文献速递乳腺MR

利用深度学习仅凭超快速乳腺MRI安全排除无病灶检查以缩短采集与阅片时间

Using deep learning to safely exclude lesions with only ultrafast breast MRI to shorten acquisition and reading time.
PubMed 文献 · Eur Radiol · 2022-05-26

该回顾性研究纳入837例乳腺MRI检查,训练深度学习模型仅用TWIST序列MIP图像识别正常乳腺,独立测试集AUC为0.81(95%CI:0.75-0.88),阈值0.25时敏感度98%(95%CI:90%;100%)、NPV 98%(95%CI:89%;100%),阅片工作量降低15.7%、扫描时间降低16.6%,代价为1例(1/55)假阴性。

要点

  • 模型仅用TWIST超快速序列MIP图识别正常乳腺,独立测试集AUC 0.81(95%CI:0.75-0.88)。
  • 阈值0.25时敏感度98%、NPV 98%,阅片工作量降低15.7%、扫描时间降低16.6%,假阴性1例(1/55)。
  • Grad-CAM热图显示阳性预测主要关注乳腺实质强化区,阴性预测关注乳腺实质外区域。

核心结论

  • 该深度学习模型有较高潜力帮助识别超快速乳腺MRI中的正常扫描,从而减少放射科医生工作量和扫描时间。

研究设计与样本

  • 回顾性分析纳入2016年4月至2019年10月共837例乳腺MRI检查(438名女性),左右乳分别标注正常或异常。
  • 独立测试集为178例检查(149例患者,平均年龄44岁±14),训练集494例检查(214例患者),验证集165例检查(125例患者),数据按患者层面划分无重叠。
  • 检查使用3.0-T或1.5-T扫描仪(MAGNETOM Skyra或MAGNETOM Avantofit,Siemens Healthineers)全诊断方案,参考标准基于影像报告并结合病理、活检和超声结果。
  • 模型流程包括乳腺区域分割(3D U-Net)、MIP生成和异常预测(ResNet-34),仅使用14个增强后时相中的最后4个TWIST采集生成MIP。

关键影像表现/征象

  • Grad-CAM热图显示阳性预测时模型主要基于乳腺实质内强化区域决策,阴性预测时关注区域在乳腺实质外。
  • 假阳性预测中BPE为极少量者占35.9%、轻度30.7%、中度25.6%、显著5.1%;195例假阳性中134例为BI-RADS 2,113例为不均质或极密致乳腺。

诊断标准与关键数值

  • 验证集阈值0.37时敏感度97%(30/31,95%CI:83%;100%)、NPV 98%(123/124,95%CI:95%;99%),漏诊1例良性病变(慢性活动性炎症伴脂肪坏死,38 mm),无恶性病变漏诊。
  • 验证集阈值0.25时敏感度100%(31/31,95%CI:89;100)、NPV 100%(74/74),无病变漏诊。
  • 独立测试集阈值0.37时敏感度95%(52/55,95%CI:85%;99%)、NPV 97%(106/109,95%CI:92%;99%);阈值0.25时敏感度98%(54/55,95%CI:90%;100%)、NPV 98%(55/56,95%CI:89%;100%)。
  • 独立测试集阈值0.37时误分类3个乳腺病灶(1例恶性黏液癌8 mm BI-RADS 6,1例纤维腺瘤9 mm BI-RADS 4,1例未活检6 mm BI-RADS 2);阈值0.25时仅纤维腺瘤被误分类为正常,无恶性病变漏诊。
  • 模型在独立测试集AUC为0.81(95%CI:0.75;0.88),验证集AUC为0.82(95%CI:0.74;0.88)。

临床应用与阅片要点

  • 阈值0.37时独立测试集109个乳腺被分诊为正常、247个为异常,乳腺水平工作量降低30.6%(109/356),检查水平降低15.7%(28/178)。
  • 阈值0.25时独立测试集56个乳腺分诊为正常、300个为异常,乳腺水平工作量降低15.7%(56/356),检查水平降低6.2%(11/178)。
  • 若仅在超快速MRI检出异常时继续扫描,178例检查在不同阈值下可节省30.2%(982.2/3253.8 min)或16.6%(538.8/3253.8 min)的扫描仪时间。

局限性

  • 模型使用来自单一机构的高危人群数据集开发,可能影响泛化性,临床实施前需在多样人群中行外部验证。
  • 独立测试集与训练验证集的癌症发生率不相等,两个数据子集虽保证独立性但可能引入结果差异。
  • 本研究未探讨深度学习模型在分诊工作流程中的真实效果,可能需要双盲随机临床试验进一步评估模型性能。
  • 方法使用T1加权脂肪抑制序列衍生的3D掩模,可能引入系统误差;开发基于TWIST的分割方法可能有助于改善性能。
  • 本研究的MIP图像仅在轴位平面生成,潜在遮蔽效应可能阻碍模型获得更好性能,评估多平面MIP可能是解决方案。
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. 2022 May 26;32(12):8706–15. doi: 10.1007/s00330-022-08863-8

引言

乳腺动态对比增强磁共振成像(DCE-MRI)已被广泛用作乳腺癌的补充筛查工具。乳腺MRI不仅能比乳腺X线摄影发现更多的乳腺癌病例,还能在更早期阶段发现癌症[1]。尤其是对于乳腺极度致密的女性,采用补充MRI筛查有可能减少间期癌[2]。这些优势使人们重新关注使用乳腺MRI筛查更大的人群[3]。然而,成本效益仍然是这一敏感模态更广泛应用的最主要障碍[4]。

降低乳腺MRI成本最有前景的方法是通过缩短采集时间来提高MRI扫描仪的通量[5–8],以及通过缩短判读时间来减少放射科医师的工作量[9]。当前诊断性乳腺MRI方案需要长达20分钟。已有若干简化方案被提出以替代标准方案用于筛查[10, 11]。最近一项多中心、多阅片者研究[12]发现,仅使用随机轨迹时间分辨血管成像(TWIST)[13],在放射科医师判读时即可达到与完整诊断方案相当的敏感性(84%对86%)和更高的特异性(82%对76%)。这种仅TWIST方案仅需不到2分钟的磁体时间,因此可最大限度减少扫描过程所需时间。

图像判读是MRI乳腺癌筛查中的另一个瓶颈。不同研究中的平均判读时间从25秒到178秒不等[11]。值得注意的是,筛查研究中的癌症检出率可能仅为每1000例15.5例[14],这提示放射科医师大部分时间都在阅读没有可疑病变的正常扫描。另一方面,判读质量还与检查总数及该检查在队列中的位置有关[15]。缩短判读批次和基于风险的判读队列可能有助于进一步提高放射科医师的表现。

人工智能(AI)与超快速MRI的结合可通过自动排除无病变扫描来帮助提高乳腺MRI筛查的效率。从大量筛查扫描中识别可疑病变并根据风险对扫描进行优先排序,有助于减少工作量并提高效率。此外,对于无可疑病变的扫描还可采用提前停止策略。由于恶性病变更可能在DCE-MRI早期阶段快速强化[16, 17],根据超快速MRI的输出取消或调整后续序列有助于减少扫描时间,从而提高通量。此外,基于对超快速序列的实时分析,如果检测到任何异常,仍可进行额外扫描(如T2、DWI)甚至完整诊断方案。

我们假设,仅以TWIST序列作为输入的深度学习模型可能能够在无需人工干预的情况下识别正常MRI检查。将该深度学习系统整合到筛查工作流程中可提高通量并减少放射科医师的工作量。因此,本研究旨在开发和评估一种仅以TWIST序列为输入的深度学习模型,用于自动预测异常。

材料与方法

机构审查委员会批准了本研究,并豁免了获取知情同意的要求,因为我们的回顾性研究使用了完全匿名的报告和MRI检查。

研究人群

初始人群包括2016年4月至2019年10月期间在我机构连续接受乳腺MRI检查的809例患者的1447次乳腺MRI检查。在1447次检查中,排除了以下MRI扫描:287次因方案不一致,156次因数据不完整,159次因其他扫描指征(34次用于评估化疗反应,94次用于术后随访,31次用于评估假体破裂)。此外,8次检查因扫描失败被排除。用于深度学习模型开发和评估的最终数据集包括488例患者的837次检查。在837次检查中,149例患者的178次检查是在深度学习模型开发之后获得的,这些数据未参与模型开发,因此用作独立测试集。其余339例患者的659次检查按如下方式随机分为训练集和验证集:训练集为214例患者的494次检查,验证集为125例患者的165次检查。需要注意的是,数据按患者层面进行划分;因此,训练集和测试集中的患者没有重叠。图1总结了这一过程。

图1 数据收集和筛选流程流程图。BI-RADS,乳腺影像报告和数据系统 查看原图 ↗

MRI扫描仪和成像技术

检查采用完整诊断方案(图2),在3.0 T或1.5 T扫描仪(MAGNETOM Skyra或MAGNETOM Avantofit,Siemens Healthineers)上以俯卧位进行。对于3.0 T和1.5 T扫描仪,完整方案分别需要17.95和19.61分钟,而15次TWIST采集分别需要1.3和1.46分钟。超快速乳腺MRI的采集参数总结于表1。

图2 本研究所用动态对比增强方案时间安排的示意图。完整诊断方案包括脂肪饱和T2加权序列、2个b值为0和1000 s/mm2的扩散加权成像序列、5个动态脂肪饱和梯度回波T1加权序列,以及一个具有随机轨迹的时间分辨血管造影(TWIST)序列 查看原图 ↗
表1 超快速MRI的采集参数 查看原表 ↗

参考标准

MRI检查的分类基于放射学报告中的评估和结论,并辅以病理报告、活检和超声结果。对于每例患者,左右乳腺分别独立评估。有一个或多个可见强化病灶的乳腺被归类为异常,而有未强化病灶或无可疑病灶的乳腺被归类为正常。然后,所有标签由一名资深放射科医师进一步审查,以确保其与TWIST中的可见性一致。分类乳腺的示例见电子补充材料图S1。

基于MIP的深度学习系统的开发

所提出的深度学习系统有三个主要阶段:乳腺区域分割、MIP生成和异常预测(图3)。

对于乳腺分割,使用先前报道的3D U-Net [18]生成乳腺区域的掩膜。分割在注射对比剂前采集的T1加权脂肪抑制序列上进行。然后通过形状调整和视野(FOV)对齐将获得的掩膜映射到TWIST序列上。随后,从掩膜中部将乳腺区域分为左右两部分。

在MIP生成阶段,仅使用14个增强后时相中的最后4个TWIST采集。既往研究表明,良性病变的到达时间可能远长于恶性病变 [19, 20];因此,大多数早期MIP不包含强化病变。因此,为了尽可能多地识别病变并减少计算负担,本研究中生成的MIP图像随后用于训练深度学习模型。

对在ImageNet数据集上预训练的ResNet-34模型 [21]进行修改并重新训练,用于异常预测。模型最后一个全连接层的输出改为2以适应任务需求。然后使用训练数据进行迁移学习,使用验证数据进行超参数调优。训练任务为MIP图像中是否存在可见病变。在训练过程中,应用了随机水平翻转、10°以内随机旋转和10%以内随机缩放的图像增强。批量大小设为4,使用Adam优化器。最终模型通过60个epoch的训练获得,初始学习率为10−4。在推理阶段,将单侧乳腺的4张MIP图像分别输入深度学习模型;若其中任一张图像被预测为阳性,则该乳腺被归类为异常。仅当4张MIP图像均被预测为阴性时,该乳腺才被归类为无病变。

图3 所提出的乳腺DCE-MRI分类系统的流程示意图。TWISTPre,增强前TWIST序列;TWISTN,第N个增强后序列;MIP,最大强度投影;T1-wPre,增强前T1加权序列 查看原图 ↗

模型校准与评估

为了利用训练好的模型识别尽可能多的异常MRI检查,倾向于选择能确保较低假阴性率(FNR)的概率阈值。另一方面,还应考虑假阳性率(FPR)对筛查工作流程工作量的影响。为说明FNR与FPR之间的关系,生成了验证集的检测误差权衡(DET)曲线。然后选择在验证集上对应于100%或95%灵敏度且阴性预测值(NPV)高于98%的阈值作为高灵敏度阈值。

为评估所提出的深度学习系统的预测性能,生成了独立测试集上的受试者工作特征(ROC)曲线并计算了受试者工作特征曲线下面积(AUC)。还分别计算了默认阈值和高灵敏度阈值下的灵敏度、特异度、阳性预测值(PPV)和NPV。此外,为帮助解释分类模型的决策过程,使用梯度加权类激活映射(Grad-CAM)生成粗略定位图,突出每张MIP图像中具有类别判别性的区域。

据报道,强背景实质强化(BPE)与较高的异常判读率相关,并导致较高的不必要活检率[22]。我们检查了假阳性和假阴性预测中各类别BPE的百分比,以说明BPE对模型输出的影响。

为评估深度学习系统对临床工作流程的影响,我们模拟了以下场景:TWIST序列的阴性结果不需要患者进行进一步检查,也不需要放射科医生判读这些检查。基于该场景计算了减少的采集时间和被排除的MRI检查百分比。

统计分析

使用Medcalc(19.6.1版,Medcalc Software Ltd)和scikit-learn(0.24.1版;https://scikit-learn.org)进行统计分析。AUC的95%置信区间(CI)采用DeLong方法计算[23],敏感度和特异度的95% Clopper-Pearson CI以及PPV和NPV的95%标准logit CI[24]也一并报告。

结果

患者和病灶

训练集和验证集包括339例患者(中位年龄±标准差,44±11岁;范围,22–80岁),共进行了659次乳腺筛查MRI检查。其中,494次检查用于模型训练,165次用于验证。每次检查中的左乳和右乳分别进行分类,共识别出118个异常乳腺(病灶大小±标准差,17.9±17.4 mm;范围,5.0–110.0 mm)和1200个正常乳腺。84个异常乳腺包含良性病灶(病灶大小±标准差,13.7±12.8 mm;范围,5.0–81.0 mm),其余34个包含恶性病灶(病灶大小±标准差,25.1±19.8 mm;范围,6.0–110.0 mm)。

独立测试集包括149例患者(中位年龄±标准差,44±15岁;范围,24–76岁),共进行了178次乳腺筛查MRI检查。55个乳腺被分类为异常(病灶大小±标准差,24.0±19.8 mm;范围,5.0–76.0 mm),301个被分类为正常。55个异常乳腺中25个包含良性病灶(病灶大小±标准差,15.0±16.1 mm;范围,5.0–75.0 mm),30个包含恶性病灶(病灶大小±标准差,31.0±19.4 mm;范围,6.0–76.0 mm)。详细的患者和病灶特征见表2和表3。

表2 患者和检查特征 查看原表 ↗
表3 异常乳腺中病灶的描述 查看原表 ↗

模型校准

验证集上的DET曲线如图4所示,该曲线展示了阈值从0到1变化时FPR和FNR之间的权衡。基于DET曲线选择了两个截断阈值。阈值为0.37时,敏感度为97%(30/31,95% CI:83%;100%),NPV为98%(123/124,95% CI:95%;99%)。在该阈值下,验证集中1个含良性病灶的乳腺(慢性活动性炎症伴脂肪坏死,38 mm)被误分类,未漏诊恶性病灶。阈值为0.25时,敏感度为100%(31/31,95% CI:89;100),NPV为100%(74/74),未漏诊任何病灶。

图4 验证集上的检测误差权衡曲线。FPR,假阳性率;FNR,假阴性率;DET,检测误差权衡 查看原图 ↗

独立测试

在独立测试集上,模型的AUC为0.81(95% CI:0.75;0.88)(图5)。以0.37为阈值时,敏感度为95%(52/55,95% CI:85%;99%),阴性预测值(NPV)为97%(106/109,95% CI:92%;99%);而以0.25为阈值时,敏感度为98%(54/55,95% CI:90%;100%),NPV为98%(55/56,95% CI:89%;100%)。各阈值下的分类性能总结于表4。

使用Grad-CAM生成的热图表明,对于阳性预测,模型主要基于乳腺实质内的增强区域做出决策,而对于阴性预测,模型关注的重点位于乳腺实质之外。示例见图6。

还分析了独立测试集错误预测中各BPE水平的百分比。对于假阴性预测,1例为轻度BPE,2例为中度BPE;同时对于假阳性预测,35.9%为轻度BPE,30.7%为轻度BPE,25.6%为中度BPE,5.1%为显著BPE。

图5 验证集和独立测试集上的受试者工作特征曲线。验证集和独立测试集上的受试者工作特征曲线下面积分别为0.82(95%置信区间:0.74;0.88)和0.81(95%置信区间:0.75;0.88) 查看原图 ↗
表4 模型在不同阈值设置下于验证集和独立测试集上的性能 查看原表 ↗
图6 来自独立测试集的真阳性、真阴性、假阳性和假阴性示例及相应的梯度加权类激活映射(Grad-CAM)生成的热图 查看原图 ↗

标准工作流程 vs. 分诊

在独立测试集上应用0.37的阈值时,模型对3个乳腺病灶进行了错误分类;其中一个包含恶性病灶(黏液癌,8 mm,BI-RADS 6),而另外两个包含良性病灶(一个为纤维腺瘤,9 mm,BI-RADS 4,另一个未行活检,6 mm,BI-RADS 2)。以0.25为阈值时,仅纤维腺瘤那一例被错误分类为正常;没有遗漏任何含恶性病灶的乳腺。

尽管存在对乳腺病灶错误分类的可能风险,以0.37为阈值时,109个乳腺被分诊为正常,247个被分诊为异常,从而在乳腺水平上使工作量减少30.6%(109/356),在检查水平上减少15.7%(28/178)。如果将阈值进一步降低至0.25,56个乳腺被分诊为正常,而300个被分诊为异常,从而在乳腺水平上使工作量减少15.7%(56/356),在检查水平上减少6.2%(11/178)。此外,如果仅在超快速MRI检测到异常时才继续扫描,在不同设置下,178次检查可分别节省30.2%(982.2/3253.8 min)或16.6%(538.8/3253.8 min)的扫描仪时间。

讨论

在本研究中,我们将临床经验与人工智能相结合,旨在提高乳腺MRI筛查的效率和可及性。开发了一个深度学习模型来识别正常的超快速乳腺MRI检查。

该模型在独立测试集上的AUC为0.81(95% CI:0.75;0.88)。应用不同阈值(0.37和0.25)获得了高灵敏度(95%和98%)和阴性预测值(97%和98%)。当整合到工作流程中时,该模型有潜力通过排除正常扫描来减少放射科医生的工作量,并通过缩短扫描时间来提高吞吐量。此外,使用Grad-CAM生成的热图还可以通过识别MIP图像中可能的病变来支持放射科医生的图像解读。

尽管采用了保守策略,但仍存在假阴性预测。所有漏诊病变均小于10 mm,相对较小的尺寸可能是深度学习模型未能检测到它们的主要原因。使用0.37阈值时,有一个恶性病变(黏液癌)被漏诊。然而,应该注意的是,训练数据集中只有一例黏液癌,这种罕见癌症的稀缺性可能导致模型训练不足,无法识别它。对于假阳性预测,轻微、轻度、中度和显著BPE的百分比分别为35.9%、30.7%、25.6%和5.1%。与表2中的BPE分布(37.1%轻微、30.9%轻度、27.0%中度、5%显著)相比,很难得出结论认为BPE对TWIST中MIP的分类有负面影响。同时,195个假阳性预测中有134个为BI-RADS 2,113个评估为不均匀和极端FGT。这一发现表明,正确处理致密乳腺和BI-RADS 2乳腺可能是未来减少假阳性的关键。

其他筛查研究已经开发或评估了类似的模型[25, 26]。Verburg等[27]使用4581例极度致密乳腺的MRI检查开发了一个分类模型;该模型可以帮助排除39.7%的无病变MRI检查,并保留90.7%的有病变检查供放射学复查。Rodriguez-Ruiz等[28]和Yala等[9]表明,AI可以帮助将乳腺X线摄影筛查工作量减少17%或19.3%,灵敏度分别为90.6%或90.1%。Raya-Povedano等[29]也报告了断层合成筛查工作量减少29.7%,灵敏度为84.1%。尽管成像方式不同,但使用AI进行分诊的挑战是相同的:较低的阈值更安全但效率较低,而漏诊乳腺癌风险与工作量减少之间的权衡使得阈值难以确定。

我们研究的一个局限性是,该模型是基于从单一机构收集的高危人群数据集开发的。这可能影响本研究的普适性。在临床实施之前,需要在多样化人群中进行外部验证。本研究的另一个局限性是,独立测试集与训练集和验证集中的癌症发生率不相等。这两个数据子集是通过耗时的采集过程从同一图像归档和通信系统中分别下载的。这确保了独立性,但可能在报告的结果中引入了差异。此外,本研究在探索深度学习模型在分诊工作流程中的真实效果方面存在局限。可能需要一项双盲、随机临床试验来进一步评估该模型的性能。此外,所提出的方法使用了源自T1加权脂肪抑制序列的3D掩模,这可能引入系统误差。开发基于TWIST的分割方法可能有助于进一步提高其性能。此外,本研究中使用的MIP图像仅在轴位平面上生成,潜在的掩蔽效应可能阻碍深度学习模型取得更好的性能。评估多平面MIP可能是解决MIP掩蔽效应的潜在方案。

总之,在工作流程中使用深度学习模型对超快速乳腺MRI检查进行分类,可能是提高乳腺MRI筛查效率和可及性的一种有前景的方法。缩短扫描和判读时间可能显著降低乳腺MRI筛查成本,从而使为更广泛人群提供MRI筛查成为可能。

补充信息

ESM 1(DOCX 3222 kb)

引用

  1. Jing X, Wielema M, Cornelissen LJ, et al. Using deep learning to safely exclude lesions with only ultrafast breast MRI to shorten acquisition and reading time. Eur Radiol. 2022. PMID: 35614363. doi:10.1007/s00330-022-08863-8
  2. 全文:PMC9705471(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9705471/

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。