Radiology：用于定量MRI分析的全自动肝分割

现阶段，慢性弥漫性肝病是全世界范围内最常见的肝脏病变之一。脂肪变性是非酒精性脂肪肝（NAFLD）的组织病理学特征，是最常见的肝脏疾病，也是多种肝脏疾病的一个共同特征。在弥漫性肝病和代谢紊乱的患者中，也经常会发现肝脏铁的异常沉积。尽管慢性肝病的发病率很高，但组织学评估仍被认为是评估疾病严重程度的参考标准。然而，肝脏活检是一种侵入性检查，由于取样误差、观察者之间的差异以及患者的接受程度低，因此很难在临床上广泛应用。

无创成像技术在慢性肝脏疾病的诊断和监测中的作用越来越大。多项研究证明，MRI的质子密度脂肪分数（PDFF）和横向弛豫（R2*）可准确诊断肝脏脂肪变性和铁过载。在代谢性疾病负担日益加重的同时，非酒精性脂肪肝和代谢障碍性铁过载综合征的发生频率越来越高，因此十分必要在临床常规中促进这些标志物的有效量化。

目前，脂肪含量和铁浓度的测量需要手动选择肝脏实质中的感兴趣区域（ROI）。这种策略十分耗时且误差较大。PDFF人工全肝分割（WLS）的诊断性能与不同的人工ROI取样方法和光谱学的结果显示出极强的相关性。然而，还没有研究对自动WLS的标记性能与组织学评价的参考标准方法进行比较。

近日，发表在Radiology杂志的一项研究以组织学结果为参考标准，在慢性肝病患者中比较了MRI自动WLS与标准化手动ROI取样对脂肪变性和铁过载的诊断性能，为无创肝脏影像学检查的广泛应用提供了参考依据。

本项前瞻性、多中心研究招募了患有慢性肝病的参与者，每位患者均在2017年1月至2021年1月期间接受了肝脏活检和3.0T磁共振扫描。活检评估包括组织学分级和数字病理学。MRI肝脏取样策略包括手动ROI（两名观察员）和自动全肝（深度学习算法）分割，用于PDFF和R2*衍生的测量。使用类内相关系数（ICCs）测量分割方法之间的一致性，并使用Bland-Altman分析评估偏差。进行线性回归分析以确定测量值和数字病理学之间的相关性。

共纳入165名参与者（平均年龄±标准差，55岁±12岁；96名女性；165名参与者中有101名[61%]患有非酒精性脂肪肝）。平均测量值之间的一致性很好，PDFF和R2*的ICC都是0.98。PDFF的中位偏差为0.5%（四分位数范围，-0.4%至1.2%），R2*的中位偏差为2.7 sec^-1（四分位数范围，0.2-5.3 sec^-1）（两者的P < .001）。WLS的误差幅度低于ROI衍生的参数（PDFF为-0.03%，R2*为-0.3 sec^-1）。ROI和WLS在脂肪变性（ROI AUC, 0.96; WLS AUC, 0.97; P = .53）和铁过载（ROI AUC, 0.85; WLS AUC, 0.83; P = .09）方面显示出相似的诊断性能。脂肪比率和PDFF（ROI r = 0.89；WLS r = 0.90）与数字病理学的相关性很高（P < .001），铁比率和R2*（ROI r = 0.65；WLS r = 0.64）呈中等相关性（P < .001）。

图 60岁非酒精性脂肪肝患者的MRI（左边两栏）和组织学（右边两栏）工作流程示意图。上排显示的是第一回波（0.9毫秒）梯度回波序列的质子密度脂肪分数量化（手动ROI，30%；自动WLS，28%）、使用嗜脂肪蛋白免疫组化染色的脂肪变性分级（S3）和量化（46%脂肪比例面积）。底排显示同一序列的最后一个回波（7.9毫秒），R2*估计（手动ROI，118秒21；自动WLS，119秒21）和Perls染色法进行铁沉积分级（Fe3）和铁比例区量化（2%铁比例）。显示病理结果的图像是用Ventana iScan HT玻片扫描仪（340倍放大）获得的。

总之，本项前瞻性研究证实了卷积神经网络（CNN）全肝脏分割（WLS）算法在进行组织病理学评估的慢性肝病患者中的MRI质子密度脂肪分数和横向弛豫评估的诊断性能。这种自动取样技术在临床实践中具有重要意义，原因如下(a) WLS评估的诊断准确性与人工兴趣区（ROI）评估相似，根据组织学等级进行分层，并与数字图像分析相关；(b) WLS衍生的测量值的边缘高估没有临床意义，显示了肝脏损伤的更好代表性；(c) 与人工勾勒的ROI衍生的估计值相比，变异性误差和不确定性程度更低，表明深度学习方法的性能优越。准确的MRI自动WLS方法可以被扩展并无缝整合到临床实践工作流程中，以简化肝脏脂肪和铁的定量。

原文出处：

David Martí-Aguado,Ana Jiménez-Pastor,Ángel Alberich-Bayarri,et al.Automated Whole-Liver MRI Segmentation to Assess Steatosis and Iron Quantification in Chronic Liver Disease.DOI:10.1148/radiol.2021211027