指南与共识胸部CT

更换CAD系统是否会影响肺结节管理建议?——不同CAD系统间体积测量偏差对病灶管理的影响

"Will I change nodule management recommendations if I change my CAD system?"-impact of volumetric deviation between different CAD systems on lesion management.
指南 / 共识 · Eur Radiol · 2023-03-10

该体模研究纳入59种排列的326个人工肺结节(178实性、148磨玻璃),在80/100/120 kV下扫描,比较深度学习CAD与标准CAD的体积测量准确性及其对LungRADS分类的潜在影响。结果显示DL CAD对GGN体积测量更准,标准CAD对实性结节更准,14.9%的实性结节被两系统分入不同LungRADS类别,提示CAD体积不准确可能影响患者管理,需放射科医生监督或手动校正。

要点

  • DL CAD对磨玻璃结节体积测量更准确,标准CAD对实性结节更准确。
  • 两系统间14.9%的实性结节LungRADS分类不同,多位于8 mm组。
  • 管电压对体积测量无显著影响,结节大小和密度有影响。

核心结论

  • CAD系统的体积测量不准确可能影响肺结节患者管理决策,需放射科医生监督和/或手动校正。
  • DL-based CAD对GGN体积测量比标准CAD更准确,对实性结节不如标准CAD准确。
  • 结节大小和密度影响两种系统的测量准确性,管电压对测量准确性无影响。

研究设计与样本

  • 体模研究,使用Lungman胸部体模,共59种排列、326个人工结节(178实性、148磨玻璃)。
  • 结节直径4组:5 mm(65.5 mm³)、8 mm(268.1 mm³)、10 mm(523.1 mm³)、12 mm(904.8 mm³);实性结节密度+100 HU,GGN密度−630 HU。
  • 64排CT(Somatom Sensation 64,Siemens),螺旋扫描,24×1.2 mm,螺距0.8,层厚1.5 mm,重建间隔1.5 mm,FBP重建,B30f和B70f kernel,肺窗(中心−500 HU,宽度1500 HU)。
  • 分别于80、100、120 kV扫描,自动管电流调制;平均CTDIvol分别为1.2±0.6 mGy、2.1±1.0 mGy、3.1±1.4 mGy,平均有效剂量分别为0.9 mSv、1.6 mSv、2.3 mSv。
  • 比较深度学习CAD(InferRead CT Lung,Infervision)与标准CAD(Syngo.CT Lung CAD,Syngo.Via client 6.4,Siemens)的体积测量,以已知体积为参考标准。

关键影像表现/征象

  • DL-based CAD自动检出97.9%(319/326)的结节,漏检7个(4实性、3 GGN)且无法手动添加;标准CAD自动检出81.6%(266/326),漏检54个GGN和6个实性结节但可手动添加。
  • 实性结节5、8、10、12 mm组的RVE:DL CAD/标准CAD分别为12.2%/2.8%、1.3%/−2.8%、−3.6%/1.5%、−12.2%/−0.3%。
  • GGN的5、8、10、12 mm组RVE:DL CAD/标准CAD分别为25.6%/81.0%、9.0%/28.0%、7.6%/20.6%、6.8%/21.2%。
  • DL CAD在12 mm实性结节中出现两个测量簇,提示系统性误差,可能与训练集以<6 mm小结节为主有关。
  • 两系统间平均RVD:实性结节1.3%(SD 18.6%),GGN −15.2%(SD 23.5%);LOA分别为−35.2%/37.7%和−61.4%/30.9%。

诊断标准与关键数值

  • DL CAD正确分类88.5%(154/174)的实性结节至LungRADS类别,标准CAD为79.8%(142/178),差异有统计学意义(p=0.004)。
  • 14.9%(26/174)的实性结节被两系统分入不同LungRADS类别(p=0.002),其中24个为8 mm组、2个为10 mm组。
  • 所有GGN均被两系统正确分类为LungRADS 2,无测量超过LungRADS 3边界(直径30 mm;体积14'137.2 mm³)。
  • 5 mm组GGN标准CAD的体积误差>25%,可能导致假性生长判断。
  • 管电压组间实性结节RVE无显著差异(DL CAD p=0.193;标准CAD p=0.135);GGN中DL CAD的80 kV与120 kV组间RVE差异有统计学意义(p=0.008),标准CAD组间无差异(p=0.192)。

临床应用与阅片要点

  • 阅片时不能完全依赖CAD的体积测量结果,尤其实性结节和GGN的临界大小(如8 mm附近)需手动复核。
  • 更换CAD系统可能导致同一结节的LungRADS分类改变,随访报告应注明所用软件及版本。
  • 5 mm结节和GGN的体积测量误差较大,判读生长时需谨慎,避免假性生长或漏判。
  • DL CAD对GGN体积测量更优,标准CAD对实性结节更优,可根据结节密度类型选择复核重点。

局限性

  • 扫描协议未采用当前ESTI指南推荐的迭代重建和重叠重建,使用FBP。
  • 研究仅在一台CT扫描仪上以固定设置完成,结果不能广泛推广至其他机构或CT扫描仪。
  • 使用理想球形、密度均匀且无周围病变的人工结节,结果需在临床环境中重复验证。
  • DL CAD漏检的7个结节无法手动添加分析,可能影响结果。
  • 体模研究,非临床患者数据。
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. 2023 Mar 10;33(8):5568–77. doi: 10.1007/s00330-023-09525-z

引言

肺癌筛查项目在世界各地的广泛常规临床实施,与标准化肺结节管理日益增加的重要性直接相关。当前的临床实践指南依赖于对所检出肺结节的精确且可重复的测量。由于可采用不同的结节直径定义(例如平均直径或最大直径),肺结节的容积测定被认为是肺癌风险最准确的预测指标 [1, 2],并且可考虑不规则形状、含气腔隙以及混合实性和亚实性成分 [3]。此外,已知直径测量的可重复性欠佳 [4]。因此,英国胸科学会(BTS)、荷兰-勒芬肺癌筛查研究(NELSON)组或美国放射学会(ACR)最新指南中提出的患者管理主要基于结节容积测定 [5–7]。

面对日益增多的筛查检查及相关额外工作量,仔细的CT阅片和精确测量对放射科医师在日常临床常规工作中具有挑战性。多项体内“咖啡休息”研究已证实结节测量变异性为±25%,这些研究中对个体在同一天进行两次扫描 [8, 9]。为应对日益增加的工作量,同时保持甚至提高结节测量准确性,一种被假设的解决方案是将基于人工智能(AI)的计算机辅助诊断(CAD)系统引入临床常规。此类系统的进一步优势包括重复性放射学任务的自动化以及避免阅片者疲劳,后者已被认为是该领域日益关注的重点 [10]。在肺结节检测方面,基于深度学习(DL)的CAD系统已被证明作为第一或第二阅片者设备是有帮助的 [11–13]。由于在不久的将来,大多数肺结节分析很可能由软件而非人工阅片者完成,因此评估基于DL的CAD系统在这方面的性能似乎是恰当的。人们不禁会推测,新型基于DL的CAD系统是否将具有与不同人类个体相似或更低的阅片者间变异性。

扫描参数和重建对结节容积测定的影响已得到充分认识 [14, 15]。此外,已有研究比较了胸部区域不同软件解决方案,重点关注功能性肺参数 [16]。但只有少数研究比较了不同软件包在肺结节容积测定准确性方面的差异 [17, 18]。

本研究的主要目的是评估一种市售基于DL的CAD系统和一种内置半自动容积测定工具的标准CAD系统相较于人工肺结节真实体积的测量准确性,并评估对患者管理建议的影响。次要目的是分析管电压、结节大小和衰减对CAD系统测量准确性的影响。

材料与方法

胸部体模

本研究使用了一种先前描述的、配备人工结节的专用拟人胸部体模(Lungman Phantom;Kyoto Kagaku Co., Ltd.)[12, 19]。

使用四种不同直径(对应体积)的结节:5 mm(65.5 mm3)、8 mm(268.1 mm3)、10 mm(523.1 mm3)和12 mm(904.8 mm3)。使用两种密度类型的结节,密度为+100亨氏单位(HU)的结节用于模拟实性病变,密度为−630 HU的结节用于模拟磨玻璃结节(GGN)。

共分析了59种不同的体模排列,包含326个人工结节(178个实性,148个磨玻璃)。每个体模配置零至八个结节。随机生成器决定结节在模拟肺实质内的分布(数量、侧别、类型、大小、肺段以及外周与中心位置)。示例结节见图1。

图1 所用四种大小分组的实性和磨玻璃结节示例(窗中心/窗宽 −500/1500 HU) 查看原图 ↗

胸部计算机断层扫描扫描参数

所有检查均在64排多探测器CT扫描仪(Somatom Sensation 64,Siemens)上使用以下扫描参数进行:螺旋采集模式,24 × 1.2 mm,螺距0.8;层厚1.5 mm,增量1.5 mm,视野35 cm,扫描长度33 cm。图像重建采用滤波反投影(FBP),使用B30f(软组织核)和B70f(硬核)卷积核以及肺窗设置(中心,−500 HU;宽度,1500 HU)。每个体模排列以80、100和120 kV的管电压进行扫描。使用管电流自动调制(CareDose4D)以保持独立于体重和体重指数(BMI),并接近常规扫描。三个电压组的平均容积CT剂量指数(CTDIvol)分别为1.2 ± 0.6 mGy、2.1 ± 1.0 mGy和3.1 ± 1.4 mGy;相应的平均有效剂量(E)分别为0.9 mSv、1.6 mSv和2.3 mSv。胸部体模CT数据集已在早期研究中被使用[20]。

CAD系统

本研究使用了一种市售的深度学习(DL)计算机辅助诊断(CAD)系统(InferRead CT Lung,推想医疗科技股份有限公司)。该深度学习模型主要基于两个卷积神经网络(CNN)模型构建:DenseNet模型(特征图提取器)和基于Faster R-CNN的模型(检测器)。

由于CT扫描具有三维图像容积的特性,该系统的Faster R-CNN网络经过修改,以连续层面作为输入,形成多通道“2.5D CNN”。“2.5D”这一维度意味着,由于轴位数据的分割及其不均匀分辨率,该模型并非精确的三维卷积。

在本研究中,使用DenseNet模型而非常规CNN来提取特征并进行反向传播。与常规CNN中特征图通常一次性连接不同,DenseNet中的特征图逐层直接连接,从而形成层数更少的密集连接网络。因此,特征密度在传播过程中得以保持,模型将具有更高的整体表达能力。

所使用的标准CAD系统是一款成熟的市售软件(Syngo.CT Lung CAD,Syngo.Via client 6.4,Siemens Medical Solutions),设计用作第二读者工具。它自动预处理并标记结节,半自动测量结节,并提供后续手动修改的可能性。一个集成软件工具允许对亚实性和实性病变进行专门分析。

统计分析

平均体积使用所有测量体积,是软件输出的第一个描述性指标。更详细的指标是相对体积误差(RVE)。RVE针对每个结节计算,并将已知体积作为金标准(GT)。使用以下公式计算:

不同电压和大小分组的RVE采用描述性指标(均值、标准差)进行比较,另外对配对样本使用Friedman检验,或对非配对样本使用Kruskal–Wallis检验。

系统间的绝对和相对体积差异(AVD、RVD)使用以下公式计算:

采用Bland–Altman方法及一致性界限(LOA)评估各系统体积测量之间的变异性。依据文献,将每个测量结节体积的RVD与相应的平均体积作图[8, 21–23]。上下LOA计算为两次体积测量中观察到的相对差异的95%范围(均值差异上下1.96个标准差)。两种系统间的假设LungRADS分类采用Wilcoxon检验进行比较;系统正确分类结节的比率采用McNemar检验进行比较。数据分析在专用统计软件(SPSS Statistics, IBM Corp., 版本25.0)上进行。由于这是探索性和描述性分析,所有p值均以描述性方式解读,p < 0.05表示统计学显著。

结果

基于深度学习的计算机辅助诊断(CAD)软件自动检测了所有结节的97.9%(n = 319/326)。漏检的结节(4个实性、3个磨玻璃结节(GGN))无法手动加入分析,因为所用软件版本未实现该功能。关于漏检结节的分布,2个位于上叶,3个位于中叶/舌段,2个位于下叶。关于其大小分组,漏检1个5 mm结节,其余每个大小分组(8 mm、10 mm和12 mm)各漏检2个结节。

标准CAD系统自动检测了81.6%(n = 266/326)的结节,但漏检的结节(54个GGN、6个实性)可手动加入分析。

管电压对结节体积测量无影响

基于深度学习的CAD系统在各电压组的检出率分别为:80 kV为94.2%(n = 307/326),100 kV为97.2%(n = 317/326),120 kV为97.9%(n = 319/326)。不同电压组中深度学习CAD/标准CAD对实性结节的平均RVE分别为:80 kV为1.9/0.2%,100 kV为0.2/− 0.02%,120 kV为1.3/1.0%(图2)。三个电压组(80 kV vs. 100 kV vs. 120 kV)之间在实性结节方面均无显著差异,无论是基于深度学习的CAD(p = 0.193)还是标准CAD系统(p = 0.135)。

深度学习CAD/标准CAD对GGN的相应RVE分别为6.1/39.7%、15.8/40.0%和17.0/38.0%。

亚组分析表明,在基于深度学习的CAD系统体积测量中,80 kV组与120 kV组之间RVE存在差异(p = 0.008)。然而,标准CAD系统在GGN中未观察到各电压组之间的差异(p = 0.192)。

图2 箱线图显示各管电压组所有结节的RVE,以第5–95百分位数表示。RVE = 相对体积误差 查看原图 ↗

结节衰减和大小对体积测量有影响

关于实性结节的不同大小分组,基于深度学习的计算机辅助诊断(CAD)系统对8 mm和10 mm结节的相对体积误差(RVE)低于5 mm和12 mm结节。标准CAD系统的相应结果显示,5 mm和8 mm结节的RVE高于10 mm和12 mm结节。

关于磨玻璃结节(GGN),与实性结节相比,两种系统均具有更高的体积误差和更高的标准差;基于深度学习的CAD系统显示的平均RVE低于标准CAD。在测量5 mm GGN时,两种系统的RVE均高于其他大小分组。

所有分组的RVE见表1,并以箱线图形式展示于图3。

表1 按大小分组和密度列出的RVE 查看原表 ↗
图3 箱线图显示实性结节和GGN按大小分组的RVE,以第5至第95百分位数表示。GGN = 磨玻璃结节,RVE = 相对体积误差 查看原图 ↗

软件比较

两种定量系统共分析319个结节(174个实性结节,145个GGN)。与标准CAD系统相比,基于深度学习的CAD系统在实性结节方面表现出更高的测量变异性,但在GGN方面变异性较低。两种系统的依赖测量结果以意大利面图形式展示于图4和图5。

作为一项偶然发现,在基于深度学习的CAD测量中观察到10 mm实性结节出现聚集现象,12 mm实性结节更为明显,提示存在系统误差。其中,一簇结节被准确测量;第二簇结节的尺寸被低估。对该观察结果的进一步分析显示,其与结节位置或每个体模的最大结节数量无关(见图4b)。

采用Bland–Altman方法展示两种系统之间的相对体积差异(RVD)。所得平均RVD(标准差)为实性结节1.3(18.6)%,GGN为−15.2(23.5)%,相应的上下一致性界限(LOA)分别为−35.2/37.7%和−61.4/30.9%(图4c和图5c)。

对5 mm、8 mm、10 mm和12 mm大小分组的亚组分析显示,5 mm结节和GGN的RVD高于其他分组。所有大小分组和密度的RVD及LOA见表2。

图4 软件比较以意大利面图形式展示(a)5 mm和8 mm结节及(b)10 mm和12 mm结节的依赖测量结果,以及(c)Bland–Altman图展示两种系统间实性结节的RVD和LOA。注意b图中基于深度学习的CAD获得的两簇测量值。RVD = 相对体积差异,LOA = 一致性界限 查看原图 ↗
图5 软件比较以意大利面图形式展示(a)5 mm和8 mm结节及(b)10 mm和12 mm结节的依赖测量结果,以及(c)Bland–Altman图展示两种系统间GGN的RVD和LOA。RVD = 相对体积差异,LOA = 一致性界限 查看原图 ↗
表2 按大小分组和密度列出的RVD和LOA 查看原表 ↗

体积测量不准确可能对患者管理产生影响

为了评估测量差异对患者管理的影响,比较了各系统间实性结节的假定LungRADS分类。基于深度学习的计算机辅助诊断(CAD)系统正确分类了所有检出实性结节的88.5%(n = 154/174);标准CAD系统的相应值为79.8%(n = 142/178)。两个系统之间的差异具有统计学意义(p = 0.004)。大多数错误分类的结节属于8 mm大小组;每个系统仅有一个错误分类的结节测量为10 mm。

14.9%的实性结节(n = 26/174)在两个系统之间被分类不同(p = 0.002,表3),其中大多数来自8 mm直径组(n = 24),其余两个结节来自10 mm直径组。5 mm和12 mm结节将全部被一致分类。

所有磨玻璃结节(GGN)均被两个系统正确归类为LungRADS 2,因为没有任何测量值超过LungRADS 3分类的边界(直径,30 mm;体积,14'137.2 mm3)。

表3 实性结节的LungRADS分类 查看原表 ↗

讨论

本研究结果表明,更换CAD系统对正确的肺结节分类具有潜在影响,因此对患者管理也有影响。在此,与标准CAD系统相比,基于深度学习的CAD具有更高的初始检出率,并正确分类了更高比例的实性结节。

不准确的体积测量可能导致错误的病灶管理决策,一方面可能延误正确的诊断和治疗,另一方面可能造成不必要的费用,尤其是在大型肺癌筛查项目的背景下。就患者管理而言,病灶大小的变化及由此导致的LungRADS分类潜在变化至关重要。基于深度学习的CAD根据LungRADS正确分类了所有实性结节的88.5%,显著高于标准CAD系统(79.8%,p = 0.004)。在各系统之间,14.9%的实性结节被分类不同(p = 0.002)。这些数字须谨慎解读,因为大多数错误分类的结节属于8 mm大小组,该组正好位于LungRADS分类3和4A之间的边界处,这意味着仅轻微的体积测量误差即可导致不同的分类[24]。然而,该实验表明更换CAD系统可能影响患者管理。

描述性分析表明,在当前设置下三个管电压组之间没有明显差异。必须提到,基于深度学习的软件在80 kV采集的图像中未检出19个结节,因此将其排除在分析之外,这很可能解释了所观察到的80 kV与120 kV之间关于GGN的差异。

与当前观察结果相反,一项先前的研究表明,管电流和管电压的变化会影响该特定基于深度学习的CAD系统在肺结节检出方面的性能[25]。然而,当前发现与多种其他研究一致,这些研究发现CAD体积测量在一系列曝光设置下具有稳健性[14]。

密度组的比较显示,基于深度学习的计算机辅助诊断(CAD)系统在磨玻璃结节(GGN)的体积测量上比标准CAD更精确,而在测量实性结节时精确度较低。标准CAD系统传统上难以检测磨玻璃病灶,因为正常肺组织与病灶之间的密度差异较小[26–28]。另一方面,基于深度学习的CAD系统在实性和亚实性病灶两种类型上都进行了训练,这一点在当前结果中得到了体现,也与其在此方面优于标准CAD系统的报道一致[29]。

在不同大小分组的分析中,基于深度学习的CAD系统显示出两个测量聚类,主要涉及实性12 mm结节,提示存在系统性测量误差。这一发现最可能由校准数据集所致,该软件在实施前即基于此数据集进行训练;该数据集主要包含< 6 mm的小肺结节,可能导致对较大结节组的系统性低估。

除实性12 mm结节组外,两个系统在测量5 mm结节时相对体积误差(RVE)均最高。这一发现在一定程度上是预期的,因为在该大小组中,仅有小的测量偏差即可导致高RVE。此外,在本特定研究中,所有结节在体模布置时均附着于血管,使边界的准确分割更加困难。结节边界的正确分割至关重要,因为该区域增加一个像素就可能已显著改变所测体积[17]。对于5 mm GGN,标准CAD系统的体积测量不准确甚至可能导致结节生长的错误判断,因为其体积误差> 25% [5, 30]

系统间的平均相对体积差异(RVD)在实性结节中为1.3 ± 18.6%,在GGN中为– 15.2 ± 23.5%。Bartlett及其同事在使用标准CAD系统对100个结节进行两次测量以评估扫描间变异性时,报告的平均RVD为− 0.9 ± 16.3% [23]。对于< 80 mm3的结节,他们报告的平均RVD为− 0.3 ± 8.4%,远低于本研究中观察到的相应组结果(实性结节和GGN分别为10.2 ± 23.6%和– 25.6 ± 35.0%)。一个可能的解释是,Bartlett等人排除了所有伴有血管或胸膜附着的结节,而这些结节更难测量。

本研究存在若干局限性。首先,根据欧洲胸部影像学会(ESTI)现行指南,本研究所采用的方案并非肺癌筛查的最先进方案,尤其是使用滤波反投影(FBP)作为重建算法以及缺乏重叠图像重建[31]。然而,最新的ACR指南要求不那么严格,因为它们仅倾向于使用迭代重建(IR)方法而非FPB,并且不将重叠重建推荐为强制性要求[32]。此外,事实上许多机构仍在使用FBP进行肺癌筛查[33],这使得本研究的结果对许多机构具有相关性,尤其是那些仅能有限获取创新扫描仪技术的机构[34]。在此前的一项体模研究中,使用前AI时代的软件,FBP和IR在肺结节容积测量方面显示出几乎相同的结果[14]。然而,同样的研究设置对于AI时代是必要的。另一个重要的局限性方面是,本研究在单台固定设置的CT扫描仪上进行;因此,结果不能广泛推广至其他机构或CT扫描仪。正如多项研究已报道的,扫描仪设置如重建算法、层厚等对基于AI的CAD系统的性能有相关影响[25, 35, 36]。与当前研究不同,这些研究大多侧重于肺结节检测而非容积测量。另一个局限性是使用了人工的、完美球形的结节,密度均匀且无周围病变,这当然不现实,需要在临床环境中重复本研究。然而,本研究的体模设置使得能够与完美金标准进行相关性分析并对CAD系统进行准确评估。

总之,与标准CAD系统相比,基于深度学习的系统具有更高的肺结节初始检出率,并且根据LungRADS,其中更高比例的结节本可被正确分类。结节大小和衰减对两种系统的测量准确性均有影响;管电压无影响。我们的结果表明,CAD系统之间的测量不准确性对患者管理具有潜在影响,这需要放射科医生仔细审核并在需要时进行手动校正。

引用

  1. Peters, Christe, von Stackelberg, et al. "Will I change nodule management recommendations if I change my CAD system?"-impact of volumetric deviation between different CAD systems on lesion management. Eur Radiol. 2023. PMID: 36894752. doi:10.1007/s00330-023-09525-z
  2. 全文:PMC10326095(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10326095/

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。