自动工具快速测量脑萎缩与白质高信号的验证:QyScore®
本研究将QyScore®自动分割的灰质、白质、海马、杏仁核及白质高信号体积与三位神经放射学专家的共识进行比较,在180例MRI图像上验证其可靠性。结果显示各指标的DSC/F1置信区间下限均高于预设阈值,RVD置信区间上限均低于阈值,表明QyScore®与专家共识一致性良好,可用于临床试验和临床常规支持神经系统疾病的诊断与纵向监测。
要点
- QyScore®自动分割灰质、白质、海马、杏仁核及白质高信号与三位专家共识一致性良好。
- 各指标DSC/F1置信区间下限均高于文献阈值,RVD置信区间上限均低于阈值。
- 软件可在15分钟内完成全部标记物分割,仅T1序列时少于10分钟。
核心结论
- QyScore®与三位神经放射学专家共识相比,在灰质、白质、海马、杏仁核及白质高信号体积自动分割上表现可靠。
- QyScore®可应用于临床试验和临床常规,以支持神经系统疾病的诊断和纵向监测。
研究设计与样本
- 研究为验证性研究,共纳入180例MRI图像,分别构建灰质/白质数据库50例、海马/杏仁核数据库50例、白质高信号数据库130例。
- 参考标准为三位神经放射学专家手动分割或校正后经STAPLE算法获得的共识。
- 图像来自GE、Siemens、Philips扫描仪,包括1.5 T和3 T的3DT1序列及3 T的FLAIR序列。
关键影像表现/征象
- 灰质DSC均值在1.5 T为0.87、3 T为0.86;白质DSC均值在1.5 T为0.92、3 T为0.90。
- 海马DSC均值在1.5 T为0.81、3 T为0.80;杏仁核DSC均值在1.5 T为0.75、3 T为0.76。
- 灰质决定系数R²=0.91,白质R²=0.92,海马R²=0.72,杏仁核R²=0.52,白质高信号R²=0.97。
诊断标准与关键数值
- 灰质DSC阈值0.8,RVD阈值9.59%;白质DSC阈值0.8,RVD阈值9.18%。
- 海马和杏仁核DSC阈值0.7,RVD阈值31.5%。
- 白质高信号DSC阈值按病灶负荷分级设定:低负荷(<5 mL)、中负荷(5–15 mL)、高负荷(15–30 mL)、极高负荷(>30 mL)。
- 灰质DSC 97.5%CI下限0.848、上限0.866,RVD 97.5%CI上限8.464;白质DSC 97.5%CI下限0.892、上限0.907,RVD 97.5%CI上限6.425。
- 海马DSC 97.5%CI下限0.801、上限0.818,RVD 97.5%CI上限24.648;杏仁核DSC 97.5%CI下限0.763、上限0.786,RVD 97.5%CI上限15.023。
临床应用与阅片要点
- QyScore®可自动分割灰质、白质、海马、杏仁核及白质高信号,并输出与健康对照 normative 数据库比较的z分数和百分位数。
- 软件对MRI参数进行质量控制,仅当参数处于「理想」或「可接受」范围时才执行分析,否则不执行。
- 作者认为QyScore®可应用于临床试验和临床常规,以支持神经系统疾病的诊断和纵向监测。
局限性
- 原文未报告局限性。
全文中译24 节 · 点击展开
引言
神经系统疾病是欧洲和世界其他地区的主要公共卫生问题[1]。2016年全球疾病负担研究的系统分析显示,神经系统疾病是伤残调整生命年的主要原因(全球2.76亿)和第二大死亡原因(全球9000万)[2]。
磁共振成像(MRI)技术和神经系统疾病MRI标志物的开发在过去30年中在研究环境和临床环境中均得到了大幅改进[3]。除视觉分析和手动分割评估外,自动化MRI分割方法已被使用[4–6],改善了神经系统疾病的早期诊断和有效药物的开发[7–9]。此外,大规模多机构研究[10, 11]协同合作,在研究环境和临床环境中实施了标准化影像采集方案[12, 13]。这些进展凸显了对适用于常规临床使用的MRI体积分析工具的需求。目前很少有自动化分割软件获得监管机构(如FDA)的批准,因此被纳入临床常规工作流程。
要在临床实践中得到验证和实施,医疗器械中包含的分割算法应表现出与专家神经放射科医师评估相当或更好的性能。本研究旨在描述QyScore®中包含的脑分割算法与三位专家神经放射科医师进行的手动分割或手动分割校正之间的性能比较。我们在此假设QyScore®中包含的分割算法与三位专家神经放射科医师的共识相比表现出可靠的性能。
材料与方法
QyScore®是由Qynapse(https://www.qynapse.com/)开发的CE认证和FDA许可软件,可从3DT1图像提供灰质(GM)、白质(WM)、海马(HP)和杏仁核(AM)的分割和体积测量,以及从3DT1和FLAIR图像提供白质高信号(WMHs)的测量。此外,通过与大型健康对照常模数据库比较获得z分数和百分位数。常模数据库包括20至90岁认知完整的个体,来自欧洲和北美数据库[10, 11](https://brain-development.org/ixi-dataset; https://www.humanconnectome.org/study/hcp-young-adult)。上述全套MRI标志物每位患者可在15分钟内完成量化。该软件具有用户友好的界面,包括MRI图像的3D导航(图1)。软件输出包括电子报告和在所选脑图像上叠加区域分割的彩色覆盖图以供可视化。
人群与队列
QyScore®的实验验证使用了来自不同队列的数据:阿尔茨海默病神经影像学倡议(ADNI)[10]、开放获取影像研究系列(OASIS)[14]、KIKI2009/Kirby[15]、帕金森病进展标志物倡议(PPMI)[11]、额颞叶变性神经影像学倡议(FTLDNI)、ANMerge数据集[16],以及一个多发性硬化症患者公开分割数据库(LIMTS)[17]。另纳入了三个额外队列的数据以丰富样本:临床孤立综合征-认知(SCI-COG)队列、REACTIV数据库和MEMORA队列。
我们创建了三个不同的数据库:一个用于测量灰质(GM)和白质(WM)体积,一个用于海马(HP)和杏仁核(AM)体积,一个用于白质高信号(WMH)体积。每个数据库中的受试者按年龄(20至90岁)、性别、扫描仪场强(1.5 T/3 T)和MRI采集类型(仅FLAIR图像为2D/3D)均衡分布。为确保体积测量方面尽可能广泛的样本,我们选择了由健康对照(HCs)、轻度认知障碍(MCI)、阿尔茨海默病(AD)、帕金森病(PD)、额颞叶痴呆(FTD)和多发性硬化症(MS)患者组成的异质性人群。
ADNI于2003年启动,是由主要研究者Michael W. Weiner医学博士领导的公私合作项目。ADNI的主要目标是检验系列MRI、正电子发射断层扫描(PET)、生物标志物以及临床和神经心理学评估能否联合用于测量MCI和AD的进展。最新信息请参见http://adni.loni.usc.edu/www.adni-info.org。
开放获取影像研究系列(OASIS)是一个旨在使大脑MRI数据集免费向科学界开放的项目。OASIS由华盛顿大学阿尔茨海默病研究中心、哈佛大学霍华德·休斯医学研究所(HHMI)的Randy Buckner博士、华盛顿大学医学院神经信息学研究组(NRG)以及生物医学信息学研究网络(BIRN)提供。它提供年轻、中年、非痴呆和痴呆老年人的横断面MRI数据[14]。
FTLDNI由国家老龄研究所资助,于2010年启动。FTLDNI的主要目标是确定用于追踪额颞叶变性的神经影像学模式和分析方法,并评估影像学相对于其他生物标志物在诊断作用中的价值。FTLDNI的主要研究者是加利福尼亚大学旧金山分校的Howard Rosen医学博士。这些数据是北美三个站点合作努力的结果。关于参与和方案的最新信息,请访问http://memory.ucsf.edu/research/studies/nifd
所考虑的每种诊断的临床诊断标准为:AD采用NINCDS/ADRDA标准和临床痴呆评定量表(CDR)= 1 [14, 18]。PD根据Marek及其同事描述的特征定义[11]。FTD根据额颞叶痴呆联盟标准定义[19],MS根据Polman及其同事的定义[20]。
MRI数据
QyScore®分析可使用在1.5特斯拉和3特斯拉(1.5 T和3 T)扫描仪上按推荐采集参数获取的MRI序列进行,如表1所述。更具体地说,该软件从DICOM服务器检索DICOM MRI数据(使用1.5 T或3 T扫描仪获取的非增强3DT1序列,以及使用3特斯拉扫描仪获取的T2液体衰减反转恢复(FLAIR)序列),并将其发送至分析服务器。
在分析服务器上,在计算MRI分析之前,QyScore®对MRI参数进行质量检查,以验证这些参数是否符合推荐参数(表1)。推荐参数范围的选择基于其在临床常规环境中的适用性。如果参数处于表1所述的“理想”或“可接受”范围内,则执行分析。当采集参数不符合推荐参数时,QyScore®不执行分析。然后,QyScore®执行灰质(GM)、白质(WM)、海马(HP)、杏仁核(AM)和白质高信号(WMH)的自动分割。
在本研究中,图像使用来自不同制造商的MRI扫描仪获取:通用电气医疗(GE)、西门子医疗系统、飞利浦医疗系统。
用于量化萎缩的3D T1加权MRI图像在1.5 T或3 T扫描仪上获取,仅使用梯度回波3D序列。用于量化白质高信号的FLAIR图像在3 T扫描仪上以2D或3D方式获取。
自动化QyScore®影像标志物
所有QyScore®影像标志物(GM、WM、HP、AM和WMH体积)在影像学领域被广泛用作脑萎缩[21–24]和白质高信号[24]的标志物。用于体积计算的算法基于现有的分割方法,详见下文。所有结构的分割需要15分钟(仅T1加权MRI图像则少于10分钟)。全脑GM和WM体积使用统计参数映射软件v12(SPM12)进行量化。SPM是一款在研究和临床数据中广泛用于GM和WM分割的软件[25]。海马和AM体积使用改进版SACHA(海马和杏仁核自动竞争性分割)进行测量,该工具是一种快速且全自动的混合分割工具,此前已有详细描述[26, 27]。
白质高信号体积使用基于WHASA(白质高信号自动分割算法)自动分割方法的方法进行测量[28]。
关于影像标志物手动分割和半自动评估的专家共识
灰质、白质、海马和杏仁核体积
三位专家神经放射科医师手动编辑并校正了GM和WM的分割(评分者姓名缩写:C.S.、N.P.、S.S.)。首先,使用Freesurfer进行GM和WM分割[29]。然后,根据其经验使用ITK-SNAP软件对GM和WM分割进行校正。由于文献中未找到相关方案,我们要求临床医生检查自动执行的分割,以识别重要的分割错误,主要在皮层层面。
三位专家神经放射科医师根据Chupin及其同事[26]描述的解剖约束条件手动勾画HP和AM。
对于所考虑的每个标记(GM、WM、HP和AM),我们通过同时真实度和性能水平估计(STAPLE)算法从专家描迹者获得的校正/分割结果中建立了共识。STAPLE算法考虑一组分割结果,并通过估计分割结果的最佳组合来计算真实分割的概率估计[30]。共识是使用包含STAPLE算法的计算放射学工具包(CRKIT)软件获得的。
白质高信号体积
用于验证WHASA的部分数据是公开可用的(N = 30)[17]。我们使用了Lesjak及其同事手稿[16]中报告的由三名匿名专家评估者对WMH手动分割得出的共识。在其余数据(N = 100)上,首先使用病灶分割工具箱(LST)[31]启动分割,然后由三名专家神经放射科医生(评估者姓名缩写:C.D.、D.H.、N.P.)手动校正WMH分割。评估者之间的共识使用STAPLE算法获得。
可靠性测量指标
用于验证QyScore®影像标记的可靠性测量指标包括GM、WM、HP和AM分割的Dice相似系数(DSC)和相对体积差(RVD)。对于WMH分割,考虑了DSC、绝对体积误差(AVE)和F1指标。对于与QyScore®标记相关的每项可靠性测量指标,我们从文献中确定了与QyScore®相当的其他分割方法的性能。如表2 [26, 32–40]所报告,我们对它们的性能取平均值以设定可靠的可靠性值。然后我们将这些可靠性值作为后续统计分析的阈值。
Dice相似系数
DSC [35]是用于评估手动分割/校正的可重复性和自动分割方法的空间重叠准确性 performance 的最常用的统计验证指标[4]。我们从文献中确定了每个QyScore®标记的DSC阈值以检验我们的统计假设,如表2所报告。表2中确定的值通常被认为是两次分割之间的极好匹配,且与先前研究报告的值一致[32]。WMH分割的DSC阈值基于四类病灶负荷定义:低(< 5 mL)、中(5–15 mL)、高(15–30 mL)、极高(> 30)mL)。这四类WMH的DSC阈值通过对Commowick [34]等人研究补充材料中所报告的每个类别的DSC值取平均值获得。类别和DSC阈值见表2。
相对体积差
我们计算了自动分割的结构体积与三位专家神经放射科医师共识获得的体积之间的RVD。RVD阈值(表2)是从专家广泛使用的免费软件包获得的不同RVD值中得出的,这些软件包在Mendrik及其同事[41]的手稿中有所描述。据我们所知,本研究是唯一报告了GM和WM分割的多个RVD值的研究[41]。表2中报告的HP和AM的RVD阈值代表了文献中发表的一系列研究中RVD的平均值[36, 37, 42–46]。
绝对体积误差和F1评分
我们仅针对WMH测量了AVE和F1评分。WMH检测的评估依赖于确定有多少WMH被正确或错误地检测到。F1评分的范围为0到1,提供了检测性能的概念(完美检测:1)。根据Commowick及其同事[34]的建议,F1评分由以下各项计算得出:(i) 每个分割中的WMH数量(专家共识和QyScore®自动分割),(ii) 从专家共识中正确检测到的WMH数量,以及(iii) 自动分割中存在共识WMH的WMH数量。
WMH的两个指标(AVE和F1评分)的阈值是使用Commowick及其同事[34]研究的补充材料中报告的值来定义的(表2)。
统计分析
QyScore®影像标志物的有效性通过与三位专家获得的共识进行比较来检验。我们根据文献中其他类似分割方法报告的性能确定了可靠性指标的阈值(表2)。零假设是比较指标DSC/F1评分(越高越好)等于/低于所选阈值——备择假设是这些指标更高,表明QyScore®与三位专家获得的共识相比具有更高的准确性。对于DSC和F1评分,将97.5%置信区间的下限与阈值进行比较,表明使用QyScore®获得的DSC和F1评分显著优于文献中报告的类似分割方法的DSC和F1评分。对于RVD和AVE(越低越好),零假设是这些指标等于/高于阈值,备择假设是指标更低。将97.5%置信区间的上限与阈值进行比较,表明使用QyScore®获得的RVD和AVE显著低于文献中报告的类似分割方法的RVD和AVE。
此外,我们使用回归分析和Bland-Altmann图比较了自动QyScore®影像标志物获得的体积与三位专家获得的共识。
我们使用以下Python库进行统计分析:Scikit-learn(http://scikit-learn.org/stable/),版本0.19.1;Scipy(https://www.scipy.org/),版本0.17.0;NumPy(http://www.numpy.org/),版本1.14.3;Nipype(https://nipype.readthedocs.io),版本1.1.2。
结果
所有180张MRI图像均通过了QyScore®执行的质量控制。
表3描述了每个数据库选择标准的主要特征以及每个QyScore®标志物的平均绝对体积。每个数据库进一步由健康对照(HC)和临床患者组成,具体如下:灰质(GM)和白质(WM)数据库(24例HC,2例AD,2例MS,2例PD),海马(HP)和杏仁核(AM)数据库(37例HC,4例AD,6例MS,3例PD),白质高信号(WMH)数据库(20例HC,49例AD,6例FTD,45例MS,2例PD,10例MCI)。用于采集MRI图像的制造商类型分布为:GM和WM数据库(2台GE,9台Philips,19台Siemens),HP和AM数据库(4台GE,13台Philips,33台Siemens),WMH数据库(30台GE,26台Philips,74台Siemens)。共识结果及每位专家神经放射科医师EW的贡献见表4。
GM和WM分割的验证结果
与专家共识的比较显示,使用QyScore®获得的GM和WM分割,其DSC置信区间下限(GM 97.5% CI:0.848,0.866;WM 97.5% CI:0.892,0.907)高于DSC阈值(0.8),同时RVD置信区间上限(GM 97.5% CI:5.578,8.464;WM 97.5% CI:2.985,6.425)低于RVD阈值(GM为9.59%,WM为9.18%)。按场强分层后我们发现了一致的结果;GM的平均DSC在1.5 T时等于0.87,在3 T时等于0.86;WM的平均DSC在1.5 T时等于0.92,在3 T时等于0.90。决定系数GM等于0.91,WM等于0.92(图2A),而Bland–Altman图的均值(95%置信区间(CI))GM为− 36.51(95% CI:35.39,− 108.42),WM为13.33(95% CI:63.04,− 36.38)(图2B)。
HP和AM分割的验证结果
HP和AM分割显示DSC置信区间下限(HP 97.5% CI:0.801,0.818;AM 97.5% CI:0.763,0.786)高于DSC阈值(0.7),同时RVD置信区间上限(HP 97.5% CI:20.886,24.648;AM 97.5% CI:9.203,15.023)低于RVD阈值(31.5%)。按场强分层后我们发现了一致的结果;HP的平均DSC在1.5 T时等于0.81,在3 T时等于0.80;AM的平均DSC在1.5 T时等于0.75,在3 T时等于0.76。
决定系数HP等于0.72,AM等于0.52(图2A),而Bland–Altman图的均值(95% CI)HP为− 1.63(95% CI:− 0.93,− 3.23),AM为0.02(95% CI:0.86,− 0.81)(图2B)。
WMH分割的验证结果
与前几个标志物一样,WMH分割对每个所考虑的比較也均满足备择假设。如表5所示,对于所考虑的所有WMH负荷,DSC置信区间下限均高于DSC阈值,且AVE置信区间上限均低于AVE阈值。
决定系数等于0.97(图2A),而Bland–Altman图的均值(95%CI)为−2.16(95%CI:11.17,−6.84)(图2B)。
讨论
我们的结果表明,全自动工具QyScore®能够准确测量脑影像标志物,如GM、WM、HP、AM和WMH体积。与三位神经放射学专家的共识相比,QyScore®在所有影像标志物(GM、WM、HP、AM和WMH)方面均显示出良好的一致性——如Bland–Altman图和相似性指标所示。这些结果支持QyScore®与专家共识相比在分割脑结构方面的可靠性,而这些脑结构对于检测多种脑疾病(如阿尔茨海默病、帕金森病和多发性硬化)中的脑萎缩至关重要。从QyScore®与三位神经放射学专家共识的比较中获得的可靠性指标值(DSC、AVE、RVD、F1)在所考虑的每一项比较中均满足备择假设。阈值是基于文献中使用其他自动分割方法的数据设定的,提示QyScore®的表现与目前研究环境中使用的其他自动化方法相当或更优。此外,QyScore®获得的结果在使用来自常见临床平台的T1加权和FLAIR序列时是一致的,并且与T1加权图像的场强无关。
灰质和白质
使用QyScore®量化的标志物性能与文献中描述的目前可用的脑MRI自动分割方法相一致。
特别是,MRBrainS挑战赛——将自动和半自动方法分割GM和WM与金标准进行比较——得出的结论是,在所评估的免费软件包中,SPM12是最稳健、最准确且最快的算法[41]。另一项评估多发性硬化中全脑和GM萎缩的研究显示,SPM12对GM的DSC等于0.90,显著高于MSmetrix所发现的值(DSC = 0.59)[47]。在不同病理生理状态的异质性个体样本中使用QyScore®对GM萎缩进行量化,显示出中等水平的DSC(GM 97.5%CI:0.848–0.866)。
海马和杏仁核
关于HP和AM分割,QyScore®算法的先前版本使用SACHA,与半自动方法和其他基于图谱的分割方法相比显示出更好的分割结果[48]。SACHA分割与手动分割之间的重叠(通过DSC检测)高于Freesurfer和FSL/FIRST所获得的重叠[33]。使用Freesurfer进行的HP测量优于FIRST[33];然而,多项研究报告使用Freesurfer测量的HP体积存在高估[33, 46, 49]。此外,SACHA在检测轻度认知障碍(MCI)和AD患者方面显示出良好的准确性[50]。
白质高信号
QyScore®算法的前一版本WHASA已在临床常规MRI图像上得到验证,显示与人工分割的组内相关系数较高[28],这支持了我们的结果。此外,WHASA此前曾与其他方法进行比较,如Freesurfer、阈值分割方法,以及基于k近邻(kNN)和支持向量机(SVM)算法的其他方法[28]。WHASA表现出优于Freesurfer和阈值分割方法的性能,以及与kNN和SVM方法相当的性能[28]。WHASA分割与人工分割之间的空间重叠高于已建立的自动方法与人工分割之间所发现的空间重叠[51]。
自动算法和医疗器械在临床常规中应用的意义
目前已有多种测量神经系统疾病脑影像标志物的医疗器械可供使用[51–55]。然而,由于以下因素,无法将QyScore®的性能与其他设备进行比较:(i) 验证时所使用的信度指标不同[54],(ii) 验证方法不同[53, 56],以及(iii) 各研究的目标人群异质(仅限年轻健康对照,或仅限MS或AD患者)[51, 53, 54]。
容积MRI测量(如HP或GM体积)已被提出作为体内脑萎缩和神经退行性变的替代标志物[57, 58],并可能用于多种神经系统疾病的早期诊断、监测和临床试验中的次要结局。在临床试验中测量脑萎缩的另一优势是需要纳入的受试者更少[59, 60]。
与我们的证据一致,一项近期研究还表明,与单纯视觉评估相比,定量报告配合常规视觉MRI评估可提高检测AD中体积损失的敏感性和准确性[61]。
金标准方法,如人工描迹,难度大、耗时且易受评估者间和评估者内变异性的影响。相比之下,自动方法与人工或半自动方法相比具有一致性和快速性的明显优势[62]。因此,对MRI脑分割自动测量方法的验证对于支持临床环境中的执业医师以及药物开发背景下的制药公司具有重大意义[46]。
得益于本手稿中呈现的主要结果的可靠性,QyScore®已被全球监管机构(CE和FDA)认定为适用。QyScore®测量的一组MRI标志物(GM、WM、HP、AM和WMH体积)可支持临床医生对神经系统疾病(如MCI和AD痴呆、MS、帕金森病及其他神经退行性疾病)的诊断和临床进展监测。然而,临床医生基于对QyScore®结果的专家审阅做出最终临床决策。
MRI标志物的自动化测量能够快速分割脑体积和WMH(15分钟),克服了人工方法耗时和主观的缺点。QyScore®具有可靠的标志物,可作为主要/次要结局用于临床试验,以研究治疗对疾病的改善作用。在这方面,使用SACHA测量的HP萎缩已被用作一项临床试验的主要终点,该试验旨在研究多奈哌齐治疗对疑似前驱期AD患者的疗效[9]。
此外,QyScore®结果可纳入临床报告——为临床医生提供额外的神经影像信息,可在其临床和影像学评估中使用。QyScore®输出可协助临床医生进行临床诊断和监测,以及在临床实践中选择最合适的治疗方案。
研究局限性
应考虑本研究的一些局限性。当前版本的QyScore®灰质分割算法未针对白质病灶的排除进行优化。在这方面,在考虑将其用于临床报告之前需要对结果进行审核。该功能将纳入软件的后续更新中。QyScore®算法主要在开源研究队列中进行了验证,进一步的临床常规环境研究正在进行中。还需要与其他医疗器械进行直接比较、重测信度以及纵向数据研究。
结论
与专家共识以及文献中描述的其他半自动和自动软件相比,QyScore®提供了可靠的脑结构自动分割。我们的结果支持将使用神经影像方法的医疗器械(如QyScore®)应用于临床常规,以支持脑部疾病的诊断和监测。
QyScore®标志物还可应用于临床试验,以检验神经系统疾病新药的疗效。可靠的脑萎缩和白质高信号测量(如QyScore®所提供的测量)将帮助我们迈向神经系统疾病更个性化和循证化的医学。目前正在真实世界数据上开展进一步的回顾性和前瞻性验证研究以及重测信度研究,以证明在神经系统疾病中使用QyScore®的诊断性能和临床影响。
补充信息
以下是电子补充材料的链接。补充文件1(XLSX 28 KB)
引用
- Cavedo E, Tran P, Thoprakarn U, et al. Validation of an automatic tool for the rapid measurement of brain atrophy and white matter hyperintensity: QyScore®. Eur Radiol. 2022. PMID: 34973104. doi:10.1007/s00330-021-08385-9
- 全文:PMC9038894(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9038894/
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。