综述:人工智能-放射组学正电子发射断层扫描(AI-radiomics PET)在早期阿尔茨海默病中的阶段分层疗效:一项系统评价和荟萃分析

《Frontiers in Neurology》:Stage-stratified benefits of AI-radiomics PET in early Alzheimer’s disease: a systematic review and meta-analysis

【字体: 大 中 小 】 时间:2026年05月15日 来源:Frontiers in Neurology 2.8

编辑推荐:

  摘要 目的:人工智能放射组学(AI-radiomics)能够比人眼更彻底、更快速地分析放射图像。本研究旨在通过系统评价和双变量荟萃分析,比较人工智能辅助的PET放射组学在阿尔茨海默病(AD)诊断中的效果与传统PET诊断的效果,进行间接的研究水平基准测试。 方法:截至20

  摘要
目的:人工智能放射组学(AI-radiomics)能够比人眼更彻底、更快速地分析放射图像。本研究旨在通过系统评价和双变量荟萃分析,比较人工智能辅助的PET放射组学在阿尔茨海默病(AD)诊断中的效果与传统PET诊断的效果,进行间接的研究水平基准测试。

方法:截至2025年4月11日,我们在PubMed、Embase和Web of Science数据库中搜索了关于人工智能辅助PET放射组学的人类诊断准确性研究。两名评审员根据PRISMA指南提取数据,并使用QUADAS-AI评估风险和偏倚。通过双变量随机效应模型和HSROC合成效应量。预设的分层比较了AD与健康对照组(HC)、AD与轻度认知障碍(MCI)以及示踪剂类别。分析基于使用R和Stata实现的双变量随机效应模型。

结果:共纳入了9项研究(25个2×2表格;n=5,765)。敏感性和特异性之间的强相关性表明存在显著的研究异质性。HSROC预测区域的分散进一步说明了这种异质性。在AD与HC的比较中,蛋白质病变PET的敏感性(SE)为0.89,特异性(SP)为0.91,AUC为0.96。相比之下,18F-FDG PET的表现几乎相当(SE为0.92,SP为0.92,AUC为0.94),表明其增量价值有限。在AD与MCI的比较中,现有数据表明蛋白质病变PET相对于18F-FDG PET有改善的趋势(SE为0.94,SP为0.95,AUC为0.96 vs AUC为0.84)。这些结果强调了蛋白质病变PET在促进早期诊断评估方面的潜力,需要进一步验证。与传统基准相比,AD与MCI的比较显示出显著更高的诊断指标(AUC为0.96;LR+为19.64;LR-为0.06;传统淀粉样蛋白PET的特异性约为0.49),而AD与HC的比较中的改善则微不足道(ΔAUC为+0.02)。敏感性分析确认主要估计值不受单个研究的影响。

结论:人工智能在蛋白质病变PET上的应用显示出区分AD和MCI的潜力,但在AD与HC的比较中仅具有边际效益。然而,鉴于数据的异质性、偏倚风险以及有限的外部验证,需要优先进行多中心验证、标准化报告和前瞻性决策影响研究。

系统评价注册:https://www.crd.york.ac.uk/PROSPERO/view/CRD420251029823,标识符:PROSPERO (CRD420251029823)

1 引言
阿尔茨海默病是全球痴呆症的主要原因(1),占病例的60-80%,并对老龄化社会的公共卫生系统造成巨大压力(2)。传统的诊断方法如临床评估、神经心理学测试以及CT、MRI和PET扫描的视觉/定量解读在早期和非典型表现中可能效果不佳(3)。在A/T/N框架内,淀粉样蛋白PET、tau-PET和FDG-PET可以捕捉到通常在症状出现前数年就存在的病理和神经退行性变化,这突显了需要更敏感的分析方法(4)。人工智能辅助的放射组学可以通过利用PET的高维纹理、形态和强度特征来解锁超出标准视觉解释的信号。

正电子发射断层扫描(PET)是一种高度先进的放射技术,使用示踪剂(如18F-氟-2-脱氧葡萄糖(18F-FDG)来评估大脑代谢(5)。病理蛋白质示踪剂(包括18F-Florbetapir(6))用于识别早期神经退行性改变。然而,当前的临床实践主要依赖于临床视觉评估和标准化摄取值比(SUVRs)(7)。这种方法可能无法识别疾病的复杂性和细微差别(8)。开发更敏感的早期和非典型阿尔茨海默病诊断工具的需求催生了能够检测PET成像数据中微妙变化的创新分析方法。目前,放射组学代表了最佳解决方案。放射组学涉及从PET扫描中系统地提取和分析多种定量成像特征,包括纹理、形态和基于强度的参数。放射组学的目的是帮助识别通过传统视觉解释无法察觉的疾病特异性模式(9)。此外,人工智能(AI),特别是机器学习(ML)和深度学习(DL)算法,已被应用于PET诊断中的特征识别,包括视觉评估和标准化摄取值比(SUVs)。先前的研究结果支持了这一观点(10)。此外,在放射组学诊断背景下应用这些方法可以更快地处理和分析数据,同时确保更高的精度(11)。放射组学领域的研究一致显示其诊断性能优于传统成像方式(12)。

为解决先前关于AI在神经影像学和PET用于阿尔茨海默病方面的关键证据缺口,进行了一项符合PRISMA-DTA标准的系统评价和双变量荟萃分析,重点关注人工智能辅助的PET放射组学。汇总的敏感性、特异性和HSROC AUC的估计按临床对比(AD与HC;AD与MCI)进行分层,并与最近荟萃分析中报告的传统PET性能进行基准测试。此外,量化了研究水平的变异性(95% HSROC预测区域),探讨了调节因素(DL与ML;样本量),并使用QUADAS-AI评估了偏倚风险。这些分析提供了分阶段的分层性能估计,以指导临床应用并指导未来的研究方向。

2 方法
本荟萃分析遵循PRISMA-DTA(13)和PRISMA 2020(14)标准。

2.1 搜索策略
使用PubMed、Embase和Web of Science数据库进行了系统文献搜索,以识别从研究开始到2025年4月11日发表的研究。结合使用了以下医学主题词(MeSH)和关键词:(阿尔茨海默病)AND(放射组学)AND(人工智能或机器学习或深度学习)。每个主题组内的搜索词使用布尔运算符“OR”组合,然后使用布尔运算符“AND”组合主题组。每个数据库的全面策略在补充材料中提供。此外,手动筛选相关文章的参考列表以识别任何其他符合条件的研究。文献搜索和筛选由两位作者(JLD和MXY)独立完成。分歧通过讨论解决。

2.2 纳入和排除标准
根据PICOS框架(人群、干预、比较、结果、研究设计)严格选择符合条件的文章。纳入标准如下:(1)人群:确诊为AD、MCI的个体和健康对照组(无显著AD相关临床症状的个体);(2)干预:基于人工智能方法的正电子发射断层扫描放射组学的神经学诊断;(3)比较:传统PET视觉解读或SUVR阈值;(4)结果:主要指标:敏感性、特异性、AUC(AD与HC;AD与MCI);次要指标:LR+、LR-、DOR、阈值效应、校准/异质性;(5)横断面或队列研究;优先选择前瞻性研究;多中心研究;n≥30;符合STARD报告标准;盲法、独立解读。排除标准包括:(1)非AI方法;(2)非PET方法;(3)综述;(4)病例报告;(5)非英文文章。

2.3 对比证据的收集和比对
我们在过去5年内对PubMed和PMC进行了全面搜索,以识别关于早期阿尔茨海默病的PET人类荟萃分析。这些分析报告了敏感性、特异性以及可用的AUC。研究按AD与HC和AD与MCI进行分层。符合条件的方法包括18F-FDG、淀粉样蛋白PET和tau PET。从每个荟萃分析中提取汇总的点估计值(95%置信区间)并得出LR+、LR-和DOR用于基准测试。

2.4 数据提取
两名评审员使用标准化的数据提取表独立提取特征和诊断性能数据。分歧通过共识解决。数据集包括参与者的人口统计信息、纳入和排除标准、研究中包含的受试者总数、参考标准、成像剂信息、图像质量差的信息、算法设计细节、算法类型以及验证方法。此外,还收集了关于诊断准确性的数据。提取了二元诊断准确性数据,并在报告的阈值下构建了列联表。诊断准确性数据包括敏感性(SE)、特异性(SP)、曲线下面积(AUC)、真阳性(TP)、假阳性(FP)、真阴性(TN)和假阴性(FN)等指标,直接用于AI模型的列联表。如果一项研究比较了不同的模型或算法,则仅提取主要研究内容。纳入研究的列联表总结在补充表10中。对于主要分析,所有相关数据分割(例如,训练集、内部验证集和外部测试集)用于捕捉整体性能趋势。对于解决研究内依赖性的敏感性分析,我们根据协议化的层次结构将数据限制为每项研究的单个2×2表格:(1)在外部验证集上评估的操作点;如果不可用,则(2)作者声明的主要临床阈值;如果不可用,则(3)论文中用于主要分析的预设阈值。

2.5 质量评估
使用QUADAS-AI标准(15)评估所有选定研究的偏倚风险和适用性。它为评估人工智能辅助诊断测试准确性的综述提供了特定的框架。此外,还进行了适用性分析。至少两名独立作者对所有研究进行了彻底的审查和分析。分歧通过共识解决。

2.6 统计分析
本研究的目的是估计人工智能辅助放射组学在PET中的诊断性能,并将其与当前方法的性能进行比较。为此,进行了带有列联表的研究荟萃分析。由于研究之间的差异,采用了随机效应模型。我们拟合了一个双变量随机效应(Reitsma)模型,以获得汇总的敏感性和特异性,并绘制了带有95%置信度和预测区域的HSROC曲线。通过HSROC预测区域展示了研究间的变异性;未使用单变量I2进行DTA合成(16)。组合曲线绘制了相应的95%置信区域和HSROC图中SE、SP和AUC平均值的95%预测区域。使用Deeks的漏斗图不对称性测试评估了小样本效应(每个分析报告p值)。预设的亚组荟萃回归包括算法类别(DL与ML)和样本量(≥100 vs <100)。考虑到对照组与其他研究组之间的临床效用差异,最初将纳入的研究分为两类:AD与HC组和AD与MCI组。分别评估了不同示踪剂(葡萄糖代谢、病理蛋白质)的诊断性能,因为放射性配体的功能和区域摄取量有所不同。随后,根据以下标准进行了亚组分析,以确定极端异质性的来源:(1)AI算法(ML或DL);(2)AI算法的样本量(≥100或<100)。将传统PET的比较效应总结为ΔAUC和Δlogit-Se/Δlogit-Sp,从双变量随机效应模型计算LR+/LR?/DOR和95%预测区间。为了研究异质性的来源,进行了荟萃回归分析,将AI算法类型和样本量作为协变量。

分析在R 4.5.1(R Foundation;RRID:SCR_001905)和Stata版本18(StataCorp LP,College Station,TX,美国;MIDAS和MetaDTA;RRID:SCR_012763)中进行。我们预设α=0.05(双侧),报告精确的p值,并将非常小的值表示为p<0.001。

3 结果
3.1 文献筛选结果
初步搜索共得到694条记录,其中30条是重复记录。经过标题和摘要的筛选后,排除了600项研究,留下64篇文章进行全文资格评估。经过彻底的文献审查,有5项研究被认为质量不足,无法纳入分析。最终共有59项研究被选中进行定性综合。然而,其中50项研究因各种原因被排除。经过进一步的文献审查,共有9篇文章被认为包含足够的数据以满足荟萃分析的纳入标准。文献筛选过程如图1所示。

3.2 纳入研究的特征
这些纳入研究的详细特征显示在表1和补充表1中。值得注意的是,所有研究都使用了回顾性数据。七项研究使用了公共数据库中的图像。所有研究均基于常规临床诊断招募患者。关于所采用的成像技术,有两项研究同时使用了PET和MRI来训练AI模型,而其余七项研究则仅依赖PET成像。两项研究使用了样本外的数据集进行外部验证。“所有研究都使用了一种PET示踪剂:蛋白病变PET(淀粉样蛋白或tau)或18F-FDG。此外,本研究中对阿尔茨海默病(AD)分类的研究分布如下:共有六项研究致力于将AD从轻度认知障碍(MCI)中分类出来,五项研究致力于将AD从健康对照组(HC)中分类出来(更多细节见补充表2)。补充表3和表4详细列出了使用不同PET成像示踪剂的各类研究。表2和表3总结了AI辅助PET成像在AD诊断中的综合性能估计。森林图可以在补充图1-6中找到。

表1 作者 年份(参考) 算法细节 数据特征 模型 患者数量 训练/验证比例 测试 内部验证类型 外部验证类型 目标状况 成像剂 数据来源 前瞻性 数据范围
Jiang等人,2024年(54) CNN;XGBoost 196 2 NR NR NR 是 DL + ML AD vs. MCI 18F-FDG ADNI公共数据库;上海华山医院和北京宣武医院 否 NR
Mu等人,2024年(55) GBDT;LR 278 22 2 (4:1) 56 单个保留验证集(无k折交叉验证) 否 ML AD vs. MCI 18F-FDG ADNI-2公共数据库 否 NR
Chen等人,2024年(56) mRMR;LR 159 113 (7:3) 46 5折交叉验证 否 ML AD vs. HC AD vs. MCI 18F-FDG 北京首都医科大学宣武医院放射科和核医学科 否 2017年7月 – 2022年8月
Peng等人,2023年(57) mRMR;GBDT;SVM;NB;RF;KNN 34 123 81 10 3 10折交叉验证 否 ML AD vs. MCI 18F-FDG ADNI公共数据库 否 NR
Alongi等人,2022年(58) DA 43 NR NR 5折交叉验证 否 ML AD vs. HC 18F-FDG 意大利切法卢Giglio研究所 否 2016年7月 – 2017年9月
Zhao等人,2022年(48) ResNet 34;SVM 51 34 63 50 10折交叉验证(200次) 否 DL AD vs. MCI vs. NC 18F-Flortaucipir ADNI公共数据库 否 NR
Ding等人,2021年(59) SVM 61 93 34 28 5 10折交叉验证(1000次) 是 ML AD vs. HC 18F-Florbetapir ADNI公共数据库 否 NR
Zhou等人,2021年(60) ZF-Net;SVM 35 53 21 34 10折交叉验证(100次) 否 DL AD vs. MCI 18F-FDG ADNI公共数据库 否 NR
Dai等人,2021年(61) DeU-Net 18 2 NR 10折交叉验证 否 DL AD vs. HC 18F-FDG ADNI公共数据库和PPMI公共数据库 否

表2 所有纳入研究的特征(n = 9)。

表3 参数 表格数量 AUC(HSROC 95% CI) SE(95% CI) p值a SP(95% CI) p值a LR+(95% CI) LR-(95% CI)
蛋白病变 总计 50.96 (0.86–0.98) 89 (73–96) 91 (86–98) 6.41 (3.79–10.84) 0.17 (0.10–0.30)
18F-FDG 总计 50.94 (0.93–0.97) 92 (89–94) 92 (86–96) 12.03 (6.58–22.00) 0.09 (0.07–0.11)
算法 <0.001 <0.001
DL 50.96 (0.92–0.99) 93 (90–96) 95 (85–99) 14.52 (6.87–30.68) 0.08 (0.05–0.12)
ML 50.91 (0.82–0.94) 83 (74–89) 87 (82–91) 5.96 (3.82–9.29) 0.20 (0.13–0.33)
样本大小 <0.001 <0.001 ≥100 70.95 (0.90–0.98) 89 (80–94) 90 (85–93) 8.13 (5.06–13.05) 0.13 (0.08–0.22) <100 30.97 (0.93–0.99) 90 (80–96) 95 (86–98) 24.61 (7.31–82.91) 0.09 (0.04–0.21)

表3 人工智能辅助PET成像在诊断AD方面的综合性能的总结估计和元回归。HC,健康对照组;AD,阿尔茨海默病;DL,深度学习;ML,机器学习;18F-FDG,18F-氟脱氧葡萄糖;蛋白病变PET:淀粉样蛋白或tau;LR+,正似然比;LR-,负似然比;SE,敏感性;SP,特异性;AUC,HSROC曲线下面积。

表3 参数 表格数量 AUC(HSROC 95% CI) SE(95% CI) p值a SP(95% CI) p值a LR+(95% CI) LR-(95% CI)
蛋白病变 总计 20.96 (0.92–0.98) 94 (85–98) 95 (80–99) 19.64 (4.09–94.30) 0.06 (0.03–0.12)
18F-FDG 总计 130.84 (0.81–0.88) 82 (79–85) 74 (67–80) 3.25 (2.60–4.07) 0.22 (0.18–0.27)
算法 <0.001 <0.001
DL 50.94 (0.87–0.97) 89 (82–93) 91 (80–96) 10.46 (3.71–29.46) 0.14 (0.08–0.24)
ML 100.84 (0.77–0.88) 82 (76–86) 71 (63–77) 2.94 (2.31–3.76) 0.24 (0.17–0.32)
样本大小 <0.001 <0.001 ≥100 60.91 (0.84–0.95) 87 (81–91) 85 (71–93) 5.02 (3.40–7.40) 0.15 (0.10–0.23)
<100 90.82 (0.78–0.89) 79 (62–82) 73 (62–82) 2.98 (2.06–4.31) 0.27 (0.19–0.38)

3.3 研究质量
使用QUADAS-AI评估了偏倚风险(见补充图18;补充表9以及补充表11中的全部信号项)。在九项研究中,患者选择、参考标准和流程/时间的偏倚风险均较低(9/9,各100%)。指数测试领域的问题集中在:九个问题中有七个(77.8%)被评为高风险,主要是由于缺乏外部验证(九个问题中有七个的Q6为“否”),只有两个问题(22.2%)使用了独立的测试集。总体而言,偏倚主要控制在指数测试领域之外;然而,由于仅使用内部验证,普遍性受到很大限制。未来的研究应包括外部队列(预先注册的分割)、发布详细的数据划分,并在完全保留的数据集上报告模型性能,以减少乐观情绪并增强适用性。

3.4 元分析结果
3.4.1 用于从HCA分类AD的AI算法的综合性能
共有五项研究使用了蛋白病变PET成像。该组的综合敏感性(SE)、特异性(SP)和曲线下面积(AUC)分别为89%(95% CI:73–96)、91%(95% CI:80–96)和0.96(95% CI:0.86–0.98)(图2)。
图2 分类AD与HC的HSROC曲线。面板:(a) 病理-PET;(b) 18F-FDG PET。阴影区域表示95%的预测区域(研究间异质性)。
三项使用18F–FDG PET成像的研究提供了足够的数据来构建列联表和计算诊断性能指标。对于这些研究,综合SE、SP和AUC分别为92%(95% CI:89–94)、92%(95% CI:86–96)和0.94(95% CI:0.93–0.97)。
关于AI算法,上述算法的层次化总结接收者操作特征(HSROC)曲线显示在补充图8中。DL的综合SE为93%(95% CI:90–96),ML的综合SE为83%(95% CI:74–89);DL的综合SP为95%(95% CI:85–99),ML的综合SP为95%(95% CI:82–91)。AUC分别为DL的0.96(95% CI:0.92–0.99)和ML的0.91(95% CI:0.82–0.94)。
关于样本大小,我们确定100名患者是这项分析的关键标准。这些样本大小子组的层次化HSROC曲线显示在补充图9中。样本量大于100的组综合SE为89%(95% CI:80–94),样本量小于100的组综合SE为90%(95% CI:80–96);样本量大于100的组综合SP为90%(95% CI:85–93),样本量小于100的组综合SP为95%(95% CI:86–98)。AUC分别为样本量较大组的0.95(95% CI:0.90–0.98)和样本量较小组的0.97(95% CI:0.93–0.99)。

3.4.2 用于从MCI分类AD的AI算法的综合性能
已纳入了来自蛋白病变PET成像分析的列联表。综合SE、SP和AUC分别为94%(95% CI:85–98%)、95%(95% CI:80–99%)和0.96(95% CI:0.92–0.98)(图3)。
图3 分类AD与MCI的HSROC曲线。面板:(a) 病理-PET;(b) 18F-FDG PET。阴影区域表示95%的预测区域。
对于18F–FDG PET成像研究,共有13个列联表被纳入分析。该组的综合SE为82%(95% CI:79–85),SP为74%(95% CI:67–80),AUC为0.84(95% CI:0.81–0.88)。
关于AI算法(ML/DL),这些算法的相应HSROC曲线显示在补充图11中。DL的综合SE为89%(95% CI:82–93),ML的综合SE为82%(95% CI:76–86);DL的综合SP为91%(95% CI:80–96),ML的综合SP为71%(95% CI:63–77)。AUC分别为DL的0.94(95% CI:0.87–0.97)和ML的0.84(95% CI:0.84–0.88)。
关于样本大小,以100名患者为标准,HSROC曲线显示在补充图12中。样本量大于100的组综合SE为87%(95% CI:81–91),样本量小于100的组综合SE为79%(95% CI:62–82)。样本量较大的组综合SP为85%(95% CI:71–93),样本量较小的组综合SP为73%(95% CI:62–82)。AUC分别为样本量较大组的0.91(95% CI:0.90–0.98)和样本量较小的组的0.97(95% CI:0.93–0.99)。

3.4.3 敏感性分析
对于AD与HC和AD与MCI的比较,留一法敏感性分析显示,在大多数排除情况下,总结敏感性和特异性保持稳定,表明主要诊断准确性估计不受任何单一研究的影响。在几个子集中观察到边界解决方案或模型不稳定性,反映了支持完整HSROC结构的信息有限,而不是诊断性能的变化。
此外,为了应对潜在的研究内依赖性,我们进行了严格的敏感性分析,将数据集限制为每个独立研究的单一预定估计。对于AD与MCI(18F-FDG)子组(N = 6),独立的综合AUC保持在0.90。对于其他样本量受限的子组(N < 4),我们进行了描述性敏感性检查。独立的AUC范围从0.928到0.963,与我们的主要综合估计非常接近。由于样本量较小,这些发现仅作为描述性敏感性检查,而不是确认性证据,表明多次提取不太可能对我们的主要临床发现产生实质性偏差。

3.4.4 异质性分析
研究间的变异性在对比中是显著的,如宽HSROC预测区域所示。在元回归中,算法类别(DL vs. ML)和样本大小(≥100 vs. <100)部分解释了这种分散(表2、表3中的p值);子组曲线显示在补充图13-17中。所有子组和元回归分析的详细结果显示在表2、表3和补充表7-10中。结果表明协变量存在统计学上的显著差异。

3.4.5 外部基准测试
在AD与HC的比较中,AI-radiomics蛋白病变PET的SE为0.89 / SP为0.91 / AUC为0.96,而传统的淀粉样蛋白-PET基准的SE为0.91 / SP为0.81 / AUC为0.91(17);与AI辅助的18F-FDG放射学相比,增量收益很小(AUC为0.96 vs 0.94;ΔAUC为+0.02)。在AD与MCI的比较中,AI-radiomics蛋白病变PET的SE为0.94 / SP为0.95 / AUC为0.96(LR+为19.64;LR-为0.06),与传统的淀粉样蛋白-PET的低特异性(约0.49)和AI辅助的18F-FDG放射学(AUC为0.84)相比。

4 讨论
在蛋白病变PET上应用AI-radiomics与更高的诊断性能相关,特别是在前驱阶段。在AD与MCI的区分中,性能指标显示出显著的有效性,AUC为0.96,LR+为19.64,LR-为0.06。这一观察不仅解决了淀粉样蛋白-PET在特异性方面的传统局限性,而且与AI辅助的18F-FDG放射学相比,还获得了更高的诊断指标。这些初步发现表明,AI-radiomics可能作为记忆临床途径中的补充工具(例如,同时阅读器),有待前瞻性验证。在无法使用蛋白病变PET的情况下,研究建议采用AI-FDG,其诊断准确性可与AD与HC相当。
AI-radiomics蛋白病变PET在MCI中提供了高诊断准确性,AUC为0.96,LR+为19.64,LR-为0.06(SE为0.94;SP为0.95)。相比之下,AI辅助的18F-FDG放射学的性能明显较低(AUC为0.84;LR+为3.25;LR-为0.22)。在AD与HC的比较中,两种方法的性能都接近上限(AUC分别为0.96 vs 0.94;ΔAUC为+0.02),这种差异不太可能改变管理方式。因此,MCI检查代表了AI辅助蛋白病变PET的高度有前景的临床应用。
与传统的淀粉样蛋白-PET相比,AI-radiomics蛋白病变PET的基准进一步强调了这一差异:在传统读数下,AD与MCI的特异性约为0.49,而AI-radiomics蛋白病变PET为0.95。同时,AD与HC之间的差异相对于高基线来说较小。
值得注意的是,在研究队列中达到高准确性的AI模型在代表性不足的人群中可能不会表现同样好。在临床应用之前,在代表预期使用环境的人群中进行验证是必不可少的。
一些敏感性分析中观察到的模型不稳定性或边界解决方案反映了研究数量有限以及敏感性和特异性之间的高相关性,表明HSROC模型的结构依赖性而非诊断准确性的变化。总结估计的一致性支持了主要发现的稳健性。
在这项研究中,我们不仅采用了传统的机器学习技术,还采用了近年来流行的深度学习方法。“黑箱”性质的DL可能会影响临床医生的信任;几项研究报告了事后解释,这些解释定位了与AD一致的特征,从而提高了可审计性(18-21)。鉴于我们的数据集中DL模型倾向于表现出比ML模型更高的综合准确性,这提出了一个关键的转化挑战:如何在管理可解释性和临床医生信任度降低的情况下利用更高的准确性。单独的性能提升不足以在高风险环境中进行应用。临床医生必须能够质疑或至少概念化支持模型支持特定分类的能力背后的理由。事后解释方法突出了DL内部表示与既定疾病知识之间的实际桥梁,使输出更易于审计。然而,必须注意,这些解释本身可能不稳定或具有误导性。因此,必须标准化它们的使用,并将其嵌入到明确的操作程序中,以避免成为额外的不透明度来源。
一种补充策略是在临床工作流程中区分DL和ML的角色。深度学习(DL)的应用可以分阶段进行优先排序,在这些阶段中,准确性的边际提升能够带来最大的临床和运营回报(例如,分诊、早期检测、试验富集),而在需要明确理由和符合指南的情境下,则可以使用更具解释性的机器学习(ML)或基于规则的工具。同时,严格的数据管理、统一的预处理以及强大的外部验证将部分“信任负担”从深度学习的内部机制转移到其开发和评估流程的质量上。因此,可解释性应该被视为一个连续体——全局的、局部的和系统级的——而不仅仅是一个二进制属性,并且应该与准确性一起进行优化。从这个以治理为导向的角度来看,深度学习的卓越性能是设计安全、负责任且临床可接受的部署策略的基本出发点。但它并不是采用的唯一标准。

对研究的全面回顾显示了显著的异质性,这归因于人工智能方法、样本量和成像模式的不同(22)。这些针对各种机器学习方法(如SVM、LR、XGBoost等)的亚组荟萃分析结果表明,不同机器学习方法在诊断性能上存在差异,这可能在我们?荟萃分析中引入了异质性(23)。关于样本量的问题,很明显,没有一项研究进行了样本量计算。这是人工智能模型报告中一个值得注意的遗漏(24)。在所使用的成像模式方面,有2项研究同时使用了PET和结构性MRI来构建人工智能模型,而其余7项研究仅依赖于PET成像。观察到的异质性是由于不同成像模式之间的差异造成的。这种异质性源于每种模式特有的信噪比特性和预处理要求(25)。系统评估表明,当将特定的人工智能算法应用于不同的模式时,其性能可能会变化超过15%,这反映了特征识别方面的模式特定挑战(26)。此外,尽管元回归将部分方差归因于这些方法学因素,但必须承认,异质性也本质上反映了阿尔茨海默病(AD)内部的深刻神经生物学多样性。在HSROC模型中观察到的广泛预测区域可能捕捉到了由非典型表现、混合病理(如同时存在的脑血管疾病或以边缘系统为主的与年龄相关的TDP-43脑病)以及潜在的基因变异(例如APOE状态)驱动的有意义的生物信号。建议未来的放射组学研究采用一种新的方法,不再仅仅将神经生物学异质性视为一个混杂变量。相反,建议放射组学研究积极将神经生物学异质性作为一个关键的分层因素。

为了减轻由方法和模式引起的异质性影响,必须在研究中严格标准化和预处理数据。标准化的数据减少了混杂因素,并提高了使用机器学习和深度学习从神经影像数据中学习有意义模式和特征的能力(27)。早期研究表明,预处理对于神经影像研究的可靠性和有效性至关重要,特别是在阿尔茨海默病的背景下(28)。本分析中包含的大多数研究都处理了这一步骤。然而,由于时间消耗和不准确性等潜在缺点,随着人工智能技术的发展,这些系统需要进一步完善。

除了数据本身的特征及其准备过程之外,模型的训练是决定人工智能性能的另一个关键因素,也是导致研究之间异质性的另一个来源。模型的最终性能与其训练方法密不可分。在超参数调整期间所做的决策、总训练周期数以及所采用的具体优化程序都会影响偏差-方差平衡。引入提前停止、交叉验证和自适应调度仍然是处理欠拟合和过拟合之间权衡的最佳方法,从而确保开发出稳健且可泛化的模型(29-31)。外部验证对人工智能诊断研究的偏差风险和泛化能力有着至关重要的影响。跨不同临床领域的研究一致表明,仅在内部(开发)数据上评估的算法往往表现出乐观的性能估计,并存在未被发现的偏差。相比之下,严格的外部验证——在完全独立的队列上测试模型——揭示了40%到70%的情况中性能下降。这一过程揭示了过拟合、谱偏差和群体差异,这些都会削弱泛化能力和临床信任度(32, 33)。只有两项研究应用了外部验证。因此,人工智能诊断准确性研究中缺乏外部验证可能会导致较高的偏差风险(34)。当算法没有经过外部验证时,可能会过度拟合开发数据集的独特特征,从而导致指标膨胀。这反映了谱偏差,并导致过高的性能估计(33, 35)。此外,不同地点或时间段的外部验证通常会揭示性能的变异性(32)。然而,传统的独立队列验证对于临床人工智能来说仍然远远不够。未来的研究必须采用一个多维评估框架,包括以下内容:(1)跨人口统计验证,以确保代表性不足的群体的公平性(36);(2)跨站点验证,以确认对扫描仪和协议变化的鲁棒性(37, 38);(3)在未选定的真实世界临床人群中进行验证,而不是高度挑选的研究志愿者(39);以及(4)在连续的疾病谱上进行验证,包括非典型表现。所有包含的研究都基于回顾性医院数据,这通常会产生过于乐观的性能估计,但限制了其在现实世界中的适用性(40, 41)。相比之下,前瞻性研究——通过在模型开发后收集的数据上评估算法——提供了更有力的证据,使预期性能与实际临床影响更好地对齐(42)。

淀粉样蛋白-PET和tau-PET是已被证明能够在活体受试者中可视化阿尔茨海默病特征的成像模式。这些模式既具有分子特异性,又提供可量化的结合指标(43)。FDG-PET已被证明是测量脑葡萄糖代谢的可靠指标,可作为神经退行的替代标志物。在许多情况下,其敏感性被发现超过了结构性MRI(44)。比较淀粉样蛋白-PET和tau-PET的视觉读数显示,这两种方法在检测认知障碍患者的阿尔茨海默病方面表现出相似的敏感性和特异性(45)。在多队列研究的背景下,当使用A/T/N、A/T、A和T生物标志物来识别阿尔茨海默病时,没有发现诊断精确度的统计学显著差异。这一观察表明,在某些情况下,单独的PET测量可能近似于特定临床结果的A/T/N组合(46)。因此,分类如下:包含β-淀粉样蛋白生物标志物成像和tau生物标志物成像的组被归为一类,包含18F-FDG成像的组被归为另一类。在之前的研究中,淀粉样蛋白-PET和tau-PET的AUC值非常高,分别为0.89至0.96(47)和0.92至0.94(48)。虽然传统的18F-FDG PET对阿尔茨海默病与健康对照组的AUC为0.94,但专门的18F-FDG PET DAT-score分类器在预测阿尔茨海默病轨迹时的AUC约为0.78-0.81(49)。与本研究的发现相比,蛋白质病的总体AUC为0.96,而18F-FDG在从正常对照组诊断阿尔茨海默病时的总体AUC为0.94。从轻度认知障碍(MCI)诊断阿尔茨海默病时,18F-FDG的总体AUC为0.84。其中一些数据集显示出比之前的数据集有显著的改进,而其他数据集则与之前的数据集相对一致。

本综述优先考虑了英文出版物,这可能排除了相关的非英文证据。我们没有联系研究作者以获取缺失的数据。大多数包含的研究使用临床标准而不是病理学确认来诊断阿尔茨海默病。队列组成各不相同,包括阿尔茨海默病亚型的不同分布,这限制了可比性。证据基础过于稀少,无法探索研究之间的异质性来源。有限的PET数据增加了模型过拟合的风险,跨数据集的泛化能力仍然不确定。所有跨模态的比较都是间接的(在不同研究之间),而不是在同一参与者内部的直接比较;尽管进行了双变量建模,但由于阈值、参考标准和病例组合的异质性,残余混杂可能仍然存在。未来的工作应在真实世界环境中验证人工智能的性能,并在更加同质的患者群体中进行验证。当前文献和这项荟萃分析的一个关键局限性是严重缺乏人群多样性,这是一个未测量的调节因素,从根本上限制了我们发现的泛化能力。值得注意的是,九项包含的研究中有七项使用了来自ADNI数据库的数据,该数据库的参与者主要是非西班牙裔白人且受教育程度较高(50),因此不能准确反映全球阿尔茨海默病的人口统计特征。在同质人群上训练的人工智能诊断模型在应用于代表性不足或多样化群体时,通常会经历显著的性能下降。因此,当前的人工智能-放射组学模型的临床实用性仍然有限。未来的验证研究不仅需要报告全面的人口统计特征,还需要在真正代表预期临床使用环境的人群中积极验证算法。

最后,一些主要的亚组分析包括了来自同一研究中的多个数据记录(例如,训练集、验证集和测试集),引入了研究内的依赖性。为了解决这个问题,进行了一项独立的敏感性分析,并对严重受限的亚组(N<4)进行了一系列描述性敏感性检查。虽然必须承认这些描述性检查缺乏正式确认的能力,但它们总体上与我们主要的汇总估计结果一致并支持了其稳健性。通过PET分子成像检测阿尔茨海默病的人工智能算法的应用为核医学领域的发展提供了有希望的前景。这包括许多先进的应用,如端到端深度学习分类、机器学习与早期阶段协议的集成以及自动化量化软件(51-53)。尽管存在数据管理和监管限制,人工智能辅助的PET在诊断支持方面显示出潜力。实施时应优先考虑外部验证、决策影响评估和成本效益,而不仅仅是准确性。
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