BioMind影像輔助診斷軟件在顱內(nèi)腫瘤磁共振診斷中的應(yīng)用

王偉，徐振宇，楊冠英，李悅，楊冰洋，高明勇*

（1.佛山市第一人民醫(yī)院 影像中心，廣東 佛山 528010；2.佛山市第一人民醫(yī)院 轉(zhuǎn)化醫(yī)學(xué)研究院，廣東 佛山 528010；3.北京天醫(yī)智醫(yī)療技術(shù)服務(wù)有限公司 臨床科研部，北京 101318；4.大連醫(yī)科大學(xué) 附屬第一醫(yī)院，遼寧 大連 116000）

近年來全球腦腫瘤發(fā)病率呈明顯增長趨勢［1-2］，2020年我國前10位癌癥數(shù)據(jù)統(tǒng)計示腦腫瘤死亡率位居第8位［3］。核磁共振影像（MRI）檢查是目前評估顱內(nèi)腫瘤類型和分級最常用的影像學(xué)檢查方法，提高治療前MR影像診斷的準(zhǔn)確率，對后續(xù)的治療策略的制定和患者預(yù)后評估具有重要意義。隨著人工智能技術(shù)（artificial intelligence，AI）的蓬勃發(fā)展，深度學(xué)習(xí)系統(tǒng)（deep learning system，DLS）在影像診斷中的應(yīng)用日漸廣泛［4-7］。本次研究將探討DLS在顱內(nèi)腫瘤MRI診斷中的作用。

1 材料與方法

1.1 一般資料

該研究獲得佛山市第一人民醫(yī)院醫(yī)學(xué)倫理委員會批準(zhǔn)，審批號“L［2022］第8號”，回顧性分析該院2018年1月～2021年11月經(jīng)手術(shù)病理證實的顱內(nèi)腫瘤患者共455例。納入標(biāo)準(zhǔn)為：病例MR影像資料包括T1WI、T2WI和增強T1WI橫斷位；腫瘤病理類型已包括在DLS數(shù)據(jù)庫內(nèi)。排除標(biāo)準(zhǔn)：手術(shù)干預(yù)（包括活檢）、腫瘤復(fù)發(fā)。

1.2 DLS系統(tǒng)及設(shè)備

采用北京安德醫(yī)智科技有限公司研發(fā)的BioMind人工智能影像輔助診斷軟件。該產(chǎn)品核心為“注意力密集網(wǎng)絡(luò)”深度學(xué)習(xí)模型。軟件算法結(jié)構(gòu)分為以U-Net為基礎(chǔ)的“分割網(wǎng)絡(luò)”及以DenseNet為基礎(chǔ)的“分類網(wǎng)絡(luò)”兩個部分；其中分割網(wǎng)絡(luò)包含多個編碼器、多個解碼器和一個輸出卷積器；分類網(wǎng)絡(luò)包含5個密集卷積器和兩個全連接層；兩個網(wǎng)絡(luò)之間搭建“注意力連接”來傳遞特征信息；因此整個結(jié)構(gòu)稱為“注意力密集網(wǎng)絡(luò)”。算法的輸入為患者橫斷為MR圖像序列（T1WI，T2WI，增強掃描），每個序列圖像大小為24×256×256；算法的輸出為腫瘤分割圖和腫瘤類別概率。其訓(xùn)練集來自北京天壇醫(yī)院顱內(nèi)腫瘤的MR影像數(shù)據(jù)，所采用的磁共振設(shè)備包括GE、Philips、Siemens和聯(lián)影的1.5T、3.0T MR，入組數(shù)據(jù)涵蓋了不同年齡、不同性別的顱內(nèi)病變患者的MR影像，DLS數(shù)據(jù)庫的病變類型共26種包括：表皮樣囊腫、神經(jīng)鞘瘤、脊索瘤、聽神經(jīng)瘤、膠質(zhì)瘤、星形細(xì)胞瘤、膠質(zhì)母細(xì)胞瘤（glioblastoma，GBM）、室管膜瘤、髓母細(xì)胞瘤、血管外皮細(xì)胞瘤、垂體瘤、顱咽管瘤、頸靜脈球瘤、淋巴瘤、腦膜瘤、血管母細(xì)胞瘤、轉(zhuǎn)移瘤、節(jié)細(xì)胞瘤、生殖細(xì)胞瘤、畸胎瘤、胚胎發(fā)育不良性神經(jīng)上皮瘤、脈絡(luò)叢乳頭狀瘤、動靜脈畸形、海綿狀血管畸形、中樞神經(jīng)細(xì)胞瘤、小腦發(fā)育不良性節(jié)細(xì)胞瘤。

所使用的后處理工作站配置為：CPU Intel Xeon Silver 4210R、內(nèi)存32GDDR4 RECC2933*4、運算卡NVIDIA RTX 3090 24GB、硬盤1.92T STAT3 SSD*3、操作系統(tǒng)ubuntu 20.04.2 Server。

1.3 MRI和病理檢查

采用3.0T MR機（Discovery MR 750W，GE公司，美國），標(biāo)準(zhǔn)頭顱線圈，常規(guī)行橫軸位T1WI、T2WI、T2-FLAIR、擴散加權(quán)成像（diffusion weighted imaging，DWI）及增強T1WI橫軸位、冠狀位及矢狀位。T1WI：TR 2 010 ms、TE 24 ms；T2WI：TR 6 853 ms、TE 116 ms；DWI：b值1 000、TR 4 100 ms、TE 77.20 ms；FOV 240 mm×240 mm、層厚5 mm、層間隔1 mm。增強掃描采用對比劑釓雙胺注射液（GE Healthcare Ireland Limited，愛爾蘭），靜脈注射速率1 mL／s、劑量0.1 mmoL／kg。由放射科副主任醫(yī)師職稱以上的診斷醫(yī)師對圖像進(jìn)行判讀并提供第一診斷和包含一個鑒別診斷在內(nèi)的綜合診斷。

標(biāo)本行常規(guī)HE染色和免疫組化染色，由1名病理科副主任醫(yī)師分析病理切片并診斷。

1.4 統(tǒng)計學(xué)方法

采用SPSS 25.0統(tǒng)計軟件進(jìn)行數(shù)據(jù)分析，計量資料采用（）描述，計數(shù)資料用例數(shù)（%）表示。采用Kappa一致性檢驗評估DLS和放射科醫(yī)生診斷的一致性。對于準(zhǔn)確率的比較，組間差異采用McNemar配對卡方檢驗，其中對于GBM和星形細(xì)胞瘤使用Fisher精確檢驗（樣本量小于40），P＜0.05說明差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 一般資料比較

納入研究共283例，排除共172例，其中包括腫瘤病理類型未包括在DLS數(shù)據(jù)庫內(nèi)的13例，手術(shù)干預(yù)或復(fù)發(fā)性腫瘤17例，MRI資料不全共142例。病例平均年齡是（53.55±14.34）歲，男性占52.9%，腫瘤類型如圖1所示。

圖1 不同類型腫瘤的例數(shù)和比例Figure 1 Number of cases and percentage of different types of intracranial tumors

2.2 DLS與放射科醫(yī)生診斷一致性比較

不論第一診斷還是綜合診斷，DLS和放射科醫(yī)生均存在一致性（Kappa值分別為0.331和0.263，P＝0.000）。

2.3 DLS與放射科醫(yī)生診斷準(zhǔn)確率比較

在總體腫瘤中，DLS和放射科醫(yī)生第一診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（83.4%vs86.9%，P＝0.194），總體診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（91.9% vs 90.8%，P＝0.728）；在腦膜瘤（160例）中，DLS第一診斷準(zhǔn)確率低于放射科醫(yī)生（91.2% vs 97.5%，P＝0.021），診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（96.2% vs 98.8%，P＝0.728）；在垂體腺瘤（47例）中，DLS和放射科醫(yī)生第一診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（95.7% vs 100%，P＝0.500），診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（95.7%vs 100%，P＝0.500）；在GBM（30例）中，DLS和放射科醫(yī)生第一診斷準(zhǔn)確率差異無統(tǒng)計學(xué)意義（76.7%vs63.3%，P＝0.372），診斷準(zhǔn)確率DLS高于放射科醫(yī)生（100% vs 76.7%，P＝0.016）。在星形細(xì)胞瘤（22例）中，DLS第一診斷準(zhǔn)確率高于放射科醫(yī)生（45.4% vs 40.9%，P＝0.027），診斷準(zhǔn)確率高于放射科醫(yī)生（63.6% vs 45.4%，P＝0.024）。

3 討論

近十幾年隨著AI的發(fā)展，計算機輔助診斷（computer-aided diagnosis，CAD）開始被應(yīng)用于顱內(nèi)腫瘤影像診斷研究并取得了令人振奮的結(jié)果。MRI檢查是目前評估顱內(nèi)腫瘤類型和分級最常用的影像學(xué)檢查方法［8］，近年隨著算法和算力的快速發(fā)展，已經(jīng)實現(xiàn)多模態(tài)MRI海量參數(shù)的快速提取和特征分析（如形態(tài)、紋理和信號強度），診斷準(zhǔn)確性有望進(jìn)一步得到提升［9-11］。雖然目前國內(nèi)外諸多實驗室的研究結(jié)果令人鼓舞，但商用化的顱內(nèi)腫瘤智能輔助影像診斷軟件尚未普及，本研究采用已獲得國家藥監(jiān)局頒發(fā)的人工智能輔助診斷類三類醫(yī)療器械注冊證的BioMind人工智能影像輔助診斷軟件，評估此商用軟件的臨床應(yīng)用價值。

Georgiadis［12］利用單模態(tài)-增強T1WI的紋理特征，采用改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)模型，鑒別膠質(zhì)瘤和腦膜瘤的準(zhǔn)確性達(dá)到81.2%。Mohsen［13］基于T2WI圖像，采用多種基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型對正常腦、膠質(zhì)瘤、肉瘤和肺癌轉(zhuǎn)移瘤進(jìn)行分類研究，平均分類率最高達(dá)到96.97%。Kunimatsu［14］采用T1WI增強后紋理特征的支持向量機（support vector machine，SVM）鑒別GBM和淋巴瘤，其預(yù)測準(zhǔn)確性為75%。Kevin［15］基于增強T1WI上信號強度相關(guān)的量化數(shù)據(jù)，采用提取全局和局部信號強度特征的CAD系統(tǒng)可較好的區(qū)分GBM和低級別膠質(zhì)瘤并提高了放射科醫(yī)生的診斷水平。Hie［16］基于增強T1WI、T2WI、T2液體衰減反轉(zhuǎn)恢復(fù)圖像，采用放射組學(xué)的鑒別非典型GBM和淋巴瘤，發(fā)現(xiàn)CAD較放射科醫(yī)生具有更高的準(zhǔn)確率。

除了常規(guī)序列（T1WI、T2WI和增強掃描），其他新型功能MR技術(shù)的發(fā)展也為AI準(zhǔn)確性提高提供了數(shù)據(jù)支持。Server［17］通過構(gòu)建包含腫瘤表觀擴散系數(shù)（apparent diffusion coefficient，ADC）平均值、最大值以及瘤周波譜等參數(shù)的模型預(yù)測膠質(zhì)瘤分級，準(zhǔn)確性達(dá)到91.5%。Wang［18］基于腫瘤強化區(qū)域的ADC值、彌散各向異性分?jǐn)?shù)（fractional anisotropy，F(xiàn)A）值以及瘤周水腫部位的局部腦血流量（regional cerebral blood volume，rCBV）值，應(yīng)用層次樹分類網(wǎng)絡(luò)技術(shù)較好的區(qū)分了GBM與非GBM（轉(zhuǎn)移瘤和淋巴瘤），其曲線下面 積（area under curve，AUC）值 為 0.938。Tsolaki［19］基于瘤周組織波譜數(shù)據(jù)和rCBV數(shù)據(jù)，采用SVM鑒別GBM和轉(zhuǎn)移瘤獲得高達(dá)98%的準(zhǔn)確率。Svolos［20］基于瘤周FA值和rCBV，采用模式識別技術(shù)區(qū)分GBM和孤立性轉(zhuǎn)移瘤，準(zhǔn)確率高達(dá)96%。Shai［21］基于灌注、擴散張量參數(shù)圖和形態(tài)學(xué)數(shù)據(jù)，采用留一交叉驗證的SVM用于二元分類和特征選擇，結(jié)果顯示對GBM、轉(zhuǎn)移瘤、腦膜瘤和淋巴瘤的分類準(zhǔn)確率分別為95.7%、92.7%、97%和91.5%。

本研究采用BioMind人工智能影像輔助診斷軟件回顧性分析了283例顱內(nèi)腫瘤的數(shù)據(jù)，發(fā)現(xiàn)DLS第一診斷的準(zhǔn)確性為83.4%，而包括鑒別診斷在內(nèi)的綜合診斷的準(zhǔn)確性為91.9%，與放射科醫(yī)生的準(zhǔn)確性差異無統(tǒng)計學(xué)意義，充分顯示了目前AI在腦腫瘤MRI分析中的價值（圖2）。但針對具體腫瘤類型，DLS和放射科醫(yī)生的準(zhǔn)確率顯示出不同程度的統(tǒng)計學(xué)差異。在腦膜瘤診斷方面放射科醫(yī)生表現(xiàn)要優(yōu)于DLS，可能是由于腦膜瘤的影像特征明顯且發(fā)病率較高，醫(yī)生在日常工作中積累了豐富的經(jīng)驗。而在星形細(xì)胞瘤和GBM方面，DLS表現(xiàn)更好，但對于星形細(xì)胞瘤不論DLS還是醫(yī)生的第一診斷準(zhǔn)確率均小于50%，說明此類型腫瘤影像表現(xiàn)多樣，需要進(jìn)一步提取特征性的影像參數(shù)和指標(biāo)。

圖2 BioMind診斷正確的病例界面展示Figure 2 Case interface display of BioMind correct diagnosis

在數(shù)據(jù)方面，本軟件基于的是T1WI、T2WI和T1增強的橫斷位MRI，上述序列均是醫(yī)院進(jìn)行顱內(nèi)腫瘤檢查的常規(guī)序列，并且由于無需進(jìn)行多平面成像，因此可減輕掃描人員的工作負(fù)擔(dān)，增加患者的流通量，具有較高的可接受度和較好的推廣性。在算法方面，本軟件以U-Net和DenseNet為基礎(chǔ)，此為目前國際上流行和通用的算法，相較于本軟件研發(fā)醫(yī)院-北京天壇醫(yī)院內(nèi)部測試74.91%準(zhǔn)確率，在我院研究中獲得了更高的準(zhǔn)確率，證明算法具有較好的魯棒性和可移植性。在算力方面，采用主流工作站配置，軟件可以在3 min之內(nèi)給出診斷報告，較人工診斷具有更高的診斷效率。此外本軟件還可以提供發(fā)病部位、病灶體積等臨床治療中有價值的附加信息。

在研究中，DLS的局限性也需要關(guān)注，比如未能充分利用MR多平面成像的優(yōu)勢，因此漏掉了一些橫斷面難以顯示的病灶；偶爾會出現(xiàn)難以解釋的低級錯誤（圖3），需要加大對DLS可解釋性的研究；DLS對于腫瘤的分類具有滯后性：本系統(tǒng)采用的腫瘤分類標(biāo)準(zhǔn)仍是較陳舊的WHO標(biāo)準(zhǔn)，而最新的2021版分類標(biāo)準(zhǔn)強調(diào)了分子診斷的重要性。因此在未來很長時間內(nèi)AI的發(fā)展需要醫(yī)工人員合作引導(dǎo)。

圖3 BioMind診斷錯誤的病例界面展示Figure 3 Case interface display of BioMind error diagnosis

本研究顯示DLS用于顱內(nèi)腫瘤磁共振診斷具有較好的準(zhǔn)確率，可以輔助放射科醫(yī)生提高工作效率和診斷的準(zhǔn)確率，具有較好的推廣應(yīng)用前景。

作者貢獻(xiàn)聲明

王偉：項目具體實施、設(shè)計；徐振宇：數(shù)據(jù)整理；楊冠英：影像資料判讀；李悅：統(tǒng)計學(xué)分析；楊冰洋：AI軟件操作及結(jié)果整理；高明勇：提出研究思路和框架。

利益沖突聲明

本研究由北京天醫(yī)智醫(yī)療技術(shù)服務(wù)有限公司提供統(tǒng)計方法和軟件使用的指導(dǎo)；未受天醫(yī)智及其他第三方資助；相關(guān)單位或個人不存在潛在利益沖突。