综述:商用深度学习图像重建软件在儿科放射学中的辐射剂量优化表现:系统综述

《Children》:Performance of Commercial Deep Learning-Based Radiation Dose Optimization Software in Pediatric Radiology: A Systematic Review

【字体: 大 中 小 】 时间:2026年08月27日 来源:Children 2.1

编辑推荐:

  背景/目的:迄今为止,尚无系统综述专门关注可用于儿科放射学中辐射剂量优化的商用深度学习图像重建(DLIR)软件。本文旨在系统综述评估商用DLIR软件在儿科放射学中辐射剂量优化表现的原始临床研究,并评价其方法学质量。方法:于2026年4月28日使用7个电子数据库

  
背景/目的:迄今为止,尚无系统综述专门关注可用于儿科放射学中辐射剂量优化的商用深度学习图像重建(DLIR)软件。本文旨在系统综述评估商用DLIR软件在儿科放射学中辐射剂量优化表现的原始临床研究,并评价其方法学质量。方法:于2026年4月28日使用7个电子数据库进行文献检索。本综述已在Open Science Framework注册(注册DOI:10.17605/OSF.IO/3JDQS)。结果:13篇论文符合选择标准并被纳入综述。这些研究评估了5种商用计算机断层扫描(CT)DLIR软件产品。临床可实现的辐射剂量降低范围为11.2%至97.9%,且不损害图像质量,在某些情况下甚至超过参考标准,提示存在进一步降低剂量的潜力。排除2项报告剂量降低幅度显著较低的研究后,临床可实现的剂量降低范围为36.0–97.9%。此外,超过四分之三的纳入文章报告了在保持图像质量的同时剂量降低至少50%。2025年及以后发表的论文中,研究方法学有所改善。结论:商用CT DLIR软件能够在保持图像质量的同时,实现儿科CT辐射剂量的大幅降低。然而,仍需进一步的临床研究来评估更广泛的商用DLIR软件,包括在正电子发射断层扫描(PET)和X射线成像中的应用。未来研究应理想地涵盖完整的儿科年龄范围、来自代表性不足地区的前瞻性收集且样本量充足的 dataset、有效剂量评估以及具有临床意义的结局指标,如诊断置信度/质量/准确性。
  1. 1.
    引言
    人工智能(AI),尤其是深度学习(DL),在儿科放射学中的应用日益普遍。其中一个重要应用是深度学习图像重建(DLIR),其被开发用于辐射剂量优化,即在保持图像质量的同时降低辐射剂量。这一点在儿科人群中尤为重要,因为儿童对电离辐射的敏感性高于成人,且寿命更长,使得潜在的辐射诱发效应有时间显现。尽管大多数放射学检查涉及的辐射剂量通常被认为是低的(小于100 mSv),但其长期影响仍不确定。此外,“合理可行尽量低”(ALARA)原则支撑着放射学实践,强调需要在不损害图像质量以致影响诊断准确性的前提下,将辐射暴露降至最低。
    DLIR用于辐射剂量优化主要是一种医学图像去噪形式,但其扩展了传统去噪方法,在降低图像噪声的同时保持空间分辨率。鉴于辐射剂量优化在儿科放射学中的重要性,多种商用软件产品已可供临床使用,包括AlgoMedica的PixelShine、Canon Medical Systems的Advanced Intelligent Clear-IQ Engine(AiCE)、ClariPI的ClariCT.AI、GE Healthcare的TrueFidelity、Philips Healthcare的Precise Image(用于计算机断层扫描(CT));Subtle Medical的SubtlePET(用于正电子发射断层扫描(PET));以及Canon Medical Systems的Intelligent Noise Reduction(INR)和Samsung Electronics Co., Ltd.的SimGrid(用于X射线成像)。
    然而,近年来儿科放射科医生和专业机构(包括美国放射学会(ACR)、亚洲大洋洲儿科放射学会(AOSPR)、欧洲儿科放射学会(ESPR)、拉丁美洲儿科放射学会(SLARP)、儿科神经影像学会(SPIN)和儿科放射学会(SPR))对商用DLIR系统在儿科放射学中的表现提出了担忧。这些担忧包括许多商用DLIR产品未专门标明适用于儿科,以及即使标明适用于儿科,儿科年龄组间解剖和病理的显著变异性可能导致训练数据集中某些亚组的代表性不足,从而在特定临床场景中产生次优或不可预测的表现。因此,这些组织强调需要强有力的临床疗效证据来支持DLIR系统在儿科人群中的使用。
    近年来,仅发表了1篇叙述性综述和1篇系统综述涉及儿科放射学中的DLIR(分别发表于2021年和2022年)。叙述性综述侧重于DLIR的基本原理、图像特征和应用领域。现有的系统综述评估了DLIR系统在儿科放射学多种应用中的表现,包括内部开发和商用模型。然而,由于纳入了内部开发模型,其发现可能因这些模型无法广泛获取且实施存在挑战而具有有限的临床适用性。在缺乏专门关注商用DLIR软件的系统综述的情况下,临床医生难以确定在常规实践中实施的合理性。这种高质量综合证据的缺乏可能阻碍更广泛的临床采用,并限制DLIR在实现辐射剂量优化和遵守ALARA原则方面的潜在益处。本文旨在系统综述原始临床研究,以评估商用DLIR软件在儿科放射学中辐射剂量优化的表现,并评价其方法学质量。
  2. 2.
    材料与方法
    本系统综述根据PICO框架(人群:接受放射学检查的儿科患者;干预:使用商用DLIR软件进行辐射剂量优化;比较:DLIR与标准实践;结局:辐射剂量降低和图像质量方面的表现)和系统综述与荟萃分析优先报告条目(PRISMA)指南进行。综述过程包括文献检索、论文筛选、数据提取和数据综合。综述已在Open Science Framework注册。
2.1. 文献检索
文献检索于2026年4月28日使用7个电子数据库进行:IEEE Xplore、PubMed、ScienceDirect、Scopus、SpringerLink、Web of Science和Wiley Online Library。检索旨在识别评估商用DLIR软件在儿科放射学中辐射剂量优化的原始临床研究。检索词为(“Artificial Intelligence” OR “Machine Learning” OR “Deep Learning”) AND (“Dose Optimization” OR “Dose Reduction”) AND (“Pediatric” OR “Children”) AND (“Radiology” OR “Medical Imaging”)。未设定出版年份限制。
2.2. 文章筛选
文章筛选由一名具有20年以上文献综述经验的审稿人执行。筛选标准与综述目的相符,即评估商用DLIR软件在儿科放射学中辐射剂量优化的表现,并评价纳入原始临床研究的方法学质量。会议论文被排除,因其学术严谨性通常较低。流程图说明了研究筛选过程,包括去重、标题和摘要筛选以及基于预设标准的全文评估。通过反向参考文献检索识别了其他相关研究。
2.3. 数据提取与综合
数据提取表基于先前的系统综述制定。从每篇纳入论文中提取的数据包括:作者和国家;出版年份;软件产品名称(如Canon Medical Systems的AiCE);模型架构(如卷积神经网络(CNN));研究设计(如前瞻性);多中心参与(是/否);研究人群(如0.0–3.0岁患者);测试数据集来源(如来自意大利单中心的私有数据集)、数据集大小(患者/检查数量)和样本量计算(是/否);外部测试(是/否);应用方式(如CT)和检查类型(如心脏CT血管造影);参考标准(如基于统计的迭代重建(SBIR));相对于参考标准的剂量降低表现(如有效剂量(ED));以及客观图像质量(如噪声降低)和主观图像质量相对于参考标准的变化。
对于同时评估体模和患者数据、和/或成人和儿科患者数据、和/或使用多个参考标准评估DLIR软件表现的论文,仅提取与儿科患者相关的最佳平均测试(若无平均则取中位数)结果。此外,当研究报告多个主观评价结果时,仅提取总体诊断准确性/置信度和图像质量指标。数据综合策略包括:当未报告客观和主观图像质量评价的总体数值时计算平均值;当无总体数值时,从不同人口学亚组计算平均值以代表总体结果;当未明确报告剂量降低和/或图像质量变化百分比时,使用公式:[(参考标准值-DLIR值)/参考标准值]×100%进行计算。鉴于纳入研究采用的评估方法存在显著异质性,荟萃分析价值有限,因此未进行。使用修订后的2024年医学影像人工智能检查表(CLAIM)通过评估CLAIM依从性来评价纳入论文的质量。
  1. 3.
    结果
    13篇论文符合选择标准并被纳入本系统综述。尽管在文献检索过程中识别了评估商用DLIR软件用于PET和X射线成像的研究,但它们未满足选择标准,因此在筛选中被排除。例如,Theruvath等人关于Subtle Medical的SubtlePET的研究纳入了6–30岁参与者,且未单独报告儿科患者的结果。此外,Fujikawa等人关于Canon Medical Systems的INR用于X射线成像的研究未包含辐射剂量降低评估。因此,所有纳入研究均评估了基于CNN的CT DLIR软件,并使用从单中心私有中心收集的数据集进行外部测试。总体而言,这些研究纳入了所有儿科年龄组(0–1、>1–2、3–5、6–11和12–18岁)的患者,每项研究涵盖多个年龄组。它们评估了5种软件产品,包括Canon Medical Systems的AiCE、ClariPI的ClariCT.AI、GE Healthcare的TrueFidelity、Philips Healthcare的Precise Image和United Imaging Healthcare的Artificial Intelligence Iterative Reconstruction(AIIR)。
    表2总结了纳入文章的特征。约40%的论文(5/13)发表于2025年及以后,其余发表于2021至2022年。约一半的研究(6/13)使用来自中国的儿科数据集,总体而言,约70%(9/13)的测试数据集涉及亚洲儿科患者人群。略超过一半的研究(7/13)为回顾性研究,其余为前瞻性收集数据用于DLIR评估。除一项研究外,所有前瞻性研究均使用回顾性获取的数据作为比较的参考标准,从而形成了前瞻性-回顾性研究设计。
    在纳入的研究中,涵盖了所有常见的儿科CT检查,包括头部、胸部和腹部CT。非增强胸部CT是DLIR评估中最常见的应用(5/13,38.5%)。除一项研究外,所有研究均使用迭代重建(IR)作为参考标准,其中11项研究(84.6%)专门使用混合迭代重建(HIR)提供辐射剂量和图像质量比较的参考值。唯一的例外依赖于国际诊断参考水平(DRLs)和一位儿科放射科医生的判断进行表现评估。
    纳入论文的CLAIM依从性评分范围为56.0–74.0%(平均:64.2%;中位数:62.8%)。图2说明了符合修订后CLAIM 2024每项标准的论文数量。这些研究确定的主要方法学弱点是DLIR模型架构报告的局限性以及由于商用软件专有性质导致的训练过程详细信息缺乏。仅一项研究报告了检测辐射剂量显著变化所需的样本量计算,并指出至少需要71名患者。然而,包括该研究在内,只有约四分之一的纳入研究(3/13)使用了至少71名患者的数据集进行DLIR软件评估。测试数据集大小范围为19–191名患者。
    表3显示了纳入研究涵盖的商用DLIR软件的辐射剂量降低表现。最常报告的剂量指标(10/13,76.9%)是容积CT剂量指数(CTDIvol),其次是剂量长度乘积(DLP),在8项研究中进行了评估(61.5%)。
    无论使用何种辐射剂量指标,DLIR实现的剂量降低平均/中位数范围为11.2%(GE Healthcare的TrueFidelity)至97.9%(GE Healthcare的TrueFidelity)。对于Canon Medical Systems的AiCE,平均剂量降低范围为50.0%至59.5%。在单项研究中评估的软件中,ClariPI的ClariCT.AI表现出最低的平均剂量降低(CTDIvol降低19.6%),而United Imaging Healthcare的AIIR实现了最高表现(DLP降低90.5%)。Philips Healthcare的Precise Image表现出中等表现,CTDIvol、DLP和ED(有效剂量)的中位数剂量降低分别为61.9%、70.1%和72.1%。总体而言,超过四分之三的纳入论文(10/13)报告了至少50%的剂量降低。在提供p值的研究中,所有剂量降低均具有统计学显著性(p < 0.0001–0.01)。
    表4说明了DLIR软件的客观和主观图像质量评价结果。最常报告的评价指标(10/13,76.9%)是用于客观噪声测量的CT值标准差和放射科医生的主观图像质量评估。第二常用的客观和主观评价指标分别是对比噪声比(CNR)(9项研究,69.2%)和诊断置信度/质量(5篇论文,38.5%)。在图像质量方面,10项研究报告客观图像噪声的平均/中位数变化范围为增加0.4%(GE Healthcare的TrueFidelity)至降低62.2%(Philips Healthcare的Precise Image)。9项研究报告的平均CNR变化范围为降低31.3%(GE Healthcare的TrueFidelity)至增加75.8%(GE Healthcare的TrueFidelity)。对于主观图像质量,10项研究报告的变化范围为降低8.4%(GE Healthcare的TrueFidelity)至增加45.5%(GE Healthcare的TrueFidelity)。5项研究报告的诊断置信度/质量范围为降低7.6%(ClariPI的ClariCT.AI)至增加25.0%(Canon Medical Systems的AiCE)。
    然而,除Li等人使用DLIR在降低kV、mA、对比剂体积和注射流速的同时保持图像质量和诊断准确性的研究外,所有其他显示图像噪声增加和/或CNR、主观图像质量或诊断置信度/质量降低的研究(6/7,85.7%)发现这些差异与参考标准相比无统计学意义(p = 0.092–0.94)。Li等人报告DLIR导致信噪比(SNR)和CNR分别降低10.4%(p = 0.092)和31.3%(p < 0.001),以及总体图像质量降低8.4%(p < 0.001)。然而,DLIR图像仍具有诊断可接受性,报告了100%的敏感性和特异性。
  2. 4.
    讨论
    这是首个关于商用DLIR软件在儿科放射学中辐射剂量优化表现的系统综述,涵盖了13项研究和5种CT DLIR软件产品(Canon Medical Systems的AiCE、ClariPI的ClariCT.AI、GE Healthcare的TrueFidelity、Philips Healthcare的Precise Image和United Imaging Healthcare的AIIR),评估了它们的辐射剂量降低能力和对图像质量的影响。2021年Nagayama等人发表了关于儿科CT中DLIR的叙述性综述,报告基于两项涉及GE Healthcare的TrueFidelity的成人体模研究和两项评估Canon Medical Systems的AiCE的成人临床研究,DLIR可将CT辐射剂量比使用HIR的标准实践降低30–80%。2022年Ng发表了关于儿科放射学中DLIR的系统综述,纳入了11项研究(10项临床研究和1项体模研究;9项使用商用产品,2项使用内部模型),评估了DLIR的剂量降低表现,报告DLIR可在保持可接受图像质量的同时实现11–95%的剂量降低。本系统综述纳入了13项临床研究,并评估了先前综述未涵盖的两种CT DLIR产品,即Philips Healthcare的Precise Image和United Imaging Healthcare的AIIR。此外,本综述证明CT DLIR可在不损害图像质量的情况下实现11.2%至97.9%的剂量降低,在某些情况下甚至超过参考标准。排除两项报告剂量降低幅度显著较低的研究后,儿科CT临床可实现的剂量降低范围为36.0–97.9%。因此,本综述的发现与先前综述一致,但得到了更广泛且更具临床相关性的证据基础的支持,从而扩展了当前关于商用DLIR软件在儿科CT中表现的知识。
    如表3所示,导致辐射剂量降低表现差异较大的主要因素之一是不同商用DLIR软件产品之间的差异。例如,Canon Medical Systems的AiCE实现的平均剂量降低范围为50.0%至59.5%,而ClariPI的ClariCT.AI表现出显著较低的平均剂量降低(19.6%),United Imaging Healthcare的AIIR报告了显著较高的剂量降低(90.5%)。Philips Healthcare的Precise Image表现出中等表现,中位数剂量降低范围为61.9%至72.1%。对于同一DLIR软件产品,年龄组、检查类型、参考标准和剂量指标的差异对报告的剂量降低表现的影响通常小于不同软件产品之间的差异,差异通常在10%或以下。
    然而,对于GE Healthcare的TrueFidelity观察到了显著变异,报告的剂量降低范围为11.2%至97.9%。这种广泛的范围主要归因于纳入研究使用的CT扫描方案差异。例如,Sun等人报告了GE Healthcare的TrueFidelity实现的最低剂量降低(CTDIvol:13.3%和DLP:11.2%)用于胸部CT血管造影,但也报告了图像质量改善39.8%。这一发现提示,通过使用更低剂量的扫描方案,同时保持与参考标准HIR相当的图像质量,可能实现进一步的辐射剂量降低;然而,这需要进一步的临床验证。
    关于用于评估DLIR表现的指标,CTDIvol、DLP、客观图像噪声和CNR评估以及主观图像质量和诊断置信度/质量评估分别是使用最频繁和第二频繁的指标。CTDIvol和DLP可从CT剂量报告中轻松获取。然而,体型特异性剂量估算(SSDE)和ED可分别提供患者特异性剂量信息和促进不同成像方式间的剂量比较,尽管需要额外的计算。客观图像噪声和CNR能够直接评估DLIR表现,因为DLIR本质上是一种图像去噪应用,且图像噪声影响图像对比度,进而可能影响诊断置信度。然而,儿科放射科医生对诊断置信度/质量/准确性的评估可以说更为重要,因为这些指标反映了DLIR在真实世界中的临床影响,并已得到ACR、AOSPR、ESPR、SLARP、SPIN和SPR的推荐。尽管如此,本综述中仅约一半的研究评估了诊断置信度/质量/准确性。
    基于现有证据,临床医生在选择商用DLIR产品用于临床时,应考虑辐射剂量降低表现的一致性、对诊断置信度/质量/准确性的影响、预期的检查类型和CT平台兼容性。在纳入的研究中,Canon Medical Systems的AiCE在腹部增强CT中表现出最一致的报告表现,实现了50.0–59.5%的辐射剂量降低以及12.9–25.0%的图像质量/诊断置信度改善。相比之下,GE Healthcare的TrueFidelity的报告表现在相似解剖区域和检查类型中也存在较大变异。
    根据ACR、ESPR、SPR、SLARP、AOSPR和SPIN于2025年发布的关于在儿科放射学中实施AI的联合声明,临床中心应监测DLIR在真实世界中跨不同儿科人群的诊断表现。这一建议可能部分解释了为何约40%(5/13)的纳入研究发表于2025年及以后。此外,这五项研究中有四项(80.0%)评估了DLIR对诊断置信度/质量/准确性的影响。另外,本综述中略超过一半的研究为回顾性研究,而Ng 2022年系统综述中纳入的临床研究约三分之二为回顾性。回顾性研究比例的降低与CLAIM 2024中概述的建议一致。此外,Bianco等人于2026年发表了进行样本量计算以确保评估结果可推广性的研究。所有三项满足Bianco等人提出的检测辐射剂量临床有意义变化所需最小样本量71名患者的研究均发表于2025年及以后。
    然而,更广泛地覆盖儿科人群和检查类型仍是一个重要的改进领域。没有纳入的研究覆盖整个儿科年龄范围,且本综述仅识别了基于CT的DLIR研究(表2)。此外,约70%(9/13)的纳入研究中使用的测试数据集涉及亚洲儿科患者人群。因此,未来的临床研究应评估更广泛的商用DLIR软件,包括AlgoMedica的PixelShine、Subtle Medical的SubtlePET、Canon Medical Systems的INR和Samsung Electronics Co., Ltd.的SimGrid。这些研究应理想地涵盖完整的儿科年龄范围,纳入来自非洲、南美洲和大洋洲等代表性不足地区的前瞻性收集的数据集,招募至少71名患者,并使用ED评估辐射剂量降低以及诊断置信度/准确性结局。
    尽管存在这些局限性,纳入研究的CLAIM依从性评分范围为56.0%至74.0%(平均:64.2%;中位数:62.8%),数值上高于作者先前关于商用DLAS软件用于乳腺癌和前列腺癌放射治疗计划的系统综述中报告的结果。然而,鉴于综述之间临床应用、证据基础和研究特征的差异,直接比较应谨慎解释。
    本系统综述有几个主要局限性。首先,文章筛选、数据提取与综合以及CLAIM依从性评估均由单一审稿人执行。尽管该审稿人具有20年以上文献综述经验,并使用了预设的文章筛选标准、PRISMA指南、结构化数据提取表和CLAIM,但缺乏独立验证可能增加提取、综合和评价偏倚的风险。
    其次,CLAIM最初旨在提高医学影像中AI研究的透明度和可重复性,而非作为正式偏倚风险评估工具。尽管如此,CLAIM随后被用于评价医学影像AI研究的方法学质量。先前的系统综述已采用CLAIM作为评估AI研究方法学质量的框架。此外,近期的一项伞形综述证据表明,CLAIM依从性与期刊影响因子四分位相关,发表在较高四分位期刊上的研究通常表现出更高水平的CLAIM依从性。由于较高四分位期刊在同行评审过程中通常应用更严格的标准,这些发现表明CLAIM依从性可为AI研究的整体方法学严谨性和报告完整性提供有用的见解。然而,CLAIM主要评价方法学和报告质量,而非直接评估偏倚风险。因此,较高的CLAIM评分不应自动解释为表明较低的偏倚风险。
    此外,仅纳入了评估商用DLIR软件表现并报告辐射剂量降低结局的英文同行评审原始临床研究。这些选择标准可能限制了符合条件论文的数量。然而,本综述纳入的临床研究数量(n = 13)多于Ng 2022年发表的关于儿科放射学中DLIR的系统综述(n = 10)。此外,本综述涵盖了5种商用CT DLIR软件产品,而Ng的系统综述涵盖了3种,Nagayama等人的叙述性综述涵盖了2种。综合来看,这些发现表明检索策略实现了对当前可用文献的合理全面覆盖。尽管如此,未来的综述可能受益于纳入商用产品名称、与图像去噪和迭代重建相关的附加检索词以及前向引文检索。
  3. 5.
    结论
    本系统综述评估了5种商用CT DLIR软件产品,证明在儿科CT中临床可实现的辐射剂量降低范围为11.2%至97.9%,且不损害图像质量,在某些情况下甚至超过参考标准,提示存在进一步降低剂量的潜力。排除两项报告剂量降低幅度显著较低的研究后,临床可实现的剂量降低范围为36.0–97.9%。此外,超过四分之三的纳入研究报告了在保持图像质量的同时剂量降低至少50%。2025年及以后发表的论文中,研究方法学有所改善。然而,仍需进一步的临床研究来评估更广泛的商用DLIR软件,包括在PET和X射线成像中的应用。未来研究应理想地涵盖完整的儿科年龄范围,纳入来自非洲、南美洲和大洋洲等代表性不足地区的前瞻性收集的数据集,招募至少71名患者,并使用ED评估辐射剂量降低以及诊断置信度/质量/准确性结局。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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