鄭佳，李琦，孟燕，于夫堯，高月，李樂(lè)義，梁譯丹，陳志安，富西湖，趙古月，潘詩(shī)農(nóng)*，鄭黎強(qiáng)

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(guó)內(nèi)磁共振成像(magnetic resonance imaging，MRI)掃描及評(píng)價(jià)標(biāo)準(zhǔn)仍為主觀性評(píng)價(jià)，或基于美國(guó)放射學(xué)會(huì)(American College of Radiology，ACR)的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià)，目前國(guó)內(nèi)缺乏一個(gè)符合我國(guó)國(guó)情的標(biāo)準(zhǔn)化的評(píng)價(jià)體系。ACR評(píng)價(jià)MRI質(zhì)量的主要指標(biāo)有掃描范圍、影像對(duì)比、掃描時(shí)間、解剖評(píng)價(jià)標(biāo)準(zhǔn)、信號(hào)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(gè)指標(biāo)對(duì)于MRI質(zhì)量評(píng)價(jià)結(jié)構(gòu)所占權(quán)重未知，為建立一個(gè)MRI質(zhì)量標(biāo)準(zhǔn)化評(píng)價(jià)體系，筆者采用“預(yù)測(cè)模型”解決此問(wèn)題?！邦A(yù)測(cè)模型”是用盡可能簡(jiǎn)單、抽象的方式來(lái)描述預(yù)測(cè)對(duì)象，它能說(shuō)明預(yù)測(cè)對(duì)象與其相關(guān)因素的聯(lián)系、依存、變化和運(yùn)動(dòng)的關(guān)系[2]。在醫(yī)學(xué)研究中常用預(yù)測(cè)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(diǎn)采用Logistic回歸建立模型分析MRI質(zhì)量與以上10個(gè)指標(biāo)之間的關(guān)系并明確不同指標(biāo)對(duì)研究結(jié)果影響程度大小，以此推動(dòng)MRI掃描標(biāo)準(zhǔn)化及臨床效果評(píng)價(jià)科學(xué)化，同時(shí)推動(dòng)國(guó)產(chǎn)MR設(shè)備的健康發(fā)展。

1 材料與方法

1.1 研究對(duì)象

本研究在中國(guó)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(gè)院區(qū)及遼寧省金秋醫(yī)院3個(gè)中心于2017年9月1日-9月11日連續(xù)性收集165例前來(lái)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(gè)特征(掃描范圍、影像對(duì)比強(qiáng)度、采集時(shí)間、解剖評(píng)價(jià)標(biāo)準(zhǔn)、信號(hào)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(píng)價(jià)MRI質(zhì)量。

1.2 MRI檢查注意事項(xiàng)

參照美國(guó)ACR標(biāo)準(zhǔn)[1]及國(guó)內(nèi)骨肌系統(tǒng)影像檢查指南[4]對(duì)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(hào)MRI儀器。掃描部位均為腰椎。評(píng)價(jià)圖像質(zhì)量標(biāo)準(zhǔn)：選取3位經(jīng)驗(yàn)豐富的臨床影像專家在互不影響的情況下獨(dú)立對(duì)165張MRI質(zhì)量進(jìn)行評(píng)價(jià)，評(píng)價(jià)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(shí)判定此圖像質(zhì)量好，此過(guò)程由統(tǒng)計(jì)專業(yè)人員合并完成。

1.4 統(tǒng)計(jì)方法

由于評(píng)價(jià)指標(biāo)中前3項(xiàng)(掃描范圍、影像對(duì)比強(qiáng)度、采集時(shí)間)為MRI掃描必要條件，此3項(xiàng)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(píng)價(jià)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(hào)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(jiàn)偽影=4，輕度偽影=3，可見(jiàn)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(jì)學(xué)意義。利用統(tǒng)計(jì)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(jiǎn)易評(píng)分系統(tǒng)[2，5-6]

根據(jù)Logistic回歸模型得出每個(gè)危險(xiǎn)因素的偏回歸系數(shù)βi(i代表第i個(gè)變量)。根據(jù)自變量的偏回歸系數(shù)βi計(jì)算出每組對(duì)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(gè)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(píng)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(gè)評(píng)分加和。根據(jù)Logistic預(yù)測(cè)模型計(jì)算每個(gè)評(píng)分對(duì)應(yīng)的絕對(duì)發(fā)病概率。這一項(xiàng)與個(gè)體對(duì)應(yīng)，故

1.4.3 模型的檢驗(yàn)

評(píng)價(jià)一個(gè)模型的優(yōu)劣主要有兩個(gè)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(cè)概率(predictive value)與實(shí)際觀察到的概率(observed value)的一致程度，采用H-L卡方檢驗(yàn)兩者的符合程度，有統(tǒng)計(jì)學(xué)意義說(shuō)明預(yù)測(cè)概率和實(shí)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(kāi)的能力，如果實(shí)際發(fā)生事件者的預(yù)測(cè)發(fā)病概率均高于未發(fā)生事件者，此時(shí)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(jì)算和檢驗(yàn)，AUC值越大說(shuō)明模型的區(qū)分能力越強(qiáng)[8-9]。

2 結(jié)果

2.1 簡(jiǎn)易評(píng)分系統(tǒng)結(jié)果

首先將上述7個(gè)指標(biāo)納入Logistic回歸中分析。結(jié)果顯示只有解剖評(píng)價(jià)標(biāo)準(zhǔn)和信號(hào)均勻性納入回歸模型(解剖評(píng)價(jià)標(biāo)準(zhǔn)：β=2.128，P＜0.001，信號(hào)均勻性：β=1.838，P=0.001)。結(jié)合臨床影像學(xué)知識(shí)，其他指標(biāo)也應(yīng)該為MRI質(zhì)量評(píng)價(jià)指標(biāo)，考慮7個(gè)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(gè)指標(biāo)主要分為兩個(gè)因子(因子1：解剖評(píng)價(jià)標(biāo)準(zhǔn)、信號(hào)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(yàn)P值小于0.05，認(rèn)為指標(biāo)間存在相關(guān)性。故將兩個(gè)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(jiàn)表1。

建立簡(jiǎn)易評(píng)分系統(tǒng)模型，見(jiàn)圖1。

2.2 模型檢驗(yàn)

首先根據(jù)AUC值評(píng)價(jià)模型區(qū)分能力，模型區(qū)分能力檢驗(yàn)結(jié)果見(jiàn)圖2。由兩模型檢驗(yàn)結(jié)果可知，簡(jiǎn)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(yàn)方法[11]進(jìn)一步進(jìn)行一致性檢驗(yàn)，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(jiǎn)易模型與精細(xì)模型預(yù)測(cè)值相近，簡(jiǎn)易模型可以代替精細(xì)模型應(yīng)用于臨床實(shí)踐。其次利用H-Lχ2檢驗(yàn)來(lái)評(píng)價(jià)預(yù)測(cè)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(jiàn)圖3。

表1 將兩個(gè)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(jiǎn)易模型Fig.1 Logistic regression analysis about the simple model.

圖2 簡(jiǎn)易模型和精細(xì)模型區(qū)分度檢驗(yàn)結(jié)果Fig.2 Test results of discrimination.

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

3 討論

近些年來(lái)，我國(guó)MRI醫(yī)療設(shè)備發(fā)展迅速，為推進(jìn)我國(guó)MR產(chǎn)業(yè)健康發(fā)展，促進(jìn)我國(guó)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(píng)價(jià)系統(tǒng)。美國(guó)ACR提出了一套針對(duì)MRI臨床效果評(píng)價(jià)的指標(biāo)，共10個(gè)指標(biāo)，但并沒(méi)有表明這10個(gè)指標(biāo)中哪些指標(biāo)對(duì)于圖像質(zhì)量評(píng)價(jià)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(píng)價(jià)的指標(biāo)，卻沒(méi)有一套科學(xué)的評(píng)價(jià)標(biāo)準(zhǔn)，那么在ACR真正應(yīng)用于臨床時(shí)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(jiǎn)易模型。簡(jiǎn)易模型預(yù)測(cè)結(jié)果概率時(shí)使用的危險(xiǎn)因素水平是基于分組計(jì)算得出，所以不及精細(xì)模型得出的準(zhǔn)確，但簡(jiǎn)易模型最大的優(yōu)點(diǎn)是簡(jiǎn)單易行，實(shí)施性及可操作性強(qiáng)，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(yàn)顯示，簡(jiǎn)易模型和精細(xì)模型兩模型區(qū)分能力均很強(qiáng)，差異性檢驗(yàn)結(jié)果為二者具有一致性，這對(duì)于將簡(jiǎn)易模型應(yīng)用于臨床是非常有利的證據(jù)。對(duì)于本研究中因變量的評(píng)價(jià)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(huì)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(huì)加入一個(gè)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(gè)混雜因素，而本研究的目的是通過(guò)直接評(píng)價(jià)MRI質(zhì)量促進(jìn)MRI診斷標(biāo)準(zhǔn)化進(jìn)而推進(jìn)我國(guó)MR產(chǎn)業(yè)健康發(fā)展，故采用影像學(xué)醫(yī)生直接評(píng)價(jià)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(shí)，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(gè)概率過(guò)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(shí)，對(duì)應(yīng)概率為0.22～0.52，認(rèn)為MRI質(zhì)量一般，勉強(qiáng)應(yīng)用于臨床診斷；當(dāng)總分置于8～9分時(shí)，對(duì)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(yàn)結(jié)果，首先根據(jù)AUC值評(píng)價(jià)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(kāi)，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(qiáng)。其次，利用H-L χ2檢驗(yàn)來(lái)評(píng)價(jià)預(yù)測(cè)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(cè)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(cè)概率和實(shí)際觀察概率，采用卡方檢驗(yàn)檢驗(yàn)兩種預(yù)測(cè)概率的差異性。經(jīng)統(tǒng)計(jì)，χ2值為1.457，P＞0.05，認(rèn)為此精細(xì)模型標(biāo)定能力強(qiáng)，能夠完美預(yù)測(cè)MRI質(zhì)量的好壞。由此可知本模型非常適用于臨床，對(duì)推動(dòng)MRI臨床應(yīng)用效果評(píng)價(jià)發(fā)展起到重要作用。

本研究的主要?jiǎng)?chuàng)新點(diǎn)有：(1)解決了臨床影像學(xué)圖像評(píng)價(jià)的過(guò)于主觀化，采用科學(xué)建模的方式使MRI臨床效果評(píng)價(jià)更加客觀，推動(dòng)MRI臨床應(yīng)用；(2)通過(guò)對(duì)MRI的評(píng)價(jià)反推MR儀器設(shè)備質(zhì)量，提高國(guó)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(wèn)題，使評(píng)價(jià)結(jié)果更加真實(shí)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(duì)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(shí)統(tǒng)一對(duì)3位影像學(xué)專家進(jìn)行培訓(xùn)，使臨床評(píng)價(jià)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(píng)價(jià)疾病，同時(shí)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(yàn)證。

綜上所述，本研究應(yīng)用Logistic回歸建立評(píng)分模型，可科學(xué)評(píng)價(jià)MRI質(zhì)量，使MRI臨床應(yīng)用標(biāo)準(zhǔn)化，彌補(bǔ)了國(guó)內(nèi)無(wú)標(biāo)準(zhǔn)化的MRI臨床效果評(píng)價(jià)指標(biāo)的空缺；同時(shí)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(píng)價(jià)我國(guó)MR儀器質(zhì)量提供了證明手段，進(jìn)而為促進(jìn)我國(guó)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(qiáng). 遼寧省阜新縣農(nóng)村社會(huì)環(huán)境高血壓高發(fā)區(qū)高血壓發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的驗(yàn)證與建立. 沈陽(yáng): 中國(guó)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(jì)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(shū), 徐文堅(jiān). 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(qiáng), 張蕊. 疾病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型擬合度評(píng)價(jià)方法的研究進(jìn)展. 中國(guó)衛(wèi)生統(tǒng)計(jì), 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(jì)分析高級(jí)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(shí)現(xiàn). 中國(guó)衛(wèi)生統(tǒng)計(jì), 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(guó)產(chǎn)醫(yī)用磁共振設(shè)備新征程--訪參加RSNA 2014的國(guó)內(nèi)磁共振產(chǎn)業(yè)領(lǐng)袖. 磁共振成像, 2015, 6(6): 405-410.