《Communications Medicine》：Deep learning approach for probabilistic pulmonary function estimation from chest X-ray and peak expiratory flow rate
编辑推荐：
背景：肺量计检查(spirometry)是评估肺功能(pulmonary function)的金标准。深度学习模型已展现出从胸部X线片(chest X-ray, CXR)估算肺量计指标——第1秒用力呼气容积(forced expiratory volume i
背景：肺量计检查(spirometry)是评估肺功能(pulmonary function)的金标准。深度学习模型已展现出从胸部X线片(chest X-ray, CXR)估算肺量计指标——第1秒用力呼气容积(forced expiratory volume in the first second, FEV1)和用力肺活量(forced vital capacity, FVC)的潜力。本研究旨在有效解决解剖学变异(anatomical variability)问题，并整合概率推理(probabilistic reasoning)以提高诊断阈值(diagnostic threshold)附近估计结果的可靠性。方法：研究人员开发了一个概率机器学习框架来估计通过肺量计测得的FEV1和FVC。估计过程采用形态学正则化(morphologically regularized)的CXR图像及经人体测量学标准化(anthropometric-normalized)的峰呼气流速(peak expiratory flow rate, PEFR)作为影像中无法获取的容积信息代理变量(proxy)。通过估计FEV1和FVC的z值(z-scores)，研究人员将影像学表现与解剖学变异解耦(decouple)。研究人员在一个表现出多样化结构异常和通气障碍的多国肺结核(pulmonary tuberculosis, TB)患者队列中验证了该方法。结果：利用神经网络集成(ensembles of neural networks)，研究人员分析了来自568名个体的982组CXR与肺量计配对数据。最佳模型在识别既往未见测试集中中度或重度肺功能损害时，FEV1的受试者工作特征曲线下面积(area under curve, AUC)达0.879(99%CI 0.876, 0.881)，FVC达0.853(99%CI 0.850, 0.856)，较既往方法FEV1的AUC提升0.144，FVC提升0.118。当允许因不确定性导致最多10%的样本保持未分类时，FEV1和FVC的AUC分别进一步升至0.894(0.891, 0.896)和0.857(0.854, 0.860)。该方法在不同类型的肺功能损害和CXR病理表现中均表现稳健。结论：本研究表明，将解剖学变异与功能评估解耦可改善肺功能估计效果。引入概率建模(probabilistic modeling)提高了决策阈值附近的诊断可靠性。因此，本系统在无法进行肺量计检查的场所，为实用化肺功能估计提供了一种有前景的方法。
本文解读基于发表在《Communications Medicine》上的研究论文《Deep learning approach for probabilistic pulmonary function estimation from chest X-ray and peak expiratory flow rate》，该研究针对肺量计检查(spirometry)作为评估第1秒用力呼气容积(forced expiratory volume in the first second, FEV1)与用力肺活量(forced vital capacity, FVC)的金标准，但因需受检者配合、专业人员操作及设备要求高，在医疗资源有限地区(health resource-limited countries, HRLCs)难以普及的问题，提出一种结合形态学归一化胸部X线片(chest X-ray, CXR)与峰呼气流速(peak expiratory flow rate, PEFR)的概率化深度学习框架，用于估计FEV1和FVC的z值(z-scores)，以解耦解剖学变异与肺功能损害，并在肺结核(post-tuberculosis, TB)幸存者多国队列中验证其诊断效能。
研究人员采用的主要关键技术方法如下：基于TB Sequel多国回顾性队列（冈比亚与南非，共568名活动性肺结核幸存者，匹配982组CXR与spirometry数据），对CXR进行脊柱椭圆拟合旋转校正及基于语义分割掩膜（肺、肋骨、胸椎、膈肌）的解剖形态归一化方形裁剪；对FEV1、FVC按全球肺功能倡议(Global Lung Function Initiative, GLI) "other" 标准计算年龄、性别、身高校正的z值，PEFR按Nunn & Gregg方程计算预测值百分比；采用预训练DenseNet-121（TorchXRayVision初始化）提取224×224 CXR特征，拼接归一化PEFR值后接入三层全连接网络，概率设定下输出正态分布均值μ与方差σ，以负对数似然(negative log-likelihood, NLL)为损失函数微调第4稠密块与全连接层；采用9折交叉验证按患者分层划分训练验证集与独立测试集（9:1），以区分轻/无损害与中/重度损害（FEV1/FVC z值≤?2.5）的AUC(area under the receiver operating characteristic curve)为主要评价指标，并评估引入累积分布函数(cumulative distribution function, CDF)阈值产生"不确定"类时的性能变化。
研究结果部分总结如下：
Normalized data improves estimates（数据归一化提升估计性能）：研究人员对比发现，直接用原始CXR图像回归FEV1和FVC升数值得出的AUC分别为0.752（FEV1）和0.754（FVC）；而采用经形态学归一化的CXR图像并以NLL损失函数估计GLI z值后，AUC提升至0.844（FEV1）和0.826（FVC），较原始图像RMSE回归法分别提高0.092和0.072。研究表明性能提升主要由数据表示方式（CXR解剖归一化+ spirometry z值化）驱动，而非损失函数改变。
Peak expiratory flow rate further enhances estimates（峰流速进一步提升估计性能）：在形态学归一化CXR特征基础上融入归一化PEFR值并以NLL训练后，FEV1的AUC达0.879，FVC达0.853，相比仅用原始图像无PEFR的升数值估计法AUC分别提升0.144和0.118。敏感性分析证实改进非单纯依赖PEFR，表明PEFR提供了与影像学正交(orthogonal)的功能容积信息。
Probabilistic methods improve classification accuracy and utility（概率方法提高分类准确性与实用性）：研究人员利用概率网络输出的正态分布，设定决策边界z=?2.5两侧引入不确定带（FEV1单侧宽0.25，约最小临床重要差异），并要求指定比例的概率质量(probability mass)落于带外方才分类，否则标为不确定。随要求概率质量由50%增至90%，未分类样本比例上升，AUC同步提高——允许最多10%样本因不确定性未分类时，FEV1AUC升至0.894，FVC升至0.857。FVC较FEV1产生更多不确定样本。证明概率建模可在阈值附近通过拒绝模糊样本提升分类可靠性。
Results are stable across demographic subgroups（结果在不同亚组中保持稳定）：按CXR病理（空洞、浸润、肺叶萎陷）、spirometry损害类型（阻塞性、限制性、混合性）、性别及HIV感染状态分层评估，模型AUC表现整体稳定，最低性能见于伴肺叶容积丢失的CXR图像，证实方法对不同结构异常与功能损害类型具鲁棒性。
讨论部分总结：研究人员指出，直接从原始CXR估计spirometry参数在异质性TB幸存者中不足，CXR与肺容积间存在维度不匹配，补充PEFR（反映小气道病变对FEV1的影响）可有效弥补影像局限。概率神经网络提供估计不确定性，利于诊断阈值附近控制误分类。本系统可用于无spirometry场所筛查慢性呼吸道疾病(chronic respiratory diseases, CRDs)及肺功能风险评估，或在有spirometry但资源受限时作分诊(triage)工具——对高疑似者优先安排spirometry，其余筛出。局限性含回顾性单队列（撒哈拉以南非洲TB幸存者）、未评估模型认知不确定性(epistemic uncertainty/fully Bayesian)、未涉及部署时劣质/缺失数据处理及泛化至其他CRDs人群尚需验证。结论部分译文如下：综上所述，研究人员提出了一种依赖可及且经济临床检测工具的肺功能评估深度学习框架。本系统可在无肺量计检查时实现功能性肺部健康评估，并在有肺量计但容量有限时优化其使用效率。研究结果表明，联合形态学归一化胸片与PEFR检测可改善肺功能估计，为资源受限环境提供了可行的替代方案。展望未来，确保这些数据驱动创新在低收入地区的公平可及，对最大化其全球影响至关重要。
