鄭佳，李琦，孟燕，于夫堯，高月，李樂義，梁譯丹，陳志安，富西湖，趙古月，潘詩農(nóng)*，鄭黎強

磁共振影像學(xué)檢查在臨床診斷中已經(jīng)廣泛應(yīng)用，但目前國內(nèi)磁共振成像(magnetic resonance imaging，MRI)掃描及評價標(biāo)準(zhǔn)仍為主觀性評價，或基于美國放射學(xué)會(American College of Radiology，ACR)的評價標(biāo)準(zhǔn)進(jìn)行評價，目前國內(nèi)缺乏一個符合我國國情的標(biāo)準(zhǔn)化的評價體系。ACR評價MRI質(zhì)量的主要指標(biāo)有掃描范圍、影像對比、掃描時間、解剖評價標(biāo)準(zhǔn)、信號均勻性、偽影、相位方向分辨率、頻率方向分辨率、層厚、間距等[1]，但上述10個指標(biāo)對于MRI質(zhì)量評價結(jié)構(gòu)所占權(quán)重未知，為建立一個MRI質(zhì)量標(biāo)準(zhǔn)化評價體系，筆者采用“預(yù)測模型”解決此問題?！邦A(yù)測模型”是用盡可能簡單、抽象的方式來描述預(yù)測對象，它能說明預(yù)測對象與其相關(guān)因素的聯(lián)系、依存、變化和運動的關(guān)系[2]。在醫(yī)學(xué)研究中常用預(yù)測模型有Logistic回歸、Cox回歸和Weibull回歸等。其中Logistic回歸屬于概率型非線性回歸，是研究二分類或多分類觀察結(jié)果與影響因素之間關(guān)系的一種多變量分析方法[3]，根據(jù)本研究數(shù)據(jù)特點采用Logistic回歸建立模型分析MRI質(zhì)量與以上10個指標(biāo)之間的關(guān)系并明確不同指標(biāo)對研究結(jié)果影響程度大小，以此推動MRI掃描標(biāo)準(zhǔn)化及臨床效果評價科學(xué)化，同時推動國產(chǎn)MR設(shè)備的健康發(fā)展。

1 材料與方法

1.1 研究對象

本研究在中國醫(yī)科大學(xué)附屬盛京醫(yī)院南湖院區(qū)、沈北院區(qū)2個院區(qū)及遼寧省金秋醫(yī)院3個中心于2017年9月1日-9月11日連續(xù)性收集165例前來進(jìn)行腰椎MRI檢查患者的影像圖像。收集其MRI中矢狀位T2抑脂序列的10個特征(掃描范圍、影像對比強度、采集時間、解剖評價標(biāo)準(zhǔn)、信號均勻性、偽影、相位方向分辨率、頻率方向分辨率、層厚、間距)并評價MRI質(zhì)量。

1.2 MRI檢查注意事項

參照美國ACR標(biāo)準(zhǔn)[1]及國內(nèi)骨肌系統(tǒng)影像檢查指南[4]對患者進(jìn)行檢查前準(zhǔn)備、確定儀器線圈及固定患者掃描體位。

1.3 質(zhì)量控制

為排除其他混雜因素影響，本研究嚴(yán)格限制儀器設(shè)備，在不同醫(yī)院采用相同型號MRI儀器。掃描部位均為腰椎。評價圖像質(zhì)量標(biāo)準(zhǔn)：選取3位經(jīng)驗豐富的臨床影像專家在互不影響的情況下獨立對165張MRI質(zhì)量進(jìn)行評價，評價指標(biāo)為圖像質(zhì)量好壞即能否用于臨床診斷；只有當(dāng)3位影像學(xué)專家一致認(rèn)為圖像能夠用于臨床診斷時判定此圖像質(zhì)量好，此過程由統(tǒng)計專業(yè)人員合并完成。

1.4 統(tǒng)計方法

由于評價指標(biāo)中前3項(掃描范圍、影像對比強度、采集時間)為MRI掃描必要條件，此3項不納入Logistic回歸分析模型中，故不進(jìn)行初步賦分。其次進(jìn)行變量賦值：解剖評價標(biāo)準(zhǔn)程度(非常清晰=4，清晰=3，尚可=2，欠清=1，不清=0)；信號均勻性程度(非常好=4，良好=3，一般=2，略差=1，差=0)；偽影程度(未見偽影=4，輕度偽影=3，可見偽影=2，較多偽影=1，明顯偽影=0)；相位方向分辨率(mm)程度(≤1.0=2，1.0＜分辨率≤1.2=1，＞1.2=0)；頻率方向分辨率(mm)程度(≤1.0=2，1.0＜分辨率≤1.2=1，＞1.2=0)；層厚(mm)(≤4.0=2，4.0＜層厚≤5.0=1，＞5.0=0)；間距(mm)(≤0.8=2，0.8＜間距≤1.0=1，＞1.0=0)。以P＜0.05為差異有統(tǒng)計學(xué)意義。利用統(tǒng)計軟件SPSS 22.0完成如下操作。

1.4.1 因子分析

由于本研究自變量間存在相關(guān)性，故在建模之前進(jìn)行因子分析，提取主因子。

1.4.2 建立簡易評分系統(tǒng)[2，5-6]

根據(jù)Logistic回歸模型得出每個危險因素的偏回歸系數(shù)βi(i代表第i個變量)。根據(jù)自變量的偏回歸系數(shù)βi計算出每組對應(yīng)于參考值的系數(shù)Wij(ij代表變量i的第j組)。設(shè)置一個常量B。根據(jù)系數(shù)Wij和常數(shù)B為變量的各組進(jìn)行賦值(評分)，即Wij/B并四舍五入取整數(shù)，并將某一具體情況下的各個評分加和。根據(jù)Logistic預(yù)測模型計算每個評分對應(yīng)的絕對發(fā)病概率。這一項與個體對應(yīng)，故

1.4.3 模型的檢驗

評價一個模型的優(yōu)劣主要有兩個方面：標(biāo)定能力(calibration)和區(qū)分能力(discrimination)。標(biāo)定能力是指人群的平均預(yù)測概率(predictive value)與實際觀察到的概率(observed value)的一致程度，采用H-L卡方檢驗兩者的符合程度，有統(tǒng)計學(xué)意義說明預(yù)測概率和實際發(fā)病率之間有顯著性差異，標(biāo)定能力較差[7-8]。區(qū)分能力是指正確地把患者和非患者區(qū)分開的能力，如果實際發(fā)生事件者的預(yù)測發(fā)病概率均高于未發(fā)生事件者，此時模型的區(qū)分能力為最佳，通常反映區(qū)分能力的方法是采用受試者工作特征曲線下面積(the area under the receiver-operating characteristic curve，AUC)進(jìn)行計算和檢驗，AUC值越大說明模型的區(qū)分能力越強[8-9]。

2 結(jié)果

2.1 簡易評分系統(tǒng)結(jié)果

首先將上述7個指標(biāo)納入Logistic回歸中分析。結(jié)果顯示只有解剖評價標(biāo)準(zhǔn)和信號均勻性納入回歸模型(解剖評價標(biāo)準(zhǔn)：β=2.128，P＜0.001，信號均勻性：β=1.838，P=0.001)。結(jié)合臨床影像學(xué)知識，其他指標(biāo)也應(yīng)該為MRI質(zhì)量評價指標(biāo)，考慮7個指標(biāo)間可能存在相關(guān)性，采用因子分析法分析數(shù)據(jù)間相關(guān)性[10]，結(jié)果顯示，將7個指標(biāo)主要分為兩個因子(因子1：解剖評價標(biāo)準(zhǔn)、信號均勻性、偽影；因子2：間距、層厚、頻率分辨率、相位分辨率)，其KMO值為0.673，巴特利特球型檢驗P值小于0.05，認(rèn)為指標(biāo)間存在相關(guān)性。故將兩個因子重新賦分，賦分原則為：因子因子2=再次納入Logistic回歸分析，結(jié)果見表1。

建立簡易評分系統(tǒng)模型，見圖1。

2.2 模型檢驗

首先根據(jù)AUC值評價模型區(qū)分能力，模型區(qū)分能力檢驗結(jié)果見圖2。由兩模型檢驗結(jié)果可知，簡易模型AUC值(95% CI)為0.878(0.814～0.941)，精細(xì)模型AUC(95%CI)值為0.904(0.849～0.960)，二者P值均小于0.001。采用組內(nèi)相關(guān)系數(shù)(introclass correlation coefficient，ICC)檢驗方法[11]進(jìn)一步進(jìn)行一致性檢驗，ICC=0.948(95% CI：0.930～0.962)＞0.8，認(rèn)為兩模型區(qū)分能力一致性較高，簡易模型與精細(xì)模型預(yù)測值相近，簡易模型可以代替精細(xì)模型應(yīng)用于臨床實踐。其次利用H-Lχ2檢驗來評價預(yù)測模型的標(biāo)定能力(χ2=1.457，P=0.962)，精細(xì)模型標(biāo)定能力見圖3。

表1 將兩個因子納入Logistic回歸分析結(jié)果Tab.1 Two factors included Logistic regression analysis results

圖1 基于Logistic回歸分析構(gòu)建簡易模型Fig.1 Logistic regression analysis about the simple model.

圖2 簡易模型和精細(xì)模型區(qū)分度檢驗結(jié)果Fig.2 Test results of discrimination.

圖3 精細(xì)模型標(biāo)定能力檢驗結(jié)果Fig.3 Test results of fine model calibration capability.

3 討論

近些年來，我國MRI醫(yī)療設(shè)備發(fā)展迅速，為推進(jìn)我國MR產(chǎn)業(yè)健康發(fā)展，促進(jìn)我國醫(yī)學(xué)磁共振應(yīng)用水平的提高[12]，急需建立一套科學(xué)嚴(yán)謹(jǐn)?shù)腗RI評價系統(tǒng)。美國ACR提出了一套針對MRI臨床效果評價的指標(biāo)，共10個指標(biāo)，但并沒有表明這10個指標(biāo)中哪些指標(biāo)對于圖像質(zhì)量評價更重要，即指標(biāo)間權(quán)重未知。也即現(xiàn)有一套適用于臨床MRI效果評價的指標(biāo)，卻沒有一套科學(xué)的評價標(biāo)準(zhǔn)，那么在ACR真正應(yīng)用于臨床時由于主觀因素等影響將不能達(dá)到預(yù)想的效果。

因此，本研究在ACR標(biāo)準(zhǔn)之上，應(yīng)用Logistic回歸分析原理，建立科學(xué)的精細(xì)模型和適用于臨床的簡易模型。簡易模型預(yù)測結(jié)果概率時使用的危險因素水平是基于分組計算得出，所以不及精細(xì)模型得出的準(zhǔn)確，但簡易模型最大的優(yōu)點是簡單易行，實施性及可操作性強，非常適合于臨床應(yīng)用。區(qū)分能力是在臨床診斷中非常重要的應(yīng)用指標(biāo)，本研究經(jīng)模型檢驗顯示，簡易模型和精細(xì)模型兩模型區(qū)分能力均很強，差異性檢驗結(jié)果為二者具有一致性，這對于將簡易模型應(yīng)用于臨床是非常有利的證據(jù)。對于本研究中因變量的評價是否需要結(jié)合臨床病理檢查，筆者認(rèn)為，首先，病理檢查結(jié)果很難收集，會加大本研究的難度；其次，并不是所有可用MRI診斷的疾病都有病理學(xué)金標(biāo)準(zhǔn)診斷；最后，如果結(jié)合病理學(xué)檢查和影像學(xué)醫(yī)生診斷結(jié)果會加入一個不可控因素即影像學(xué)醫(yī)生的診斷能力，相當(dāng)于又增加了一個混雜因素，而本研究的目的是通過直接評價MRI質(zhì)量促進(jìn)MRI診斷標(biāo)準(zhǔn)化進(jìn)而推進(jìn)我國MR產(chǎn)業(yè)健康發(fā)展，故采用影像學(xué)醫(yī)生直接評價圖像質(zhì)量結(jié)果作為因變量是比較妥當(dāng)?shù)倪x擇。

本模型結(jié)果顯示，當(dāng)總分低于3分時，MRI質(zhì)量好的最高概率為0.02，即一張MRI最高有0.02的概率為一張優(yōu)秀合格的圖像，這個概率過于低，筆者認(rèn)為此MRI質(zhì)量較差，不能應(yīng)用于臨床診斷，建議患者需重新拍攝MRI；當(dāng)總分置于5～6分時，對應(yīng)概率為0.22～0.52，認(rèn)為MRI質(zhì)量一般，勉強應(yīng)用于臨床診斷；當(dāng)總分置于8～9分時，對應(yīng)概率為0.94～0.98，認(rèn)為MRI質(zhì)量非常好，可很好地應(yīng)用于臨床診斷。

模型檢驗結(jié)果，首先根據(jù)AUC值評價模型區(qū)分能力，AUC值范圍在0.5～1.0，1.0表示可將MRI質(zhì)量的好壞完全區(qū)分開，0.5表示將MRI質(zhì)量的好壞區(qū)分只靠偶然概率(如同擲硬幣)。通常0.7～0.8被認(rèn)為模型可以接受，0.8～0.9被認(rèn)為模型非常好。由結(jié)果可知兩模型區(qū)分能力均大于0.8，區(qū)分能力強。其次，利用H-L χ2檢驗來評價預(yù)測模型的標(biāo)定能力，P＜0.05代表模型的標(biāo)定能力較差。根據(jù)精細(xì)模型預(yù)測概率值將其用十分位數(shù)分成10組，然后比較每組的預(yù)測概率和實際觀察概率，采用卡方檢驗檢驗兩種預(yù)測概率的差異性。經(jīng)統(tǒng)計，χ2值為1.457，P＞0.05，認(rèn)為此精細(xì)模型標(biāo)定能力強，能夠完美預(yù)測MRI質(zhì)量的好壞。由此可知本模型非常適用于臨床，對推動MRI臨床應(yīng)用效果評價發(fā)展起到重要作用。

本研究的主要創(chuàng)新點有：(1)解決了臨床影像學(xué)圖像評價的過于主觀化，采用科學(xué)建模的方式使MRI臨床效果評價更加客觀，推動MRI臨床應(yīng)用；(2)通過對MRI的評價反推MR儀器設(shè)備質(zhì)量，提高國產(chǎn)儀器使用率；(3)本模型采用因子分析解決了儀器參數(shù)中的共線性問題，使評價結(jié)果更加真實可靠。

本研究的不足之處有：(1)由于收集到質(zhì)量不良的圖像數(shù)據(jù)量較少，對于結(jié)果可能存在一定程度影響，應(yīng)考慮擴(kuò)大樣本量。(2)除以上質(zhì)控措施外應(yīng)考慮增加以下兩方面質(zhì)控措施：根據(jù)專家共識統(tǒng)一對3位影像學(xué)專家進(jìn)行培訓(xùn)，使臨床評價結(jié)果具有可重復(fù)性；考慮給MR儀器增加智能掃描設(shè)備，以排除MR儀器操作者及其他混雜因素的影響。(3)MRI臨床疾病的確診需要多序列的結(jié)合應(yīng)用，應(yīng)考慮在其他序列建立模型，共同評價疾病，同時應(yīng)該考慮在其他部位即推廣到腰椎以外部位進(jìn)行模型驗證。

綜上所述，本研究應(yīng)用Logistic回歸建立評分模型，可科學(xué)評價MRI質(zhì)量，使MRI臨床應(yīng)用標(biāo)準(zhǔn)化，彌補了國內(nèi)無標(biāo)準(zhǔn)化的MRI臨床效果評價指標(biāo)的空缺；同時應(yīng)用此標(biāo)準(zhǔn)可反推MR圖像及設(shè)備質(zhì)量，為指導(dǎo)磁共振醫(yī)生及科研人員準(zhǔn)確應(yīng)用MRI起到促進(jìn)作用；為評價我國MR儀器質(zhì)量提供了證明手段，進(jìn)而為促進(jìn)我國MR產(chǎn)業(yè)健康發(fā)展起到重要作用。

參考文獻(xiàn) [References]

[1]Safety EPOM, Kanal E, Barkovich AJ, et al. ACR guidance document on MR safe practices: 2013. J Magn Reson Imaging, 2013,37(3): 501-530.

[2]Zheng LQ. Validation and construction a hypertension risk prediction model in rural areas of fuxin county with the high incidence of hypertension：results from Liaoning province. Shenyang: China Medical University, 2014.鄭黎強. 遼寧省阜新縣農(nóng)村社會環(huán)境高血壓高發(fā)區(qū)高血壓發(fā)病風(fēng)險預(yù)測模型的驗證與建立. 沈陽: 中國醫(yī)科大學(xué), 2014.

[3]Fang JQ. Health statistics. Beijing: People's Health Publishing House, 2012: 390.方積乾. 衛(wèi)生統(tǒng)計學(xué). 北京: 人民衛(wèi)生出版社, 2012: 390.

[4]Yuan HS, Xu WJ. Guidance on bone muscle system imaging.Beijing: Tsinghua University Press, 2016.袁慧書, 徐文堅. 骨肌系統(tǒng)影像檢查指南. 北京: 清華大學(xué)出版社,2016.

[5]Sullivan LM, Massaro JM, Sr DR. Presentation of multivariate data for clinical use: The Framingham Study risk score functions.Statistics in Medicine, 2004, 23(10): 1631-1660.

[6]Wu Y, Liu X, Li X, et al. Estimation of 10-year risk of fatal and nonfatal ischemic cardiovascular diseases in Chinese adults.Circulation, 2006, 114(21): 2217.

[7]Cox MAA, Plackett RL. A note on a goodness of fit test for the logistic regression model. Biometrika, 1980, 67(1): 250-251.

[8]Zheng LQ, Zhang R. Research progress on evaluation method of risk degree of disease risk prediction model. Chin J Health Statis, 2015,32(3): 544-546.鄭黎強, 張蕊. 疾病發(fā)病風(fēng)險預(yù)測模型擬合度評價方法的研究進(jìn)展. 中國衛(wèi)生統(tǒng)計, 2015, 32(3): 544-546.

[9]Hanley JA, Mcneil BJ. The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology, 1982,143(1): 29.

[10]Zhang WT, Dong W. SPSS statistical analysis advanced course.Beijing: Higher Education Press, 2013.張文彤, 董偉. SPSS統(tǒng)計分析高級教程. 北京: 高等教育出版社, 2013.

[11]Yu HM, Luo YH, Sa J, et al. Group correlation coefficient and software implementation. Chin J Health Statis, 2011, 28(5): 497-500.余紅梅, 羅艷虹, 薩建, 等. 組內(nèi)相關(guān)系數(shù)及其軟件實現(xiàn). 中國衛(wèi)生統(tǒng)計, 2011, 28(5): 497-500.

[12]He GJ, Zhao DD, Wei Y. New journey of domestic medical magnetic resonance device: visit to the industry leaders of domestic magnetic resonance in RSNA 2014. Chin J Magn Reson Imag, 2015, 6(6):405-410.賀光軍, 趙丹丹, 魏燕. 國產(chǎn)醫(yī)用磁共振設(shè)備新征程--訪參加RSNA 2014的國內(nèi)磁共振產(chǎn)業(yè)領(lǐng)袖. 磁共振成像, 2015, 6(6): 405-410.