编辑推荐：
为解决医学影像标注资源耗费大的问题，研究人员开展肺栓塞（PE）检测的半弱监督学习研究。结果显示，半弱监督模型用约四分之一切片级标签，AUC 达 0.928 ，接近全监督模型。该研究有助于加速模型临床应用，提升医疗水平。
在医学领域，机器学习（ML）正逐渐展现出变革医疗保健和医学影像的巨大潜力。它能提高医生诊断的准确性，帮助优先处理有关键发现的检查，缓解放射科医生短缺的问题，还能降低辐射剂量、改善图像质量。然而，医学影像 ML 模型的训练却面临着一个棘手的难题 —— 大量精心整理的数据集标注工作。这不仅耗时费力，需要专业的放射科专家花费大量时间和精力，而且成本高昂。例如，对大量图像进行细致的分割或边界框标注，是一项单调且耗费时间的任务。同时，标注的准确性也存在问题，即使采用多个独立标注，标注者之间的可靠性差异仍然难以消除。
在这样的背景下，肺栓塞（PE）的检测成为了一个备受关注的研究方向。PE 是指血液在肺动脉循环中形成血栓，这是一种可能危及生命的疾病。其在 CT 肺动脉造影（CTPA）图像上的表现差异很大，从占据中央肺动脉的大栓子，到肺外周小的亚段栓子都有。大的 PE 可能跨越数十张图像，而小的 PE 可能仅在几张图像中占据少量像素。这使得检测小的 PE 极具挑战性，仅依靠检查级标签可能并不足以准确诊断，通常需要更细致的标注。准确及时地诊断 PE 对改善患者预后至关重要，因为诊断和干预的延迟会显著增加死亡率。未经治疗的 PE 死亡率可高达 30%，而经过适当治疗，死亡率能降至 8%。此外，PE 并发症还会导致住院时间延长和医疗系统成本增加。
为了探索如何在保证诊断准确性的同时，减少标注工作量，来自多伦多大学等机构的研究人员开展了相关研究。他们提出了一种半弱监督学习方法，用于在 CTPA 图像上检测 PE。研究成果发表在《npj Digital Medicine》上。
研究人员在研究过程中运用了多种关键技术方法。首先，他们使用了公开可用的 RSPECT 数据集，该数据集来源于 Kaggle 肺栓塞检测竞赛，同时还采用了 Aida 和 FUMPE 这两个公开数据集进行外部验证。在数据处理阶段，利用 dicom2nifti Python 库将 DICOM 文件转换为 NIfTI 格式，通过 TotalSegmentator 对肺部进行分割，确定感兴趣的三维体积（VOI），并进行数据清洗和标准化处理。在模型构建方面，采用基于 CoAtNet - 0 的端到端训练管道，结合注意力层和双向 LSTM 层，利用迁移学习进行模型训练，并使用 Adam 优化器、二元交叉熵损失函数等进行模型的优化和评估。
下面来看具体的研究结果：
- 整体 PE 检测性能：研究发现，仅使用 2.5% 的切片级标签时，模型在 RSPECT 私人测试集上的受试者工作特征曲线下面积（AUC）就从 0.682（0.652, 0.711）显著提高到 0.858（0.836, 0.881）。随着标签可用性的增加，性能持续提升，但当标签可用性超过 27.5% 时，性能提升变得不那么明显。在外部验证数据集上也得到了类似的结果，仅使用检查级标签的弱监督学习 AUC 较低，为 0.656（0.522, 0.790），而添加 2.5% 的切片级标签后，AUC 提高到 0.980（0.953, 1.000），几乎与全监督模型的 AUC 1.000（1.000, 1.000）相当。
- 不同 PE 亚型（中央型与外周型）检测性能：对于中央型 PE，初始的弱监督模型（0% 切片级标签）已经有相对较高的 AUC，为 0.817（0.776, 0.858），引入 2.5% 的切片级标签后，AUC 大幅提升至 0.972（0.953, 0.991），接近全监督模型的 0.987（0.974, 1.000）。而外周型 PE 检测的基线 AUC 较低，在弱监督学习下为 0.647（0.614, 0.680），添加 2.5% 的切片级标签后，AUC 提升至 0.829（0.802, 0.856），需要约 27.5% 的切片级标签才能达到接近峰值的性能（AUC 0.912 与全监督模型的 AUC 0.917 相比）。
研究结论和讨论部分表明，该研究挑战了 PE 研究中普遍认为的广泛细粒度标注对高性能至关重要的假设。实验证明，弱监督学习仅使用检查级标签在 PE 检测中存在局限性，但通过纳入少量（约 2.5%）的切片级标签，模型性能能显著提升。并且，使用约四分之一的切片级标签的半弱监督模型，其性能与全监督模型相当。这意味着并非所有成像任务都需要详尽的注释，合理分配有限比例的切片级标签，也能使模型获得强大的诊断性能。同时，研究还发现中央型和外周型 PE 对细粒度标注的需求存在差异，对于较 “简单” 的任务，最小限度的细粒度标注可能就足够了，而对于更具挑战性的小或亚段 PE 病例，则从额外的细粒度标注中获益更多。因此，可以采用分层或自适应标注策略，仅对复杂病例分配更详细的标签，以优化标注效率和模型性能。
然而，该研究也存在一定的局限性。基于 Youden's J 指数的阈值调整方法未考虑假阴性和假阳性预测的临床后果，以及假阴性病例的血栓负荷。外部验证数据集的规模相对较小，可能会影响研究结果的普遍性。此外，CT 研究基于平均肺大小将图像标准化为 184 层，这种统一的方法可能会因下采样或过采样影响模型学习。尽管存在这些不足，该研究仍然为将 AI 集成到临床影像工作流程提供了一种资源高效、可扩展的途径，有望促进更具成本效益和临床影响力的 AI 在医学影像中的应用，对未来的医学研究和临床实践具有重要的指导意义。
