深度学习重建CT提升肝细胞癌检出与LI-RADS观察者间一致性
该回顾性研究纳入49例患者(26例HCC、23例无HCC),比较深度学习重建(DLR)与混合迭代重建(Hybrid IR)在腹部动态增强CT中对HCC检出性能、LI-RADS分类观察者间一致性及图像质量的影响。结果显示DLR的检出FOM显著高于Hybrid IR(0.925 vs 0.878,p=0.038),LI-RADS分类的加权kappa值DLR为0.595、Hybrid IR为0.568,且DLR图像质量显著更优。
要点
- DLR可显著提高HCC检出性能(FOM 0.925 vs 0.878,p=0.038)
- DLR改善LI-RADS分类观察者间一致性(kappa 0.595 vs 0.568)
- DLR对HCC主要征象显示及图像质量均显著优于Hybrid IR
核心结论
- 与Hybrid IR相比,DLR在腹部动态增强CT中改善了HCC检出性能、LI-RADS分类观察者间一致性和图像质量。
研究设计与样本
- 回顾性研究,纳入49例患者(HCC组26例、非HCC组23例),使用多排CT(Aquilion ONE)行腹部动态增强CT,比较DLR与Hybrid IR重建图像。
- HCC诊断参考标准包括组织病理学(8个病灶)、CT随访尺寸变化(≤6个月内增大≥50%,9个病灶)、CT与MRI联合(13个病灶)及CT图像表现(12个病灶)。
- 两名放射科医师独立盲法评估HCC检出、LI-RADS分类及图像质量,采用jackknife alternative free-response ROC分析计算FOM。
关键影像表现/征象
- DLR图像上HCC主要征象(动脉期高强化、非周边廓清、强化包膜)显示更清晰(p≤0.021)。
- DLR在动脉期、门脉期及延迟期的图像噪声均显著低于Hybrid IR(p<0.001)。
- 所有假阳性病灶均为动门脉分流,表现为延迟期无廓清且随访无显著变化。
诊断标准与关键数值
- HCC检出FOM:DLR为0.925(reader1 0.937,reader2 0.913),Hybrid IR为0.878(reader1 0.904,reader2 0.851),DLR显著更高(p=0.038)。
- HCC检出敏感度:DLR为83%(reader1)和79%(reader2),Hybrid IR为76%(reader1)和69%(reader2),差异无统计学意义。
- 小HCC敏感度:DLR对<10 mm病灶为60–67%、10–20 mm为80–87%;Hybrid IR分别为47–60%和73–80%。
- LI-RADS分类观察者间加权kappa:DLR为0.595(95%CI 0.585–0.605),Hybrid IR为0.568(95%CI 0.553–0.582),DLR显著更优。
临床应用与阅片要点
- 在日常阅片中,DLR可提高小HCC(尤其<10 mm)的检出信心,并改善LI-RADS主要征象的显示。
- 使用DLR时仍需注意动门脉分流可能被误判为HCC,应结合延迟期廓清及随访变化鉴别。
- LI-RADS分类时,DLR有助于减少观察者间差异,但一致性仍为中等水平。
局限性
- HCC诊断参考标准未对所有患者均经组织病理学证实。
- 样本量较小(n=49),尤其小病灶患者数量有限。
- 不同厂商DLR算法存在差异,结果不一定适用于其他厂商的DLR。
全文中译13 节 · 点击展开
引言
肝细胞癌(HCC)是全球最常见的癌症之一,也是癌症相关死亡的原因之一 [1]。HCC有多种治疗选择:手术、射频消融、移植、经导管动脉化疗栓塞和全身治疗 [2]。在考虑治疗策略时,HCC的大小和数量起着重要作用。因此,HCC的准确诊断对于确定适当的治疗选择至关重要。此外,与其他肿瘤不同,大多数HCC可以通过影像学诊断并接受治疗,而无需侵入性活检或手术 [3]。美国肝病研究协会推荐CT或MRI用于诊断HCC [4]。CT比MRI更容易获得且更容易执行。因此,CT在日常临床实践中被广泛使用。然而,已知MRI的诊断性能高于CT [5]。
肝脏影像报告和数据系统(LI-RADS)第一版由美国放射学会于2011年发布,旨在在高危患者的筛查、监测、诊断和治疗反应评估方面规范HCC的放射学报告,LI-RADS 2018版是最新版本 [6]。尽管LI-RADS的关键动机之一是减少影像表现解读的变异性 [7],但最近一项研究显示,LI-RADS 2018版的读者间一致性相对低于先前版本的LI-RADS [8]。
深度学习在放射学领域的应用正受到广泛关注 [9]。深度学习不仅在病灶检测 [10, 11] 中,而且在鉴别诊断 [12] 和疾病分期 [13] 中都有强大的存在。近期研究表明,深度学习也可用于图像处理 [14]。深度学习重建(DLR)就是此类算法之一。与传统混合迭代重建(Hybrid IR)相比,DLR可降低图像噪声并改善图像质量 [15, 16]。由于已知CT上的肝脏病灶检测与图像噪声呈负相关 [17],DLR有潜力提高CT检测HCC的诊断性能。使用DLR也可能改善LI-RADS的读者间一致性。然而,尽管已有若干关于DLR图像质量的研究 [15, 16],但尚无关于HCC检测或LI-RADS一致性 compared to Hybrid IR的研究。
本研究旨在比较DLR与Hybrid IR在HCC检测、LI-RADS分类的观察者间一致性和图像质量方面的差异。
方法
本回顾性研究经我院机构审查委员会批准,并获得书面知情同意的要求被豁免。
患者
我们在图像存档和通信系统中检索了所有因评估HCC而接受CT扫描的连续患者。图1总结了患者纳入流程。
对于HCC组,纳入2021年10月至2022年3月期间接受腹部动态对比增强CT检查且发现一个或多个HCC的患者。排除有四个或更多HCC的患者;根据指南[18],这些患者有可能接受全身治疗,而识别所有病灶对放射科医生的工作负担而言临床获益甚微。共识别出26例患者和42个HCC。此外还有5个血管瘤和2个局灶性结节性增生。然而,由于本研究的主要目的是评估HCC的检测性能,这些病灶未在后续分析中评估。两名放射科医生(A和B,分别具有5年和12年的影像学经验)参照以下方式建立HCC诊断标准:组织病理学报告(8个病灶)、具有时间性大小变化的CT影像表现(≤ 6个月内大小增加≥ 50%)(9个病灶)(图2)、CT与MRI影像表现组合(13个病灶)以及CT影像表现(12个病灶)。所有病灶均接受了手术(7个病灶)、肝移植(1个病灶)或射频消融(34个病灶)治疗。
非HCC组的纳入标准为2022年2月和3月腹部动态对比增强CT上无HCC(HCC组与非HCC组的研究期间不同,以平衡两组的患者数量)。无HCC基于以下方式确认:组织病理学确认1例接受肝移植的患者、包括MRI在内的检查超过4个月无时间性变化(3例患者)、CT检查超过4个月无时间性变化(18例患者)以及单次CT检查的影像表现(1例患者)。最终,23例患者符合该标准。
共有49例患者(HCC组26例,非HCC组23例)纳入最终分析(定性图像分析第1部分和第2部分,以及后续所述的定量图像分析)。表1显示了HCC组和非HCC组的年龄、性别、体重指数、乙型肝炎病毒状态、丙型肝炎病毒状态、组织病理学证实的肝硬化存在情况以及CT剂量指数容积。
CT成像
所有患者均接受多排CT(Aquilion ONE;Canon Medical Systems,日本大田原)检查。CT扫描参数如下:管电压120 kVp;管电流采用自动管电流调制,SD设定为13.0亨斯菲尔德单位;螺距0.8125:1;机架旋转时间0.5 s。对比剂的浓度和用量根据体重确定:体重< 50 kg者分别为300 mgI/mL和体重×2 mL;体重50~60 kg者分别为350 mgI/mL和100 mL;体重> 60 kg者分别为370 mgI/mL和100 mL。对比剂经外周静脉在30 s内注射完毕。动脉期、门静脉期和延迟期图像的扫描延迟时间如下:动脉期采用团注跟踪技术(膈肌水平降主动脉阈值衰减200亨斯菲尔德单位);门静脉期为动脉期后40 s;延迟期为对比剂注射开始后180 s。从原始数据采用以下算法重建图像:深度学习重建(DLR)(AiCE体部锐利标准,Canon Medical Systems)和混合迭代重建(Hybrid IR)(AIDR 3D增强标准,卷积核FC03,Canon Medical Systems)。以下图像重建参数在所有图像集中保持一致:视野35~40 cm(根据体型调整),层厚/层间距3/3 mm。
CT图像经匿名化处理后以医学数字成像和通信(DICOM)格式从图像存档与通信系统导出。
定性图像分析
定性图像分析由另外两名放射科医师(读者1和读者2,分别具有4年和7年影像经验,读者2专攻腹部放射学)参与完成。定性图像分析包括两部分:HCC检测试验和LI-RADS评分(第1部分)以及图像质量评价(第2部分)。在两部分中,每次评估一个由动脉期、门静脉期和延迟期组成的单一图像集。两名读者使用Image J(https://imagej.nih.gov/ij/)对图像进行评价。
HCC检测试验和LI-RADS评分(第1部分)
在本部分中,两名读者独立识别HCC,依据2018版[6]对诊断信心进行评分(5,肯定存在;4,可能存在;3,可能存在但不确定;2,可能不存在;1,肯定不存在)并评定LI-RADS分类(LR 1至5),同时记录位置(CT层面编号和肝段)。两名读者还被要求测量HCC的大小。LI-RADS分类依据主要特征的评估进行归类,主要特征包括非环状动脉期高增强(APHE)、非周边廓清表现、强化包膜表现和HCC大小。然而,由于并非所有患者均可获得既往CT图像,本研究未考虑阈值增长。应用辅助特征和平局决胜规则对分类进行上调或下调[6],最终LI-RADS分类用于分析。
为避免高估DLR的检测性能,要求两位读者在第1次会话中评估DLR图像集,随后在第2次会话中评估混合IR图像集,两次会话之间间隔2周洗脱期。单次会话在一天内完成。他们对图像重建算法设盲。此外,未告知他们研究目的。DLR和混合IR内部图像集的顺序由放射科医生A在读者评估前随机化。还测量了评估一个图像集所需的时间。
完成两次会话后,要求读者对漏诊HCC的LI-RADS分类进行评分(此过程中未对诊断信心进行评分)。
图像质量(第2部分)
在第1部分之后,两位读者独立评估图像集,评估内容如下:LI-RADS上HCC主要特征的显示(动脉期高强化(APHE)、非周边廓清和强化包膜)(5,清晰显示;4,比标准更清晰;3,标准;2,比标准模糊;1,非常模糊)。
分别对动脉期、门静脉期和延迟期的主观图像噪声按5分制评分(5,几乎无噪声;4,低于标准噪声;3,标准噪声;2,高于标准噪声;1,严重噪声)。
图像质量按5分制评分(5,优秀;4,优于标准;3,标准;2,差于标准;1,差)。
在此部分中,所有图像集(包括DLR和混合IR)均由放射科医生A在两位读者评估前随机化。两位读者一次评估一种重建算法的图像(即,不采用并排方式)。两位读者对图像重建算法也设盲。
定量图像分析
放射科医生A在腹腔干起点水平的腹主动脉上放置大小约100 mm2的感兴趣区。记录动脉期、门静脉期和延迟期CT衰减的SD,其是图像噪声的指标。这些评估也使用Image J(https://imagej.nih.gov/ij/)进行。
统计分析
统计分析使用EZR 4.0.0版(https://www.jichi.ac.jp/saitama-sct/SaitamaHP.files/statmed.html)[19]进行,其是R 4.2.0版(https://www.r-project.org/)(R Foundation for Statistical Computing,Vienna,Austria)的图形用户界面。
使用Fisher精确检验和Mann–Whitney U检验比较HCC组和非HCC组的人口学和临床特征。
连续变量和有序量表的DLR与混合IR结果分别采用配对t检验和Wilcoxon符号秩检验进行比较,但增强包膜显示的比较除外,该项采用Mann–Whitney U检验。为评估使用诊断置信度评分检测HCC的诊断性能,使用R包“RJafroc”进行刀切法替代自由响应受试者工作特征分析,并计算品质因数(FOM),其对应于传统受试者工作特征分析中的曲线下面积。在计算检测试验的灵敏度时,诊断置信度评分3分及以上表示存在病变为阳性。DLR与混合IR之间的灵敏度采用McNemar检验进行比较。对于这些比较,P值<0.05被认为具有统计学显著性。
对于LI-RADS分类,两位阅片者之间的观察者间一致性采用Cohen加权kappa分析(使用二次权重)进行评估。根据Cohen的文章[20],还计算了kappa值的95%CI。Kappa值0.00–0.20、0.21–0.40、0.41–0.60、0.61–0.80和0.81–1.00分别表示一致性差、一般、中等、良好和极好。
结果
定性图像分析
HCC检测试验与LI-RADS评分(第1部分)
HCC检测试验和LI-RADS评分观察者间一致性分析的详细结果见表2。代表性CT图像见图3和图4。
检测HCC的诊断性能FOM在各阅片者平均后,DLR为0.925(阅片者1为0.937;阅片者2为0.913),混合IR为0.878(阅片者1为0.904;阅片者2为0.851)(图5)。DLR检测HCC的性能显著优于混合IR(p=0.038)。DLR检测HCC的灵敏度,阅片者1和阅片者2分别为83%和79%(表3)。尽管无统计学显著性,但这些值倾向于优于混合IR(阅片者1和阅片者2分别为76%和69%)。检测小HCC的灵敏度,对于<10 mm者,DLR和混合IR分别为60–67%和47–60%;对于10–20 mm者,DLR和混合IR分别为80–87%和73–80%。假阳性发现的数量,DLR中阅片者1和阅片者2分别为5和0,混合IR中阅片者1和阅片者2分别为5和6。所有检测到的假阳性发现均对应于动门静脉分流,因为延迟期无廓清,且既往和/或随访影像学检查无显著变化。
LI-RADS分类的观察者间一致性结果总结于表2。DLR的观察者间一致性为中等(0.595;95%CI,0.585–0.605),混合IR的观察者间一致性也为中等(0.568;95%CI,0.553–0.582)。由于95%CI之间无重叠,DLR的观察者间一致性被认为显著优于混合IR。
HCC大小的Bland–Altman图(合并阅片者1和阅片者2)见图6。两位阅片者测量差值的偏倚(含95%CI)和一致性界限(含下限–上限)分别为0.19(− 0.66–1.04)mm和3.97(− 3.78–4.17)mm。
图像质量(第2部分)
定性图像分析的详细结果见表4。两名阅片者均认为,DLR在HCC各主要特征的显示(p ≤ 0.021)、各期相噪声(p < 0.001)及整体图像质量(p < 0.001)方面均显著优于Hybrid IR。
定量图像分析
定量图像噪声(即腹主动脉CT衰减值的标准差)(均值 ± 标准差)在DLR和Hybrid IR中分别为:动脉期9.1 ± 2.5和11.8 ± 2.7,门静脉期8.6 ± 0.9和11.1 ± 1.8,延迟期8.4 ± 1.0和10.9 ± 1.7。在所有期相中,DLR的定量图像噪声均较Hybrid IR统计学显著降低(所有p < 0.001)。
讨论
肝细胞癌(HCC)的检测受CT图像噪声影响[17],这可能是其检测性能低于MRI的原因之一[21]。本研究显示,DLR成功降低了图像噪声(p < 0.001),这与腹部动态增强CT中相较于Hybrid IR对HCC显示效果的改善相关(p ≤ 0.021)。此外,DLR帮助放射科医师以显著更高的性能检测HCC(DLR的FOM为0.925,Hybrid IR为0.878,p = 0.038),并以改善的观察者间一致性对LI-RADS分类进行评分(DLR为0.595 [95% CI,0.585–0.605],Hybrid IR为0.568 [95% CI,0.553–0.582])。
既往研究已报道,与传统重建算法(如Hybrid IR)相比,DLR可改善图像质量[22, 23]。我们的结果与这些报道一致。通过定性和定量分析均证实,与Hybrid IR相比,DLR的图像噪声降低。这可能在动脉期高强化(APHE)、非周边廓清和强化包膜方面使HCC的清晰度显著提高。据我们所知,尚无研究探讨DLR图像上HCC的清晰度。
根据既往一项研究,动态CT检测HCC的诊断性能和灵敏度分别为0.77和58–64%[21]。在本研究中,Hybrid IR的FOM和灵敏度分别为0.878(95% CI,0.813–0.942)和69–76%,与上述值相当或略高。使用DLR将阅片者的诊断性能和灵敏度分别提高至0.925(95% CI,0.882–0.968)和79–83%,超过了既往报道中的数值。至于检测小HCC的灵敏度,Hybrid IR中< 10 mm和10–20 mm者的灵敏度分别为47–60%和73–80%,与既往报道中< 20 mm HCC的灵敏度46–56%相当[21]。DLR检测小HCC的灵敏度(< 10 mm和10–20 mm者分别为60–67%和80–87%)也趋向于优于Hybrid IR和既往研究[21]。这些发现可能源于我们的研究所证实的DLR相较于Hybrid IR对HCC主要特征的显示改善。
HCC有多种治疗选择。可通过CT评估的HCC肿瘤分期在决定治疗策略中起重要作用。早期HCC患者选择手术治疗,晚期HCC患者通常使用药物,如小分子靶向药物[2, 24]。DLR可能通过为患者提供适当的治疗策略以及更早期检测HCC,具有改善患者预后的潜力。
LI-RADS描述了HCC的标准化影像学特征以及有序分类(从LR 1到5)的标准。引入LI-RADS是为了减少影像学表现判读中的观察者间变异[7, 25]。然而,根据最近的一项研究,LI-RADS 2018版的读者间一致性(kappa = 0.53)相对低于既往版本的LI-RADS(LI-RADS 2014版和2017版的kappa分别为0.69和0.79)[8]。本研究中混合迭代重建(Hybrid IR)下LI-RADS 2018版的观察者间一致性(kappa = 0.568 [95% CI, 0.553–0.582])与既往研究一致。我们的研究还显示,深度学习重建(DLR)(kappa = 0.595 [95% CI, 0.585–0.605])有助于提高LI-RADS 2018版的观察者间一致性。
本研究存在一些局限性。首先,并非所有患者的HCC诊断参考标准均经组织病理学确立。在每日临床实践中,HCC主要依靠影像学诊断。不同机构之间消融的适应证可能略有不同,并且这些患者在不进行侵入性活检或手术的情况下即开始治疗。因此,仅纳入接受组织病理学评估的患者会带来选择偏倚。尽管我们不能断定所有肝脏病变均为HCC,但这在临床上被认为是可接受的。其次,本研究纳入的受试者数量相对较少(n = 49)。尽管如此,DLR在检测性能以及DLR与Hybrid IR之间LI-RADS评分的观察者间一致性方面显著优于Hybrid IR。仍需开展纳入更多患者、尤其是小病灶患者的进一步研究。最后,各制造商的DLR在算法上存在细微差异;因此,本研究结果不一定适用于其他制造商的DLR。
总之,与Hybrid IR相比,DLR提高了腹部动态对比增强CT中的HCC检测性能、LI-RADS分类的观察者间一致性以及图像质量。
引用
- Okimoto, Yasaka, Kaiume, et al. Improving detection performance of hepatocellular carcinoma and interobserver agreement for liver imaging reporting and data system on CT using deep learning reconstruction. Abdom Radiol (NY). 2023. PMID: 36757454. doi:10.1007/s00261-023-03834-z
- 全文:PMC10115733(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10115733/
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。