文献速递骨肌MRCTDRUS

机器学习在影像驱动的肌肉骨骼恶性肿瘤诊断中的应用——范围综述

Applications of machine learning for imaging-driven diagnosis of musculoskeletal malignancies-a scoping review.
PubMed 文献 · Eur Radiol · 2022-07-19

该范围综述依据PRISMA声明检索MEDLINE、CENTRAL和LISTA,最终纳入38篇原始研究,评估机器学习对影像驱动肌肉骨骼恶性肿瘤诊断的影响;27项诊断导向研究的中位准确率为0.88、中位AUC为0.92,但研究数据量小且多为单一数据类型,尚无针对影像与活检的研究,数据质量与数量仍需提升。

要点

  • 27项诊断导向研究的中位准确率为0.88(区间0.71–0.99)、中位AUC为0.92(区间0.64–0.98)。
  • 诊断导向研究的每类样本数中位为75,59.3%的研究每类样本不足100。
  • 38项研究中MRI数据占55.0%(22项),放射组学数据占42.1%(16项),无影像与活检相关研究。

核心结论

  • 与肺、乳腺或中枢神经系统肿瘤等领域相比,机器学习尚未对肌肉骨骼恶性肿瘤的影像驱动诊断产生显著影响。
  • 多项研究显示机器学习可在特定病例中支持肌肉骨骼恶性肿瘤的影像驱动诊断,但需提高数据质量与数量才能获得临床相关结果。
  • 与经验丰富的放射科专家相比,这些研究使用的数据集小且大多仅纳入一种类型的数据。
  • 对肌肉骨骼恶性肿瘤等罕见病,推进机器学习模型的关键是系统化、结构化的数据采集以及建立( inter )国家网络以在未来获取大量数据集。

研究设计与样本

  • 研究类型为范围综述,依据PRISMA声明开展,证据等级为V级。
  • 由一名放射科医生、一名骨科医生和一名数据科学家基于标题筛选文献,分歧经共识解决。
  • 2021年12月检索MEDLINE(PubMed)、CENTRAL(Cochrane Library)和LISTA(EBSCO),未考虑灰色文献,检索未使用任何过滤器或限制。
  • 初检获得480篇文献,剔除1篇重复后38篇符合纳入标准;最终文章发表于1994年至2021年间。
  • 纳入标准为原发性恶性肌肉骨骼肿瘤、机器学习或深度学习应用、影像数据或从图像获取的数据、人类或临床前、英文、原创研究。

诊断标准与关键数值

  • 27项(71.1%)诊断导向研究的中位准确率为0.88,区间[0.71;0.99]。
  • 诊断导向研究的中位AUC为0.92,区间[0.64;0.98];标签数中位为2,区间[2;3]。
  • 准确率与每类平均样本数的相关系数为ρ=−0.204,AUC与每类平均样本数的相关系数为ρ=−0.153,均无显著相关。
  • 每类样本数中位为75,59.3%的诊断导向研究每类样本不足100;每类样本少于100的研究平均准确率0.86、AUC 0.89,多于100的研究平均准确率0.85、AUC 0.86。
  • 38项研究中75.7%(28项)为回顾性、8.1%(3项)为前瞻性、16.2%(6项)未明确说明研究设计。

临床应用与阅片要点

  • 多数研究仅区分2至3种特定肿瘤实体或评估肿瘤恶性程度,而日常实践中放射科医生和骨科医生首先面对的是发现潜在肉瘤。
  • 研究问题的设定多未反映真实临床场景,将第三个实体输入两实体分类器时模型会将其归入前两类之一。
  • 数据类别不平衡可导致虚假偏高的指标值,尤其对AUC,需对数据构成进行细致的跨学科解读。
  • von Schacky等的多任务深度学习模型可同时检测、分割和分类图像数据,并与不同经验水平放射科医生的结果比较,但结果仅为中等。
  • Liu等的机器学习-深度学习融合模型整合影像与临床数据评估肿瘤恶性程度,接近放射科医生的诊断流程。

局限性

  • 主要局限性是所审查研究处于早期阶段,多数研究至2021年才发表,难以评估其影响和质量。
  • 每项研究的平均病例数为292,在机器学习应用背景下数量非常小。
  • 所审查研究总体异质性大,共涉及3种不同算法类型、20种不同模型和9组结局标签。
全文中译11 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 Jul 19;32(10):7173–84. doi: 10.1007/s00330-022-08981-3

引言

肌肉骨骼系统恶性肿瘤是一组极为罕见且异质性很强的肿瘤实体。例如,恶性骨肿瘤仅占所有人类恶性肿瘤的约0.2%,但在儿童(第六大常见癌症)和青少年(第三大常见癌症)中更为常见[1–3]。除了发病率极低之外,病史或临床表现大多缺乏特异性也使早期诊断复杂化,并常导致显著延迟[3]。然而,在肌肉骨骼肿瘤中,及时诊断至关重要,因为诊断窗口期也直接影响可切除性和患者生存预后[2]。因此,当怀疑恶性肌肉骨骼肿瘤时,及时转诊至专科肉瘤中心至关重要。然而,在临床实践中有时会出现超过12个月的延迟,这至少可以部分解释为全科医生在其职业生涯中仅会遇到约三例恶性肌肉骨骼肿瘤[4]。

尤其是肌肉骨骼肿瘤内部的形态学异质性使影像学实体或恶性程度评估复杂化,甚至限制了活检的诊断价值。在硬化性、成骨性或软骨性病变中,以及在大面积坏死区域的肿瘤中,从活检中获取足够的材料极具挑战性,需要高度丰富的经验[5]。据报道,对活检结果或预后产生不良影响的活检相关并发症发生率为15–20%,在非专科机构中发生率可高达12倍[6]。因此,在肌肉骨骼肿瘤中,充分诊断性活检的重要性怎么强调都不为过,这就是为什么许多专家将活检视为“治疗的第一步”。

影像解读作为精准医学的一部分,在骨科肿瘤学的未来中发挥着越来越重要的作用,迫切需要新型、更全面和更特异的分析工具,尤其是对于在罕见骨与软组织恶性肿瘤检测和解读方面经验和资源有限的门诊诊所而言。机器学习(ML)及其子集深度学习(DL)代表了人工智能(AI)的不同应用,后者源于模式识别和学习理论。ML在骨科领域尚处于早期阶段,标准化方法尚未建立。虽然通过AI和影像数据对癌组织进行复杂数据分析已在某些癌症(如肺癌、乳腺癌或中枢神经系统癌症)的研究中广泛应用[7],但这些方法在骨科肿瘤研究中的应用仍然非常有限[8]。据我们所知,全球尚未建立深远的结构化系统数据采集体系,且肉瘤非常罕见且异质性高,这使得现代AI应用——其关键前提是充足且高质量的数据——变得更加困难。尽管已开发出多种处理有限数据集的方法(数据增强[9]、迁移学习[10]、数据模拟[11]),但建立适当的结构和网络仍是必经之路。

本综述的主要目的是探究机器学习是否已经能够在很大程度上支持肌肉骨骼(MSK)恶性肿瘤的影像解读,重点关注诊断任务以及相应的可能原因。

材料与方法

纳入标准

基于PRISMA声明[12],对文献进行了范围综述,以识别机器学习在肌肉骨骼恶性肿瘤影像中的应用。符合以下标准的研究被纳入本综述:原发性恶性肌肉骨骼肿瘤

机器学习或深度学习的应用

影像数据或从图像中提取的数据

人体或临床前研究

以英文撰写

原创研究论文

以下关注点导致文章被排除出本综述:转移瘤

组织学数据

继发性骨/软组织肿瘤

淋巴瘤

骨髓瘤

良性、中间性

综述文章

包含良性或中间性病变但主要关注例如恶性病变检测的文章被纳入。相反,不包含恶性病变数据的文章被排除。重点关注恶性病变是因其临床相关性和准确评估的难度。

2021年12月,通过MEDLINE(PubMed)、CENTRAL(Cochrane Library)和LISTA(EBSCO)进行了全面的文献检索。未考虑灰色文献。系统检索使用以下检索词,未施加任何过滤器或限制:((人工智能) OR (深度学习) OR (机器学习)) AND (恶性) AND (肿瘤 OR 新生物 OR 癌症) AND (肌肉骨骼 OR 肉瘤 OR 骨 OR (软组织)) AND (影像 OR 放射学 OR (计算机辅助) OR (图像解读))

研究标题由本机构的肌肉骨骼放射科医师、骨科外科医师和数据科学家使用上述选择标准进行审查和评估。所有分歧通过共识解决。结果进行了总结,重复项被剔除。所有文章最初通过标题和摘要进行相关性筛选以评估纳入标准。三位作者独立仔细阅读了研究并提取了数据。从每篇文章中提取以下信息:标题、作者、发表年份、肿瘤实体分组、患者数量、恶性程度、影像模态、算法、模型、任务、应用指标、结局标签以及是否侧重于诊断。在综合分析中,对于以诊断为导向任务的研究,进一步通过检索最常见指标的得分和类别标签数量来评估每个类别的样本量,并通过线性分析和相关系数阐明这些参数之间的潜在关系。证据等级为V级。

统计分析

连续数据以均值±标准差(SD)或中位数伴四分位距(IQR)及相应区间报告。离散数据以每个实体的发生率和百分比份额报告。由于数据的异质性和有限的数据量,选择非参数检验来计算以诊断为导向的研究中指标值与每个类别标签样本量之间的相关系数。

结果

筛选和方法学特征

初步检索在上述数据库中检出480条文献记录。剔除1条重复文献后,共有38篇文章符合纳入标准(图1)[8, 10, 13–51]。表1列出了最终纳入文章的作者及连续型和离散型参数。最终纳入的文章发表于1994年至2021年间。全部38篇文章均涉及机器学习(ML)或深度学习(DL)在肌肉骨骼(MSK)恶性肿瘤影像数据中的应用。共发现3篇综述文章,并将其排除在统计分析之外[8, 14, 25]。75.7%(28项)的研究为回顾性研究,8.1%(3项)为前瞻性研究,16.2%(6项)未明确说明研究设计。60.5%(23项)的研究聚焦于骨,而39.5%(15项)聚焦于软组织肿瘤。纳入病例中,50.3%来自良性肿瘤患者,3.0%来自中间性肿瘤患者,37.4%来自恶性肿瘤患者,5.4%来自转移瘤患者,3.6%来自无肿瘤患者(健康者),0.5%未提供任何信息。更多细节见表2和表3。

图1 筛选流程 查看原图 ↗
表1 最终纳入文章及其连续型和离散型参数。对于以诊断为导向的任务,进一步分析了准确率(Acc)和曲线下面积(AUC)值以及标签数量 查看原表 ↗
表2 连续型参数及其区间、中位数、均值、四分位距(IQR)和标准差 查看原表 ↗
表3 离散型参数及各实体的发生数和百分比占比 查看原表 ↗

最佳研究的叙述性综述

多项研究提出了新颖且有趣的实现方式。然而,我们希望重点介绍两项我们认为提供了非常引人关注框架的研究。Liu等[35]展示了一种机器学习-深度学习(ML-DL)融合模型,该模型不仅整合影像数据,还整合临床数据以评估肿瘤的恶性程度。这种方法与放射科医生诊断MSK病变时所采用的诊断流程相似。第二项值得注意的研究由von Schacky等[42]发表:他们提出了一种多任务深度学习(DL)模型,展示了最先进DL的潜力,可同时对影像数据进行检测、分割和分类。为了在“人机对比”的背景下对DL结果进行分类,他们还将其与不同经验水平放射科医生的结果进行比较,展示了DL在数据有限情况下的优势和局限性。

以诊断为导向任务的深入研究

27项(71.1%)研究以诊断为导向,主要针对分类任务[10, 13, 15, 16, 18, 19, 22, 23, 26, 28, 29, 32–37, 39, 40, 43–49, 51]。准确率(Acc)的中位数为0.88,区间为[0.71; 0.99]。曲线下面积(AUC)的中位数为0.92,相应区间为[0.64; 0.98]。标签数量的中位数为2,区间为[2;3]。更多细节见表4。

图2展示了线性分析的结果,纵轴为指标值Acc和AUC,横轴为总病例数与每类标签数之商(=每类平均样本数)。此外,计算了每个指标与每类平均样本数的相关系数。所纳入的研究数量有限,且所发现的数据显示出相当大的异质性。随后,应用了Spearman秩相关系数,该系数是衡量两个数据集之间线性相关性的指标,且不假定两个数据集均呈正态分布。本研究选择|ρ| > 0.5以推断两个参数之间存在显著的直接或间接相关性。Acc和AUC与每类平均样本数的相关系数分别为ρ = − 0.204 / ρ = − 0.153。因此,两项结果均不代表显著的相关系数。

表4 诊断导向研究的连续参数,包含区间、中位数、均值和标准差 查看原表 ↗
图2 最终指标评分相对于每类标签平均样本数的分布 查看原图 ↗

讨论

本综述最重要的发现是,针对肌肉骨骼(MSK)恶性肿瘤的影像驱动诊断尚未受到机器学习(ML)应用的显著影响,而这有若干与数据相关的原因。

主要问题可能在于数据的可获取性。在大多数研究机构中,系统且结构化的高质量数据收集似乎尚未开展,或仅在最近才被引入。这可以从以下事实推断:数据集总体相对较小,且数据集规模尚未增长。因此,即使存在相应的患者数据,也并不必然意味着数据以数据科学可行的格式、有效性、可及性、一致性和完整性存在。此外,肉瘤是一种非常罕见的癌症类型,这使得无法快速收集足够的前瞻性数据。Terenuma等[41]开发了一种从单名患者获取多幅图像的技术,从数据科学的角度来看非常引人注目,但并未提供足以用于临床应用的数据,且不能普遍推广至任何其他研究。已出现若干应对数据有限的数学技术(例如迁移学习[10]、数据增强[9])。然而,这些技术目前只能辅助人工智能(AI)任务,而无法解决数据有限的问题。对于罕见疾病,在国家甚至国际层面建立网络和数据库可能是未来的解决方案。另一个原因可能是骨科肿瘤学领域的研究相当有限,而这在一定程度上又可归因于数据不足。使用相应调整后的检索词,肺部恶性肿瘤可检索到1300余篇文章,乳腺恶性肿瘤甚至可检索到2200余篇文章,而MSK恶性肿瘤仅检出480篇文章(初步检索,均为2021年12月)。ML总体仍处于起步阶段,在MSK和骨科肿瘤学中更是如此。

通过综合各类别的病例数和标签数与指标值之间的关系,提出了进一步的发现。在人工智能研究领域,数据量对模型性能有深远影响是常识[10, 11, 52]。然而,图2揭示了不同的情况。每类样本数的中位数分别为75和59.3%,以诊断为导向的研究中每类样本数少于100。此外,如图2中的线性回归线所示,每类样本数少于100的研究的平均指标得分(Acc 0.86,AUC 0.89)略高于每类样本数多于100的研究(Acc 0.85,AUC 0.86)。这似乎表明数据越少结果越高。对这些意外结果的一种解释可能是类别不平衡:多项研究开发了用于分类肿瘤恶性程度的模型,例如[15, 18, 19, 22, 26, 28, 32, 33, 35, 36, 39, 40, 44, 45]。良性肌肉骨骼(MSK)肿瘤的发生率高于恶性MSK肿瘤,这导致数据集中出现类别不平衡。这种不平衡可能导致虚假的高指标值,尤其是对AUC而言。结合数据构成对结果进行详细且跨学科的解释至关重要。与有限数据集和类别不平衡相关的另一个问题是特定类别的数据可能稀疏。因此,可能发生过拟合,导致结果欠佳。

还有一个迹象是,大多数研究的问题陈述并未反映真实的临床场景。大多数研究旨在区分两到三种特定的肿瘤实体[10, 16, 34, 43, 46–48]或评估肿瘤恶性程度[15, 18, 19, 22, 26, 28, 32, 33, 35, 36, 39, 40, 42, 44, 45]。如果将第三种实体输入到两种实体的分类器中,模型会试图将第三种实体归入前两种实体类别之一。虽然将一种肿瘤实体与其他实体区分开来是肿瘤评估中不可或缺的一步,但大多数肉瘤诊断属于偶然发现,在日常实践中,MSK放射科医生和骨科外科医生首先面对的是能否发现潜在的肉瘤[1, 4, 53]。尽管von Schacky等人[42]旨在区分各种肿瘤实体,从而模拟更真实的临床场景,但结果仅为中等水平。需要更通用的模型来满足临床需求和应对临床困难。然而,我们假设由于可用数据量非常有限,且可能与数据分布密切相关,这再次非常难以实现。当然,AI模型的质量和问题不能仅凭数据集大小和数据分布来评估,但数据无疑对整体性能和临床相关性有重大影响。

无以活检为重点的研究

在38篇被调查的原创研究文章中,最常用的结局标签是肿瘤恶性程度(15篇,36.6%)[15, 18, 19, 22, 26, 28, 32, 33, 35, 36, 39, 40, 42, 44, 45]、肿瘤实体类型(7篇,17.1%)[10, 16, 34, 43, 46–48]和分割肿瘤(6篇,14.6%)[16, 27, 31, 41, 46, 50]。本综述的一个独特发现是,尽管活检是MSK恶性肿瘤诊断过程中的关键步骤,但没有研究聚焦于放射学图像和活检。获取相关活检材料——例如通过CT引导下穿刺活检——是一项高度复杂的任务,需要丰富的经验。由此可以推断,MSK恶性肿瘤领域的机器学习研究目前并非主要面向医学需求,而是围绕可用数据构建模型和研究问题。这凸显了机器学习在MSK肿瘤研究中仍处于非常初级的阶段。

MRI与影像组学

目前,MRI是机器学习分析中最常用的影像数据类型(55.0%,22篇)。这可能是因为MR成像由于优越的软组织对比度以及减少不必要辐射剂量的需求,在肉瘤评估中发挥着基础性作用。但从数据科学的角度来看,这也是可以理解的:一个患者可产生多个2D数据样本(或一个3D数据样本)。此外,不同的图像平面和加权方式也是可能的。这表明获取更多数据所需的患者数量更少。

同样,影像组学似乎也备受青睐。42.1%的文章(16篇)使用了影像组学数据[15, 17, 19, 21, 23, 27, 28, 33, 34, 37, 43, 45–48, 51],而仅17.5%(7篇)整合了CT,25.0%(10篇)使用了X射线,2.5%(1篇)使用了超声(US)。通过影像组学,可以从影像数据中提取大量定量特征。这些特征与其他患者数据相结合,可利用生物信息学和数据科学等现代技术进行挖掘。因此,影像组学的流行可能与其从图像中提取额外信息的能力有关,从而应对小数据集的问题。

局限性

本综述文章存在若干局限性。主要局限性在于所审查研究的早期阶段。由于机器学习在骨科肿瘤学中仍处于起步阶段,大多数研究也处于早期阶段,使得难以考察所呈现研究的影响力并评估其质量。大多数研究直到2021年才发表。此外,每项研究的平均病例数为292。虽然有限的病例数与所研究的实体类型有关[53],但在机器学习应用的背景下,这一数字非常小。这些事实凸显了研究的早期阶段。另一个局限性是所审查研究的整体异质性。我们通过纳入标准限制了肿瘤实体和数据类型。然而,我们未对机器学习算法、模型或任务施加任何限制。因此,所呈现的研究涉及三种不同的算法类型、20种不同的模型和九组用于各种任务的结局标签。

结论

总之,对于一种罕见疾病,数据量非常有限,且目前尚未在多个国家和国际机构之间建立成熟的大规模网络。影像驱动的机器学习研究在其他学科中的影响已经显现[52]。此外,本综述中介绍的几项研究表明,机器学习可以选择性地支持肌肉骨骼(MSK)恶性肿瘤的影像驱动诊断。然而,在能够获得统计学上稳健的结果、并开发出能够应对骨科外科医生或MSK放射科医生日常经常遇到的异质性病例的临床相关模型之前,数据质量和数量都必须得到改善。来自专科中心的专家放射科医生在其职业生涯中已阅过数千张图像,并将元数据以及其他因素纳入其决策过程。相比之下,所介绍的研究仅处理了1例[41]至1576例[16]病例,且大多集中于单一类型的数据和成像模态。

将机器学习提升到能够实质性影响MSK恶性肿瘤诊断中临床图像解读水平的关键在于数据:建立国家和国际网络,实施系统化和结构化的数据采集,并最终整合可与专家放射科医生相媲美的多模态数据。

引用

  1. Hinterwimmer F, Consalvo S, Neumann J, et al. Applications of machine learning for imaging-driven diagnosis of musculoskeletal malignancies-a scoping review. Eur Radiol. 2022. PMID: 35852574. doi:10.1007/s00330-022-08981-3
  2. 全文:PMC9474640(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9474640/

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。