癌症患者偶发肺栓塞的患病率、漏诊及AI自动检测算法评估
该回顾性单中心队列研究纳入1069例癌症患者共1892次胸部CT检查,发现偶发肺栓塞(iPE)总患病率为4.0%,但仅21.3%被报告。未报告iPE中54.2%位于亚段以上动脉。基于深度学习的AI算法检测iPE的敏感度90.7%、特异度99.8%、阳性预测值95.6%、阴性预测值99.6%,假阳性仅3例,有潜力提高iPE检出率。
要点
- 癌症患者常规胸部CT中iPE总患病率4.0%,但约79%被漏报。
- 未报告iPE中超过50%位于亚段以上动脉,并非仅为微小栓塞。
- AI算法检测iPE敏感度90.7%、特异度99.8%,假阳性仅3例。
关键影像表现/征象
- iPE定义为一条或多条肺动脉内充盈缺损,排除运动或血流伪影及动脉树对比剂充盈不足所致。
- 未报告iPE受累血管数中位数2条(IQR 1-4),显著低于已报告iPE的5条(IQR 3-9.75),p<0.001。
- 未报告与已报告iPE在主肺动脉强化程度无显著差异(281 vs 267 HU,p=0.56)。
- 假阳性3例由血流伪影(2例)或血管周围浸润(1例)所致;假阴性见于1-3条血管受累病例。
诊断标准与关键数值
- AI算法检测iPE(研究水平):敏感度90.7%,特异度99.8%,PPV 95.6%,NPV 99.6%,正确识别75例iPE中的68例,假阳性3例。
- iPE分级:单发亚段、多发亚段、段级、叶级或更近端;受累血管计数中段或亚段动脉每支计1,更近端栓塞按远端发出的段动脉数量计。
临床应用与阅片要点
- 癌症患者常规胸部CT阅片应系统评估肺动脉,尤其薄层(0.625 mm)图像,避免遗漏亚段以上iPE。
- AI算法可作为分诊工具,阴性预测值99.6%有助于排除iPE,但假阴性见于1-3条血管受累的小栓塞。
- 应用AI需建立明确工作流程,警惕假阳性导致的过度诊断或不必要的CTPA复查。
局限性
- 单中心回顾性研究,iPE患病率可能被低估,因标准CT非肺动脉优化方案。
- 约30%研究对亚段动脉诊断信心中等或无法评估。
- 首次阅片及AI分析均阴性者未再行额外阅片确认。
全文中译12 节 · 点击展开
引言
静脉血栓栓塞症(VTE)包括肺栓塞(PE)和深静脉血栓形成(DVT),是癌症患者常见的并发症,也是重要的发病和死亡原因。在所有确诊的PE中,有相当数量是在为分期或治疗反应评估等目的而进行的计算机断层扫描(CT)中检出的非预期事件[1, 2]。美国临床肿瘤学会指南建议,偶发性肺栓塞(iPE)应与症状性PE采用相同的治疗方式,而孤立性亚段性PE的治疗应根据具体情况个体化决定[3]。在不同研究人群中,iPE的患病率范围为0.7%至15%[4]。这种差异可能反映了所纳入癌症类型和分期的异质性、CT层厚以及单次与双次阅片的不同。运动伪影和肺动脉显影不佳也可能导致iPE的误诊。此外,如果仅根据放射学报告或电子健康记录中的编码来识别iPE,iPE患病率很可能被低估,因为未报告的iPE很常见。既往使用1层、4层或16层CT的研究显示,32%至75%的iPE未被报告[5–7],而Bach等人使用64层CT扫描仪的研究显示,癌症患者中iPE的患病率为3.9%,其中近60%未被报告[8]。
基于人工智能(AI)的方法可能成为提高iPE检出率的一种途径。早期研究显示,在CT肺动脉造影(CTPA)检查中检测疑似PE具有较高的准确性,回顾性研究中灵敏度为92.6–92.7%,特异度为95.5–95.8%[9, 10],前瞻性研究中灵敏度为79.6%,特异度为95%[11]。然而,关于iPE的研究尚缺乏。在标准胸部CT扫描中检测iPE是一个不同的挑战,因为与疑似PE相比,iPE的平均栓子负荷较低[1],同时这些扫描在运动伪影风险和肺动脉对比增强不足方面均未针对肺动脉显影进行优化。
因此,本研究的目标是评估癌症患者中已报告和未报告iPE的患病率(按iPE水平和多发件数),并评估一种基于深度学习的AI算法在包括胸部的标准CT检查中检测iPE的效果。
材料与方法
设计
这是一项在瑞典哈兰地区哈尔姆斯塔德医院进行的回顾性单中心队列研究。研究方案经瑞典伦理审查委员会批准。由于研究的回顾性性质,豁免了知情同意。
患者
通过筛选研究期间放射信息系统中的所有CT申请来识别患者。纳入标准为:年龄至少18岁、确诊癌症、至少一次包括胸部的增强CT检查、且检查指征非疑似PE或已报告PE的随访,时间范围为2018年7月1日至2019年6月30日。记录了年龄、性别、癌症类型和分期。癌症类型按VTE风险分组如下:极高风险(胃癌、胰腺癌)、高风险(肺癌、淋巴瘤、妇科肿瘤、膀胱癌、睾丸癌)或低风险[12]。对于所有纳入的检查,仔细审查放射学报告以查找已报告的iPE。
CT扫描参数
所有研究均在64层多探测器CT扫描仪(Revolution CT,GE Healthcare)上进行,管电压120 kVp,管电流(mAs)通过自动管电流调制自动选择。探测器准直为64 × 0.625 mm,螺距约为1。对比剂体积和注射速率使用Omnivis计算器(GE Healthcare)选择。对比剂体积和流率根据患者特征和扫描类型而变化,胸部CT为375 mg碘/kg,胸腹部联合CT为500 mg碘/kg,最高剂量对应于体重80 kg。例如,一名体重80 kg、肾功能正常的70岁男性,胸部CT将接受86 mL对比剂(Omnipaque 350 mg/mL),流率为2.9 mL/s;胸腹部联合CT扫描将接受114 mL,流率为3.8 mL/s。所有扫描均采用团注追踪法监测降主动脉的衰减。对于联合方案,采用双期采集。当降主动脉衰减达到大于100 HU时触发扫描,胸部扫描固定延迟18 s,腹部扫描固定延迟63 s。在估算肾小球滤过率(eGFR)< 45 mL/min的情况下,在审查检查适应证后根据具体情况考虑减少对比剂体积。
图像回顾
所有纳入的CT研究均由第一作者进行回顾性审查,该作者是一名具有9年经验的一般放射科医师。所有图像均在图像存档和通信系统(PACS;Sectra,Sectra AB)中读取。如果一条或多条肺动脉内存在腔内充盈缺损,且不能归因于运动或血流伪影(例如),或不能归因于动脉树对比剂充盈不足,则诊断为iPE。回顾性审查使用轴位0.625-mm层厚图像,根据需要重建冠状面和矢状面。
所有伴有iPE的研究也由第二作者审查,该作者是一名具有6年经验的放射科医师,包括1年胸科放射学亚专科培训。iPE病例分为四组:单发亚段性、多发亚段性、段性和叶性或更近端iPE,iPE的最终特征由共识确定。此外,估计受累段性和/或亚段性血管的数量,其中段性或亚段性动脉中的栓子计为一个,而更近端的栓子根据Qanadli等[13]计为远端起源的段性动脉数量,但不按阻塞程度加权。由于假设单条血管或少数血管中较小的iPE更可能未被报告,因此对于每个iPE病例,血管数量比动脉阻塞指数更受重视。
所有研究的图像质量均由第一作者通过测量主肺动脉的衰减来评估。对于主观评估,记录可评估iPE的最远端水平(中央、肺叶、段或亚段动脉),并综合考虑肺动脉显影、运动伪影、条纹伪影和图像噪声等因素。此外,根据可评估的最远端水平对整体图像质量进行评分:(1) 质量良好至优秀,能够以良好至优秀的置信度验证/排除PE的存在;或(2) 质量中等,能够以中等置信度验证/排除PE的存在。
人工智能(AI)算法
所有纳入的CT研究均由一种市售的基于深度学习的云端AI算法(Aidoc BriefCase,Aidoc Medical)进行分析,用于PE检测和分诊。简言之,该AI算法是一种卷积神经网络,在来自全球多个医疗中心多种CT扫描仪上采集的数万例CT检查中进行了训练和验证。所有CT研究均经过假名化处理,通过安全上传传输,然后由AI算法进行分析。在AI工作流程中,AI算法使用图像识别子程序查看实际图像,以验证图像是否适合分析(例如,解剖覆盖范围是否正确,以及该检查是对比增强CT(CECT)还是非增强CT(NECT)),并选择要分析的序列。
所有CT研究在由AI算法分析之前,均由第一作者先行审阅。首次审阅为阴性但AI结果为阳性(怀疑PE)的病例,由第一作者再次审阅。
统计学
采用标准描述性统计,在研究层面比较未报告与已报告的iPE病例,在患者层面比较无iPE、未报告iPE和已报告iPE的患者。采用方差分析(ANOVA)比较三组之间的年龄和BMI,分类变量采用卡方检验。采用Mann-Whitney U检验比较未报告与已报告iPE之间受累血管中位数的差异。分类数据以百分比表示,连续数据以均值±1个标准差(SD)或中位数伴四分位距(IQR)表示。AI准确性参数在研究层面呈现。所有分析均使用SPSS Statistics for Windows版本27(IBM Corp.)进行。
结果
共纳入1069例患者,在研究期间共接受了1892次择期CT扫描。纳入/排除流程见图1。在所有研究中,68.8%的研究图像质量评为良好至优秀(可评估至亚段动脉),16.5%的研究图像质量中等(可评估至亚段动脉),而14.7%的研究中亚段动脉无法评估。按肺动脉干衰减分层的图像质量见表1。
按研究统计,16项研究报告了偶发肺栓塞(iPE),59项研究未报告iPE(iPE总患病率4.0%)。与已报告的iPE相比,未报告iPE的受累血管数量显著较少,中位数为2(四分位距1–4)对5(四分位距3–9.75),p < 0.001(图2a)。在未报告的iPE中,32/59(54.2%)位于亚段动脉近端。在亚段和段性iPE中,栓塞负荷为1至7根受累血管不等;在肺叶或更近端的iPE中,累及4至15根血管(图2b)。未报告iPE与已报告iPE病例之间,在年龄、癌症类型或主肺动脉强化方面未见显著差异(281 vs 267 HU,p = 0.56)。
按患者统计,共识别出53例未报告iPE患者、12例已报告iPE患者和1004例无iPE患者。基线特征和iPE范围见表2,并按未报告iPE、已报告iPE或无iPE进行分层。与无iPE患者相比,未报告iPE患者更可能具有静脉血栓栓塞症(VTE)极高风险的癌症类型、存在转移、留置中心静脉导管(CVC)或为女性。
为进一步探讨女性中未报告iPE患病率较高的现象,进行了事后分析。在总人群中,男性和女性在癌症类型严重程度、转移、年龄或体重指数(BMI)方面无显著差异。女性留置CVC者显著更多(31.5% vs 21.4%,p = 0.001),且女性主肺动脉平均HU衰减值更高(249 vs 208 HU,p < 0.001),包含亚段动脉的图像质量达到良好至优秀的研究显著更多(74.0% vs 63.2%,p < 0.05)。仅比较iPE患者时,男性和女性在受累血管数量方面无显著差异(中位数3 vs 3,p = 0.9)。
人工智能算法正确识别了75例iPE中的68例,出现3例假阳性(敏感度90.7%,特异度99.8%,阳性预测值95.6%,阴性预测值99.6%)。假阴性发生于受累血管为1–3根的病例,这些病例 originally 均未被报告。假阳性被认为由血流伪影(n = 2)或血管周围浸润(n = 1)所致。人工智能兼容性分析正确识别了1888/1892项研究,另有4项研究被错误分类为非增强CT(NECT)。
讨论
已报告和未报告的iPE
在本研究中,纳入了一家区域医院常规实践中的癌症患者,未报告的iPE较为常见。虽然总患病率为4.0%,但仅21%最初被报告。较小的iPE更容易被遗漏,但> 50%的患者其未报告iPE位于亚段动脉近端。
iPE漏报最可能的原因是搜索错误而非判读错误(图3和图4)。由于iPE通常具有非常典型的表现,报告放射科医师检出iPE后将其判定为假阳性发现的可能性不大。由于肺动脉强化程度高且始终可获得薄层图像,漏报可能与对肺动脉的系统性回顾不充分以及薄层图像利用不足有关。Tresoldi等的研究显示,当CT层厚从5 mm减至1.25 mm时,敏感性有显著提高(从46–50%提高至82–92%)[14];在本研究中,薄层轴位图像连同较厚的重建图像始终被发送至PACS。这些结果与Bach等的研究相似,该研究显示癌症患者中iPE的患病率为3.9%,其中近60%未被报告[8]。
未报告iPE的临床影响尚不甚清楚。Gladish等的研究显示,在癌症患者中,初次判读时仅25%的iPE被报告,且漏诊的iPE往往较小且为孤立性[5]。在其研究中,12例漏诊iPE患者中有4例随后诊断为DVT,而12例中有8例在随访时无复发性VTE证据,且所有患者在首次随访检查时均证实iPE已消退。Engelke等评估了未报告PE患者的临床结局,结果显示虽然较小的PE更可能未被检出,但与接受治疗的iPE患者相比,未接受治疗的iPE患者1年生存无不良影响[6]。然而,其资料异质性较大,既包括癌症患者也包括非癌症患者,且CT扫描类型不同。相反,Sun等的研究显示,在报告有iPE的肺癌患者中,未治疗的iPE与更差的总生存相关[2],且既往研究显示亚段性iPE与更近端iPE相比具有相当的复发性VTE风险[15, 16]。此外,一项针对孤立性亚段性PE且无DVT、未接受抗凝治疗的非癌症患者的前瞻性管理研究显示,在90天随访期间,复发性VTE的累积发生率为3.1%(单个亚段性PE为2.1%,多个亚段性PE为5.7%),高于预期[17]。
在本研究中,未报告iPE的女性患者显著多于男性。由于未报告iPE的患者数量较少,这可能是I型错误。然而,女性更可能置有CVC,这可能意味着接受化疗的女性比例也更高,从而反映在本研究资料中女性具有更高的VTE基线风险。由于缺乏化疗相关数据,无法得出确切结论。此外,女性中对亚段动脉的检查质量达到良好至优秀的比例更高,这可能影响较小iPE的患病率,因为在女性中有更多机会发现亚段性iPE。由于本研究中对比剂用量按总体重确定,女性中良好至优秀质量检查比例较高,可能是由于与男性相比,女性相对于其循环血容量接受了平均更高的对比剂剂量[18]。
AI算法的准确性
AI算法具有极高的敏感性和特异性,仅有3个假阳性和7个假阴性(图5)。在本研究中,iPE的显著漏报结合AI算法的准确性表明,AI有潜力提高iPE的检出率。此外,AI可在患者仍处于放射科时快速分析CT检查。对于有可疑发现的检查,可随后分诊给放射科医师,以减少报告周转时间,并可能缩短至治疗的时间。AI算法的高准确性,尤其是低假阳性数,是其可用于临床工作流程的先决条件,因为每一项AI发现都需要被快速评估。然而,如果在临床实践中实施此类AI算法,需要考虑几个方面:由于使用该AI算法诊断PE的放射科医师经验水平不一,存在因假阳性发现而导致过度诊断的潜在风险;此外,还存在为确认较小iPE而进行不必要的额外检查(例如CTPA)的风险。需要建立明确界定的工作流程以降低这些风险。
局限性
本研究存在若干局限性。iPE的患病率可能被低估,因为标准CT检查并非针对肺动脉显影进行优化。在本研究中,约30%的检查在评估亚段动脉时诊断信心中度降低,或存在明显不确定性以致无法评估亚段动脉。此外,如果某项检查在首次审阅和AI分析后判定为阴性,则未进行额外阅片。然而,iPE的患病率与既往回顾性研究相似。
总结
虽然癌症相关iPE的总患病率为4.0%,但仅21%被报告。较小的iPE更易被忽视,但超过50%的未报告iPE位于亚段动脉近端。由于AI算法具有极高的敏感性和特异性且假阳性极少,其有潜力提高iPE的检出率。
引用
- Wiklund, Medson, Elf, et al. Incidental pulmonary embolism in patients with cancer: prevalence, underdiagnosis and evaluation of an AI algorithm for automatic detection of pulmonary embolism. Eur Radiol. 2022. PMID: 36002759. doi:10.1007/s00330-022-09071-0
- 全文:PMC9889421(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9889421/
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。