文献速递骨肌技术与安全CT

人工智能支持的双能CT评估单克隆蛋白患者骨髓浸润的可行性:一项回顾性观察研究

Feasibility of artificial intelligence-supported assessment of bone marrow infiltration using dual-energy computed tomography in patients with evidence of monoclonal protein - a retrospective observational study.
PubMed 文献 · Eur Radiol · 2021-12-18

该回顾性观察研究纳入35例多发性骨髓瘤(MM)或意义未明的单克隆丙种球蛋白病(MGUS)患者,采用双能CT虚拟去钙(VNCa)后处理联合AI自动脊柱分割评估骨髓非脂肪部分。结果显示骨髓非脂肪部分可显著预测骨髓浸润(p=0.007,r=0.46),阈值>0.93%预测溶骨性病变和MM临床诊断的AUC分别为0.70和0.71。

要点

  • 双能CT VNCa联合AI自动分割可定量骨髓非脂肪部分,与活检确定的骨髓浸润显著相关(p=0.007,r=0.46)。
  • 非脂肪部分>0.93%预测溶骨性病变的AUC为0.70,预测MM临床诊断的AUC为0.71。
  • 对常规CT阴性但临床诊断MM的患者,非脂肪部分>0.93%识别MM的敏感度0.63、特异度0.71。

核心结论

  • AI支持的双能CT VNCa脊柱衰减自动评估可预测MM的骨髓浸润。
  • 该方法可能有助于预选溶骨性病变验前概率较高的患者,并支持常规CT无特征性病变时的MM临床诊断。

研究设计与样本

  • 回顾性观察研究,纳入2018年5月至2020年7月间同时具有双能CT和骨髓活检的MM及MGUS患者35例(平均年龄64.6±12.4岁,女18例、男17例)。
  • 采用IQon Spectral CT行全身低剂量CT(120 kV,70 mAs,准直32×0.625 mm,螺距0.908,容积CT剂量指数7.4 mGy,平均剂量长度乘积1091.7±230.5 mGy*cm),重建2 mm层厚、1 mm重叠。
  • 以骨髓活检病理浸润率为参考标准,由两名病理学家报告骨髓浸润,三名放射科医生独立评估常规CT溶骨性病变。
  • 使用预训练卷积神经网络自动分割脊柱17个椎体,VNCa图像采用高抑制指数(index 25),非脂肪部分定义为VNCa中>0 HU的体素。
  • 骨密度(BMD)采用CE认证软件进行无体模体内校准测量,由两名独立盲法放射科医生重复测量以评估读者间一致性。

关键影像表现/征象

  • MGUS组骨髓衰减直方图峰值较MM组更高(5349 vs. 4876标准化体素)且向负HU值偏移(-215 HU vs. -185 HU)。
  • 常规CT有溶骨性病变者(n=13)骨髓非脂肪部分中位数为1.33%[1.07–4.25%],无溶骨性病变的MM患者(n=7)为1.18%[0.64–1.89%],差异无统计学意义(Wilcoxon检验,p=0.41)。
  • 示例4例患者活检浸润率分别为0–5%、10–15%、60–70%和90%,对应VNCa非脂肪部分分别为0.3%、0.4%、4.3%和5.4%,随浸润增加非脂肪部分增大。
  • 35例中34例成功分割17个连续椎体,29例解剖正确(Th1-L5),4例因腰骶移行椎自Th2开始(Th2-S2),1例自C7开始(C7-L4)。
  • 自动分割方法未手动校正,分割过程避开了存在的脊柱溶骨性病变。

诊断标准与关键数值

  • 骨髓非脂肪部分显著预测活检确定的骨髓浸润,校正BMD后p=0.007,r=0.46;BMD作为控制变量效应不显著(p=0.30)。
  • 非脂肪部分>0.93%预测至少一个MM定义性溶骨性病变的AUC为0.70[0.49–0.90],最大敏感度0.85(11/13)、特异度0.59(13/22,Youden法),ROC分析功效仅0.53。
  • 非脂肪部分>0.93%预测MM临床诊断的AUC为0.71[0.54–0.89],Youden法最佳阈值仍为0.93%,功效0.59。
  • 常规CT无MM定义性骨病变但临床诊断MM者(n=8)中,非脂肪部分>0.93%识别MM的敏感度0.63(5/8)、特异度0.71(10/14)。

临床应用与阅片要点

  • 双能CT VNCa联合AI自动脊柱分割无需人工交互,批处理35例数据集约3.5小时,可定量骨髓非脂肪部分。
  • 骨髓非脂肪部分>0.93%可能用于预选溶骨性病变验前概率较高的患者,并支持常规CT无特征性病变时的MM临床诊断。
  • 作者指出非脂肪部分阈值0 HU系沿用既往研究,不同研究提出的阈值存在差异(-3至4 HU及-44.9 HU),可能源于技术因素。
  • 作者认为VNCa后处理尚未常规用于临床,多数放射科医生对VNCa数据评估经验有限,可能引入读者间偏倚。

局限性

  • 作者指出预测溶骨性病变和MM临床诊断的分析部分因样本量有限,缺乏期望的统计功效水平。
  • 非脂肪部分阈值0 HU系基于假设,与其他研究提出的阈值(-3至4 HU、-44.9 HU)存在差异,可能源于技术因素。
  • 定量结果仅限于所使用的特定扫描仪和重建方案。
  • VNCa后处理尚未常规用于临床,多数放射科医生评估VNCa数据经验有限,可能引入读者间偏倚。
  • 补充影像组学分析中仅一个特征(ngtdm_Contrast)在两项研究中均显著,反映小样本影像组学研究可重复性和泛化性的常见问题。
全文中译18 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 Dec 18;32(5):2901–11. doi: 10.1007/s00330-021-08419-2

引言

多发性骨髓瘤(MM)及其前驱疾病冒烟型骨髓瘤和意义未明的单克隆丙种球蛋白病(MGUS)构成了单克隆浆细胞疾病的连续谱系。大多数MM病例的前驱疾病为无症状的癌前病变——冒烟型骨髓瘤或MGUS,这些疾病通常在患者因其他疾病就诊时被偶然诊断[1]。MM是第二常见的血液系统恶性肿瘤,主要见于老年患者(诊断时中位年龄66–70岁,西方国家年龄标化发病率为每10万人5例)[2]。浆细胞疾病诊断的标准检查包括实验室检测、髂嵴骨髓(BM)活检及全身影像学检查[3]。骨髓活检用于评估浆细胞浸润程度,而诊断性影像学检查用于检测骨髓瘤定义性骨病变[3]。

区分MM与其前驱疾病对患者管理和预后至关重要,因为MM需要特异性治疗。反之,根据最新推荐,MGUS采用“观察等待”策略管理[1, 4, 5]。根据国际骨髓瘤工作组(IMWG)指南,MM的诊断几乎在所有病例中都需要进行骨髓活检[3]。与其他强制性检查不同,骨髓活检对大多数患者而言仍然是一种痛苦且不适的体验[6, 7]。尽管有IMWG的推荐,近期一项大规模临床分析对存在单克隆抗体证据的患者常规进行有创骨髓诊断的必要性提出了质疑,因为在大多数病例中它并未对诊断有所贡献[5]。

在双能计算机断层扫描(DECT)中,一次采集即可获得两个不同能谱的影像数据集。两个数据集之间衰减的差异使得DECT图像后处理能够虚拟去除某些物质。该方法对于去除高原子序数物质(如钙)并随后生成虚拟去钙图像(VNCa)尤为有效[8, 9]。VNCa后处理基于三室模型,该模型将平扫CT图像中骨髓的总衰减构成分为脂肪、软组织和骨矿物质[10]。通过虚拟去除骨矿物质含量,可估算骨髓衰减中脂肪和软组织部分[9, 11]。应用该技术,DECT VNCa成像在检测MM病变方面与金标准MRI相比取得了相似的性能[9, 12–14],并且与基准PET/CT相比,在预测代谢活性方面表现出色[15]。

鉴于近期临床研究对常规初始骨髓活检的必要性提出了质疑,并考虑到VNCa成像用于MM评估的初步报告近期取得了令人鼓舞的结果,本研究有两个目标:第一,证明人工智能(AI)支持的VNCa数据自动化评估的可行性,以研究其与病理结果所示骨髓浸润的关联。第二个目标是探索基于VNCa图像中骨髓衰减定量分析的截断值,用于判断溶骨性病变的存在(由传统CT图像的放射学报告确定)以及MM的临床诊断。

材料与方法

涉及人类参与者的研究中执行的所有程序均符合机构(编号20–1480)和国家研究委员会的伦理标准,以及1964年赫尔辛基宣言及其后续修正案或可比伦理标准。由于研究的回顾性特征,知情同意被豁免。

患者入组

我们研究的纳入标准包括:根据IMWG指定的成像方案进行的全身低剂量CT和同期诊断性BM活检,

至CT和BM活检当日无MM特异性治疗史,

有单克隆蛋白证据,

影像学检查在2018年5月至2020年7月之间,

患者年龄>18岁。

排除标准为:有需要特异性治疗或骨受累的第二恶性肿瘤病史(n=3),

脊柱内有金属植入物(n=2)。

临床数据评估

记录病理报告中BM活检的定量浸润率。根据IMWG建议,每位患者被分配至MGUS、冒烟型骨髓瘤和MM组。

DECT图像采集

所有扫描均在市售光谱探测器DECT扫描仪(IQon Spectral CT,Philips Healthcare)上按照IMWG最新建议[16]进行。扫描为平扫。扫描参数如下:管电压120 kV;管电流70 mAs;准直32×0.625 mm;螺距0.908;容积CT剂量指数7.4 mGy。平均剂量长度乘积为1091.7±230.5 mGy*cm。

DECT图像重建

所有图像均以512×512矩阵重建,层厚2 mm,重叠1 mm。VNCa图像由厂商软件创建,以模拟每个体素在无钙特异性贡献时的Hounsfield单位(HU)衰减(IntelliSpace Portal,Spectral Diagnostics Suite,Philips Healthcare)[17]。在本研究中,钙抑制图像以高抑制指数(指数25)计算,如早期结果所建议[15]。关于VNCa成像的详细信息已在早期研究中提供[8, 18]。

BM分割和DECT数据评估

所有35个三维CT数据集被粗略裁剪为包含胸腰椎的长方体。脊柱的自动分割通过预训练的卷积神经网络实现[19, 20]。从下往上计数的17个椎体由Python脚本标记为感兴趣体积(VOI)。执行SciPy命令“scipy.ndimage.binary_erosion”3 mm,以从我们的VOI中排除不含BM的邻近皮质骨(图1,面板c)[21, 22]。勾勒17个椎体的VOI随后被自动应用于VNCa数据集。我们的方法不需要特定的用户交互。可视化通过开源软件3D Slicer实现[23, 24]。

从每位患者的三维分割VNCa脊髓节段中提取衰减直方图(范围:−1024 HU—+3071 HU, bin宽度5)。在将VOI大小标准化至336.0 cm3后,MM和MGUS患者的BM在VNCa图像上的衰减以直方图可视化。35个CT数据集的批处理在标准台式计算机(处理器:Intel ® Core™ i9-9980HK CPU,时钟频率2.4 GHz)上耗时约3.5小时。

图1 骨髓的逐步自动分割。a 单能CT数据作为Payer等人预训练的卷积神经网络的输入。b 输出结果通过Python脚本限制为17个椎体,从最下方的一个开始计数。第一步分割后包括相邻的皮质骨,通过3D Slicer的“收缩边缘”命令将其排除(c)。然后将分割应用于虚拟非钙数据集,并用作掩膜以获得仅含骨髓衰减的数据集(d) 查看原图 ↗

衰减直方图分析

在VNCa后处理过程中虚拟去除骨矿物质部分后,剩余的BM衰减由脂肪和软组织部分组成,如上文三室模型所述。为了估计脂肪和软组织室的相对量,将VNCa数据中> 0 HU的体素数除以分割BM的总体积,得出每位患者BM的非脂肪衰减部分。该0 HU阈值采用自早期研究,用于区分MM中的生理性和浸润性BM [9]。低于− 1000 HU的BM衰减峰值显然源于致密钙化结构(如皮质骨或骨岛)的钙去除,这些结构不构成BM空间。因此,计算BM总体积时,仅考虑衰减> − 1000 HU的体素。

VNCa BM图像的纹理分析

通过提取VNCa后处理BM空间的纹理特征进行了补充放射组学分析,详见补充数据1 [25]。

骨密度测量

骨密度(BMD)通过CE认证的无体模、体内校准测量软件(IntelliSpace,Philips Healthcare)进行定量[26–29]。BMD测量按照软件手册所述在第一至第三腰椎进行。在局灶性溶骨性骨病变或椎体骨折的情况下,测量扩展至下段脊柱(n = 3例患者)。椎旁肌肉(竖脊肌)和皮下脂肪组织的密度测量用作光谱校准。BMD测量由两名独立的、 blinded放射科医师(分别具有3年和4年经验)重复进行,以评估阅片者间一致性。

CT数据的视觉评估

常规CT图像由三名blinded放射科医师(分别具有3年、3年和4年经验)独立筛查骨髓瘤定义性溶骨性病变,依据IMWG标准[16]。每份CT通过多数投票判定为骨髓瘤定义性溶骨性病变阳性或阴性。

统计学评估

统计分析在R语言(R Foundation,版本4.0.0)中进行。使用R库dplyr进行Shapiro–Wilk检验以检验数据的正态分布[30]。受试者工作特征分析通过R库pROC进行,预测变量为“VNCa中BM的非脂肪部分”,二分类结局为“至少一处MM定义性溶骨性病变的证据”和“依据IMWG标准的MM临床诊断”[31]。

BMD测量的评分者间信度通过单向随机、双向随机效应模型(ICC2)中的组内相关系数(ICC)报告,使用R库irr(补充数据2)[32, 33]。

多变量回归的合适样本量通过G*Power软件计算,设定期望功效水平为0.8、显著性水平为0.05,并根据已报道的数据(补充数据3)[34, 35],主要自变量的估计中到大效应量(f2 = 0.32)。

统计显著性定义为p ≤ 0.05。除非另有说明,数据以均值 ± 标准差表示。

结果

排除五名患者后,患者入组共形成35人的研究人群(图2)。平均年龄为64.6 ± 12.4岁。18名患者为女性,17名为男性。20名患者初诊时为多发性骨髓瘤(MM),14名为意义未明的单克隆丙种球蛋白病(MGUS),1名为冒烟型骨髓瘤。在后续分析中,冒烟型骨髓瘤患者被归入MM亚组,因为骨髓浸润高于MGUS阈值(≥ 10%)。骨髓活检与双能CT(DECT)扫描之间的中位间隔为4.5天[四分位距1.0–12.5天]。在MM亚组中,中位骨髓浸润为40%[四分位距12.5–70.0],中位骨矿物质密度(BMD)为96.8 mg/ml[四分位距89.6–110.4]。在MGUS患者中,中位骨髓浸润为0%[四分位距0–0],中位BMD为95.6 mg/ml[四分位距82.7–106.1]。患者特征总结于表1。

图2 研究人群的纳入流程图 查看原图 ↗
表1 患者特征 查看原表 ↗

自动分割的结果

在35名患者中的34名中,神经网络和我们的Python算法识别出17个连续椎体。在一名患者中,分割的不是第二胸椎,而是第七颈椎。在35名患者中的29名中,胸腰椎的解剖分割正确(Th1-L5)。在四名患者中,分割从第二胸椎开始(Th2-S2),显然是由于腰骶移行椎所致(图3)。在一例中,分割从第七颈椎开始(C7-L4)。分割结果未进行手动校正,以证明我们方法的自动化工作流程的可行性并实现批处理。分割的骨髓空间平均体积为336.0 ± 99.3 cm3。由于我们的研究人群为初诊患者,没有因骨髓瘤骨病导致的晚期脊柱破坏。尽管神经网络仅使用健康个体进行训练,自动分割过程仍能正确对待存在的脊柱溶骨性病变(图3)[19, 20]。

图3 胸腰椎自动分割的结果。非增强CT的示例性矢状面和轴位切片,绿色叠加显示三名有单克隆抗体证据患者的AI辅助分割(a、b和c/d)。在35名患者中的34名中,分割了17个连续椎体。在29名患者中,胸腰椎标注正确(a)。最常见的错误分类是由于腰骶移行椎而分割为Th2-S1而非Th1-L5(四名患者,b)。分割结果未进行手动修改,以排除在我们的自动化方法中特定用户交互带来的偏倚。Payer等人的卷积神经网络仅使用健康个体进行训练。然而,溶骨性骨病变得到了很好的保留,未被纳入分割(白色箭头,c/d) 查看原图 ↗

衰减直方图的分析

与多发性骨髓瘤(MM)组相比,意义未明单克隆丙种球蛋白病(MGUS)直方图的峰值更高(5349 对 4876 标准化体素),并向负 CT 值方向偏移(− 215 HU 对 − 185 HU)(图 4)。

在三维虚拟去钙(VNCa)数据上,骨髓(BM)的非脂肪部分(> 0 HU)范围为 0.02% 至 6.01%。在常规 CT 上有溶骨性病变证据的患者(n = 13)中,非脂肪 BM(> 0 HU)的中位比例为 1.33% [1.07–4.25%]。无溶骨性病变的 MM 患者(n = 7)的相应比例为 1.18% [0.64–1.89%]。无溶骨性病变证据的患者中 BM 的非脂肪部分总体较低;然而,这一差异仍无统计学意义(Wilcoxon 检验,p = 0.41)。为进一步研究 BM 非脂肪部分与 BM 浸润之间的关系,进行了多变量回归分析(图 5)。由于已知 BMD 与椎体骨髓脂肪含量及 MM 中的 BM 浸润相互作用,故将其作为控制变量纳入 [36, 37]。这可确保主要自变量(BM 非脂肪部分)的效应不会被 BMD 高估或驱动。为进行回归建模,因变量经 logit 变换以考虑其有界性 [38]。回归结果显示,BM 非脂肪部分是 BM 浸润的显著预测因子(p = 0.007,r = 0.46)。控制变量 BMD 的效应不显著(p = 0.30)。方差膨胀因子低于 1.5 排除了模型中预测变量之间的共线性 [39]。Breusch-Pagan 检验提示残差存在异方差性(p < 0.05)。该问题已根据 White 的方法采用稳健标准误加以处理 [40]。

BM 非脂肪部分与病理报告所确定的 BM 浸润程度之间的关联见图 6。

图 4 虚拟去钙 CT 图像上骨髓(BM)衰减的直方图。将冒烟型骨髓瘤/多发性骨髓瘤(MM)患者和有意义未明单克隆丙种球蛋白病(MGUS)病史患者的体素计数绘制到直方图中。自动分割的 BM 被标准化至 336.0 cm3 的体积;因此,两幅图覆盖相同的曲线下面积。与 MM 峰相比,MGUS 峰更高并向负衰减方向偏移。MM 患者中 BM 的非脂肪部分 > 0 HU 更大。两幅直方图左端的峰可归因于虚拟去钙,其导致致密钙化结构出现极端负衰减。此外,两幅直方图在负 HU 值范围内的大量重叠可能反映两个亚组骨矿物质密度的相似性:虚拟去钙后,骨矿物质密度可能对衰减直方图的负值部分产生关键影响 查看原图 ↗
图 5 虚拟去钙 CT 中骨髓非脂肪部分与活检确定的骨髓浸润的多变量回归。在纳入骨矿物质密度作为控制变量后,该关联高度显著(p = 0.007)且强度中等(r = 0.46)。基于模型分析的回归线以黑色绘制,灰色带标记 95% 置信区间 查看原图 ↗
图6 多发性骨髓瘤(MM)脊柱浸润使脂肪骨髓(BM)发生移位。以四例患者(a–d)为例,展示平行的双能CT(DECT,上排)与CD138免疫染色BM活检200倍放大图(下排)。胸腰椎由卷积神经网络自动分割。DECT切片上的红色叠加标记虚拟去钙(VNCa)后处理图像中衰减>0 HU的体素。活检确定的BM浸润百分比在患者a–d中分别为0–5%、10–15%、60–70%和90%。随着BM浸润增加,VNCa图像上BM非脂肪衰减部分的增加在视觉上可评估(更大的红色叠加区域),并可测量(患者a–d分别为0.3%、0.4%、4.3%和5.4%)。相应地,组织学图像显示CD138+、棕染浆细胞增多以及半透明脂肪空泡的移位。我们假设这些组织学发现对应于我们在VNCa BM数据上观察到的衰减升高。 查看原图 ↗

通过全脊柱BM衰减预测骨髓瘤定义性病变及MM的临床诊断

由三名经验丰富的放射科医师对常规CT图像进行图像判读,发现35例患者中有13例存在骨髓瘤定义性溶骨性病变的证据。31次判读在三位读者中得出一致结果;4例通过多数投票确定。

我们以“VNCa中BM非脂肪部分”为预测变量、以“至少一个MM定义性溶骨性病变的证据”为二分类结局,进行了受试者工作特征分析。此处曲线下面积为0.70 [0.49–0.90];应用BM非脂肪部分0.93%的截断值,最大灵敏度和特异度分别为0.85(11/13)和0.59(13/22,约登)。然而,在期望显著性水平0.05下,ROC分析的效能仅为0.53。以“VNCa中BM非脂肪部分”预测“MM临床诊断”的ROC曲线下面积为0.71 [0.54–0.89]。此处,在期望显著性水平0.05下的效能为0.59。约登法得出的最佳阈值仍为0.93%。在常规CT图像上未显示骨髓瘤定义性骨病变但临床诊断为MM的患者(n = 8)中,DECT中高于阈值的BM非脂肪部分可识别出五例(> 0.93,灵敏度0.63,5/8,特异度0.71,10/14)。

讨论

为了将骨髓(BM)活检限制在具有单克隆抗体证据的患者中至必要且强制的最低限度,我们研究了双能CT(DECT)中的虚拟去钙(VNCa)成像,以无创方式评估BM浸润。BM空间的自动分割产生了视觉上极佳的结果。随后的基于直方图的分析能够证明,VNCa图像上非脂肪衰减部分与活检确定的BM浸润之间存在正相关,在调整骨密度(BMD)作为控制变量后仍具有显著性(p = 0.007,r = 0.46)。BMD在MM与MGUS亚组之间无显著差异,我们将其归因于未接受治疗且无晚期骨质溶解患者的早期评估时间点(Wilcoxon检验,p = 0.49)。引入全自动解决方案,我们的方法为临床使用提供了可能,而无需消耗资源进行手动脊柱分割或由经过培训的人员进行观察。由于DECT数据集系按照IMWG指南获取,所提出的技术不需要更高的经济成本或辐射暴露[16]。

BM浸润的无创评估可能不仅有助于避免MGUS患者不必要的BM活检,还能验证MM患者的BM活检,后者由于MM骨浸润的斑片状形态而容易出现采样误差[41]。虽然使用15G针的典型BM活检获取约0.003 cm3的1-cm圆柱形组织样本,但我们的方法中所分析的BM空间平均体积为336.0 cm3,这可能更能代表BM浸润状态。BM活检还受到实际操作限制的偏倚,例如操作者经验,而本研究中的自动化方法很可能排除了这一偏倚[42]。

此外,我们观察到一种趋势,即超过阈值的非脂肪BM比例可能预选具有较高验前概率的骨髓瘤定义性骨病变和MM临床诊断患者。然而,由于样本量有限,我们分析的这一部分缺乏所需的统计效能水平。

最近一项研究将双能CT(DECT)中的BM纹理分析与MM中的BM浸润相关联[34]。该研究为56名患者各提取了92个PyRadiomics特征,产生了六个与BM浸润的Pearson相关性显著的特征。在我们的研究中,同样的92个特征在补充分析中进行了计算(补充数据1),产生了两个显著描述符。然而,只有一个描述符在两项研究中均显著(“ngtdm_Contrast”),这展示了样本量不适当偏小的影像组学研究在可重复性和泛化性方面的常见问题[43, 44]。另一方面,我们的数据提示存在显著关联,该关联系以假设驱动并基于生物学因果关系进行研究。我们观察到MM中脂肪BM比例下降,而BM的液体样和软组织衰减增加,这在微观层面上是众所周知的,因为在MM中脂肪BM被浆细胞取代[45]。我们的观察与近期文献一致,提示VNCa成像可用于评估MM中脂肪BM的取代程度[13]。

有一些局限性需要讨论。首先,我们将鉴别病理性骨髓(BM)的截断值定义为0 HU,这是基于健康脂肪性骨髓被软组织和液体样衰减的浸润所取代的假设。近期一项研究发现类似的截断值在−3 HU至4 HU之间[9],而另一项研究提出−44.9 HU用于识别多发性骨髓瘤(MM)中的骨髓浸润[12]。作者声称这种差异最可能源于技术方面[12]。然而,两项研究均依赖于对虚拟去钙(VNCa)图像的主观和半客观(手动感兴趣区测量)分析。由于VNCa后处理在临床实践中仍未常规建立,大多数放射科医生在评估VNCa数据方面经验有限,这可能引入读者间偏倚。因此,我们的定量结果仅限于所使用的特定扫描仪和重建方案,而通用方法学被认为是可重复的。在此背景下,多中心、多厂商研究将是有意义的,但超出了本研究的范围。多变量回归图在左上象限呈现若干离群值,这妨碍了预测活检确定的骨髓浸润随骨髓衰减增加而发生的绝对变化。为进一步阐明这一高度显著的回归关系,更大的研究人群可能有助于限制其绝对预测的置信区间。

我们的人工智能支持算法在所有病例中将脊柱分割为17个椎体,同时如上述出现了一些误分类。由于MM是一种系统性疾病,我们预计椎体解剖编号错误(例如,在腰骶移行椎情况下分割T2-S1而非T1-L5)不会产生显著偏倚,因此没有必要中断批处理进行手动修改。最后,我们纳入的患者数量较少,因为我们仅想研究同时进行骨髓活检的初治患者。因此,我们的可行性研究无法对冒烟型骨髓瘤患者亚组得出具体结论,因为仅检查了单一病例。此外,基于阈值的分析在常规CT阴性的患者中识别MM的性能较差(敏感性0.63,特异性0.71),可能揭示了我们方法在评估细微、非溶骨性骨髓浸润方面的局限性;然而,最终评估需要更大的样本量以进一步检查。

总之,我们的工作证明了人工智能支持的自动化方法无创评估MM及其癌前病变中骨髓浸润程度的可行性。与近期临床上对存在单克隆蛋白证据的患者初次就诊时质疑骨髓活检必要性的趋势一致,我们提出了一种临床决策支持工具,以避免不必要的侵入性骨髓诊断。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 80 KB)

引用

  1. Fervers P, Fervers F, Kottlors J, et al. Feasibility of artificial intelligence-supported assessment of bone marrow infiltration using dual-energy computed tomography in patients with evidence of monoclonal protein - a retrospective observational study. Eur Radiol. 2021. PMID: 34921619. doi:10.1007/s00330-021-08419-2
  2. 全文:PMC9038860(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9038860/

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。