《Physics and Imaging in Radiation Oncology》：Comparative analysis of artificial intelligence-based contouring of cardiac substructures on computed tomography scans for radiation therapy
编辑推荐：
本文针对AI自动勾画心脏亚结构存在解决方案间差异的问题，研究人员对7款商业、3款开源及1款自研方案进行了比较研究。评估了其在增强与非增强CT上的勾画结果，揭示了不同方案间，尤其是冠状动脉勾画存在显著变异。结果表明，大多数方案对CT对比剂变化的敏感性较低，凸显了对模型透明化和标准化的迫切需求。
在放射治疗领域，心脏并发症是影响患者长期生存质量的重要因素。传统的风险评估主要依赖于对整个心脏的平均剂量进行评估，但越来越多的证据表明，精确评估照射到心脏内各个精细亚结构（如特定心腔、冠状动脉、大血管等）的剂量，对于揭示更具体的剂量-效应关系、更精准地预测和预防特定心脏损伤至关重要。然而，手动勾画这些结构极其耗时耗力，且不同医生间存在主观差异，难以在大规模临床研究或日常实践中广泛应用。近年来，基于人工智能（AI）的自动勾画工具应运而生，为快速、一致地勾画心脏亚结构带来了希望。但随之而来的问题是：市面上不同AI解决方案给出的勾画结果是否一致？它们在面对临床上常见的、无造影剂增强的CT扫描图像时，表现是否稳定？解答这些问题，对于评估AI工具在临床和科研应用中的可靠性与可比性，推动相关剂量学研究的发展，具有基础性的重要意义。
为此，以Alexandra Moignier和Lo?g Vaugier为主要贡献者的研究团队在《Physics and Imaging in Radiation Oncology》上发表了一项研究，系统比较了多种AI方案在心脏亚结构自动勾画上的表现差异，并评估了CT图像是否使用造影剂增强对勾画结果的影响。该研究的主要技术方法包括：1）数据集构建：使用20例肺癌患者在同一成像序列中依次采集的吸气性屏气对比增强（CE）与非增强（NCE）胸部CT扫描数据，确保了患者体位和解剖结构的高度可比性。2）AI解决方案评估：选取了截至2024年可用的11种AI解决方案，包括7种商业方案（如Limbus Contour, GBS/Contour+等）、3种开源方案（TotalSegmentator, PlatiPy, STOPSTORM）和1种自研方案（MDANDERSON）。3）量化评估指标：在CE-CT上，使用戴斯相似性系数（Dice Similarity Coefficient， DSC）和豪斯多夫距离95百分位数（95thpercentile of Hausdorff distance， HD95）来量化不同解决方案两两之间的勾画差异；在NCE-CT与CE-CT之间，则通过计算体积比（Volume Ratio， VR）来评估同一方案对对比剂变化的敏感性。
研究结果揭示了不同AI方案在勾画心脏亚结构时存在广泛而显著的差异：
- •
整体心脏与心腔：对于整个心脏、左右心房和左右心室，不同方案间的勾画一致性相对较好。约45%的结构-解决方案对的平均中位DSC高于0.8，约38%的平均中位HD95低于10毫米。但仍观察到明显差异，例如在心脏上界、心尖部以及与上下腔静脉等大血管的分界处。个别方案（如RAYSEARCH）对心脏上界的勾画范围更大，而TOTALSEGMENTATOR仅勾画心腔和肺动脉，导致其与其他方案的DSC较低（0.75），HD95较高（29毫米）。
- •
大血管：主动脉、肺动脉、上下腔静脉和肺静脉的勾画也存在变异，主要体现在与相应心腔的连接过渡区域。例如，对于主动脉，PLATIPY、RADFORMATION和THERAPANACEA三个方案的勾画与其他方案差异显著，尤其在主动脉瓣附近区域。
- •
冠状动脉：这是差异最为显著的区域。不同方案对冠状动脉（如左主干/前降支A_LM_LAD、左冠状动脉A_Coronary_L、回旋支A_Cflx、右冠状动脉A_Coronary_R）的勾画一致性非常低，平均中位DSC范围仅为0.03到0.50，平均中位HD95范围高达19到70毫米。差异源于勾画的轴向尺寸、长度以及解剖定位的不同。例如，RAYSEARCH和MDANDERSON方案倾向于勾画出更大的冠状动脉轮廓，而PLATIPY和STOPSTORM方案在某些冠状动脉上的勾画定位差异导致DSC极低。
- •
对比剂影响：通过比较同一患者在NCE-CT和CE-CT上的勾画体积，研究发现大多数解决方案对是否使用造影剂并不敏感。在123个结构-解决方案对中，有84对（68%）的体积差异低于10%。然而，个别方案对某些结构表现出较高的敏感性，例如MDANDERSON方案对左右心室、肺静脉、冠状动脉和二尖瓣的勾画受对比剂影响较大，体积变化明显。
研究的结论和讨论部分强调了几个关键点。首先，这项研究并非旨在对现有AI解决方案进行排名，而是为了揭示和量化不同方案在自动勾画心脏亚结构时存在的“解决方案间变异”。这种变异的程度，对于大多数结构和方案而言，与之前文献报道的“观察者间变异”相当。其次，研究表明，除了少数例外，大多数AI方案对于CT扫描是否使用造影剂具有较好的稳健性，这对于在常规使用非增强CT进行放疗计划的临床环境中应用AI工具是一个积极信号。然而，对于冠状动脉等细小且对比度不明显的结构，不同方案的勾画结果差异巨大，这可能对基于这些勾画结果进行的剂量评估和后续的剂量-效应关系研究产生不可忽视的临床影响。
因此，研究者强烈呼吁需要更大的模型透明度和标准化。他们指出，不同解决方案的差异可能源于训练数据所使用的勾画规则、模型本身的算法特性以及训练数据集的成像特征（如是否包含增强CT）不同。为了推动该领域的发展，亟需通过国际共识和共享数据集，建立心脏亚结构勾画的统一标准和更透明的模型报告规范（如采用“模型卡片”Model Card）。ESTRO（欧洲放射治疗与肿瘤学学会）的相关工作组已就此启动倡议。最终，只有通过协同努力，建立由多中心专家验证的、高质量的标注数据集，才能使所有开发者在一个共同的基础上构建和改进模型，从而确保AI自动勾画工具在心脏毒性研究和临床实践中的可靠性与可比性，真正助力于精准放疗时代的心脏保护。
