影像學與人工智能在預測體外沖擊波碎石療效中的運用

廖黃峻清 張秋紅 郭震浪 向松濤

泌尿系結石是全球范圍內的多發病、常見病，其發病率因氣候、飲食、遺傳等因素在1%～20%之間[1]。體外沖擊波碎石(ESWL)是直徑≤20 mm的泌尿系結石的一線治療方法，因受多個因素(結石密度、結石位置、結石大小等)的影響，其成功率不穩定，波動在35%～89%之間[2]。ESWL失敗可能導致輸尿管梗阻時間延長、癥狀復發、后續治療，從而加重病人經濟負擔。因此，科學準確地評估ESWL的療效就成為制定泌尿系結石治療方案的重要任務。

目前EAU指南推薦對直徑≤2 cm的腎結石(>1 cm的腎下盞結石除外)且結石密度<1 000 HU、肥胖(BM I≤35 kg/m2)的病人行ESWL治療。在輸尿管結石方面，指南推薦嚴重肥胖(BMI>35 kg/m2)的病人行輸尿管鏡(URS)治療。同時指南強烈建議告知病人URS治療結石的一次結石排凈率更高，但ESWL的并發癥發生率較URS小[3]。

一、結石密度

基于循證研究結果，結石密度可以被用來預測ESWL的療效，結石密度越低，ESWL的療效則越高[4]。Waqas等[5]回顧了203例結石直徑5～20 mm行ESWL治療的腎結石病人，進行多因素分析發現，結石密度是結石排出率的最強預測因子。目前結石密度預測ESWL療效仍是研究的熱點，多數研究報道了平均結石密度作為ESWL療效預測因子的相關性。這些研究中報道的平均結石密度臨界值范圍廣，且與ESWL療效的相關性也有所差異[6-7]。這可能與CT測定結石密度時感興趣區域(region of interest，ROI)的設定和CT窗口的選擇有關，兩者共同影響著CT檢查所得出的平均結石密度。除此之外，還有研究報道了最大結石密度在預測ESWL療效中的運用。

Sugino等[8]回顧性地評估了464例接受ESWL治療的輸尿管結石病人，比較了最大結石密度和平均結石密度預測ESWL療效的準確性，結果顯示，最大結石密度相比平均結石密度在預測ESWL療效方面有更高的準確性。這可能和ESWL療效的關鍵是破壞結石密度最高的中心區域有關[9]，且最大結石密度不需要考慮ROI設定方案的問題，設定的ROI只需要囊括整個結石，就可以保證該平面內的最大結石密度。最大結石密度是否可以取代平均結石密度用于預測ESWL療效尚未有明確結論，但測量最大結石密度產生的誤差較平均結石密度小。

目前，CT窗口已多選擇使用骨窗[10-11]，但ROI的設定方案則尚未明確。其設定方案主要有兩種，一種為橢圓形ROI(即在結石內部設定一個較大的橢圓形區域)，另一種為三點式ROI(即在結石的中心、邊緣與兩點間中點各設置一個小的ROI，取三者的平均值)。Yamashita等[9]的研究比較了兩種ROI設定方案預測ESWL的結果，結果顯示，兩者的AUC值無明顯差異，而橢圓形ROI的設定比三點式ROI的設定更節省時間。Mannil等[12]的研究顯示，泌尿系結石通常在中心區域密度最高，然后向周邊區域遞減，這決定了泌尿系結石的密度是不均勻的，因此ROI的設定對平均結石密度的測量至關重要。然而兩種ROI設定方法各有缺陷。橢圓形ROI設定方案所圈定的ROI邊緣區，很難完全區分結石和軟組織；三點式方案也因為結石形態的不規則而很難選擇恰當的位點，因此，目前需要進一步研究以確定恰當的ROI設定方案，來提供切實的平均結石密度。

二、結石大小

結石大小是常用的ESWL預測因子，X線和超聲測量的結石大小有其局限性，目前通常使用CT檢查來測量[10]。目前結石體積、結石表面積、結石最長徑、結石橫徑這四種參數被用來衡量結石負荷的大小，并以此為基礎來預測ESWL的結石排出率(stone free rate，SFR)[5-8,13-14]。Yamashita等[15]回顧了245例接受ESWL治療的病人，發現在腎結石和輸尿管結石病人中，結石體積對ESWL結果的影響并不一致，在腎結石病人中，結石體積是ESWL結果的重要預測因素，但在輸尿管結石的病人中并不是。Galli等[16]的研究也顯示，結石體積并不是預測輸尿管結石ESWL結果的重要因素。這可能是因為和腎結石相比，輸尿管結石的體積更小且大小范圍更狹窄。Sugino等[8]通過研究則認為，對于輸尿管結石只需要測量結石最長徑就可以準確地預測ESWL的成功，因為受輸尿管徑的影響，輸尿管結石的體積主要由結石最長徑決定，而在腎結石方面，體積則可能比結石最長徑更能預測ESWL的結果。

三、預測系統

除了對單因素進行分析評估ESWL的成功率，目前更進一步的研究是對ESWL療效預測系統的研究。ESWL療效預測系統主要分為兩種，一種是列線圖，一種是評分系統。

Niwa等[17]研究了一個簡易的列線圖(圖1)，可以用來評估輸尿管上段結石的ESWL術后SFR。該研究采用結石最大直徑、最大結石密度(HU)、90°角的結石距皮膚的距離(SSD)三個參數用于構成列線圖評估SFR，經過ROC分析評估后，估計此列線圖的AUC為0.760，表明有較高的可預測性。以Niwa等[17]的研究為例介紹列線圖的運用，一個輸尿管上段結石病人的CT檢查提示結石最大直徑為6 mm，最大結石密度為900 HU，90°角的SSD為9 cm，則各自對應的分值(point)為7.3、13、12，總分值為32.3，最后結果提示，ESWL的SFR>90%，能夠取得很好的治療效果。

圖1 Niwa等[17]研究中用于預測ESWL療效的列線圖

Ichiyanagi等[13]報道了三D評分系統(triple D score)和四D評分系統(quadruple D score)用于評估直徑10～20 mm腎內結石ESWL的SFR。三D評分系統包含了結石體積<150 mm3，結石密度<600 HU，SSD<12 cm三個參數，得分分為0、1、2、3分，分別對應40.0%、51.9%、73.0%、100.0%的SFR。四D評分則在三D評分系統的基礎上增加了結石位置(腎下極結石/非腎下極結石=0/1)，分別對應0、37.9%、54.5%、84.4%、100.0%的SFR。兩者比較，四D評分系統的AUC(AUC：0.651)值明顯高于三D評分系統(0.596)，較三D評分系統有更強的預測能力。Yoshioka等[18]研究的另一個評分系統——S3HoCKwave評分系統參考了包括性別、是否絞痛、結石位置、結石最大徑、SSD、平均結石密度在內的六個影響因素，得分0～49，能夠更細致地評價病人ESWL的SFR，且該評分系統AUC達到0.71，能夠較好地預測上尿路結石ESWL術后的SFR。

列線圖與評分系統，兩者都有較高的ESWL療效預測能力，而評分系統不需要通過復雜的計算，就能夠得到理想預測結果，更符合臨床要求。當然在評分系統有其優越性的同時，也有其缺陷。雖然也有不少研究對評分系統進行了驗證，但仍需要有更多大樣本、高質量的研究以評估其臨床有效性和準確性[19-21]。

四、結石異質性

結石并不是結構均勻的物體，其結構不均勻的特性稱之為結石異質性，有研究表明，結石異質性也會影響ESWL的成功率。影像學檢查并不能直接得出結石異質性。Yamashita等[15]的研究定義了一個新的參考數據——結石密度變異系數(variation coefficient of stone density，VCSD)來評估結石的不均勻程度。VCSD可以通過公式計算得出，且VCSD(AUC：0.718 1)較平均結石密度(AUC：0.638 4)有更好的預測ESWL成功的能力。除了通過計算得出的VCSD外，還有借助軟件評估結石異質性的方法，即CT結構分析(CT textural analysis，CTTA)。通過對CT圖像進行導出處理分析后，運用專門的CTTA軟件包進行數據處理，能夠得到與結石結構相關的參數(熵、偏度、峰度等)。Cui等[22]的研究提示，CTTA是可靠的結石結構分析工具，其生成的反應結石異質性的統計指標可以用來預測ESWL的可行性，且其預測SFR的準確率為72%。Xun等[23]回顧了100例輸尿管近端結石的病人，得出CTTA得出的峰度越高，ESWL的成功率越低。尚有很多關于CTTA的研究，都證實了其有較好的預測ESWL療效的能力，熵、峰度、偏度等CTTA參數被發現是ESWL的成功率的顯著預測因素[2,10,24]。雖然CTTA被證實了在預測ESWL成功率方面的潛力，但還需要更進一步的臨床研究來探討采用哪個參數來評估ESWL的成功率。

五、人工智能

在泌尿外科領域，人工智能正在發揮著越來越多的作用，其優越性在于高效地分析處理海量數據的能力，加上電子病歷的推廣運用，使得人工智能能夠在醫療決策方面發揮更大的作用，在泌尿系結石方面也是如此。其工作流程大致如下，收集盡可能多的影響因子數據(多來源于回顧性研究)，將數據統一導入到特定軟件中，軟件則會自動對數據或數據集合進行分析，再通過對比研究中的ESWL治療結果，從而對各數據和數據集合的預測能力進行評估。Yang等[25]通過對358個腎結石和輸尿管上段結石的案例進行回顧性，經過人工智能數據分析后得出結論，平均結石密度是預測ESWL療效的最重要因素，結石體積、SSD和結石長徑也是預測ESWL療效的重要因素。Choo等[26]對791例輸尿管病人進行回顧，通過人工智能進行數據分析，最后得出結論，結石體積、結石最長徑和結石密度是預測能力最佳的三個預測因子，且隨著預測系統內包含的預測因子數量的增加，預測系統的敏感度能夠保持在90%以上，而特異性則從26.95%提高到85.82%，最后建立了一個包含有15個影響因素的決策模型，其敏感度為95.87%，特異度為85.82，準確率為92.29%，AUC值0.951，有很強的預測能力。人工智能有助于大數據分析和綜合，有助于預測泌尿系結石的ESWL療效。

隨著技術的進步與更多的深入研究，在原有預測因素如結石大小、結石密度、皮膚結石距離等基礎上，提出了新的預測因素——結石異質性。不同因素組合成的評分系統也被提出以用于療效預測，雖然仍然缺少足夠數量的文獻支持，但已被驗證有一定的可行性。人工智能的運用更是提高了療效預測的準確性和敏感性。隨著研究的深入，更準確的ESWL療效預測方案會被提出。