人工智能实现多发性硬化活动性病灶检测的钆对比剂节省化策略:一项结构化叙述性综述

《Neurology and Therapy》:Artificial Intelligence for Gadolinium-Sparing Detection of Active Multiple Sclerosis Lesions: A Structured Narrative Review

【字体: 大 中 小 】 时间:2026年10月08日 来源:Neurology and Therapy 4.7

编辑推荐:

  钆增强T1加权磁共振成像(MRI;T1c+)仍是识别多发性硬化(MS)活动性炎性病灶的参考标准。然而,累积暴露引发了关于组织沉积、费用、扫描时长及患者负担的担忧。人工智能(AI)已成为减少对比剂使用依赖的潜在策略。研究人员开展了一项结构化叙述性综述,评估了基于

  
钆增强T1加权磁共振成像(MRI;T1c+)仍是识别多发性硬化(MS)活动性炎性病灶的参考标准。然而,累积暴露引发了关于组织沉积、费用、扫描时长及患者负担的担忧。人工智能(AI)已成为减少对比剂使用依赖的潜在策略。研究人员开展了一项结构化叙述性综述,评估了基于AI的、无需常规钆使用即可检测MS活动性病灶的相关研究。纳入的研究包括生成合成对比等效图像者,或使用非对比MRI直接分类病灶活动性者。结局指标包括诊断试验准确性、重建保真度、模型特征及方法学质量,并采用经适配的QUADAS-2框架进行评估。在以钆为参考标准报告诊断准确性的研究中,敏感性范围为72%至100%,特异性范围为66%至96%。仅一项研究报告了完整四格表;第二项研究报告的混淆矩阵未在本文中复现,且仅有一项分类器研究进行了外部多中心验证。图像合成研究展示了视觉上合理的输出,但常以非钆目标作为验证参照,限制了其临床适用性。常见局限包括缺乏前瞻性验证、报告透明度有限以及泛化性评估不足。基于AI的方法展示了钆节省性MS成像的可行性,但尚不足以在常规临床实践中替代对比增强MRI。其近期较为可行的角色是作为分诊工具,用于识别可推迟钆给药的低风险随访检查。在临床采纳之前,仍需开展具有标准化报告及真正增强后参考标准的前瞻性多中心研究。
引言

多发性硬化(MS)是中枢神经系统(CNS)最常见的免疫介导性脱髓鞘疾病之一,全球约有280万患者。磁共振成像(MRI)是MS诊断和纵向监测的核心手段,其中对比增强T1加权(T1c+)序列是局灶性血脑屏障(BBB)破坏及持续炎症活动的主要体内标志物。新发钆增强病灶的检出可提示升级疾病修饰治疗(DMT),使得增强后扫描在MS诊断与监测中成为具有临床决策意义的检查。然而,钆基对比剂(GBCAs)存在多项已被充分证实的弊端:线性和大环类对比剂在反复暴露后可沉积于齿状核、苍白球及其他深部灰质结构;GBCAs在严重肾功能损害时禁忌使用,可能给以年轻女性为主的、需终身接受系列影像检查的患者带来不必要的静脉注射负担,并且显著增加每次扫描的费用、MRI服务的吞吐压力,以及因增加专用增强后序列而带来的额外采集和检查床时间。2021年MAGNIMS-CMSC-NAIMS共识因此建议在稳定期随访中尽量减少常规钆使用。这些缺点推动了能够在保留增强后T1所携带的临床决策信息的同时免除注射本身的技术替代方案的出现。

两种人工智能(AI)策略应运而生。第一种使用生成网络,主要是条件生成对抗网络(GANs),以及更近期的扩散模型,从非对比输入堆栈合成虚拟的高对比图像,既可以是等效于对比增强的T1c+,也可以是高信息替代序列,如双反转恢复(DIR)。第二种策略完全绕开图像合成,使用判别式分类器,包括卷积神经网络(CNN)、放射组学结合机器学习(ML)或无监督降维,对增强与非增强组织进行二元或体素级预测。两种策略都承诺实现钆节省性监测,但它们对于“验证了什么”以及“以何种参考标准进行验证”提出了截然不同的主张。同时,AI合成的对比成像自身也存在缺陷,包括幻觉或遗漏小的增强病灶的风险、在不同扫描仪和场强间的泛化性有限,以及对训练分布的强烈依赖;各研究报告的结果仍存在争议。由于图像合成和直接分类回答的是不同临床问题,它们需要不同的验证框架,并在本综述中分别予以评估:合成应依据采集的增强后参考图像来判断,而被纳入的生成器研究中无一达到这一标准。更重要的是,若干合成研究将其输出与非钆目标(如DIR、液体衰减反转恢复(FLAIR)或合成T1)进行验证,而非真正的增强后T1,因此并未直接回答钆替代的问题。本综述评估的研究仅限于针对MS活动性病灶检测的文献。研究还进一步指出,当前指南已不鼓励在稳定期随访中常规使用钆,并且改进的非对比FLAIR序列结合序列间比较已经回答了许多治疗监测问题;因此,若干被纳入的模型重新推导的是非对比信号(例如新的T2病灶),而非独特的增强信息;在这一背景下,AI在此处所能合理追求的目标是基于分诊的钆推迟使用,而非完全替代。先前的AI在MS影像中的应用综述聚焦于T2病灶分割和纵向病灶变化。据研究人员所知,尚无专门综述针对性地审视钆节省问题的诊断试验准确性(DTA)文献,也未有先前工作系统性地梳理方法学陷阱、参考标准错配、混合神经系统队列等决定报告性能能否合理迁移至临床应用的因素。

因此,研究人员开展了一项叙述性综述,目标如下:(1)评估诊断试验准确性:提取真/假阳性与真/假阴性计数、敏感性、特异性、PPV和NPV,用于检测活动性/增强性MS病灶;(2)量化图像重建保真度,具体为Dice相似系数(DSC)、结构相似性指数(SSIM)和峰值信噪比(PSNR);(3)梳理技术架构(GAN、扩散模型、CNN、经典ML)以及用于驱动模型的非对比输入序列(T1、T2、FLAIR、DWI、SWI、PD);(4)识别方法学空白,特别是训练集与测试集之间数据泄漏的研究,以及评估混合神经系统队列、难以干净分离MS特异性数据的研究。

方法

协议与报告

本综述以结构化叙述性综述的形式开展;检索、研究选择、数据提取和质量评价遵循下文预定义的方法。研究方案预先制定并在此总结。该方案未在公共注册库中注册,因为叙述性综述不符合PROSPERO的收录条件;预先制定的方案可向通讯作者索取。本文基于既往已开展的研究,未包含作者进行的任何涉及人类受试者或动物的新研究。

检索策略

PubMed检索于2026年5月21日进行,未设置下限日期,因此自数据库建库至检索日期的记录均可纳入。布尔检索策略将标题限定的疾病术语与AI方法学术语及对比剂/增强术语相结合:("Multiple Sclerosis"[ti])AND("Deep Learning" OR "Artificial Intelligence" OR "machine learning" OR "neural network*" OR "diffusion model*")AND("contrast" OR "gadolinium" OR "Gd" OR "enhancement")。同日对Google Scholar进行手工检索作为补充来源,并对纳入研究的参考文献列表进行手工检索以发现其他候选文献。通过这些补充检索识别的记录与PubMed结果一并筛选;所得记录数量及筛选步骤在“研究选择”部分报告。

纳入标准

纳入研究收录了临床或影像学诊断为多发性硬化(任何表型,包括临床孤立综合征、复发缓解型、继发进展型和原发进展型)的患者;混合神经系统队列(例如MS与胶质瘤或卒中混合)的研究被排除,除非能够分离出MS特异性结果。待评价试验为AI或深度学习模型,其功能是从非对比或低剂量输入合成对比等效图像,或直接对来自非对比输入的增强与非增强组织或患者进行分类。参考标准为获取的足量钆增强T1加权MRI,由神经放射学专家判读;对于无法获得增强后T1的图像合成研究,参考标准可为物理采集的双反转恢复或对比等效成像。关注的结局为活动性或增强性MS斑块的检出,以DTA指标、重建保真度指标或两者形式报告。由于分类器与生成器两类方法回答不同的临床问题,故分别评价且不进行合并;仅报告重建保真度的研究予以保留以梳理技术可行性,而不用于估计钆等效诊断准确性。语言限定为英文。信件、社论、会议摘要和综述类文章被排除。

研究选择

两位评审员(EMG, OM)独立筛选标题和摘要。对可能符合标准的记录的全文进行获取,并根据预定义标准进行评估。分歧通过讨论解决。

数据提取

采用预试验的提取表记录:研究标识、国家、MS队列表型及样本量、AI架构与库、输入MRI序列、训练/验证/测试集划分、参考标准、报告的DTA指标(TP:真阳性,FP:假阳性,TN:真阴性,FN:假阴性,敏感性,特异性,PPV:阳性预测值,NPV:阴性预测值,AUC:曲线下面积)、重建保真度指标(DSC、SSIM、PSNR)以及读片者盲法。若一项研究报告了多个模型,则提取以钆参考标准验证的最佳性能配置,以避免重复计数;提取中的任何差异由两位评审员协商解决。

偏倚风险评估

方法学质量由两位评审员(EMG, OM)独立使用QUADAS-2进行评估,并针对AI/深度学习DTA研究进行了改编。四个偏倚风险(RoB)领域(患者选择、待评价试验、参考标准、流程与时间)及三个适用性领域(患者选择、待评价试验、参考标准)均评定为低/不清楚/高。在待评价试验领域增加了两个AI特异性信号问题:测试数据集是否严格独立于训练集和验证集,且无患者水平重叠(数据泄漏检查)?决策阈值是否预先设定,还是在测试集上优化?未通过数据泄漏信号问题的研究被标记为存在致命方法学缺陷,无论其他评定如何。每个领域的评定均对照QUADAS-2信号问题提供依据,并将两个AI特异性信号问题(测试集独立性与决策阈值预设定)应用于每一项纳入研究,以捕捉机器学习诊断模型特有的数据泄漏和阈值优化风险。分歧通过共识解决。

数据综合

在19项纳入研究中,2项报告了完整的四格表计数,7项额外研究报告了敏感性及特异性但无原始计数,1项仅报告了敏感性,其余9项仅报告重建保真度或使用了异质性参考标准。因此,研究人员围绕四个预设目标进行了结构化叙述性综合,并对DTA和保真度结果采用描述性表格,对QUADAS-2评级采用汇总矩阵。

结果

研究选择

PubMed检索返回110条独特记录,补充的Google Scholar检索贡献了7条额外记录,共117条记录进入筛选。标题/摘要筛选排除96条记录;主要原因是这些研究处理T2病灶分割而无对比增强焦点、非基于AI,或不涉及MS。共评估了21篇全文,其中2篇被排除;一篇为混合队列且未将MS与其他疾病数据分离,另一篇为缺乏方法学细节的会议摘要。最终,19项研究被纳入定性综合。

研究特征

纳入研究发表于2008年至2025年间,大多数出现在2020年或之后。队列存在异质性,样本量从20例患者到3924例患者不等。两大方法学家族占主导:从非对比输入合成目标图像的图像生成器(n=13),以及无需显式图像合成即直接作出病灶活动性决策的直接分类器(n=13)。

诊断试验准确性

九项分类器研究报告了以钆为参考标准的增强病灶检出的敏感性与特异性。两项研究报告了完整2×2四格表:Thakur等人报告TP 119、FP 146、TN 350、FN 17(敏感性88%、特异性71%、PPV 45%、NPV 95%);Caba等人在训练集(ADVANCE)、验证集及两个独立外部测试队列(ASCEND和DECIDE)中报告了完整混淆矩阵,外部集平衡准确率为74.3%–74.6%。在所有9项分类器研究中,敏感性范围为72%至100%(后者在一小规模验证队列中),特异性范围为66%至96%。三项研究仅报告分割重叠,未报告以钆为标准的DTA。值得注意的是,Gaj等人的研究在分割钆增强病灶时使用了包含T1增强后图像本身的多参数输入;其主模型因此并非钆节省性的,尽管实验中测试了无对比变体且表现不佳。其余研究(均为生成器)未产生以钆参考标准为基础的DTA估计。

重建保真度

在量化重建保真度之处,病灶空间重叠的DSC范围为0.76至0.81。DSC由Brugnara等人和Uwaeze等人报告。Finck等人报告合成DIR的病灶-背景比在向GAN加入病灶聚焦损失后与采集的DIR相比具有非劣效性;这是一个临床上有意义的终点,但不能替代以钆为参考的DTA。Wei和Valencia分别评估了MS特异性的FLAIR和T1合成,同样未与钆参考进行比较。综合现有报告,保真度指标表明生成器能够产生视觉上可信的靶向对比图像,但“良好的DSC/SSIM”与“钆等效活动性病灶检出的非劣效敏感性”之间的关联在任何生成器研究中均未得到证实。

技术架构与输入

生成器主要为基于pix2pix家族的条件GAN,或重构为图像到图像转换器的nnU-Net衍生模型。Schlaeger等人对合成MRI进行了多中心纵向评估。分类器涵盖了完整的方法学范围:使用自适应混合的贝叶斯-MRF方法、基于多参数输入的2D CNN、仅基于非对比FLAIR的2D CNN、具有假阳性减少的基于减影的CAD流程、基于五个非对比序列的放射组学+ML流程(SVM/RF)、带有空洞空间金字塔池化的编码器-解码器语义分割网络、以合成无病灶修复MRI为辅助输入的放射组学+ML流程,以及基于磁敏感加权成像的纹理分析结合逻辑岭回归/偏最小二乘回归。主要的非对比输入组合为T1+FLAIR。多参数扩展增加了T2、PD、DWI或SWI。值得注意的是,没有研究采用低剂量钆输入作为“对比节省”的混合策略;所有研究均旨在完全消除钆,而非减少钆。

方法学空白

研究人员系统性地审视了两个特定的失败模式:(1)训练与测试分割之间的数据泄漏,以及(2)无法分离MS特异性数据的混合神经系统队列。研究未发现任何单项研究内部存在明显的患者水平泄漏;所有研究均报告了留出测试集或通过多折交叉验证进行的受试者水平分割。然而,研究人员识别出一个跨研究队列重叠的实例:Khajetash和Tavakoli使用不同的ML流程(LASSO+KNN/LR/DT/SVM/NB/RF对比Boruta/Relief+DT/GB/MLP/XGB)对同一82例患者、122个病灶的队列进行了独立分析。两篇出版物均符合纳入标准并予以保留,但其报告的DTA估计不应被解释为独立证据。此外,多项研究仅在内部数据上测试而无任何外部验证,这即使在无正式泄漏的情况下也限制了泛化性。相比之下,Caba等人提供了唯一以钆为参考进行外部验证的分类器。

偏倚风险

QUADAS-2评级显示,最常见的两个高风险领域是待评价试验的适用性和参考标准的适用性;在6项生成器研究中,有5项因比较对象是采集的非对比图像而非采集的钆增强T1而被评为高。患者选择偏倚风险在两项研究中被评为高(病例对照式富集活动性疾病,无连续采样)。一项研究因将不同非对比与增强后采集时间间隔的患者病灶进行汇总分析,在参考标准和流程与时间方面被评为高。另一项研究因参考标准报告中专家读片者特征不充分被评为不清楚。一项研究因验证队列较小且阈值优化报道有限,在待评价试验方面被评为不清楚。一项研究因与另一项研究使用相同患者队列而在待评价试验方面被评为高。还有一项研究因主模型将钆增强T1作为五个输入通道之一,并不直接针对钆节省问题,在待评价试验适用性上被评为不清楚。没有研究未通过数据泄漏信号问题,因此未因该特定标准被标记为致命缺陷。

讨论

在2008–2025年的19项研究中,用于钆节省性MS活动性病灶检测的AI方法已从经典的贝叶斯-MRF分割、CNN分类发展到具有不确定性量化的GAN图像合成。在以钆为参考报告DTA的9项分类器研究中,敏感性范围为72%–100%,特异性为66%–96%;低特异性尾端来自不同规模的队列,其中包括一个超过1000例患者的队列,而唯一在多个试验队列中进行正式外部验证的研究报告平衡准确率为74%。在报告重建保真度的研究中,DSC达到0.76–0.81。该领域出现了两种不同的范式:旨在替代增强后扫描的图像生成器,以及完全绕开合成的直接分类器,它们需要不同的验证框架。该领域的优势包括大型数据集的使用,值得注意的是Caba等人的研究涉及三个多中心临床试验队列共3924例患者;采用多参数输入以利用MS特异性组织特征;以及对不确定性量化的新兴关注,这开始解决GAN的小病灶失败模式。然而,局限性相当大。即使性能最佳的系统,其PPV仅为45%,这意味着在常规监测人群中(在DMT稳定的患者中,增强病灶仅在3.5%的随访扫描中被检出),超过一半的AI提示将是假警报。这一问题在现实世界监测中被放大,因为稳定治疗患者中增强病灶并不常见,且在非选择MS队列中仅占病灶的一小部分。由此产生的低验前概率进一步压低了阳性预测值,并强化了所提出的分诊角色,即AI用于标记低风险检查以推迟钆使用,而非确证疾病活动性。还应承认,钆节省工具的临床需求已部分减弱:2021年MAGNIMS-CMSC-NAIMS指南已不鼓励在稳定随访中常规使用钆,且定量或专家连续的FLAIR比较已能在无需对比的情况下回答患者是否治疗失败的问题。一个更广泛的问题,即AI是否总体上增加了疾病活动性检测(新T2病灶和/或增强病灶)的价值,最终可能更具临床实用性;回答这一问题需要扩展检索,超出了本项以钆为重点的综述范围。没有研究提供针对真正增强后参考标准的前瞻性外部验证。Caba等人在两个独立的随机临床试验队列中提供了纳入文献中唯一的回顾性外部验证,其报告的PPV与该领域整体一致,确认了PPV而非敏感性才是临床部署的主要障碍。2×2四格表数据的报告是例外而非惯例,参考标准的适用性是生成器文献的结构性弱点。由于被纳入的生成器以改善病灶可视化或新T2病灶检测为目标而非增强,且无一使用采集的增强后T1作为比较对象,因此在此它们被解读为AI能够改善非对比病灶检测并由此支持无对比脑MRI的证据,而非支持钆替代的证据。截至2026年5月,该MS文献中尚无扩散模型研究,尽管这是通用医学图像合成中最活跃的领域。

当前证据不支持用纯AI合成对比或非对比分类来替代常规钆增强MRI用于MS监测。基于减影的CAD的高NPV(95%),以及Caba等人在多个外部测试队列中报告的高NPV/中等PPV工作特性,提示AI作为分诊过滤器的可行过渡角色:在非对比数据上得到有把握的阴性AI预测,可能可以安全地推迟特定稳定DMT患者亚群的钆给药,而阳性预测则触发确认性钆成像。任何此类工作流程都需要前瞻性验证和明确的安全阈值,而当前证据基础均未提供。

五项优先事项浮现。第一,应设计以采集的足量钆增强为参考的前瞻性DTA研究,采用连续入组和预设决策阈值。第二,必须按照STARD 2015和近期提出的医学影像AI检查表(CLAIM)标准,在患者水平和病灶水平报告原始2×2四格表数据。第三,跨厂商和场强的外部多中心验证对于刻画限制GAN的扫描仪域偏移至关重要。第四,当前MS证据基础中缺少的扩散模型类别,应与GAN基准进行头对头评估。第五,应研究低剂量钆混合策略,作为在完全消除钆之前监管部门可能接受的临时风险缓解选项。

本综述以PubMed为主要数据库,辅以手工Google Scholar检索和对纳入研究参考文献列表的手工检索,未查阅Embase、Scopus、Web of Science或灰色文献;补充的Google Scholar检索不能系统替代这些数据库,因此在该领域具有影响力的工程会议论文可能未被发现。作为叙述性综述,证据以结构化叙述性综合而非定量荟萃分析的形式呈现。QUADAS-2经AI特异性信号问题改编,但尚无针对深度学习研究DTA评估的共识性工具得到正式验证。

结论

人工智能能够以令人鼓舞的敏感性从非对比磁共振成像中识别多发性硬化活动性病灶,但当前证据基础不支持在常规实践中替代钆增强T1加权成像。在19项纳入研究中,仅1项分类器研究提供了外部多中心验证,仅2项报告了完整2×2四格表数据,且没有研究报告PPV所依赖的增强病灶患病率。图像合成模型产生了视觉上令人信服的输出,但几乎仅以采集的非对比目标作为验证参照,因此它们支持无对比病灶可视化而非钆替代。由于限制因素是低患病率监测人群中的阳性预测值而非敏感性,AI的合理近期角色是基于分诊的推迟使用,即在非对比影像上得到有把握的阴性预测时可允许在低风险随访检查中不给予钆,而阳性预测则触发确认性对比增强成像。在推荐任何钆节省性AI工具用于临床之前,需要开展具有连续入组、预设决策阈值、符合STARD 2015和医学影像AI检查表的完整四格表报告,以及以采集的足量增强后T1加权参考标准进行外部验证的前瞻性研究。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号