医学影像结构化报告研究进展及其临床应用.pdf

1综 述影像研究与医学应用 2024年4月 第8卷第7期 医学影像结构化报告研究进展及其临床应用朱小忠，包卫兵，王闻奇（通信作者）（甘肃省中医院放射影像科 甘肃 兰州 730050）Research progress and clinical application of structured medical imaging reportingZHU Xiaozhong,BAO Weibing,WANG Wenqi(Corresponding author)Department of Radiology and Imaging,Gansu Provincial Hospital of Traditional Chinese Medicine,Lanzhou,Gansu 730050,China【Abstract】The structured reporting model is a reporting method based on standardization and normalization.By defining standardized report templates and data items in advance,it can greatly improve the comparability and accuracy of reports,and also facilitate subsequent data processing and analysis.Although there are some technical and management challenges,this reporting method has gradually been accepted by medical institutions and is constantly being improved and perfected.The structured reporting model will become the mainstream reporting method in the field of medical imaging,providing doctors with more accurate,standardized,and efficient medical services.This paper mainly review the research progress and clinical applications of structured medical imaging reporting.【Key words】Medical imaging;Structured report;Standardization;Normalization;Clinical application【摘要】结构化报告模型是一种基于规范化和标准化的报告方式，通过事先定义好标准化的报告模板和数据项，能够大大提高报告的可比性和准确性，同时也方便了后续的数据处理和分析。虽然存在一些技术和管理上的挑战，但是这种报告方式已经逐渐被医疗机构所接受，并且在不断得到改进和完善。结构化报告模型会成为医学影像领域中的主流报告方式，为医生提供更加准确、规范和高效的医疗服务。本文主要针对医学影像结构化报告的研究进展及临床应用进行综述。【关键词】医学影像学；结构化报告；标准化；规范化；临床应用【中图分类号】R445 【文献标识码】A 【文章编号】2096-3807（2024）07-0001-03医学影像的报告是医生对患者病情诊断和治疗建议的重要依据，随着影像组学和人工智能技术的发展，结构化报告模型在医学影像中的临床应用日益广泛。因此，准确、标准、规范的报告是诊治疾病必不可少的。传统的医学影像报告往往是由医生自己撰写的自由文本，这种方式虽然灵活性较高，却存在很多问题。首先，自由文本的表达方式存在主观性，不同医生的描述可能存在差异，导致报告的可比性较差。其次，自由文本的格式不规范，缺乏标准化，给后续数据处理和分析带来了很大的麻烦。为了解决这些问题，结构化报告模型开始逐渐被应用于医学影像中。结构化报告模型是一种基于规范化和标准化的报告方式，通过事先定义好标准化的报告模板和数据项，使医生可以在报告中填写具体的数据项，从而实现报告的规范化和标准化。这种方式能够大大提高报告的可比性和准确性，同时也方便了后续的数据处理和分析。本文主要是对医学影像结构化报告的研究进展及临床应用情况进行综述。1 结构化报告在骨龄检测方面的应用骨龄（bone age，BA）能准确地反映儿童及青少年生长发育的实际情况1，传统骨龄检测难度大、耗时长、一致性欠佳。随着人工智能（artificial intelligence，AI）的发展，AI能提供相对统一、稳定、便捷的骨龄结果，有很好的应用前景。许多研究使用基于深度学习（CNN）、自动生成结构化放射研究报告的神经卷积网络，对骨龄进行检测和分类。近几年来，国外研究机构对 AI 骨龄评估软件尝试性开发。Lee 等2的研究中，其模型使用 ImageNet预先训练好的微调卷积神经网络，开发的 AI 骨龄检测软件可以根据检测数据自动生成结构化报告。Zhao 等3通过 Deep Wise AI 骨龄辅助诊断软件可实现腕骨骨骺自动检测、分级和骨龄评估。依据 TW 法，使用 1 391 张骨龄片构建的 CNN 模型与人类专家判读骨龄的平均绝对离差为 0.79 岁4。根据 Greulich-Pyle 方法，通过组织、骨骼、背景、视准、标记五个采样点的注解，构建的 AI 骨龄软件，利用迁移学习分析了 4 278 名女童和4 047 名男童的骨龄片，准确率约为 90%2；韩国儿童AI 骨龄软件（VUNO Med-BoneAge）以首尔峨山医院基金项目：甘肃省自然科学基金项目(21JR11RA204)；甘肃省卫生行业项目（GSWSKY2020-73）。2 综 述影像研究与医学应用 2024年4月 第8卷第7期 资料为基础开发5，GP 方法的骨龄精确度可达 93%。另外两款 AI 骨龄软件依照 TW 法建立的 HH-bone age.io solution 和 Medi AI-BA solution 进行检测6。基于腕骨特征分析的 AI 软件通过 ResNet 算法评估了 11 858 个骨龄片案例后发现，GP 方法的骨龄和黄金标准的绝对误差平均在 0.46 岁左右。2 结构化报告在肺结节检测中的应用胸部 CT 肺结节的结构化报告通过提供标准化的报告格式和明确的解释，帮助医生更好地理解肺结节的特征和潜在危险性，从而更好地制定治疗计划。此外，结构化报告还可以统计不同类型的肺结节数量和大小，为临床研究提供有用信息，促进医学知识的积累与交流。谢辉辉等7研究证实基于多级的残差网络和 3D 深度卷积神经网络的肺结节 AI 辅助软件可明显缩短临床医师单次阅片时间，提高综合诊断效率。Wang 等8基于神经网络建立了一个对肺部结节进行管理的智能影像系统，该系统不仅实现了影像报告的标准化，并且提高了跨学科临床工作流程的质量和效率。3 结构化报告在冠状动脉疾病检测中的应用冠脉 CT 血管成像（CT angiography，CTA）后处理技术对影像技师和诊断医师专业水平存在较高要求，目前，基于数坤科技等 AI 技术的冠脉结构自动分析、钙化积分计算、血管狭窄程度分析及病灶成分分析、自动胶片排版、AI 结构化报告等功能已较为成熟。Garcia 等9的研究中测试了 AI 驱动的结构化报告系统在 1 000 例静息/应激性心肌灌注显像中对于冠状动脉疾病和缺血的诊断性能，结果显示该系统生成的符合指南要求的结构化报告具有与心脏病学专家出具的临床报告相当的诊断性能。Ghoshhajra 等10的研究中评估转诊临床医生对患者冠状动脉疾病（coronary artery disease，CAD）严重程度的理解，并比较 CTA 的自由文本报告与结构化报告的满意度，结果显示临床医生对自由文本和结构化报告的满意度较高且相似；对于显著狭窄的血管数量，结构化报告可以提高结果解释的一致性。Ghoshhajra 等10在一项 CT 冠状动脉造影的结构化报告研究中，采用结构化报告后，提高了临床医师对冠状动脉主干狭窄程度的理解。4 结构化报告在肺栓塞诊疗中的应用结构化报告能够在应用肺栓塞的过程中，快速、准确地帮助临床医生完成诊断和治疗。结构化报告可以按照标准化的格式和分类系统来描述肺栓塞患者的病史、生命体征、影像学检查结果、诊断结果、治疗方案及预后恢复情况。通过结构化报告记录和管理肺栓塞患者的相关信息，可以帮助医生更好地诊断和治疗该疾病，能为患者提供更加详细和全面的医学服务。Fink 等11的研究中证明结构化报告的数据挖掘促进了 CTA 评分系统的发展，该系统将 Qanadli 评分简化为肺栓塞病人血栓负荷半定量的评估。Sabel 等12研究中评估了 CT 肺血管造影（computed tomography pulmonary angiogram，CTPA）研究结构化报告对急性肺栓塞（pulmonary embolism，PE）放射学报告的内容、清晰度和临床实用性的影响，结果显示结构化报告在内容和清晰度方面获得了更高的评分，转诊临床医生认为结构化 CTPA 报告在清晰度方面更胜一筹。肺科医生也对结构化报告做出肯定，因为它提供了更好的内容和临床实用性。5 直肠癌分期和再分期的结构化报告磁共振能准确评估直肠癌，并在术前阶段进行评估。因此，完整的 MRI 报告对于治疗计划至关重要。其内容和完整性可能存在重大差异。欧洲胃肠道腹部放射学会（ESGAR）和腹部放射学会（SAR）最近发表的共识声明都建议结构化模板用于主要分期和再分期13-14，结构化报告可以提高报告标准，但其使用并不普遍。鉴于对治疗的影响，Brown 等15评估了胃肠道（GI）放射科专家的当前临床实践，以测量直肠癌分期 MRI 报告的质量，结构显示直肠癌原发分期报告不符合公布的标准。结构化报告包含了更多的描述肿瘤关键信息，这项研究为它们用于改善直肠癌的报告标准和结果提供了进一步的支持；Granata 等16为直肠癌（rectal cancer，RC）分期和再造建立基于 MRI 的结构化报告，以便为临床医生提供所有关键的肿瘤信息。结构显示基于 MRI的 RC 分期和重新分级的结构化报告的最终版本应该是临床医生正确管理癌症患者的有用且有前途的工具。结构化报告收集直肠癌的所有患者临床数据、临床评估和相关关键发现，并有助于临床决策。Sahni 等17研究表明，与使用文本式报告相比，使用结构化 MRI 报告改善了直肠癌的分期。6 结构化报告在乳腺癌诊断中的应用随着影像组学及 AI 的发展，AI 在肿瘤目标的检出、提取、靶器官感兴趣区的勾画、半定量诊断及部分半自动化结构化报告等方面已经有较多的研究及临床应用18。Patel 等19针对乳腺癌患者钼靶检查开发的 AI 辅助软件诊断速度是临床医生的 30 倍、诊断精度达 99%。Segrelles 等20研究中评估用于生成乳腺癌放射学报告的软件工具的生产力；在乳腺癌诊断的乳房 X 光检查和超声研究中采用结构化报告可以提高生成报告的性能。3综 述影像研究与医学应用 2024年4月 第8卷第7期 7 小结与展望结构化报表模型在医学影像领域被广泛采用。首先，它能够提高报告的准确性和规范性，降低误诊率，提高患者治疗效果。其次，结构化报告模型可以辅助医生快速地获取必要的患者信息，节省时间，提高工作效率。最后，这种报告方式还方便了医疗机构之间的数据交换和共享，提高了医疗服务的连续性和质量。当然，将结构化报表模型应用到医学影像中也存在一定的挑战。首先，制定和应用标准化的报告模板需要投入大量的人力和物力，这可能会给医疗机构带来额外的负担。其次，由于医生不同的专业背景和个人习惯，他们可能仍然存在对某些数据项的解释和理解上的差异。最后，当前的结构化报告模型还存在一些技术问题，比如数据采集的自动化和语义解析等方面还需要进一步探索和发展。综上所述，结构化报告模型虽然存在一些技术和管理上的挑战，但是这种报告方式已经逐渐被医疗机构所接受，并且在不断得到改进和完善。相信在不久的将来，结构化报告模型会成为医学影像领域中的主流报告方式，为医生提供更加准确、规范和高效的医疗服务。【参考文献】1 CAMERON N.Can maturity indicators be used to estimate chronological age in children?J.Ann Hum Biol,2015,42(4):302-307.2 LEE H,TAJMIR S,LEE J,et al.Fully Automated Deep Learning System for Bone Age Assessment J.J Digit Imaging,2017,30(4):427-441.3 ZHAO K,MA S,SUN Z,et al.Effect of AI-assisted software on inter-and intra-observer variability for the X-ray bone age assessment of preschool children J.BMC Pediatr,2022,22(1):644.4 HALLINAN J,ZHU L,YANG K,et al.Deep Learning Model for Automated Detection and Classification of Central Canal,Lateral Recess,and Neural Foraminal Stenosis at Lumbar Spine MRI J.Radiology,2021,300(1):130-138.5 KIM J R,SHIM W H,YOON H M,et al.Computerized Bone Age Estimation Using Deep Learning Based Program:Evaluation of the Accuracy and Efficiency J.AJR Am J Roentgenol,2017,209(6):1374-80.6 LEE B D,LEE M S.Automated Bone Age Assessment Using Artificial Intelligence:The Future of Bone Age Assessment J.Korean J Radiol,2021,22(5):792-800.7 谢辉辉，王霄英，林祥涛，等.人工智能软件对胸部 CT 肺结节检出的辅助效果初探 J.医学影像学杂志，2022，32(6):944-948.8 WANG Y,YAN F,LU X,et al.IILS:Intelligent imaging layout system for automatic imaging report standardization and intra-interdisciplinary clinical workflow optimization J.EBioMedicine,2019,44:162-181.9 GARCIA E V,KLEIN J L,MONCAYO V,et al.Diagnostic performance of an artificial intelligence-driven cardiac-structured reporting system for myocardial perfusion SPECT imaging J.J Nucl Cardiol,2020,27(5):1652-1664.10 GHOSHHAJRA B B,LEE A M,FERENCIK M,et al.Interpreting the interpretations:the use of structured reporting improves referring clinicians comprehension of coronary CT angiography reports J.J Am Coll Radiol,2013,10(6):432-438.11 M.A.FINK,V.L.MAYER,T.SCHNEIDER,et al.从肺栓塞结构化报告数据挖掘的 CTA 血栓负荷评分 J.国际医学放射学杂志，2022，45(2):231.12 SABEL B O,PLUM J L,KNEIDINGER N,et al.Structured reporting of CT examinations in acute pulmonary embolism J.J Cardiovasc Comput Tomogr,2017,11(3):188-195.13 BEETS-TAN R G H,LAMBREGTS D M J,MAAS M,et al.Magnetic resonance imaging for clinical management of rectal cancer:Updated recommendations from the 2016 European Society of Gastrointestinal and Abdominal Radiology(ESGAR)consensus meeting J.Eur Radiol,2018,28(4):1465-1475.14 GOLLUB M J,ARYA S,BEETS-TAN R G,et al.Use of magnetic resonance imaging in rectal cancer patients:Society of Abdominal Radiology(SAR)rectal cancer disease-focused panel(DFP)recommendations 2017 J.Abdom Radiol(NY),2018,43(11):2893-2902.15 BROWN P J,ROSSINGTON H,TAYLOR J,et al.Standardised reports with a template format are superior to free text reports:the case for rectal cancer reporting in clinical practice J.Eur Radiol,2019,29(9):5121-5128.16 GRANATA V,CARUSO D,GRASSI R,et al.Structured Reporting of Rectal Cancer Staging and Restaging:A Consensus Proposal J.Cancers(Basel),2021,13(9).17 SAHNI V A,SILVEIRA P C,SAINANI N I,et al.Impact of a Structured Report Template on the Quality of MRI Reports for Rectal Cancer Staging J.AJR Am J Roentgenol,2015,205(3):584-588.18 GYAWALI B.Does global oncology need artificial intelligence?J.Lancet Oncol,2018,19(5):599-600.19 PATEL T A,PUPPALA M,OGUNTI R O,et al.Correlating mammographic and pathologic findings in clinical decision support using natural language processing and data mining methods J.Cancer,2017,123(1):114-121.20 SEGRELLES J D,MEDINA R,BLANQUER I,et al.Increasing the Efficiency on Producing Radiology Reports for Breast Cancer Diagnosis by Means of Structured Reports.A Comparative Study J.Methods Inf Med,2017,56(3):248-260.