基于PARASIDE的自动化鼻窦MRI表型分析：在人群队列中对独立人工注释和放射学评估的构念特异性验证

《Journal of Imaging》：Automated Sinus MRI Phenotyping with PARASIDE: Construct-Specific Validation Against Independent Manual Annotations and Radiological Assessments in a Population-Based Cohort

　　

人工鼻窦磁共振成像（MRI，magnetic resonance imaging）注释具有价值但难以规模化。研究人员评估了PARASIDE（基于nnU-Net的自动鼻窦腔室分割与定量表型框架）在T₁加权MRI上自动分割鼻窦腔室的表现，并将其与同一纵向波美拉尼亚健康研究（SHIP，Study of Health in Pomerania）影像人群中独立于PARASIDE生成的历史人工注释和放射学评估进行对照。研究人员链接了3217名参与者的12867个鼻窦侧别。主要构念-标志物配对（construct–marker pairings）在端点特异性建模前设定。软组织分数（soft-tissue fraction）可判别额窦（AUC 0.850，95% CI 0.832–0.868；AUC，受试者工作特征曲线下面积；CI，置信区间）和上颌窦（AUC 0.828，95% CI 0.816–0.841）异常侧别。地形学标志物（topographic marker）对基底性与根尖性混浊的判别为中等（左侧AUC 0.746；右侧AUC 0.782），而额窦总体积可判别发育不全/发育不良评级（AUC 0.988）；近缺失阈值（near-absence threshold）保持高特异性但不敏感。主要发现在排除与原始PARASIDE开发人群重叠的279名参与者后仍稳健。历史上颌窦体积掩膜（volumetric masks）显示强一致性，而额窦一致性在考虑非等效历史分割方法预定义的下界范围后改善。息肉病变仍仅弱可分。PARASIDE在互补历史参考层（reference layers）中显示与不同、解剖可测量的MRI表型相对应，而形态特异性构念需要专门参考标准。

研究背景：大型人群MRI队列包含原方案目标之外的鼻窦影像信息，可反映鼻窦形态、黏膜改变、解剖变异和偶发异常。但人工审阅耗时长、依赖观察者且难以在大样本中扩展；自动鼻窦分割和定量混浊分析可补充并标准化流行病学影像评估。既往鼻窦人工智能研究多聚焦分割性能、自动评分或分类，对分割衍生定量MRI表型的构念特异性验证关注不足。PARASIDE原工作建立了自动分割和全局评分预测，因此本研究不旨在判断自动表型能否替代专家评估，而是明确哪些视觉评估影像构念可在人群规模转化为标准化定量测量，并比较不同历史参考层的对应关系。
研究人员开展了一项横断面影像方法学验证研究，基于SHIP的SHIP-START-2和SHIP-TREND-0两个非重叠检查区块，链接3217名参与者的12867个上颌窦或额窦侧别观察，预设主要构念-标志物配对，并与结构化侧别MRI评估、历史人工体积掩膜、放射学短评估及手术相关参考信息比较。研究结论为构念特异性对应而非所有标签一致：软组织分数对应异常负担，下方位空间关系对应基底-根尖地形，额窦总体积对应发育不全/发育不良；历史体积掩膜与PARASIDE在总体积和含气腔室上空间一致但存在系统尺度差异；息肉和手术相关构念受形态特异性或非等效参考限制。其意义在于支持PARASIDE作为人群队列中可扩展的定量鼻窦MRI表型工具，同时界定自动解释需按参考层粒度解读，不能将影像表型直接等同于临床诊断。
关键技术方法（≤250字）：研究基于SHIP-START-2与SHIP-TREND-0人群影像队列，使用1.5 T T₁加权MRI；采用冻结的PARASIDE（nnU-Net框架）自动分割鼻窦空气与软组织腔室并提取体积、软组织分数、空间关系、形态、强度和纹理等特征；参考层包括历史MeVisLab侧别结构化MRI评级、历史人工体积掩膜、全身MRI阅读中的放射学短评估、图像评级术后形态和问卷自报鼻窦手术。统计采用受试者工作特征分析、参与者聚类自助法、广义估计方程（GEE，generalized estimating equation）、参与者分组交叉验证影像组学、Dice相似系数、第95百分位Hausdorff距离（HD95）及Bland–Altman类偏倚分析。
研究结果：
3.1 队列与参考层结构：链接数据集含3217名参与者和12867个鼻窦侧别观察，其中上颌窦6434个、额窦6433个；1135名来自SHIP-START-2，2082名来自SHIP-TREND-0；中位年龄53岁，女性1648名（51.2%）。804个（6.2%）侧别技术不可读，主要发生于参与者-检查层面；历史人工体积测量含103个链接扫描、102个几何可用PARASIDE分割，完整配对比较为上颌窦组合95例、左额窦96例、右额窦98例；放射学短评估和手术相关变量作为补充参考层。结论是研究形成多粒度参考层验证框架。
3.2 预设PARASIDE标志物反映负担、地形与粗略解剖：软组织分数判别额窦健康与异常AUC 0.850、上颌窦AUC 0.828；调整GEE中，软组织分数每增加10个百分点，上颌窦异常OR 5.74、额窦OR 2.21。下方位空间关系判别左、右上颌窦基底性与根尖性混浊AUC分别为0.746和0.782，每增加1 mm的OR分别为1.28和1.31。额窦总体积判别发育不全/发育不良AUC 0.988；0.070 mL近缺失阈值特异性0.997、敏感性0.223。排除279名开发人群重叠参与者后主要判别和调整关联稳定。结论是三类预设标志物分别对应负担、地形和粗略解剖。
3.3 多特征模型支持负担评估对应：参与者级泄漏保护折外影像组学模型AUC在额窦为0.886（单标志物0.850）、上颌窦为0.934（单标志物0.828）；留一检查区块分析AUC约0.885–0.939；侧别软组织分数与定量混浊评分、定量Lund–Mackay评分及预测总Lund–Mackay评分强相关（Spearman’s –0.929）。影像组学分数对软组织分数残差化后仍与异常评估关联（额窦OR 2.61；上颌窦OR 6.23）。结论是该分数应解释为精细多特征负担指数，而非独立生物学标志物。
3.4 历史息肉评级弱可分：在异常上颌窦侧别中，根尖性混浊一对多AUC 0.858、基底性混浊0.763、历史息肉评级0.574；息肉与非息肉混浊边界分析AUC约0.55–0.64，最佳多特征模型0.641，真灰度共生矩阵（GLCM，grey-level co-occurrence matrix）纹理最高AUC 0.528。定向再评中8例原发育不全均确认，6例原息肉仅1例确认，多数新判息肉原为基底混浊。结论是历史上颌息肉类别存在明显模糊性。
3.5 历史人工体积测量呈腔室和参考范围依赖一致性：组合上颌窦总体积Dice 0.852、含气体积Dice 0.896，衍生软组织体积Dice 0.349但体积相关仍强；PARASIDE体积系统偏小；中位HD95分别为总体积3.32 mm、含气2.24 mm、软组织11.87 mm；排除开发人群重叠后结果不变。额窦PARASIDE总体积位于历史人工感兴趣区（ROI，region of interest）外中位约23.4%和23.7%；将PARASIDE限制至历史ROI下界后，左、右总体积Dice由0.713/0.691升至0.754/0.755，含气Dice由0.727/0.702升至0.766/0.762，HD95下降，但体积偏倚和软组织重叠仍不理想。结论是参考范围和腔室定义影响一致性，不能视为完整人工金标准的分割精度基准。
3.6 PARASIDE反映广泛放射学短评估负担：3392个参与者-检查链接PARASIDE；广泛中面部异常字段3218个可用、1692个阳性，鼻窦炎相关评级717个阳性。聚合PARASIDE特征主要经上颌窦和全局软组织负担对应广泛异常，判别约AUC 0.82；细节字段一致性较低；放射学息肉相关字段与侧别专家息肉评估一致性有限。结论是该参考层主要反映广泛影像负担，解剖特异性低于结构化侧别评估。
3.7 PARASIDE特征与可见术后形态对应强于自报手术：图像评级术后形态无额窦侧别阳性，上颌窦42侧/24个检查阳性；3189个检查中107个自报既往鼻窦手术，20/24图像阳性检查亦自报阳性，但仅20/107自报阳性检查见可见术后上颌形态。参与者级双侧中壁接触面积与图像评级术后形态关联最强（AUC 0.846）；自报手术最强特征为较低平均空气腔球形度（方向性AUC 0.644）。16例富集再评中14例考虑可能存在干预相关形态；残差化空气接触特征最高AUC 0.645。结论是PARASIDE特征更对应可见术后样形态而非问卷手术史，且手术分析为探索性，不能解释为手术史判定。
讨论部分总结：研究主要发现是构念特异性对应而非所有标签统一一致；具有直接解剖对应物的侧别评估类别可被相应定量标志物反映，其中额窦体积关系最清晰，地形标志物为中等判别。历史体积掩膜提供互补三维参考层，组合上颌总/含气腔室与PARASIDE强空间重叠和体积关联，但存在系统尺度差异；额窦差异部分源于历史ROI预定义下界，限制下界后重叠改善而残余差异仍存。影像组学增强广泛异常端点但未改变主解释，应视为精细多特征影像预测指标。历史上颌息肉评级弱可分，且定向再评提示该类别模糊；非对比T₁鼻窦腔室特征不足以作为息肉 definitive 分类端点。手术相关参考层非等效：图像评级形态是较窄的形态学子集，自报手术范围更广但不编码侧别、术式、范围、时间和持续性；PARASIDE特征与可见术后样形态关联更强，但不能作为手术史独立决定因素。优势包括大人群MRI、侧别评估、预设可解释标志物、参与者级泄漏保护、聚类不确定性和多参考层整合；局限包括历史单读者评估、无完整评分者间可靠性、非专用鼻窦MRI/CT/内镜、缺少症状和内镜信息、仅上颌和额窦参考、罕见类别需谨慎、再评为富集非代表样本、手术特征筛选为探索性、额窦历史掩膜范围不同、开发与评估同属SHIP纵向影像人群故非完全外部图像级验证；START-2与TREND-0同属SHIP影像方案，区块间分析不证明跨机构、扫描仪、场强或协议可迁移性。研究支持将人工审阅和体积测量转化为标准化定量影像表型，但PARASIDE最适用于解剖可测构念；息肉、手术状态等需专门临床、内镜、手术或多模态参考标准。
研究结论翻译：PARASIDE衍生的定量MRI特征在与结构化流行病学鼻窦MRI评估类别反映软组织负担、垂直地形或粗略解剖时相对应。广泛异常、上颌窦基底与根尖混浊、额窦发育不全/发育不良分别由预设可解释影像标志物反映，地形端点中等判别，额窦大小对应尤其强。排除与原始PARASIDE开发人群重叠的参与者后，这些主要发现保持稳定。历史体积掩膜提供补充人工三维参考层：组合上颌总腔室和含气腔室与PARASIDE强空间重叠和体积关联，衍生软组织测量空间重叠较低但体积关联仍强；偏倚和一致性界限显示历史ROI协议与自动腔室定义存在系统尺度差异。额窦掩膜比较进一步反映人工标准化额窦ROI与自动全容积分割差异；考虑历史额窦ROI预定义下界后空间重叠改善但残余差异仍存。相反，历史上颌息肉评级和手术相关构念仍受形态特异性或非等效参考信息限制。仅用非对比T₁鼻窦腔室特征时，历史上颌息肉侧别与非息肉混浊侧别弱可分；PARASIDE特征与可见术后样上颌形态较与参与者报告既往手术更接近，不应解释为手术史独立决定因素。这些发现支持PARASIDE作为人群队列定量鼻窦MRI表型的可扩展工具，同时界定自动解释的参考层特异性限制。PARASIDE为原本需重复、劳动密集人工评估的人群规模定量影像任务提供标准化可扩展方法；其局限在需额外解剖、临床或多模态参考的形态特异性或临床定义构念最明显。PARASIDE衍生特征应解释为标准化定量影像表型而非独立临床诊断。