深度学习工具助力 MRI 早期检测放射性颞叶损伤（RTLI）

为评估 RTLI-DM 在 MRI 早期检测 RTLI 的作用，研究人员开展研究，发现其可提升诊断性能并减时。

　　放射性颞叶损伤（Radiation-induced Temporal Lobe Injury，RTLI）在初始阶段通常没有症状，这给早期诊断带来了挑战。为评估一种基于深度学习的自动化工具（RTLI-DM）在磁共振成像（Magnetic Resonance Imaging，MRI）上早期检测 RTLI 的益处，研究人员从 2010 年 1 月至 2021 年 6 月期间在四家医院接受放射治疗和 MRI 随访的 6483 例鼻咽癌（Nasopharyngeal Carcinoma，NPC）患者队列中，回顾性纳入了 396 例 RTLI 患者和 3181 例非 RTLI 患者。研究人员利用 RTLI 患者的初始异常 MRI 和非 RTLI 患者的最终 MRI，开发并验证了自动化的 RTLI-DM。RTLI-DM 由基于 Unet++ 的双侧颞叶分割模型和基于改良 DenseNet-121 网络的诊断模型组成。开展了多阅片者研究，以比较四名放射科医生（两名实习医生和两名经验丰富的阅片者）在有无 RTLI-DM 辅助下解读图像的表现。在两次阅片过程中对比了敏感性、特异性、假阳性（False Positives，FPs）和假阴性（False Negatives，FNs）。结果显示，有 RTLI-DM 辅助阅片显著提高了实习医生和经验丰富阅片者的敏感性（实习医生：60.5% [95% 置信区间（Confidence Interval，CI）：53.6–67.0%] 对比 83.5% [95% CI：77.7–88.0%]；经验丰富阅片者：79.5% [95% CI：73.3–84.5%] 对比 91.5% [95% CI：86.7–94.7%]），并降低了假阴性（实习医生：0.395 对比 0.165；经验丰富阅片者：0.205 对比 0.085）。不过，实习医生的特异性略有下降（99.0% [95% CI：96.2–100%] 对比 93.0% [95% CI：88.5–95.9%]），假阳性有所增加（0.01 对比 0.07），且差异具有统计学意义（p＜0.05）。与无辅助阅片相比，有辅助阅片的平均时间减少了 29 秒。结论表明，对于在 MRI 上早期检测 RTLI，RTLI-DM 辅助显著提高了放射科医生的诊断性能，同时缩短了阅片时间。该工具在临床工作流程中可显著提高放射科医生早期检测 RTLI 的诊断效率和准确性，但在临床应用中仍需进一步验证。