胎儿MRI影像组学:无创且可重复地量化人肺成熟度
本研究回顾性纳入30例胎儿,在1.5T MRI上重复采集轴位和冠状位T2加权序列,提取100个影像组学特征并计算ICC。结果显示,重复轴位采集间中位ICC为0.92,60个特征重复性优秀;轴位与冠状位间中位ICC为0.79,重复性优秀特征减少。标准化胎儿MRI可重复提取肺影像组学特征,但成像平面改变会降低重复性。
要点
- 标准化胎儿MRI可重复提取肺影像组学特征,重复轴位采集间多数特征ICC>0.9。
- 成像平面改变(轴位 vs 冠状位)会降低特征重复性,二阶纹理特征尤为明显。
- 肺分割体积(MeshVolume)在重复采集间ICC高达0.996,重复性极佳。
关键影像表现/征象
- 肺发育异常(如肺发育不全)胎儿肺组织在T2加权像上呈低信号,与正常同龄胎儿相比信号更低。
- 影像组学特征可量化肺形状和微结构组织特性的偏差,可能补充肺容积评估。
诊断标准与关键数值
- 重复轴位采集间中位ICC为0.92(IQR 0.13,范围0.33-1),60个特征ICC>0.9(优秀),27个0.75-0.9(良好),12个0.5-0.75(中等),1个<0.5(差)。
- 轴位与冠状位采集间中位ICC为0.79(IQR 0.15,范围0.2-1),20个特征ICC>0.9,47个0.75-0.9,29个0.5-0.75,4个<0.5。
- 重复性分级标准:ICC>0.9为优秀,>0.75-0.9为良好,0.5-0.75为中等,<0.5为差。
临床应用与阅片要点
- 日常阅片如需提取影像组学特征,应尽量保持成像平面一致(优先轴位),以最大化特征重复性。
- 肺发育异常病例中,影像组学可提供客观的组织特性量化,辅助观察与预期肺容积评估。
- 注意成像平面改变会显著减少高重复性二阶纹理特征数量,影响纵向比较。
局限性
- 样本量较小(30例),但与此前重复性研究相当。
- 单中心、同一台1.5T扫描仪,结果外推性受限。
- 未评估运动伪影对影像组学特征重复性的影响(相关病例被排除)。
- 仅评估T2加权图像提取的特征。
- 手动分割可能引入变异性,但重复采集间肺体积ICC高,提示分割可靠。
全文中译9 节 · 点击展开
引言
影像组学描述了一种图像分析过程,即使用预定义的统计运算从图像数据中提取大量定量特征[1]。影像组学的目的是识别视觉上不可感知的、能够表征特定组织或预测特定结局的图像特征,从而最大化地从医学图像中提取潜在有用的信息[2]。尽管这一概念迄今主要应用于肿瘤影像学以改善结局预测[3, 4],但近年来它越来越多地用于非肿瘤影像学,包括对发育中肺的活体胎儿成像[5]。
胎儿MRI在评估超声怀疑肺发育异常的病例中发挥重要作用[6]。它有助于指导管理团队和父母优化围产期及出生后治疗计划,其中可能包括插管和/或体外膜氧合[7]。虽然胎儿MRI的常规视觉评估需要相当的专业知识和多年经验,但胎儿MRI数据非常适合影像组学分析,因为图像采集是按照国际公认的ISUOG实践指南[8]以标准化方式进行的。在胎儿MRI发现的主观视觉判读之外,使用影像组学进行客观定量图像分析有可能改善组织表征以及肺发育异常病例的结局预测准确性。未来,与出生后临床参数(如需要有创机械通气或体外膜氧合)相关的胎儿MRI影像组学特征可帮助指导临床医生和父母制定最佳出生后治疗计划。此外,胎儿MRI影像组学可能有助于在资源或专业知识有限的地区获得最先进的诊断。
然而,一些影像组学特征已被证明会受到图像采集参数改变和重复采集的影响[9, 10]。在将其有针对性地应用于发育性肺疾病(例如因胎膜早破导致的肺发育不全、先天性膈疝等)的影像学评估之前,影像组学特征的可重复性分析是必不可少的先决条件[2]。目前,缺乏关于从胎儿MRI数据中提取的定量影像组学特征(尤其是肺部特征)在重复图像采集下稳健性的证据。因此,本研究旨在使用已广泛应用于肺部影像学及其他领域的开源软件包Pyradiomics[11],评估在重复活体MRI采集下从胎儿肺提取的一百个一阶和二阶影像组学特征的可重复性。
方法
本回顾性研究经维也纳医科大学机构审查委员会批准,并豁免知情同意要求。
患者
根据先前评估放射组学特征在重复MRI检查中稳健性的重测研究[10, 12, 13],回顾性纳入了30例病例。肺发育正常的胎儿和肺发育异常的胎儿均纳入这项放射组学特征可重复性研究。检索了2016年1月至2022年2月期间包含胎儿肺重复轴位和冠状位T2加权序列检查的医院影像数据库,该数据库包含有临床指征的常规胎儿MRI扫描。排除标准包括:缺乏基于超声的孕龄、存在MR伪影(如胎儿或母体运动)、肺部显示不完整、或在任何图像序列中肺可见图像少于5幅的病例。记录基于超声检查计算的孕龄,以末次月经后周数加天数表示。
胎儿MRI
所有胎儿MRI数据均为临床常规目的采集,使用一台1.5-T扫描仪(Ingenia,Philips Healthcare)和体线圈。胎儿MRI的适应证包括超声怀疑的器官畸形(如脑室扩大、大头畸形或局灶性肺病变),以及因羊水过少或无羊水导致超声检查不明确的情况。常规获取胎儿肺部的重复T2加权MRI采集,以确保用于肺容积测定的无伪影图像数据,并在发现异常时,根据临床转诊允许基于第二次采集确认肺发育不良。每例均采集两个轴位和一个冠状位标准化T2加权序列,参数如下:视野200至300 mm,层厚3至4 mm(妊娠早期使用更薄的层),层间距0.3至0.4 mm,矩阵256 x 256,最短重复时间(7536.2至31,575毫秒),回波时间100毫秒,翻转角90°。未给予镇静剂或对比剂,所有胎儿MRI扫描的比吸收率水平均未超过2W/kg体重。记录每个序列的采集时间、基线至重复轴位采集起始点之间的时间、以及基线轴位至冠状位MR采集之间的时间。8例胎儿可获得两次冠状位T2加权采集,并进行了亚组分析以评估重复冠状位采集间放射组学特征的可重复性。
放射组学
在图像数据匿名化并从研究所的PACS(Dedalus HealthCare)导出后,使用开源软件ITK-Snap [14]对所有30个基线轴位、30个重复轴位和30个冠状位图像堆栈进行了肺的手动分割。肺分割在病理性肺发育病例中包括了异常肺区域,由一名具有五年胎儿MRI经验的放射科医生(F.P.)完成。肺分割掩膜和MRI图像导出为nifti文件,并使用在Python 3.7.1 [11]下运行的开源Python包pyradiomics提取影像组学特征。通过将normalize参数设置为“true”并将normalizeScale参数设置为100来启用图像归一化。为防止归一化时低于均值的灰度值变为负值,将voxelArrayShift参数设置为300(3个标准差×100),从而使只有低于均值超过3个标准差的离群值保持为负值。根据需要对图像进行离散化,binWidth参数设置为5。对于重采样,插值器定义为“sitkBSpline”,resampledPixelSpacing参数设置为“[2,2,2]”。纳入以下特征类别的影像组学特征:一阶统计量(n = 18)、三维形状(n = 14)、灰度共生矩阵(GLCM,n = 22)、灰度大小区域矩阵(GLSZM,n = 16)、灰度游程长度矩阵(GLRLM,n = 16)和灰度依赖矩阵(GLDM,n = 14)。影像组学特征的完整列表见补充材料。总共从30个基线轴位、30个重复轴位和30个冠状位MR采集图像中提取了90组影像组学特征值。图1展示了影像组学特征提取过程。
统计学评价
统计分析使用R 4.0.5版本(R Core Team)进行。使用psych R包(2.1.9版本)计算组内相关系数(ICC),以评估从重复胎儿MR采集图像中提取的影像组学特征的可重复性。采用双向混合效应模型(ICC3)和单评分者单位。首先在基线与重复轴位胎儿MRI采集之间进行,其次在基线与重复轴位及冠状位采集之间进行。影像组学特征可重复性判定为:ICC > 0.9为极好,> 0.75至0.9为良好,0.5至0.75为中等,< 0.5为差 [15]。
结果
本研究纳入了12例(40%)女性和18例(60%)男性胎儿的MRI数据,采集时的中位孕龄为24+5孕周(GW)(IQR 3+3 GW,范围21+1至32+6 GW)。30例中21例(70%)肺部发育无异常,30例中8例(26.7%)因羊水过少或无羊水导致肺发育不全,30例中1例(3.3%)存在局灶性肺部病变(胎儿病变完整列表见补充材料)。图2提供了影响胎儿肺微结构的异常肺发育示例。母亲平均年龄为29岁(IQR 7.4岁,范围17.7至42.3岁)。初始轴位、重复轴位和冠状位T2加权序列的中位采集时间分别为1.3分钟(IQR 0.7分钟,范围0.7至2.5分钟)、1.4分钟(IQR 0.8分钟,范围0.6至2.3分钟)和1.3分钟(IQR 0.3分钟,范围0.5至2.8分钟)。基线与重复轴位采集之间、基线轴位与冠状位采集之间的中位时间间隔分别为4分钟(IQR 5.8分钟,范围0.7至24.2分钟)和4.8分钟(IQR 4.5分钟,范围0.9至22.6分钟)。
对于从基线和重复轴位T2加权序列提取的影像组学特征,中位ICC为0.92(IQR 0.13,范围0.33至1)(图3)。在基线和重复轴位MR采集之间分析的100个影像组学特征的可重复性为:极好60个(60%)、良好27个(27%)、中等12个(12%)、差1个(1%)(图4)。
对于从基线轴位和冠状位T2加权序列提取的影像组学特征,中位ICC为0.79(IQR 0.15,范围0.2至1)(图3)。基线轴位与冠状位MR采集之间的影像组学特征可重复性为:极好20个(20%)、良好47个(47%)、中等29个(29%)、差4个(4%)(图4)。基线与重复轴位之间以及基线轴位与冠状位之间可重复性最好的十个影像组学特征见表1。表2显示了在基线与重复轴位之间以及基线轴位与冠状位之间均具有极好可重复性的影像组学特征。
分割肺体积(形状特征MeshVolume)的中位数分别为:基线轴位24.97 mL(IQR 17.01 mL)、重复轴位24.15 mL(IQR 18.23 mL)、冠状位采集23.95 mL(IQR 19.49 mL)。MeshVolume在基线与重复轴位之间(ICC 0.996)以及基线轴位与冠状位之间(ICC 0.99)的MRI采集均显示出高可重复性。影像组学特征ICC的完整列表见补充材料。
对30例胎儿中8例(26.7%)重复冠状位T2加权采集的肺影像组学特征可重复性进行亚组分析,结果显示其特征ICC与重复轴位采集相似(见补充图1和补充图2)。
讨论
本研究评估了重复采集的在体胎儿MRI中影像组学特征的可重复性。结果表明,在图像采集参数保持不变的情况下,以透明流程从发育中的肺提取的大多数影像组学特征具有极好的可重复性。重复采集时成像平面的改变对影像组学特征的可重复性产生了负面影响,减少了高度可重复特征的数量。这些结果验证了影像组学——即视觉上不可察觉但可能具有临床相关性的定量图像特征——在胎儿肺MRI中的应用。将视觉评估与基于影像组学的定量评估相结合来评估发育中的肺,有望通过增加可从常规采集图像数据中提取的相关信息量来推动胎儿MRI的发展[16, 17]。
胎儿MRI是评估胎儿肺发育的一种优雅工具,因为——使用T2加权序列——它可以提供胎儿未来气腔微结构扩张的洞察,这种扩张反映为肺信号强度的增加[18]。然而,对这一现象进行诊断性利用的可能性仍然有限,因为在给定孕龄阶段肺信号强度存在很大变异,并受到多种技术因素的影响,如场强、胎儿和线圈位置、线圈单元的数量和位置、B = 0不均匀性、母体体型等。由于缺乏这种稳健性,使用MRI信号强度定量评估肺组织微结构特性的方法从未被系统性地引入临床实践。尽管Osada等人于2004年进行了初步的科学评估[19],且不同团队积累了丰富的经验但成功率不一[7, 18, 20–27](见表3),该方法从未达到基于MR的胎儿肺容积测定以及观测与预期肺容积比在肺发育不全检测和预后评估中的能力[28]。然而,通过反映肺成熟度的组织特异性标志物来补充肺大小和生长信息,仍然是一条合理且有前景的研究方向,以提高这些病例的诊断特异性和预后准确性。
胎儿磁共振成像(MRI)可对肺部进行可标准化的三维图像数据采集,并提供不同的组织对比(如T1、T2、弥散加权图像、回波平面成像等),使其非常适合影像组学分析。此外,即使在羊水过少或无羊水、超声评估困难但预期存在肺部改变的情况下,胎儿MRI也极为有用。基于这些原因,胎儿MRI影像组学有潜力为组织表征提供有用的定量特征,正如先前在胎儿大脑中所展示的那样:Sanz-Cortés等人在孕37周从生长充分与生长迟缓胎儿的脑MRI中提取纹理特征,并开发了一个回归模型来区分这些组别,准确率超过90% [29]。该团队随后进一步表明,胎儿MRI脑纹理特征可识别伴新生儿行为受损的小于胎龄儿 [30]。基于超声的胎儿肺影像组学分析最早由Cayea等人在1985年探索,他们未能显示纹理特征与组织成熟度之间的关联 [31]。此后,Palacio团队展示了基于超声影像组学分析对肺成熟度和新生儿呼吸窘迫的无创预测,其准确性与羊膜腔穿刺相当 [32–34]。
为确保影像组学的安全且有意义的应用,影像组学特征必须对技术参数具有稳健性,以便反映(病理)生理性组织特征,而非与图像采集相关的因素。因此,影像组学特征可重复性分析(如重测实验)是影像组学质量评分所要求的,该评分由Lambin等人提出,作为高质量影像组学研究的基准 [2]。尽管影像组学特征可重复性分析至关重要,但胎儿影像领域的证据仍然匮乏。Perez-Moreno等人的一项研究发现,灰度共生矩阵、局部二值模式和旋转不变局部相位量化可从超声图像中不同肺区域提供可重复的纹理特征 [35]。然而,基于胎儿超声的肺影像组学分析迄今仍是基于四腔心切面水平的二维图像数据,在根据检查者主观印象代表全肺的肺组织中进行。这种方法容易因胎儿心脏位置、胎儿体位、成像深度和超声医师经验等因素而引入变异。此外,胎儿超声受羊水过少或无羊水的影响,而肺部病变在这些情况下很常见。
本研究证明,从整个胎儿肺部的三维胎儿MRI数据中提取的大多数影像组学特征具有高度可重复性。关键的是,所呈现的结果强调,如果包括成像平面在内的采集参数保持不变,那么在重复采集时具有极佳可重复性的影像组学特征所占比例更大。在成像平面改变的情况下,特别是二阶特征(GLCM、GLDM、GLRLM和GLSZM)的数量——这些特征可能反映相关但视觉上不可察觉的组织特征——会减少(ICC > 0.9的二阶影像组学特征为37个 vs 7个)。因此,所呈现的数据表明——如果以一致的方式在一致的(优先轴位)成像平面中使用——影像组学被证明是第一种通过无创MR成像深入了解肺成熟度及其微结构组织特性的稳健方法。具体而言,基于影像组学的胎儿MRI胎儿肺发育分析可能识别出出生后呼吸结局的可重复预测因子,例如需要机械通气或体外膜氧合。因此,胎儿MRI肺影像组学可能补充观察值与预期值胎儿肺容积,在未来指导临床医生和家长进行最佳的出生后管理。所证明的胎儿MRI肺影像组学特征的可重复性以及该技术对出生后结局预测的潜在影响,鼓励系统性地应用胎儿MRI影像组学评估胎儿肺的发育性病变。
本研究存在若干局限性。第一,纳入的30例样本量较小,但与先前研究影像组学特征在重测研究中可重复性的工作相当[10, 12, 13]。第二,本研究在单中心使用同一台1.5-T扫描仪进行,限制了所呈现结果的普遍性。然而,在大多数胎儿影像中心,一台扫描仪被保留并针对胎儿MRI进行优化。第三,运动伪影对影像组学特征可重复性的影响未进行评估,因为相应病例被排除。未来需要评估运动(包括减少伪影的后处理技术)对影像组学特征可重复性影响的研究。第四,本研究仅评估了从T2加权图像中提取的影像组学特征——迄今为止,这些特征在评估胎儿肺生长方面已被证明是最有前景的。最后,人工分割胎儿肺可能引入了变异性。然而,所呈现的结果显示重复采集之间分割肺体积具有高ICC,这可能是由于胎儿MRI上肺可视化的清晰性。先前的研究证实,即使在严重肺发育不全中,肺分割也可以可靠地进行[36, 37]。
总之,本研究表明,在使用透明流程的重复标准化MR采集过程中,从胎儿肺提取的大多数影像组学特征具有高可重复性。这为影像组学在正常和病理肺发育的胎儿MRI中的安全且有意义的应用提供了验证。如果使用不同的成像平面,则需谨慎,因为高度可重复的潜在图像生物标志物的数量会减少。因此,在进行了标准化(优先为轴位)图像采集的前提下,胎儿MRI影像组学未来有望提高发育中肺胎儿MRI的诊断和预后价值。
补充信息
ESM 1(DOCX 3663 kb)
(XLSX 14 kb)
(XLSX 9 kb)
引用
- Prayer, Watzenböck, Heidinger, et al. Fetal MRI radiomics: non-invasive and reproducible quantification of human lung maturity. Eur Radiol. 2023. PMID: 36604329. doi:10.1007/s00330-022-09367-1
- 全文:PMC10182107(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10182107/
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。