《Future Science OA》：Diagnostic accuracy of AI-augmented renal ultrasound for degenerative kidney disorders: a systematic review and meta-analysis
编辑推荐：
本系统综述与Meta分析评估了人工智能（AI）和影像组学（radiomics）应用于肾脏超声（renal ultrasound）在退行性肾脏疾病（degenerative kidney disorders）诊断、分期及预后判断中的作用。研究检索了PubMed/
本系统综述与Meta分析评估了人工智能（AI）和影像组学（radiomics）应用于肾脏超声（renal ultrasound）在退行性肾脏疾病（degenerative kidney disorders）诊断、分期及预后判断中的作用。研究检索了PubMed/MEDLINE、Embase、Scopus、Web of Science、Cochrane Library及灰色文献来源，未设置日期或语言限制。符合条件的研究均将AI或影像组学应用于肾脏超声，并报告了诊断、分期或预后结局。采用预测模型偏倚风险评估工具（PROBAST）、医学影像人工智能检查清单（CLAIM 2024）及影像组学质量评分2.0（RQS 2.0）评估偏倚风险和方法学质量。诊断准确性综合采用随机效应模型。共纳入31项研究。机器学习模型汇总敏感度为0.86（95%置信区间0.82–0.90），特异度为0.83（0.79–0.87）；深度学习模型敏感度为0.89（0.84–0.93），特异度为0.85（0.81–0.91）。异质性显著，外部验证不常见。AI增强肾脏超声显示出有前景的诊断性能，但异质性人群、有限的校准以及以内部验证为主限制了临床普适性。需要进行前瞻性多中心外部验证。
1. 引言
退行性肾脏疾病包括慢性肾脏病（CKD）等疾病。超声成像因其无创性、实时性、成本效益和无电离辐射，已成为肾病学中重要的诊断工具，可评估肾脏形态、血管分布及实质改变。然而，常规超声解读严重依赖临床医生的主观视觉评估，可能受到观察者间变异、难以量化细微纹理异常以及早期检测退行性过程的困难所限制。尽管已有进展，但关于AI和影像组学在退行性肾脏疾病超声中的应用文献仍较为分散，各研究在方法学、样本量和验证方法上存在差异。本系统综述旨在批判性评估并综合现有关于AI和影像组学在超声成像中应用于退行性肾脏疾病诊断、监测和管理的证据。
2. 方法
本系统综述遵循PRISMA 2020指南，已在PROSPERO注册（CRD420261277386）。研究选择基于PICOS框架，纳入标准涵盖人群、干预、对照、结局及研究设计。电子数据库检索自建库至最终检索日期，无日期或语言限制，包括PubMed/MEDLINE、Embase、Scopus、Web of Science、Cochrane Library，并筛查灰色文献及参考文献列表。使用EndNote 21去重，由两名独立评审者通过Rayyan筛选标题和摘要，全文评估后记录排除原因。数据提取采用标准化表格，内容包括研究特征、人群细节、AI算法类型、影像组学特征、超声模态、对照、结局、验证方法及资金冲突。使用PROBAST评估偏倚风险，使用RQS 2.0（仅影像组学研究）和CLAIM 2024（所有AI研究）评估方法学质量，使用GRADE评估证据确定性。对报告充分同质诊断准确性数据的研究采用RevMan 5.4进行随机效应Meta分析。
3. 结果
3.1 研究选择
综合检索共识别5,319条记录，去重后2,454条进入筛选，排除2,177条，277篇全文评估，最终排除246篇（127篇非超声主模态，66篇非退行性疾病，35篇综述或会议摘要，18篇缺乏定量AI/影像组学结局），共纳入31项研究，其中28项进行Meta分析。
3.2 研究特征
31项研究以回顾性（n=16）和前瞻性（n=10）队列设计为主，样本量从31名参与者到超过1,000名患者或图像不等。验证策略以内部验证为主，包括随机训练-测试分割和k折交叉验证，仅少数研究采用真正独立外部队列。
3.3 退行性肾脏疾病的诊断
10项研究关注诊断分类。基于B型超声影像组学特征的机器学习模型AUC为0.82–0.96；深度学习模型（如ResNet）AUC为0.90–0.92，准确率最高达96%。多模态模型结合B型超声与弹性成像或多普勒参数进一步改善了早期检测，尤其对糖尿病肾病，敏感度为85–92%。移植相关退行性疾病的机器学习AUC为0.94–0.97，但样本量较小。
3.4 疾病严重程度分类
19项研究评估严重程度分类，主要针对纤维化分级、IFTA、CKD分期、肾小球病变及慢性指数。影像组学机器学习模型区分轻度和中重度纤维化AUC为0.85–0.98，准确率85–95%。深度学习CNN在多类别IFTA分级中准确率为88–92%。糖尿病肾病的影像组学列线图区分轻度和中重度肾小球病变AUC最高0.85。亚组分析显示外部验证队列中性能下降AUC 0.03–0.12。
3.5 预后与进展预测
2项研究关注预后应用。儿科后尿道瓣膜深度学习模型预测CKD进展风险的C指数为0.70–0.82，5年AUC为0.85。移植排斥预测AUC为0.97，但样本量小，缺乏外部验证和长期随访。
3.6 偏倚风险与适用性关注
多数研究在参与者、预测因子和结局域为低偏倚风险，但在分析域存在高偏倚风险，主要表现为有效样本量不足、缺失数据处理不当、缺乏预指定和过拟合。总体适用性关注多为低。
3.7 方法学质量评估
CLAIM 2024平均依从率为66.1%（SD=11.1%），中位64.3%。报告不足的条目包括数据去标识化、缺失数据处理、参考标准依据、观察者间变异、预期样本量、模型参数初始化、集成技术、稳健性分析、外部数据测试、失败分析及软件/数据可用性。13项影像组学研究的RQS 2.0平均得分16.9/56（30.2%，范围9–25），主要在RRL1–RRL4水平达标，而RRL5–RRL9极少满足。
3.8 证据确定性
GRADE评估显示主要汇总诊断结局的总体证据确定性为低，主要因统计异质性、方法学局限、临床间接性及以内部验证为主。
3.9 定性综合
采用混合方法。定量Meta分析纳入28项研究。证据集中在成人CKD和肾纤维化，深度学习和影像组学方法均表现良好，但多数研究仅内部验证，外部测试有限，获取参数不一致，结局定义多变。
3.10 Meta分析结果
27项独特研究贡献28个模型条目。机器学习19项，深度学习9项。异质性通过I2统计量量化，发表偏倚使用漏斗图和Egger检验。
3.11 机器学习模型
超声机器学习模型的汇总敏感度为0.86（95%CI 0.82–0.90），特异度为0.83（95%CI 0.79–0.87）。I2=78%（敏感度）和82%（特异度），Egger检验p=0.21。敏感度范围0.65–1.00，特异度范围0.51–1.00。
3.12 深度学习模型
深度学习模型的汇总敏感度为0.89（95%CI 0.84–0.93），特异度为0.85–0.87（95%CI 0.81–0.91）。I2=72%（敏感度）和76%（特异度），Egger检验p=0.34。敏感度范围0.59–0.99，特异度范围0.61–0.97。
4. 讨论
4.1 证据基础概述与主要发现
本系统综述纳入31项研究，Meta分析显示机器学习汇总敏感度0.86，特异度0.83；深度学习敏感度0.89，特异度0.85。诊断检测、严重程度分类、组织病理表型和纵向预后预测是不同临床问题，应分别解读。量化实质微结构和功能信息的模型（如影像组学纹理、粘弹性、微血管血流）通常优于单纯B型超声评估，尤其对早期CKD、早期纤维化和早期糖尿病肾病。
4.2 按AI算法类型的性能
深度学习普遍优于传统机器学习。XGBoost在头对头比较中表现突出，外部验证AUC达0.95。随机森林在部分研究中优于SVM、多层感知器和朴素贝叶斯。多模态融合模型持续优于单模态模型，例如灰度超声影像组学（AUC 0.79）、彩色多普勒影像组学（AUC 0.70）和剪切波弹性成像（AUC 0.74）组合后AUC达0.88。新兴的粘弹性成像技术（Sound Touch Viscosity）在CKD诊断中AUC达0.932，粘度参数贡献了约81.5%的预测权重。
4.3 模型透明度与可解释性
传统影像组学机器学习通常可提供特征重要性估计，但复杂集成算法并非内在透明。深度学习模型判别力强但可解释性差。事后可解释性方法（特征归因、显著性图、注意力图）报告不一致。CLAIM 2024和RQS 2.0评估显示可解释性、失败分析和软件/数据可用性仍是报告缺口。
4.4 不同临床目标的比较性能
纤维化分级研究中，多模态组合（灰度+彩色多普勒+SWE）AUC 0.88，优于任何单一模态。B型+应变弹性成像+临床变量的列线图对IFTA分层AUC达0.93（训练）和0.83（验证）。针对极早期纤维化的融合深度学习模型中，微血管灌注贡献65.4%，应变弹性成像27.5%，灰度超声7.1%。CKD筛查分期中，基于皮质ROI的深度学习影像组学在早期阶段优于放射科医生，晚期阶段相当。糖尿病肾病中，影像组学-临床列线图在肾小球病变检测中AUC 0.850，优于仅临床因素（0.729）和仅影像组学（0.761）。儿科研究仅少数，不应将成人证据直接外推。
4.5 多模态和特征融合为何优于单源模型
多模态融合整合了B型纹理、血流动力学和生物力学互补信号，捕捉单种技术无法全面反映的早期组织重塑多个方面，同时提高对抗已知测量变异性的稳健性。
4.6 校准与外部/地域验证
多数研究仅强调AUC等判别指标，校准评估不足。外部验证罕见，地理验证尤为重要。未来应使用校准图、校准斜率和截距以及Brier评分评估校准，并进行前瞻性地理和机构独立验证。
4.7 当前证据的局限性
主要结局异质性高（I2>70%，部分>80%）。合并估计不应被视为普遍可转移的性能。合并症报告不完整。多数研究仅内部验证，仅3项真正外部验证。PROBAST显示分析域频繁问题。报告质量参差不齐，临床效用指标（校准、成本效益）评估有限。
4.8 对临床实践的启示
AI增强肾脏超声有前景但尚未充分验证以支持常规临床应用。下一步应进行前瞻性多中心临床影响评估，重点关注早期CKD检测和非侵入性纤维化评估。应用价值包括区分早期纤维化、无创系列监测减少活检频率、活检前风险分层和资源有限环境下的床旁筛查。广泛采用需标准化采集协议、自动分割、前瞻性验证、工作流程整合及实施研究。
4.9 核心信息
AI增强肾脏超声显示了有前景的诊断性能，尤其对细微早期疾病和纤维化表型。但判别力高不等于临床就绪。当前证据存在临床异质性、内部验证为主、校准不充分和透明度可变。一个判别力稍低但校准良好、透明、可重复和外部验证的模型可能最终优于性能更高但验证较差的“黑箱”模型。这些技术应被视为有前景的临床决策支持工具，而非替代专家影像和临床评估。
4.10 未来研究方向
优先方向包括大规模前瞻性多中心外部验证（跨地域、种族和超声平台）、CKD进展预后模型、影像组学方法标准化、自动分割集成、多组学框架、资源有限环境下的实施试验、卫生经济学分析和AI诊断设备监管科学研究。
5. 结论
本系统综述与Meta分析表明，AI和影像组学分析肾脏超声可在多种退行性肾脏应用中实现有前景的诊断性能。然而，临床转化目前受限于方法学异质性、以内部验证为主、手动分割需求及缺乏前瞻性实施证据。从实验室性能推进到临床部署，需要在多样化人群和环境中的严格外部验证、自动化端到端流程，以及证明实际有效性和成本效益的实用性试验。
