深度学习在颌窦病理学中的应用：确保患者层级分割与无数据泄漏评估的重要性

《European Archives of Oto-Rhino-Laryngology》：Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation

本刊推荐：针对Aktuna Belgin等利用深度学习（DL）检测/分割锥形束CT（CBCT）上颌窦病理时可能存在的患者信息泄漏问题，本文强调了患者层级数据分割（patient-level splits）、无泄漏预处理（leakage-free preprocessing）及概率输出校准（如calibration slope、decision-curve分析）对模型泛化性与临床安全性的关键意义，为AI在鼻窦影像中的可靠应用提供方法学保障。

　　

在耳鼻喉科影像诊断领域，锥形束CT（Cone-Beam Computed Tomography, CBCT）因其辐射剂量低、扫描速度快等优势，已成为上颌窦（maxillary sinus）病变检查的常用工具。然而，面对日益增长的影像数据，放射科医生和耳鼻喉科医生需要进行大量繁琐的病变检测与分割工作，这不仅耗时耗力，还存在主观判断差异的风险。近年来，深度学习（Deep Learning, DL）技术为医学影像的自动化分析带来了曙光，其在图像分类、目标检测和分割任务中展现出巨大潜力。Aktuna Belgin等研究人员在《European Archives of Oto-Rhino-Laryngology》上发表的研究，正是探索利用深度学习算法自动检测和分割上颌窦病理的一次尝试，并报告了较高的测试性能。

然而，将实验室中表现优异的AI模型真正应用于临床诊断，其道路并非一帆风顺。一个核心挑战在于如何确保模型在面对全新患者、不同扫描设备时，依然能保持稳定可靠的性能，即所谓的“泛化性”（generalizability）。如果模型评估过程存在缺陷，其报告的高精度可能只是一种“假象”，一旦投入临床使用，可能导致疾病漏诊或不必要的随访扫描，直接危及患者安全。Francesco De Rango和Emmanuel Pio Pastore致编辑的这封信，正是基于对AI研究方法学严谨性的高度关注，对Aktuna Belgin等人的研究提出了几点至关重要的建设性意见，旨在推动该领域研究向更可靠、更透明的方向发展。

这封信指出，确保深度学习模型评估的严谨性，首要关键在于数据处理的规范性。由于每位患者通常有两个上颌窦，如果在数据集划分（例如分为训练集、验证集和测试集）时，将同一个患者的左右颌窦图像分别放入不同的集合，就会导致“数据泄漏”（data leakage）。这意味着模型在训练过程中可能间接“看到”了本应完全隔离的测试患者的部分信息，从而使得测试结果被高估，无法真实反映模型对新患者的诊断能力。因此，信函强调必须进行“患者层级的分割”（patient-level splits），即确保同一患者的全部数据只出现在一个分区内。同时，在模型选择与调参过程中，也应采用基于患者层级的交叉验证（patient-wise folds），以更稳健地评估模型性能。

除了数据划分，信函还提醒要警惕“管道泄漏”（pipeline leakage）的风险。这指的是在模型构建的整个流程中，任何依赖于数据进行的预处理步骤（如图像强度标准化intensity normalization、阈值分割thresholding、掩模生成mask generation等）都必须在训练集上确定参数，然后将这些参数直接应用于验证集和测试集，而不能根据测试集的数据重新调整或优化。如果在预处理阶段就引入了测试集的信息，同样会造成模型性能的虚假膨胀。因此，必须将预处理流程“锁定”在训练数据范围内。

此外，信函对模型的临床实用价值提出了更高要求。Aktuna Belgin等人的研究基于单一中心、单一型号的CBCT设备（NewTom 3G）在2009年至2016年间采集的数据，这种同质性可能限制了模型在其他中心、不同扫描仪上的适用性。因此，使用来自不同扫描仪的外部测试集（external test set）进行验证，能更好地评估模型的“可移植性”（transportability）。对于能够输出概率的模型，信函建议进行全面的校准度（calibration）评估，包括报告校准截距（calibration-in-the-large）和校准斜率（calibration slope）及其不确定性，并绘制灵活的校准图（calibration plot）。校准度衡量的是模型预测概率与实际发生概率之间的一致性，一个校准良好的模型意味着其输出的“80%恶性概率”确实对应着约80%的恶性可能。最后，决策曲线分析（Decision-Curve Analysis, DCA）能够将校准后的概率与临床净获益（net benefit）联系起来，帮助医生判断在何种概率阈值下使用AI辅助决策能够为患者带来最大益处。

主要技术方法

本研究为方法学评论性文章，未涉及具体的实验操作。其核心是基于现有研究（Aktuna Belgin et al. 2025）的报告内容，强调在利用深度学习处理医学影像（特别是CBCT上颌窦图像）时，必须采用的关键方法学保障措施。这些措施包括：确保患者层级的数据分割以避免信息泄漏；在模型开发流程中，将所有预处理步骤严格限定在训练集内，防止管道泄漏；以及对模型概率输出进行校准度评估和决策曲线分析，以验证其临床实用性。所评论的原研究使用了深度学习算法进行目标检测和图像分割。

研究结果与讨论

本文虽非原始研究论文，但其论述清晰地指向了若干关键结论：

1. 患者层级分割是性能评估的基石

通过强调患者层级数据分割的缺失可能导致的性能高估风险，本文间接表明，任何忽略这一点的颌窦病理AI研究，其报告的性能指标都可能存在水分，无法代表其真实的泛化能力。严谨的评估是AI迈向临床的第一步。

2. 无泄漏预处理是避免虚假繁荣的防火墙

本文指出，预处理步骤中的数据泄漏是一种更为隐蔽但危害巨大的错误。将预处理管道与测试集完全隔离，是确保模型评估结果纯净、可靠的必要条件。这要求研究者建立严格的数据处理规程。

3. 外部验证与概率校准是临床转化的桥梁

针对单中心、单设备数据的局限性，本文提出外部验证是检验模型鲁棒性的“试金石”。同时，对概率输出进行校准和决策曲线分析，不再是可有可无的“加分项”，而是将AI从单纯的技术工具转化为可信赖的临床决策支持系统的关键环节。它直接回答了临床医生最关心的问题：“我该在多大程度上相信这个AI给出的结果？”

结论与意义

Francesco De Rango和Emmanuel Pio Pastore的这封信深刻阐述了深度学习在颌窦影像应用中的方法学严谨性与临床安全性之间的内在联系。它强调，确保患者层级分离、无泄漏的预处理流程以及正确的概率校准，并非仅仅是满足学术出版要求的“技术细节”，而是决定了深度学习系统在真实世界CBCT扫描中表现如何的根本因素。

数据泄漏可能导致报告的性能指标虚高，却在面对新患者时失效，从而引发误诊或医疗资源浪费。独立的预处理和验证能保证所报告的准确性真实反映诊断的可靠性。同样，透明的报告和谨慎的校准直接影响AI结果在工作站上被解读的安全性。当概率输出被良好校准时，放射科和耳鼻喉科医生能够准确把握对自动化检测或分割结果的信任程度。这种算法辅助与临床判断之间的平衡，有助于避免两种极端：一是过度依赖AI，二是忽视有用的AI警报。

最终，嵌入这些方法学保障措施，是将数据学科的严谨性与患者安全紧密连接起来的实践。它确保了鼻窦影像中的AI工具能够真正地支持而非复杂化临床决策过程，为人工智能在耳鼻喉科乃至更广泛的医学影像领域安全、有效地应用奠定了坚实的方法论基础。这篇致编辑的信发表于《European Archives of Oto-Rhino-Laryngology》，为相关领域的研究者提供了宝贵的指导，推动着医学AI研究向着更高标准迈进。