人工智能用于白质高信号分割的系统评价与Meta分析：性能、决定因素与临床意义

《Frontiers in Aging Neuroscience》：Artificial intelligence for white matter hyperintensity segmentation: performance, determinants, and clinical implications

　　

目的：白质高信号（white matter hyperintensities, WMH）是脑小血管病（cerebral small vessel disease, CSVD）的关键神经影像标志物，与认知功能衰退和卒中风险相关。准确量化至关重要，但手动分割耗时且变异性大。研究人员系统性评估了人工智能（artificial intelligence, AI）在不同疾病背景下进行自动化WMH分割的性能，并识别影响模型性能的因素。方法：遵循PRISMA指南，检索PubMed、Embase、Web of Science、Scopus和IEEE Xplore数据库，检索时间从建库至2026年2月3日（PROSPERO：CRD420261355769）。纳入采用基于AI的WMH分割并报告Dice相似系数（Dice similarity coefficient, DSC）的研究。采用随机效应Meta分析，并进行亚组分析、Meta回归、敏感性分析和发表偏倚评估。结果：共26项研究、4288名参与者纳入定量综合：13项评估一般人群队列中的WMH分割，13项评估阿尔茨海默病（Alzheimer’s disease, AD）或CSVD特定队列。一般人群队列Meta分析中，合并DSC为0.78（95% CI，0.74–0.82）。疾病特异性合并DSC估计值：AD为0.75，CSVD为0.78。探索性Meta回归提示扫描参数与DSC之间存在关联（p = 0.042），而磁场强度呈临界关联（p = 0.052）。结论：AI在自动化WMH分割方面显示出有前景的性能，基于U-Net的架构表现出更高的准确性。然而，显著异质性凸显了标准化成像方案和严格外部验证的必要性。未来多中心研究对于提高模型泛化性和促进临床转化至关重要。

研究背景与问题

白质高信号（white matter hyperintensities, WMH）是脑小血管病（cerebral small vessel disease, CSVD）最常见的神经影像学表现，在老年人群和神经退行性疾病患者中高度普遍。在T2加权和T2液体衰减反转恢复（T2-FLAIR）磁共振成像上，WMH通常表现为脑室周围和深部白质的高信号病变，与认知衰退、步态障碍、痴呆及复发性卒中风险增加相关。随着全球人口老龄化加速，精确、自动化的WMH量化对神经影像研究和临床实践日益重要。

目前，由专家阅片者进行手动勾画仍是WMH量化的参考标准，但该方法耗时、费力，且存在较大的观察者内和观察者间变异。早期半自动技术虽在一定程度上提高了效率，但由于WMH边界模糊、特征异质，其稳健性和跨扫描仪泛化能力有限。近年来，人工智能（artificial intelligence, AI）尤其是基于卷积神经网络（convolutional neural network, CNN）的深度学习方法在医学图像分割中展现出巨大潜力，U-Net及其变体因其编码器-解码器结构和跳跃连接而成为主流架构；nnU-Net、基于Transformer的模型等进一步提升了分割性能。然而，不同算法之间缺乏系统比较，WMH在不同疾病背景（如阿尔茨海默病（Alzheimer’s disease, AD）和CSVD）下的稳定性尚不清楚；报告的分割性能Dice相似系数（Dice similarity coefficient, DSC）差异较大；关于磁场强度、外部验证、多中心数据等关键调节变量的Meta分析评价仍然缺乏。因此，该研究旨在通过系统评价与Meta分析，比较不同AI算法的WMH分割性能，评估疾病背景的影响，估计合并DSC，并探索成像参数和验证策略等潜在调节因素，从而为优化自动化WMH分割模型和促进临床转化提供循证依据。

研究方法与关键技术

研究人员遵循系统评价与Meta分析优先报告条目（PRISMA）指南，在PROSPERO平台注册（注册号CRD420261355769），系统检索PubMed、Embase、Web of Science、Scopus和IEEE Xplore数据库，检索时间从建库至2026年2月3日。纳入采用基于AI的WMH分割并报告DSC的原始研究，排除综述、会议摘要、儿童研究等。采用诊断准确性研究质量评价工具-2（QUADAS-2）进行质量评价。统计分析使用DerSimonian-Laird随机效应模型合并DSC，计算I²评估异质性，并开展亚组分析、单变量Meta回归、留一法敏感性分析以及Begg检验、Egger检验和漏斗图评估发表偏倚。最终纳入26项研究、4288名参与者，样本来自中国、美国、韩国、法国、加拿大等多个国家，包括健康对照、WMH个体以及AD或CSVD患者；MRI方案以T1和T2-FLAIR序列为主，磁场强度多为1.5 T或3.0 T。

研究结果

文献筛选与纳入研究特征

数据库检索共获得2594条记录，去除647条重复后，1947条记录进入标题和摘要筛选，排除1778条；对169篇报告进行全文评估，其中11篇无法获取，最终26项研究纳入系统评价和Meta分析。纳入研究发表于2017年至2026年，主要来自中国（10项），其次为美国、韩国、法国和加拿大等。U-Net架构及其变体是最常用的AI分割框架，部分研究使用了多中心数据或进行了外部验证。

质量评估结果

使用QUADAS-2工具对纳入研究进行质量评价，涵盖患者选择、待评价试验、参考标准和病例流程与时间四个领域。大多数研究在各领域的偏倚风险均被评为低风险，适用性担忧总体较小，提示证据基础的整体方法学质量较高。

总体分割性能

在一般队列Meta分析中，13项研究报告了WMH分割DSC，随机效应模型合并DSC为0.78（95% CI，0.74–0.82），但研究间异质性显著（I² = 98.7%，p < 0.001），单项研究DSC范围为0.52–0.92。在疾病特异性分析中，纳入AD患者的8项研究合并DSC为0.75（95% CI，0.68–0.83），I²为99.4%；纳入CSVD患者的5项研究合并DSC为0.78（95% CI，0.72–0.85），I²为99.1%。

算法亚组分析

按算法类型进行亚组分析，结果显示：采用U-Net架构及其变体的研究合并DSC为0.80（95% CI，0.76–0.84），采用其他深度学习方法的研究为0.76（95% CI，0.70–0.82），采用传统CNN的研究为0.74（95% CI，0.67–0.81）。各亚组内均存在显著异质性。

Meta回归分析

探索性单变量Meta回归显示，扫描参数与报告的DSC值存在关联（p = 0.042），磁场强度呈临界关联（p = 0.052）。算法类型、外部验证、多中心数据和国家均未发现显著关联（p > 0.05）；参考标准类型（手动标注、半自动分割后人工编辑或报告不足）亦无显著关联（p = 0.245）。由于研究数量有限且部分协变量报告不完整，这些结果应视为假说生成性的，而非确定性证据。

敏感性分析与发表偏倚

留一法敏感性分析显示，剔除任意单项研究后合并DSC均未发生实质性改变，提示结果稳健。发表偏倚方面，Begg秩相关检验（Z = 1.28，p = 0.200）和Egger线性回归检验（t = ?2.19，p = 0.051）均未达到统计学显著水平，漏斗图基本对称，未见明显发表偏倚。

讨论与结论

讨论部分指出，AI在WMH分割中达到中度至高度性能，合并DSC为0.78，但研究间异质性显著。U-Net架构在描述性合并DSC中最高，但由于各研究使用的数据集、参考标准和验证设计不同，不能据此判断U-Net具有算法优越性。疾病特异性分析中CSVD的合并DSC数值高于AD，但DSC对病灶负荷和形态敏感，当WMH病灶更小、更稀疏或更弥漫时，相同数量的不一致体素可能导致DSC更大比例下降，因此不能视为算法在CSVD中表现更好的证据。参考标准构建方式在各研究间存在差异，合并DSC反映的是与各研究特异性参考掩膜的一致性，而非客观生物学真值。扫描参数和磁场强度可能影响DSC，但仅属探索性发现。AI有望支持大规模影像研究和纵向量化，但当前证据尚不足以证明其能改善风险分层或临床决策，需开展前瞻性多中心验证、标准化方案和临床影响评估。局限性包括异质性极高、亚组样本量小、MRI方案和参考标准报告不完整，且QUADAS-2未能完全覆盖数据泄漏、模型选择偏倚、可重复性差和数据集漂移等AI特有风险。

研究结论可概括为：基于AI的WMH分割在研究应用和纵向定量方面显示出前景，基于U-Net的方法取得最高的描述性合并DSC。然而，研究间显著异质性、参考标准异质性以及有限的多中心外部验证限制了结果的临床解释和泛化性。在推荐常规临床实施之前，需要采用标准化影像和标注方案的前瞻性多中心研究、严格的外部验证以及对临床影响的直接评估。