错误信息“Too sharp”(与H.H. Thodberg和P. Bak的个人通信,2021年4月)。该软件已在多个人群和种族中测试,包括白人、非裔美国人、西班牙裔、亚洲中国人和沙特阿拉伯人群[4–9];虽然一般适用于所有种族,但建议有所谨慎,但这与标准(Greulich和Pyle、Tanner和Whitehouse 3)的适用性有关,而非与BoneXpert软件本身有关。后一主张可基于比较手动与自动骨龄评估的诊断准确性研究[10–17]得出,报告的均方根误差低至0.63 [18]。
2017年,北美放射学会发起了一项机器学习挑战赛,免费提供了一套超过14,000张手部和腕部X线片[19]。表现最佳的参赛作品达到了一致性相关系数0.99,与金标准仅相差4.3个月,而放射科医师为7.3个月[20]。读者可以自行测试该应用程序,但请注意其仅供演示目的(即不用于临床使用)[21]。
其他骨龄工具也经过了测试,被发现可靠且准确,并能缩短报告时间[22–26];值得指出的是,当使用基于神经网络的人工智能应用程序时,仅对食指(而非整个左手和腕部X线片)进行骨龄估计获得了令人鼓舞的结果,这为手持式骨龄估计设备开辟了道路[26]。
虽然一些作者将工作重点放在从其他部位(如骨盆[27]或膝关节[28])以及其他模态(如MRI[29–32])进行AI骨龄测定上,但一项相对较新的系统综述强调此类研究缺乏,此外还需要更多研究来评估潜在的 socioeconomic 和种族差异对此类AI工具性能的影响[33]。
新兴/未来应用
骨健康指数
目前没有可靠的方法预测儿童骨折风险。虽然双能X线吸收测定法是儿童骨矿物质密度评估的金标准,但它存在局限性[34–36]。因此,已开发出其他定量骨成像技术,包括AI应用(主要与成人相关;表1)。与儿科相关的是放射测量法。该技术最初为手工操作[37],但由于其测量指骨皮质厚度与长度的关系,从而产生骨强度指数,因此适合自动化。
除测定骨龄外,上一节讨论的BoneXpert软件还执行“数字X线放射测量”,提供称为“骨健康指数”或“BHI”的骨健康指标(图2和表2)。骨健康指数来源于对三块中间掌骨皮质厚度、宽度和长度的测量。还提供标准差评分,从而可与同年龄和同性别的健康白人儿童的骨健康指数进行比较。
虽然已有一些研究得出了有利结果[38–41],但骨健康指数在监测和评估儿童(任何种族)骨强度方面的临床作用尚未明确。在最近的一项系统综述中,外周定量计算机断层扫描(pQCT)、骨健康指数和定量超声(QUS)与双能X线吸收法进行了比较。Meta分析显示,BHI与双能X线吸收法的相关性最强,汇总相关系数估计值为0.71,而pQCT和QUS均为0.57[42]。这些结果鼓励进一步研究BHI的潜在临床应用。
骨折评估
附肢骨折
评估人工智能用于儿童附肢骨折检测的少数研究主要集中于肘关节,这可能是因为儿童肘关节的复杂性以及存在多个未骨化的骨骺中心。England等[43]使用一组相对较小的侧位X线片来训练(657张图像)、验证(115张图像)和测试(129张图像)一个用于识别肘关节积液的卷积神经网络。与放射科医师报告的参考标准相比,该网络的敏感性、特异性和准确性均为0.91。
在一项规模显著更大的研究中,Rayan等[44]纳入21,456张肘关节正位和侧位X线片,确定了深度学习将肘关节X线片正确分类为正常或异常的可行性。真阳性率(即那些被正确分类为异常的X线片)在肱骨髁上骨折中最高(0.996),在骨软骨病变中最低(0.000),尽管应当注意整个数据集中仅有2例骨软骨病变。最近,Choi等[45]评估了一个卷积神经网络从1,266张肘关节正位和侧位X线片中正确识别肱骨髁上骨折的能力。
这三项研究的结果(汇总于表3;[43–45])令人鼓舞。然而,特别是鉴于其相对较低的阳性预测值,此类人工智能工具目前的作用似乎在于儿童创伤后肘关节X线片的初步分诊,适用于无法立即获得(儿科)放射科医师的地区。未来的研究还可着眼于确定人工智能工具用于儿童其他附肢部位骨折检测的可行性,其方式类似于目前正在进行的成人腕部[46]和股骨近端[47]等部位的研究。
中轴骨骨折
决策树可被视为一种类似流程图的结构,每个分支代表一个潜在结局。最优树是预测性人工智能算法,其限制结局数量,同时尽可能涵盖更多可用数据[48]。Bertsimas等[49]使用最优树人工智能方法预测儿童颈椎创伤。然而,该模型基于病史和临床参数(包括格拉斯哥昏迷量表),并将放射科医师对影像的判读作为骨折存在与否的结局指标,而非使用该算法对X线片进行分类。鉴于获取充分视野的困难(尤其在年幼儿童中)以及颈椎的复杂性[50],这将是一个值得开发人工智能诊断工具的领域。
其他评估人工智能工具用于检测儿童椎体骨折的研究涉及的是骨质疏松性压缩骨折而非创伤后骨折,下文将简要综述。
从双能X线吸收测定法扫描诊断椎体压缩骨折被称为椎体骨折评估,Lunar iDXA设备(GE Healthcare Lunar,英国白金汉郡)已被证明在儿童椎体压缩骨折诊断中与X线片同样可靠,且辐射剂量更低[51, 52]。使用软件工具从双能X线形态计量扫描诊断椎体骨折被称为形态计量椎体分析[52]。此类软件工具在成人临床使用中已广泛可用;然而,它们尚未获得用于儿童的许可。鉴于儿童椎体骨折诊断存在很大变异性[53],且椎体形态(形态计量学)的识别适合人工智能应用,研究人员评估了现有成人软件——特别是SpineAnalyzer(Optasia Medical,英国奇德尔)和AVERT(Optasia Medical)——在儿童椎体骨折诊断中的准确性和可靠性[54–56]。人工智能工具SpineAnalyzer和AVERT是半自动化的;它们需要个人识别并标记T4至L4椎体中心(任何不可见或显示不清的椎体可省略)。随后,这些工具使用6个点(SpineAnalyzer)或33个点(AVERT)自动勾勒椎体轮廓,并基于高度丢失比率提供输出,指示椎体正常或骨折以及骨折严重程度(图3;[56])。阅片者可手动重新定位软件错误识别的任何点。这些研究的结论是,现有成人(半自动化)软件工具用于儿童椎体骨折评估的诊断准确性不足以满足临床使用(表4)。其原因包括未骨化的环状骨骺、椎体形态随年龄的变化以及儿童中的正常变异,这些问题在成人中较少成为问题(如果有的话)。成人工具是使用绝经后女性的X线片训练的,并且(尽管图3中误导性的最后一列暗示相反)基于Genant等[56]的椎体骨折分类。如果形态计量椎体分析要在儿童中准确,那么所开发的任何工具都必须使用健康儿童队列的脊柱X线片进行训练[57]。
施加性骨折(儿童虐待)
婴幼儿和低龄儿童中的施加性干骺端骨折和肋骨骨折往往难以检出,却对虐待具有高度预测价值[58, 59]。英国国家指南(已由欧洲儿科放射学会采纳)建议图像应由至少一名儿科放射科医师进行双重报告[60, 61];因此在因人员配置问题而无法做到这一点的中心,拥有人工智能辅助工具将会有所帮助,哪怕只是标记出可疑区域以供放射科医师更仔细审阅——无论是在因怀疑虐待而进行的骨骼调查中,还是在(或许更重要的是)因其他指征而拍摄的X线片上,例如因咳嗽拍摄的胸部X线片。已有关于成人肋骨骨折人工智能辅助检测的研究,结果令人鼓舞[62–65],包括开发全自动卷积神经网络来执行此项任务[66, 67]。然而,据作者所知,尚未有针对婴幼儿和低龄儿童疑似虐待性骨折开展此类研究。应鼓励该领域的研究。
为协助放射科医师及该领域的其他人员,已描述了一种基于网络的工具,用于统一疑似虐待案件中的调查方案,并支持培训及多中心国家和国际研究;该工具是一个知识库,将录入临床信息、X线片和影像学信息[68],目前仍在继续开发中(作者正在进行的工作)。
其他新兴/未来的儿科肌骨应用
发育性髋关节发育不良
两项研究评估了神经网络诊断儿童发育性髋关节发育不良的能力[69, 70]。Li等[69]使用11,473张骨盆前后位X线片作为训练集、101张图像作为测试集,基于Sharp角(髋臼指数)诊断发育性髋关节发育不良。他们发现其准确性与骨科外科医师相当,且所需时间更少,并得出结论认为其人工智能工具可能有望替代骨科外科医师[69]。Zhang等[70]使用9,081张骨盆前后位X线片作为训练集、另有1,138张骨盆前后位X线片作为测试集,基于髋臼指数诊断发育性髋关节发育不良。他们得出结论认为,其深度学习系统相比临床医师主导的诊断提高了一致性、便利性和有效性,并提示其可能简化当前的筛查路径[70]。
据所能确认的情况,这两种工具均未与儿科放射科医师的参考标准进行比较。在作者看来,在此类人工智能工具被儿科放射科广泛使用之前,这将是一个重要的下一步。
脊柱对线
已开展多项研究,利用传统放射图像[71]、双平面放射图像[72]或莫尔图像[73]来确定脊柱侧弯程度及脊柱的其他测量指标。所有这些研究均显示出良好前景,事实上,作者所在机构安装的双平面成像系统已实现脊柱和下肢的自动化测量。
其他作者评估了AI预测脊柱侧弯进展[74]、评估Risser分期[75]、从放射图像中检测脊柱侧弯治疗证据[76]以及从双平面图像自动进行三维(3-D)脊柱重建[77]的能力。
其他
另有几项在儿童(或儿童与成人)中开展并评估AI在肌肉骨骼系统中应用的研究值得提及,包括从放射图像确定腿长差异[78]、从头颅CT扫描量化额缝早闭程度[79]、从放射图像预测盘状外侧半月板的存在[80]、在脑性瘫痪中通过双能X线吸收法扫描确定肌肉量[81]以及从手部和腕部放射图像辨别性二态性[82]。其中某些工具的进一步应用显而易见,例如诊断除额缝以外其他骨缝的过早融合,以及在肌病和幼年型皮肌炎等其他疾病中测定肌肉量。从手部和腕部放射图像识别性别的工具的临床实用性仅限于法医影像学,或许有助于识别大规模灾难中毁损的尸体,但其意义重大,因为(据作者所知)这是儿科肌肉骨骼影像学中潜在的AI扩展工具(即执行超出放射科医师能力范围任务的工具)的唯一实例。
骨骼发育不良的计算机辅助诊断可能同时基于AI辅助的形态学分析和骨骼发育不良领域“本体”的创建。本体将大型数据集组织为类别/概念集合并形成它们之间的关系[83]。与骨骼发育不良相关的本体包括人类表型本体[84]、骨发育不良本体[85]和动态畸形综合征放射学电子图谱(dREAMS)[86]。
关于基于骨骼形态测量学的AI辅助骨骼发育不良诊断,使用dREAMS数据库中婴儿放射图像的初步工作显示,将图像二分类为“软骨发育不全”或“非软骨发育不全”类别的准确率分别为:侧位脊柱78.0%至87.5%、正位脊柱68.0%至75.0%、正位胸片87.5%至88.0%[87]。使用比作者所用更大的数据集(40张侧位脊柱、16张正位脊柱和26张正位胸片,训练与测试比例分别为70%和30%),准确率和置信区间有望得到改善。尽管如此,这些结果提供了概念验证,并提示该任务值得进一步研究。
结论
骨龄评估工具是目前市场上唯一可用的儿童肌肉骨骼人工智能(AI)工具。近年来,在肘部骨折、发育性髋关节发育不良和脊柱侧弯评估等领域开展了越来越多的研究。然而,仍有很大的空间需要开展更多工作,特别是在椎体骨折、虐待性损伤、骨骼发育不良和肌肉骨骼肿瘤的诊断等领域。鼓励儿童放射科医生成为开展此类研究的研究团队成员,以便所采用的参考标准是儿童放射科医生的诊断准确性,而不是其他专科临床医生的诊断准确性——后者正是某些已发表文献中的做法。人工智能工具在不久的将来不会取代儿童肌肉骨骼放射科医生,甚至永远也不会。
引用
- Offiah AC. Current and emerging artificial intelligence applications for pediatric musculoskeletal radiology. Pediatr Radiol. 2021. PMID: 34272573. doi:10.1007/s00247-021-05130-8
- 全文:PMC9537230(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9537230/
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。