超聲人工智能技術(shù)定量評價肝纖維化的應(yīng)用進(jìn)展

黃麗春，陳成彩（通信作者）

（右江民族醫(yī)學(xué)院附屬醫(yī)院超聲科 廣西 百色 533000）

肝纖維化是肝臟損傷后機(jī)體異常修復(fù)導(dǎo)致細(xì)胞外基質(zhì)彌漫性過度沉積和異常不均勻分布的慢性過程[1]。類似于人體皮膚損傷愈合時纖維性瘢痕的形成，這是動態(tài)的可逆過程[2]。早期抗病毒治療可逆轉(zhuǎn)肝纖維化[3]，但進(jìn)展為肝硬化就很難逆轉(zhuǎn)，因此早期準(zhǔn)確分級是逆轉(zhuǎn)肝纖維化、防治肝硬化和肝癌的關(guān)鍵[4]。臨床上以肝臟病理活檢作為分級“金標(biāo)準(zhǔn)”，根據(jù)Metavir標(biāo)準(zhǔn)分為5個等級[5]：F0無纖維化；F1輕度纖維化；F2顯著纖維化；F3進(jìn)展期纖維化；F4肝硬化。但其有創(chuàng)且費用高，有出血感染風(fēng)險，不宜作為動態(tài)監(jiān)測療效評估的首選方法。因此無創(chuàng)性肝纖維化評估成為臨床研究熱點，超聲技術(shù)經(jīng)濟(jì)便捷、可實時動態(tài)、無輻射損傷，成為臨床首選影像檢查方法。

1 超聲技術(shù)在肝纖維化定量評價中的應(yīng)用

傳統(tǒng)超聲評估肝纖維化是通過醫(yī)師判讀超聲圖像及彈性成像測值[6]來實現(xiàn)，超聲彈性成像（ultrasonic elastography，UE）是對軟組織中應(yīng)變和彈性模量分布進(jìn)行定量成像的新型顯像技術(shù)，能定量、半定量地對肝纖維化程度進(jìn)行無創(chuàng)診斷。用于肝病評估的UE有：瞬時彈性成像（transient elastography，TE）、剪切波彈性成像（shear wave elastography，SWE）、應(yīng)變式彈性成像（strain elastography，SE）和聯(lián)合彈性成像（combinational elastography，CE）等。TE是被指南推薦用于評估慢性肝病肝纖維化的彈性技術(shù)。通過測量肝硬度值（LSM）來評估肝纖維化，但TE是一維技術(shù)，其操作缺乏超聲實時引導(dǎo)，體質(zhì)量指數(shù)、腹腔積液及炎癥、肋間隙狹窄等均可降低其準(zhǔn)確性[7]。SWE是二維成像技術(shù)，對比研究顯示2D-SWE評估肝纖維化和TE一樣有效，脂肪變性和炎癥活動是影響2D-SWE的混雜因素[8]。SE只能獲得肝臟相對彈性應(yīng)變信息,無法得到彈性模量絕對值，很少用來評估慢性肝病。CE是RTE及SWE的優(yōu)勢結(jié)合技術(shù)，通過分析彈性應(yīng)變、圖像紋理、組織硬度及聲衰減等因素來定量評估肝纖維化程度、炎癥活動度和脂肪變性程度，CE在肝纖維化評估方面的研究尚少，李日娜等[9]運(yùn)用CE對76例S1～S4級患兒的肝纖維化進(jìn)行分析，結(jié)果認(rèn)為CE評估兒童肝纖維化分期具有一定價值。

2 超聲AI技術(shù)在肝纖維化中的應(yīng)用

2.1 AI概述

近年來，以機(jī)器學(xué)習(xí)（machine learning，ML）和深度學(xué)習(xí)（deep learning，DL）影像組學(xué)為代表的AI技術(shù)，在醫(yī)學(xué)領(lǐng)域的應(yīng)用日益廣泛，在病變識別、病灶分類及預(yù)后預(yù)測等方面均表現(xiàn)出優(yōu)異的性能。AI技術(shù)研究步驟[10-11]詳見圖1。

圖1 AI技術(shù)研究步驟圖

2.2 基于灰階超聲的AI

傳統(tǒng)超聲診斷肝纖維化依據(jù)醫(yī)師對肝臟大小、形態(tài)、包膜、肝實質(zhì)回聲的粗細(xì)來判斷。結(jié)果高度依賴醫(yī)師的工作經(jīng)驗和對肝實質(zhì)粗糙度的洞察力，準(zhǔn)確率低且缺乏客觀統(tǒng)一標(biāo)準(zhǔn)，而AI可客觀、定量評價肝臟紋理改變。有研究證明在肝纖維化早期，超聲圖像已有人眼無法識別的變化[12]，基于此，趙萬明[13]通過ML和DL對超聲圖像進(jìn)行研究，結(jié)果顯示上述方法對早期肝纖維化有較高的診斷性能。DL診斷效能更高，在判別≥F2時，AUC為0.96、在判別F4時，AUC為0.95。Li等[14]使用纖維化面積分?jǐn)?shù)量化肝纖維化，對100例患者的灰階超聲圖上肝臟回聲紋理異質(zhì)性特征進(jìn)行分析，該方法區(qū)分F1和F2的AUC達(dá)到0.985。Acharya等[15]對236名患者762張超聲圖像采用二維輪廓變換和紋理特征分析，結(jié)果顯示對肝纖維化5個階段診斷準(zhǔn)確率達(dá)到91.46%。上述研究均表明，AI分析提高了肝纖維化的診斷準(zhǔn)確性。

2.3 基于UE的人工智能

UE操作簡單、安全可重復(fù)性好，在肝纖維化無創(chuàng)診斷中具有重要價值。付甜甜等[16]運(yùn)用ML和DL對354 例患者灰階圖像和2D-SWE圖像進(jìn)行分析，發(fā)現(xiàn)ML在二分類診斷效果較好，在三分類準(zhǔn)確率均下降，但AUC仍達(dá)0.75；Wang等[17]進(jìn)行了一項多中心研究，共納入12 家醫(yī)院398名1 990張2D-SWE圖像進(jìn)行DL，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型DLRE，結(jié)果提示DLRE與病理活檢具有相似診斷效能，在診斷F4、≥F3時AUC為0.97、0.98。在區(qū)分F0～F1和F2～F4時AUC為0.85，這與研究[18]結(jié)果一致。2021年該團(tuán)隊開發(fā)了新模型DLRE2.0，用來提高≥F2的評估性能，將4 842張彈性圖像、肝包膜、肝實質(zhì)灰度圖像與血清學(xué)整合，建立了多通道DL組學(xué)模型，結(jié)果AUC從0.88提高到0.91[19]；Xue等[20]結(jié)合二維超聲和彈性圖像構(gòu)建深度遷移學(xué)習(xí)模型（TL），結(jié)果顯示TL診斷≥F2、≥F3及F4的AUC分別為0.93、0.93、0.95。研究表明基于B超圖像的CNN模型來預(yù)測METAVIR評分準(zhǔn)確性較高[21]。綜上所述，二維與UE聯(lián)合AI技術(shù)診斷肝纖維化是極具發(fā)展前景的。

3 超聲AI技術(shù)評估肝纖維化面臨的挑戰(zhàn)

超聲AI技術(shù)能較好評估肝纖維化，但仍面臨挑戰(zhàn)：首先，AI軟件多種多樣，不同軟件的分類結(jié)果不一致[22]，阻礙了外部驗證評估；其次，現(xiàn)階段對肝纖維化ROI的選擇并未統(tǒng)一，研究對比全肝和局部勾畫ROI對肝纖維化的分期效能并無顯著差異[23]。但也有研究證實ROI的大小會影響模型分類結(jié)果[24]。研究在肝右葉不同區(qū)域采圖5次[16]，而有研究存儲同一部位彈性圖5幅[25]，現(xiàn)未見有對比其可靠性的研究，目前亟待一種高效統(tǒng)一及適用性廣的ROI選擇策略。源圖像的質(zhì)量是提取特征的關(guān)鍵，不同模態(tài)超聲成像體現(xiàn)不同疾病信息，未來研究可利用三維或動態(tài)視頻超聲的多維空間數(shù)據(jù)，或許可以提取更多有價值的信息。

4 小結(jié)與展望

超聲技術(shù)可實時、動態(tài)、無創(chuàng)評估肝纖維化，超聲技術(shù)與AI聯(lián)合，減少了人工診斷誤差，提高了早期肝纖維化的診斷準(zhǔn)確性，有望成為診斷、監(jiān)測肝纖維化、評估預(yù)后的有效方法。但現(xiàn)階段AI技術(shù)尚未成熟，模型的穩(wěn)健性及適用性還需大量研究來驗證，如何將AI融入超聲儀器中，實現(xiàn)精準(zhǔn)、快捷、準(zhǔn)確的肝纖維化無創(chuàng)評估，構(gòu)建出可行性強(qiáng)、實用性強(qiáng)的肝纖維化AI模型和軟件，需要國內(nèi)外廣大研究者的共同努力。