文献速递胸部心血管骨肌CT

AI定量肺癌筛查CT偶发发现的重复性:NELSON试验

Repeatability of AI-quantified incidental findings on lung cancer screening CT scans in the NELSON trial.
PubMed 文献 · Eur Radiol · 2026-06-17

本研究纳入1436例NELSON肺癌筛查受试者,采用AI-Rad Companion Chest CT对间隔≤120天的短期重复低剂量平扫CT进行分析,评估主动脉直径、冠脉钙化容积、椎体高度与密度及肺气肿LAA%的重复性。结果显示各测量ICC多为0.913~0.943,主动脉直径部分位置ICC为0.832~0.926;分级κ值分别为主动脉扩张0.68、CACV 0.63(严重度κ=0.87)、骨质减少0.84、肺气肿0.70(严重度κ=0.89)。研究结论认为AI测量重复性与一致性总体为良好至优秀。

要点

  • AI测量主动脉直径、椎体高度和密度的绝对差异较小,可用于重复量化偶发异常。
  • CACV与LAA%相对差异虽高但绝对值有限,分级判定仍较稳定,需注意低值区变异。
  • 自动测量后仍需人工校验分割,错误率0.5%~6.6%,但总体阅片负担仍可控。

核心结论

  • 在NELSON肺癌筛查队列短期重复CT中,AI对主动脉直径、冠脉钙化、椎体高度与密度及肺气肿的自动测量重复性和一致性总体为良好至优秀。
  • 自动测量可辅助减少阅片负担,但实施前仍需对分割和测量进行人工错误校验。

研究设计与样本

  • 回顾性分析NELSON试验荷兰受试者数据,纳入1436例有间隔≤120天短期重复CT对的受试者。
  • 平均年龄59.7±5.7岁,男性86.3%,当前吸烟55.9%,扫描间隔85±20天;采用16层CT低剂量平扫,120 kVp(体重>80 kg用140 kVp)、固定30 mAs,层厚1.0 mm、层距0.7 mm。
  • 使用Siemens Healthineers AI-Rad Companion Chest CT进行测量,肺气肿采用On-premises prototype version 0.5.0.6,其余测量采用Cloud product VA40。

关键影像表现/征象

  • 主动脉直径以多位点测量,最大升主动脉直径ICC为0.943(95% CI: 0.937–0.949),窦管交界处ICC最低为0.832(95% CI: 0.815–0.847)。
  • CACV中位绝对差异26.0 mm3(IQR: 5.8–90.9),中位相对差异29.5%(IQR: 7.2–79.6),ICC为0.931(95% CI: 0.923–0.938)。
  • 椎体高度各测量值平均绝对差异均≤1 mm,前缘高度ICC为0.913(95% CI: 0.904–0.921),中缘高度ICC为0.943(95% CI: 0.937–0.949);椎体平均密度绝对差异7.6 HU。
  • 肺气肿LAA%中位绝对差异0.8%(IQR: 0.2–2.1%),中位相对差异25%,ICC为0.942(95% CI: 0.935–0.948)。

诊断标准与关键数值

  • CACV分级:无=0 mm3,轻度>0–100 mm3,中度>100–300 mm3,重度≥300 mm3;中重度(CACV>100 mm3)在1367例中占45.2%。
  • 肺气肿LAA%分级:无<5%,轻度≥5至<10%,中度≥10至<15%,重度≥15%;中重度(LAA%>10%)在1323例中占20.5%。
  • 主动脉扩张定义为最大升主动脉直径>45 mm;基线1427例中占4.2%,Cohen's kappa为0.68,总一致率97.6%。
  • 骨质减少定义为椎体平均放射密度≤115 HU;基线1421例中占10.4%,Cohen's kappa为0.84,总一致率96.8%。
  • CACV严重度分级二次加权κ=0.87,肺气肿严重度分级二次加权κ=0.89;错误分类99%落在相邻等级。

临床应用与阅片要点

  • AI自动测量主动脉直径、椎体高度与密度绝对差异小,适合用于筛查场景下偶发异常的重复量化。
  • CACV与LAA%在低值区相对差异大,判读变化时应结合绝对值而非仅看相对百分比变化。
  • 主动脉扩张、CACV、骨质减少和肺气肿的分类一致率均在70%以上,可用于风险分层并减少手工测量工作量。
  • 自动测量仍须对AI分割进行逐例抽查校验,重点排除图像质量差或术后改变导致的错误测量。

局限性

  • 本研究为回顾性设计,仅纳入NELSON试验荷兰受试者,男性占比86.3%,女性代表性有限。
  • CT数据来自较老16层设备且无迭代重建,结果外推至现代扫描设备需谨慎。
  • 缺乏1天内极短期重复扫描作为参照,120天窗口内偶发发现可能发生真实变化。
  • 分析前需人工排除0.5%~6.6%的错误测量配对,提示算法错误校验仍不可避免。
  • 肺气肿测量重复性缺乏外部基准,作者认为其重复性在更现代设备上尚需进一步研究。
全文中译14 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. 2026 Jun 17;36(10):7524–34. doi: 10.1007/s00330-026-12669-3

引言

由于多项试验表明低剂量胸部计算机断层扫描(CT)筛查可显著降低肺癌死亡率,肺癌筛查已在多个国家实施 [1, 2]。这为分析偶然发现创造了机会,如心血管钙化、主动脉扩张、肺气肿、早期间质性肺疾病和骨质减少 [3–7]。

尽管这些偶然发现可以预测临床相关事件,并有望在吸烟或曾吸烟人群中进一步降低发病率和死亡率,但它们进一步增加了放射科医生的工作量 [8, 9]。这一工作量可能妨碍筛查的可行性,此外还可能导致判读错误增加 [10, 11]。人工智能(AI)方法可在胸部CT扫描上自动测量肺结节以外的偶然发现,同时减少放射科医生工作量的增加 [12]。既往研究发现,AI算法在非增强胸部CT扫描上测量冠状动脉钙化和主动脉扩张方面可以达到良好的准确性 [13]。

在肺癌筛查中实施AI测量偶然发现之前,需要评估若干指标。除准确性外,测量的可重复性和一致性也是一项关键的性能指标 [14]。能够区分异常值或测量变化是测量变异所致,还是实际的异常或变化,这一点很重要。

既往已有关于AI测量在非门控非增强低剂量胸部CT上验证的研究。对于主动脉直径测量,Hamelink等研究表明,在240名受试者中,人工阅片者与AI-Rad Companion Chest CT之间所有测量位置的平均绝对差异均低于2 mm [15]。对于冠状动脉钙化体积(CACV),van Assen等研究证明,在263名受试者中,心脏CT上的人工评分与胸部CT上基于AI的冠状动脉钙化测量之间具有极好的相关性 [16]。在Hamelink等的另一项研究中,对ImaLife研究中632名扫描间隔为3–4个月的参与者进行了AI-Rad Companion Chest CT偶然发现测量的可重复性调查 [14]。他们发现,椎体高度和放射密度以及主动脉直径的测量显示出极好的可重复性,CACV风险分类显示出高度一致性。然而,该扫描涉及一种特定的高螺距技术;其结果尚未在肺癌筛查环境中得到验证。

因此,本研究旨在评估AI软件在荷兰-比利时随机肺癌筛查(NELSON)试验的短期随访低剂量肺癌筛查扫描对中测量的各种潜在相关偶然发现的可重复性和一致性。

方法

研究人群

2003年12月23日,荷兰卫生部长批准将受试者随机分配至NELSON试验。2006年3月22日,该试验在荷兰医学研究总览(OMON)中回顾性注册(NL-OMON22971)。所有参与者均获得了书面知情同意。

当前分析是NELSON-POP项目的一部分,该项目旨在利用多模态数据方法优化肺癌筛查中的参与者选择和结节管理[17]。本回顾性研究使用的数据来自NELSON试验。NELSON试验纳入了50–75岁、有显著吸烟史的个体,在荷兰格罗宁根大学医学中心、乌得勒支大学医学中心、哈勒姆Kennemer Gasthuis医院以及比利时鲁汶大学医院进行扫描。NELSON试验的详细纳入和排除标准已在先前文献中描述[18–20]。本研究仅纳入荷兰参与者。在NELSON试验中,部分受试者接受了短期随访CT扫描。短期随访CT扫描的原因是对不确定的肺结节进行随访。

图像采集方案

非增强低剂量胸部CT扫描在吸气相进行,使用16排多层螺旋CT系统,准直为16 × 0.75 mm(Sensation 16,西门子医疗;M × 8000 IDT和Brilliance 16 P,飞利浦医疗)。体重80 kg及以下的参与者使用固定30 mAs、120 kVp,体重超过80 kg者使用140 kVp。采用中等软组织重建核(Philips B,Siemens B30f)以减少噪声。数据重建为1.0 mm层厚的轴位图像,0.7 mm层间距[6, 19, 21, 22]。除重复扫描有时使用不同kVp外,每位受试者的每次扫描均使用相同的扫描仪及采集和重建参数。扫描kVp分布的详细信息见附录A。

自动化扫描分析

对所有来自荷兰NELSON试验中心、满足AI软件要求的扫描进行了测量,所用软件为西门子医疗的AI-Rad Companion Chest CT(肺气肿测量使用本地原型版本0.5.0.6,所有其他测量使用云端产品版本VA40,西门子医疗)。对于肺气肿定量,西门子医疗AI-Rad Companion Chest CT本地原型版本0.5.0.6中实施了特殊滤波,以提高低剂量数据上的性能。为应对高噪声水平,采用了使用3D-26体素邻域的连通分量聚类,仅过滤包含至少50个体素的分量。

主动脉直径在多个预定义位置进行测量。冠状动脉钙化程度评估为总冠状动脉钙化体积(CACV)。对每个椎体测量前、中、后高度以及平均放射密度。肺气肿定量为低衰减区百分比(LAA%,低于−950 HU的肺体素百分比)。在创建所有测量的最终数据集之前,对AI生成的分割结果(测量数据来源于此)的一个子集进行了错误检查,如附录B所述。简言之,对于每种测量类型,根据适合该测量类型的方法筛选出可能错误的测量。这些测量由一名阅片者在一位具有15年以上经验的欧洲放射学委员会(EBCR)认证放射科医师的监督下进行视觉检查。来源于视觉评估为不合格分割的测量被从数据集中排除。由此生成了一个包含AI软件成功处理的测量的数据集。

重复性与一致性分析的数据选择

由于只有短期随访扫描测量数据适用于重复性与一致性分析,我们仅选择在间隔不超过120天的成对扫描上进行的测量。我们将基线测量定义为在基线扫描(成对扫描中的第一次扫描)上进行的测量,将重复测量定义为在重复扫描(成对扫描中的第二次扫描)上进行的测量。基线扫描不一定是筛查参与者的首次扫描,而是指任何一次筛查轮次扫描后进行了短期随访扫描的扫描。如果一名参与者有多对短期随访扫描可用,则仅纳入第一对扫描。因此,每名参与者在分析中仅被纳入一次。

测量指标的分类

基于公认标准以及英国国家肺部筛查中使用的测量指标,我们计算了多种衍生的分类指标[5, 23–25]。

CACV和LAA%被分为四个类别:无、轻度、中度和重度。对于CACV,定义为无:0 mm³,轻度:> 0–100 mm³,中度:> 100–300 mm³,重度:≥ 300 mm³[5]。对于LAA%,定义为无:< 5%,轻度:≥ 5%至< 10%,中度:≥ 10%至< 15%,重度:≥ 15%[5]。

每名受试者的升主动脉最大直径和平均椎体放射密度被分为两个类别。基于升主动脉最大直径,根据英国标准,我们将≤ 45 mm定义为无扩张,> 45 mm定义为扩张[5]。骨质疏松类别基于平均椎体放射密度:根据既往文献,≤ 115 HU提示骨质疏松,> 115 HU提示无骨质疏松[5, 25–28]。

统计分析

与椎体、主动脉和肺气肿测量相关的连续变量以均值±标准差(SD)报告。由于不符合正态分布,CACV和LAA%以中位数和四分位距(IQR)报告。

基线测量与重复测量的重复性通过基线测量与重复测量之间的绝对差值和相对差值,以及受试者内标准差和重复性系数进行评估[29, 30]。相对差值定义为((100 × |基线值 – 重复值|)/ 基线值与重复值的均值)。

基线测量与重复测量之间的一致性通过组内相关系数(ICC)及其相应的95%置信区间(CI)进行评估。我们使用ICC(A,1)。ICC值的解读如下:> 0.90为优,0.75–0.90为良,0.50–0.75为中等,< 0.50为一致性差[31]。

计算得出的分类变量在基线测量与重复测量之间进行比较。我们通过混淆矩阵确定一致百分比。我们还通过未加权Cohen's kappa确定有无分类的一致性,并通过二次加权Cohen's kappa确定严重程度分类的一致性。

统计分析使用Python、R 4.4.1以及R包irr和yardstick完成[32–34]。

结果

1436名受试者(平均±标准差年龄59.7 ± 5.7岁,86.3%为男性,55.9%当前吸烟)具有至少一对来自间隔不超过120天的CT扫描的基线和短期重复测量数据(平均±标准差间隔85 ± 20天)。受试者筛选流程见图1。各测量类型的分割示例见图2–5。

关于基线和重复测量以及基于分类的亚临床疾病存在的完整细节见表1。根据附录B中描述的误差检查,部分测量被排除。被排除的测量对数量也显示在表1中。测量被排除的原因多种多样,包括算法失败以外的问题,如图像质量不足或既往手术干预。附录C中展示了一些正确和错误测量的示例。

表2显示了每个偶然发现的基线和重复测量之间的绝对差异和相对差异。对于大多数偶然发现,平均绝对差异和相对差异均< 5%。有少数例外,特别是冠状动脉钙化体积(CACV)和低衰减区百分比(LAA%),其相对差异中位数超过25%。

此外,表2中显示了所有连续测量的组内相关系数(ICC)。在十六组测量中,13项测量的一致性为优秀(ICC > 0.9),2项测量的一致性为良好(0.75 < ICC < 0.9),这两项均涉及主动脉直径。

表3中显示了每个分类偶然发现的Cohen’s kappa系数。主动脉扩张、CACV、骨质减少和LAA%的分类在基线和重复测量之间均显示出高度一致性。所有测量的总体一致率超过70%。对于错误分类,99%被分配到最邻近的类别。

关于各节段椎体测量的完整细节见附录D。附录E中进行了椎体高度丢失的分析。附录F中显示了最大升主动脉直径、CACV、椎体放射性密度、椎体高度丢失和肺气肿LAA%的混淆矩阵。

图1 受试者筛选流程图。本文仅呈现基于1436名受试者的分析 查看原图 ↗
图2 主动脉分割和直径测量位置示例。1:主动脉窦,2:窦管交界,3:升主动脉中部,4:主动脉弓近端,5:主动脉弓中部,6:降主动脉近端,7:升主动脉中部,8:膈肌水平主动脉,9:腹腔动脉起始处主动脉,A:最大升主动脉直径,D:最大降主动脉直径 查看原图 ↗
图3 冠状动脉钙化分割示例。红色圆圈指示冠状动脉钙化位置。冠状动脉钙化以黄色显示 查看原图 ↗
图4 椎体高度和密度测量示例。从左到右,标签指示椎体(T2 = 第2胸椎)、前缘高度、中部高度、后缘高度(均以mm为单位)和放射性密度(以HU为单位)。粉色线条为测量位置,从左到右依次为:前缘、中部、后缘 查看原图 ↗
图5 大量肺气肿受试者示例。左:CT层面。右:肺气肿分割,以青色显示。彩色轮廓指示肺叶 查看原图 ↗
表1 基线和重复测量特征 查看原表 ↗
表2 测量的可重复性和一致性 查看原表 ↗
表3 分类偶然发现的Cohen’s Kappa系数 查看原表 ↗

主动脉

主动脉直径测量值的平均绝对差异非常低,仅窦管交界处直径的绝对差异超过1 mm。对于基于位置的主动脉测量,一致性在窦管交界处最低,ICC为0.832(95% CI:0.815–0.847);在胸降主动脉中段直径处最高,ICC为0.926(95% CI:0.918–0.933)。升主动脉最大直径的一致性位居第二,ICC为0.943(95% CI:0.937–0.949)。

基线时,1427名受试者中有4.2%存在主动脉扩张(直径>45 mm)。主动脉扩张存在与否的Cohen's kappa为0.68,总体一致率为97.6%。

CACV

对于CACV,中位绝对差异为26.0(IQR:5.8–90.9),中位相对差异为29.5%(IQR:7.2–79.6),而ICC一致性极佳,ICC为0.931(95% CI:0.923–0.938)。

基线时,1367名受试者中有45.2%存在中度或重度冠状动脉钙化(CACV>100 mm³)。CACV严重程度分类的Cohen's kappa为0.87,总体一致率为72.6%。

椎体

对于椎体测量,高度测量的平均绝对差异均≤1 mm,平均放射密度差异为7.6 HU。对于椎体高度,一致性极佳:前缘高度ICC为0.913(95% CI:0.904–0.921),中部高度ICC为0.943(95% CI:0.937–0.949)。

基线测量中,1421名受试者中有10.4%存在骨质减少(放射密度≤115 HU)。骨质减少存在与否的Cohen's kappa为0.84,总体一致率为96.8%。

肺气肿

LAA%的中位绝对差异为0.8%,但相对差异为25%。绝对差异的IQR为0.2–2.1%,但相对差异的IQR为10.3–50.1%。LAA%的一致性极佳,ICC为0.942(95% CI:0.935–0.948)。

基线时,1323名受试者中有20.5%存在中度或重度肺气肿(LAA%>10%)。LAA%严重程度分类的Cohen's kappa为0.89,总体一致率为82.3%。

讨论

基于AI的肺癌筛查低剂量CT中潜在相关偶然发现的测量,有望在不增加放射科医生工作量的情况下改善筛查结局和获益。然而,了解自动分析的性能至关重要,既是为了确定某一发现异常的概率,也是为了准确评估进展情况。因此,我们评估了AI-Rad Companion Chest CT在NELSON试验肺癌筛查参与者的基线和短期重复非增强低剂量胸部CT扫描中测量的各种潜在相关偶然发现的可重复性和一致性。我们发现主动脉扩张、冠状动脉钙化严重程度、肺气肿严重程度、骨质减少和椎体高度的测量具有较高的可重复性和一致性。

尽管NELSON队列的LDCT扫描使用的是较旧的CT技术,未采用迭代重建,但总体而言,最先进的人工智能量化的可重复性较高。对于CACV和LAA%,一致性极好,但中位相对差异较高。对于CACV和LAA%,较高的中位相对差异可能是由于测量值的低端接近零,因此测量值的任何微小变化都会导致较大的相对变化。例如,CACV从3 mm³变为9 mm³即为200%的相对差异。然而,这些测量的重复性系数也很高,表明存在较高程度的测量变异性。CACV变异性较高的一个可能原因可能是扫描为非门控性质,因为这可能引入运动伪影。对于LAA%,则可能是扫描的低剂量特性增加了图像噪声。

对于基于决策阈值的风险分类,所有偶然发现均获得了较高的一致性和符合率。关于错误分类影响的额外分析显示,在99%的病例中,错误分类被分配到相邻类别,从而限制了错误分类对转诊决策的影响。此外,重复性系数表明,相对于人群均值,主动脉扩张、椎体高度和椎体放射密度的临床显著差异较小。然而,对于CACV和LAA%,较高的重复性系数表明,临床显著差异可能需要相对于人群中位数的较大变化。不过,这一较高的重复性系数可能部分是由于这些测量值不呈正态分布所致,因为重复性系数假设数据呈正态分布。

与Hamelink等人之前的研究相比,我们发现主动脉直径、CACV和椎体测量的平均绝对差异和相对差异相似但略高[14]。然而,他们未对肺气肿进行研究。与Hamelink等人之前的研究相比,我们研究中重复性较低的原因可能是NELSON试验中的扫描是在明显比ImaLife研究所用更旧的CT扫描仪上采集的。NELSON扫描的采集始于2006年,而ImaLife始于2016年。在这十年间,CT扫描仪获得的扫描质量有了显著改善。例如,在ImaLife中,使用了第三代双源CT扫描仪(SOMATOM Force,西门子),其采集速度更快,并通过滤波反投影以Br40卷积核完成重建[35]。如果待处理的扫描质量较低,则测量值的变异性预计会更大。需要指出的是,低剂量采集方案或较低质量的扫描并不会同等地影响所有类型的测量。与更直接依赖体素放射密度的测量(如肺气肿)相比,基于解剖位置的测量(如主动脉直径或椎体高度)在扫描信噪比降低时变异性的增加较小。

本研究的结果具有重要意义,因为肺癌筛查正在全球许多国家开展。关于哪些偶发发现应当报告并采取相应措施,目前仍存在争议 [3–5]。除潜在的过度诊断和过度治疗外,主要问题之一是放射科医师的阅片负担。既往研究已证实,AI算法所做的测量与放射科医师的评估高度一致 [15, 16]。我们的研究表明,AI算法(如AI-Rad Companion Chest CT)对低剂量肺癌筛查扫描的自动分析所提供的测量结果具有足够的可重复性,可用于判定主动脉扩张、冠状动脉钙化严重程度、肺气肿严重程度和骨质减少的临床相关差异及风险分级。此外,我们在多台老旧CT机型上采集的、使用不同重建核和不同kVp设置的非心电门控、非增强低剂量CT扫描上证明了这一点,显示出AI算法在处理非理想输入数据时的稳健性。在更现代的数据上,预期性能会更好,正如ImaLife研究中所观察到的那样 [14]。因此,在AI辅助下报告偶发发现几乎不会给放射科医师增加额外的阅片负担。然而,需要注意的是,仍需核查自动测量的有效性并纠正错误。本研究中描述的可重复性和一致性分析是在进行错误检查之后完成的。这导致短期随访测量对中有0.5%至6.6%因一个或两个数据点被排除而被剔除,具体比例取决于所涉及的测量项目。如果将AI作为肺癌筛查中的第一或第二阅片者来实施,这些错误率不应构成重大问题,因为只需纠正少量测量,每例扫描所花的时间仍将少于手动测量所有偶发发现的时间。

本研究的主要优势在于,我们的数据纳入了大量参与者,这些数据是在NELSON试验框架下、在多个中心和多个扫描仪上采用一致的扫描方案采集的。NELSON试验是迄今为止第二大的肺癌筛查试验,目前多个正在进行的肺癌筛查项目均以该试验为基础。这确保了我们的数据能够代表一般情况下的肺癌筛查。

我们研究的一个局限性是缺乏极短期的重复扫描,例如在1天内获取的扫描。然而,我们预计在我们的120天窗口期内,所测量的偶然发现在平均意义上不会有显著变化。我们研究的另一个局限性是使用了较旧的CT数据,这可能限制了我们结论对在更现代扫描仪上获取的扫描的适用性。然而,需要指出的是,当前的肺癌低剂量CT筛查方案,例如英国国家医疗服务体系(NHS England)的方案,也使用的是16排多层螺旋CT(MDCT)扫描仪类型,其辐射剂量与NELSON试验相似[5]。此外,考虑到自NELSON试验以来CT扫描仪的质量已有提高,在更现代的扫描仪上重复性预计会更好。缺乏肺气肿测量重复性的基准也是我们研究的一个局限性。在更现代扫描仪上评估肺气肿测量的重复性需要进一步研究。另一个局限性是必须进行错误检查以排除不正确的测量。这意味着为了获得同样可重复的结果,必须对测量进行错误检查。最后,我们研究中女性比例较低也是一个局限性。最初的NELSON试验人群包含的女性少于男性,由于我们的数据来自NELSON试验,我们的人群中女性也少于男性。

总之,在NELSON试验中,基于这些在较旧扫描仪上获取的非增强低剂量CT筛查扫描,重复的基于人工智能(AI)自动测量主动脉扩张、冠状动脉钙化体积(CACV)严重程度、骨质减少和肺气肿严重程度的重复性和一致性为良好至优秀。进一步的研究应探讨自动测量在当前正在进行的肺癌筛查项目中的作用。

补充信息

补充信息

引用

  1. Bunk, Bruins Slot, Bennink, et al. Repeatability of AI-quantified incidental findings on lung cancer screening CT scans in the NELSON trial. Eur Radiol. 2026. PMID: 42310036. doi:10.1007/s00330-026-12669-3
  2. 全文:PMC13574856(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13574856/

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。