《Leukemia》:Clinical evaluation of AI-assisted quantitative marrow fibrosis assessment using Continuous Indexing of Fibrosis (CIF)
编辑推荐:
摘要专业翻译
纤维化评估是诊断性骨髓环钻活检(BMT)评价的核心环节。然而,人工纤维化分级具有主观性且仅为半定量。研究人员评估了先前开发的基于人工智能的定量纤维化评估工具——连续纤维化指数(CIF)的临床实用性,该研究纳入了约1000例未经预筛选的连续BMT活
摘要专业翻译
纤维化评估是诊断性骨髓环钻活检(BMT)评价的核心环节。然而,人工纤维化分级具有主观性且仅为半定量。研究人员评估了先前开发的基于人工智能的定量纤维化评估工具——连续纤维化指数(CIF)的临床实用性,该研究纳入了约1000例未经预筛选的连续BMT活检样本。由14位国际血液病理学家组成的专家组使用网状纤维染色切片的全切片图像(WSI)进行了人工判读,并在三个研究轮次中采用两种类型的CIF辅助判读方案(序贯辅助(Sequential-assisted)和并行辅助(Concurrent-assisted))。人工智能衍生的CIF评分与人工共识MF分级呈强相关(Spearman ρ = 0.770),并在相邻MF分级边界表现出良好的区分性能。与人工评估相比,CIF辅助方案显著提高了观察者内和观察者间一致性,且未增加判读时间。序贯辅助判读在观察者间一致性方面取得了最大增益(12.6个百分点;95% CI 10.5–14.8),并提高了与共识参考的一致性(3.0个百分点;95% CI 0.4–5.7)。两种辅助方案均减少了临床显著的MF-1/MF-2边界处的分歧。这些发现表明,使用CIF的人工智能辅助定量骨髓纤维化评估具有可重复性、高效性,非常适合未来的临床部署测试。这支持其在标准化常规诊断血液病理学和增强基于纤维化的临床试验终点敏感性方面的未来作用。
论文解读
一、研究背景与意义
骨髓纤维化评估是骨髓环钻活检(BMT)诊断评价的核心组成部分。世界卫生组织(WHO)和国际共识分类(ICC)方案均将纤维化严重程度视为疾病分类和骨髓髓系恶性肿瘤及反应性病理评估的关键要素。骨髓纤维化在骨髓增殖性肿瘤(MPN)中已被广泛研究,纤维化严重程度被确立为预后特征,并纳入当前治疗反应标准。目前最广泛采用的纤维化分级方案基于欧洲共识标准,包含四个等级(MF-0至MF-3),涵盖网状纤维沉积、纤维交叉、胶原束和/或骨硬化的逐步升级。然而,该分级方案要求人工评估网状纤维染色组织切片,最终纤维化等级由细胞骨髓面积中≥30%区域内存在的最高等级决定,但该方案未明确如何评估表面积(如连续区域或多灶性区域),也未规定可接受的最小总评估面积。因此,人工纤维化评估缺乏精确性,无法全面适应纤维化的异质性。
为应对这一挑战,研究人员先前开发了基于深度学习的连续纤维化指数(CIF)工具,可对网状纤维染色的BMT全切片图像(WSI)进行定量纤维化分析,支持准确的MPN分类和风险分层,同时实现纤维化异质性的定量分析。然而,研究级工具要获得常规临床采用,需要强有力的验证和评估。本研究旨在通过大规模临床评估,探索更新的研究级CIF工具(v1.5版,2025年6月30日发布)在常规“真实世界”临床实践中遇到的各类BMT样本中的性能和实用性,并评估AI辅助纤维化定量对无常规AI辅助报告经验的经验丰富的血液病理学家团队表现的影响。
二、研究设计与方法
本研究为临床评估研究,包含两个阶段:第一阶段为对大量连续诊断性网状纤维WSI进行质量控制评估(无预筛选);第二阶段为多判读者的临床实用性评估,采用一种人工和两种CIF辅助判读方案,跨多个轮次进行。研究纳入2023年4月至2024年7月期间牛津大学医院NHS基金会信托(OUH NHSFT)报告的1000例连续BMT活检样本,该机构为约140万人口提供服务,接收来自八个区域细胞病理学/血液学部门的诊断材料。仅纳入同时具有苏木精-伊红(H&E)和网状纤维染色切片WSI的样本,所有切片均为常规诊断实践产物,未进行重新切片、重新染色或特殊制备。
在质量控制阶段,三位病理学家使用六项标准化问题对每张网状纤维WSI进行独立评估。符合资格的标准为至少半数病理学家评定为“充分”或“次优但可分级”。合格WSI按组织学诊断和原始病理报告中的MF分级进行分层随机化,分配至四个规模相等且不重叠的组。14位来自六个国际三级转诊中心的经验丰富的血液病理学家被分配至四组,每组3至4人,同一中心的病理学家分散至不同组以减少机构聚类效应。
CIF算法将切片划分为512×512像素的图块(0.264 μm/像素),掩蔽骨、出血和脂肪组织(>50%图块面积)以及存在扫描或染色伪影的区域,为每个可分析图块分配0至1的连续纤维化评分,并以热图叠加形式呈现于网状纤维WSI上。
研究采用三种纤维化分级方案:人工判读方案中,病理学家仅审查网状纤维WSI并分配MF分级(MF-0至MF-3),对所有临床信息设盲;序贯辅助判读方案中,病理学家首先独立人工分级,然后查看带CIF热图叠加的切片并可修订分级;并行辅助判读方案中,CIF热图从一开始即作为叠加层提供。评估分三轮进行,轮次间至少两周洗脱期。共识参考MF分级由第一轮人工判读通过多数投票产生。
三、主要研究结果
队列特征与质量控制:1000例连续BMT样本中,患者中位年龄64岁(IQR 50–75),56.4%为男性。最常见诊断类别为急性髓系白血病(AML)(20.3%)、无血液学诊断或恶性证据(19.5%)、骨髓增殖性肿瘤(MPN)(11.8%)和骨髓增生异常肿瘤(MDS)(10.3%)。原始病理报告中的MF分级偏向低级别纤维化(MF-0为34.0%,MF-0/1为25.7%,MF-1为18.3%)。999例具有网状纤维WSI可供质量评估,其中593例评为“充分”,227例评为“次优但可分级”,179例评为“不适合纤维化评估”。不合格切片中,染色质量是最常见原因(54%),其次为组织面积不足(46%)和组织制备伪影(43%)。最终820例合格,分层抽样后保留796例,分为四组各199例。
CIF评分与共识参考MF分级的相关性:CIF P70(图块评分的第70百分位数)与共识参考MF分级呈强相关(Spearman ρ = 0.770,95% CI 0.733–0.803),CIF Mean >P70(高于P70阈值图块的平均评分)的相关性为ρ = 0.730(95% CI 0.688–0.768)。CIF P70在MF-0/1边界AUC为0.85,MF-1/2边界为0.91,MF-2/3边界为0.92;CIF Mean >P70在相应边界的AUC分别为0.81、0.91和0.92。非相邻边界的AUC均超过0.97。
判读时间评估:人工判读中位时间为每张30秒(IQR 16–56),序贯辅助判读为34秒(IQR 20–61),并行辅助判读为17秒(IQR 7–34)。混合效应模型显示,并行辅助判读比人工判读快25.8秒(95% CI 22.3–29.3,p < 0.001),比序贯辅助判读快24.5秒(95% CI 21.0–27.9,p < 0.001)。序贯辅助判读与人工判读相比快1.3秒,但差异不显著。
CIF辅助对纤维化分级分配的影响:在序贯辅助判读方案中,病理学家在2798次配对评估中有501次(17.9%)修订了初始人工分级,2297次(82.1%)保持不变。分级修订中升级(290次,10.4%)多于降级(211次,7.5%)。几乎所有修订涉及单一MF等级,一级升级占10.3%,一级降级占7.4%,两级变化仅5次(0.2%)。
病理学家一致性分析:人工评估的观察者内QWK为0.75(95% CI 0.73–0.77),观察者间QWK为0.66(95% CI 0.64–0.67)。序贯辅助判读将观察者内QWK提升至0.85,并行辅助判读提升至0.83;观察者间QWK分别提升至0.77和0.68。在预设的非劣效性框架下,序贯辅助判读使观察者内一致性提高12.4个百分点(95% CI 9.5–15.2;优效),并行辅助判读提高11.1个百分点(95% CI 7.7–14.4;优效)。观察者间一致性方面,序贯辅助判读提高12.6个百分点(95% CI 10.5–14.8;优效),并行辅助判读提高6.0个百分点(95% CI 3.5–8.6;优效)。序贯辅助判读在观察者间一致性方面优于并行辅助判读6.6个百分点(95% CI 3.6–9.5;优效)。两种CIF辅助方案均显著降低了MF-1/MF-2边界的分歧。
与共识参考的一致性:序贯辅助判读与共识参考的一致性比人工判读提高3.0个百分点(95% CI 0.4–5.7;优效),并行辅助判读与人工判读相比为非劣效。14位病理学家中有10位在使用序贯辅助判读时与共识参考的一致性高于人工判读。对于共识分级为MF-1的切片,正确分类率从人工判读的58.8%提升至序贯辅助判读的66.0%和并行辅助判读的69.7%;对于MF-2切片,正确分类率分别为49.3%、48.9%和57.3%。基于偏差的敏感性分析确认了序贯辅助判读相对人工判读的优效性。
四、讨论与结论
本研究的优势在于纳入了连续、未经选择的诊断性BMT样本,涵盖常规血液病理学实践的全部谱系,包括反应性疾病、髓系肿瘤、淋巴系肿瘤、治疗后骨髓以及诊断困难的病例。约18%的网状纤维WSI被判定为不适合纤维化分级,这凸显了在AI部署前进行适当分析前、组织技术和WSI扫描质量评估的重要性。
与既往研究中在试验或预选队列条件下报告的高一致性相比,本研究在无预审校准、常规染色材料、以低级别纤维化为主的条件下的评估更真实地再现了多中心常规诊断实践。两种CIF辅助方案均提高了观察者内和观察者间一致性,序贯辅助判读还改善了与共识参考的一致性。MF-1/MF-2边界分歧的减少具有诊断和治疗意义,尤其在MPN分类系统中区分纤维化前期和明显纤维化疾病状态方面。CIF P70和CIF Mean >P70与共识人工分级呈强相关,支持CIF指标的生物学有效性及其作为分类人工分级连续补充的应用。
研究存在若干局限性:WSI来源于单一三级机构(尽管有区域转诊网络覆盖五个诊断病理部门);CIF分析基于研究级模型版本(v1.5),后续商业版本需多中心材料进一步评估;CIF辅助在分级量表两端引入权衡,MF-0和MF-3的精确一致性有所下降;共识参考代表专家人工意见而非独立金标准;非劣效性界值直接采用FDA AIM-NASH肝纤维化评审的界值,MPN特异性界值的正式校准需要独立数据集。
研究结论:使用CIF的人工智能辅助骨髓纤维化定量评估在常规诊断BMT样本中具有显著的临床部署潜力,具有可重复性和操作效率。CIF辅助显著改善了专家血液病理学家之间的一致性,减少了临床相关的分级分歧,同时保持了与现有纤维化分级框架的兼容性。这些发现支持将定量纤维化评估进一步发展成为诊断血液病理学和未来髓系恶性肿瘤治疗反应评估的稳健生物标志物平台。