Predicting brain tumour enhancement from non-contrast MR imaging with artificial intelligence: a multi-cohort retrospective diagnostic accuracy study

Technische Samenvatting: Voorspellen van tumorversterking in de hersenen met behulp van AI op basis van niet-contrast MRI-beelden

Probleemstelling
Standaard neuro-oncologische beeldvorming vertrouwt op gadoliniumhoudende contrastmiddelen om tumorversterking (enhancement) te identificeren, een cruciaal kenmerk voor diagnose en surveillance. Het toedienen van contrast is echter niet altijd mogelijk vanwege contra-indicaties (nierinsufficiëntie, allergie), weigering door de patiënt, of de wens om de cumulatieve blootstelling te minimaliseren, met name bij pediatrische patiënten en bij frequente vervolgcontroles. Daarnaast is de wereldwijde milieu-impact van de afvoer van gadolinium aanzienlijk. Hoewel eerdere studies hebben onderzocht hoe de dosering van gadolinium kan worden verminderd of hoe contrastbeelden kunnen worden gesynthetiseerd, ontbreekt het aan grootschalige, heterogene bewijsvoering die aantoont dat deep learning accuraat de aanwezigheid en locatie van versterkende tumoren kan voorspellen met uitsluitend niet-contrast MRI-sequenties. De bestaande literatuur is grotendeels beperkt tot single-institution, volwassen en voornamelijk glioma-cohorten met bescheiden steekproefgroottes.

Methodologie
Deze multi-cohort retrospectieve diagnostische accuratiestudie ontwikkelde en valideerde deep learning-modellen voor het segmenteren en detecteren van contrastversterkende hersentumoren met uitsluitend niet-contrast T1-gewogen (T1w), T2-gewogen (T2w) en T2/Fluid-Attenuated Inversion Recovery (T2/FLAIR) sequenties.

• Data: De studie maakte gebruik van 11.089 beeldvormingssessies van 8.548 unieke patiënten uit 10 internationale datasets verspreid over vier landen (VK, VS, Nederland, Nigeria) en drie continenten. De cohort bevatte diverse pathologieën (glioma, meningioom, metastasen, post-resectie verschijningsvormen) en zowel volwassen als pediatrische populaties. De data werden verzameld tussen 2006 en 2024 op verschillende veldsterktes (1,5T en 3T) en van verschillende fabrikanten.
• Modelontwikkeling: Er werden drie volledig volumetrische multi-modale 3D deep learning architecturen getraind: nnU-Net (v2), SegResNet en SwinUNETR. De modellen werden getraind om vier klassen te segmenteren: achtergrond, normaal hersenparenchym, niet-versterkend abnormaal weefsel en versterkende neuro-oncologische ziekte. Cruciaal is dat de 'ground truth' voor de klasse "versterking" werd afgeleid uit volledige datasets inclusief post-contrast T1-gewogen (T1CE) sequenties, maar de modelinputs werden strikt beperkt tot niet-contrast sequenties.
• Trainingsstrategie: Een patiëntniveau random split verdeelde 90% van de patiënten naar de training en 10% naar een onafhankelijke testset. Er werd geen site- of scanner-harmonisatie toegepast om ervoor te zorgen dat het model leerde van de acquisitie-heterogeniteit in plaats van hiervoor afgeschermd te worden.
• Evaluatiemetrieken: Prestaties werden beoordeeld met voxel-niveau metrieken (Dice-coëfficiënt, precisie, recall, F1) en patiëntniveau metrieken (gebalanceerde accuratesse, sensitiviteit, specificiteit). Klinische drempelwaarden werden gedefinieerd voor detectiesucces: Dice ≥ 0,3 (acceptabel), ≥ 0,5 (goed) en ≥ 0,7 (uitstekend).
• Menselijke benchmark: Elf expert-radiologen, geblindeerd voor klinische geschiedenis en eerdere beeldvorming, kregen de taak om de aanwezigheid van versterking te voorspellen op een subset van 564 unieke gevallen uit de testset met uitsluitend niet-contrast beelden. Hun prestaties werden vergeleken met de voorspellingen van het model.
• Equity-beoordeling: De studie omvatte een gedetailleerde equity-beoordeling over subgroepen gedefinieerd door pathologie, land van herkomst, leeftijd en geslacht, conform de SAGER-richtlijnen.

Belangrijkste Resultaten

• Modelprestaties: De nnU-Net architectuur presteerde beter dan SegResNet en SwinUNETR. Op de onafhankelijke testset (n=1.109) behaalde nnU-Net een gebalanceerde accuratesse van 83,0% (95% BI 79,1–87,2) voor patiëntniveau versterkingsdetectie, met een sensitiviteit van 91,5% en een specificiteit van 74,4%.
• Segmentatiekwaliteit: Voor de 992 versterkende gevallen behaalde 76,8% een Dice-score ≥ 0,3, 67,5% behaalde ≥ 0,5 en 50,2% behaalde ≥ 0,7. Het model vertoonde een sterke correlatie (R² = 0,859) tussen de voorspelde en de werkelijke versterkingsvolumes.
• Vergelijking met radioloog: In een geblindeerde vergelijking op 564 gematchte gevallen presteerde het model beter dan het panel van radiologen. Het model behaalde een gebalanceerde accuratesse van 83,3% (tegenover 71,7% voor de meerderheidsstem van de radiologen). Het model identificeerde correct 109 gevallen die de radiologen misten, terwijl radiologen slechts 14 gevallen identificeerden die het model miste (McNemar's exact test, p<0,0001).
• Subgroepanalyse: De prestaties waren over het algemeen robuust over pathologieën en landen heen, maar lager in specifieke subgroepen. Pediatrische gevallen vertoonden de zwakste prestaties (gebalanceerde accuratesse 73,9%, Dice ≥ 0,3 succespercentage 45%), gevolgd door postoperatieve glioma-gevallen. De prestaties van het model varieerden met de laesiegrootte; detectieratio's voor laesies <0,5 cm³ waren ongeveer 50%, terwijl laesies ≥2 cm³ in meer dan 90% van de gevallen werden gedetecteerd.
• Foutanalyse: Onder de 260 gevallen die de acceptabele detectiedrempel niet haalden (Dice < 0,3), waren de primaire oorzaken een klein laesievolume (<0,5 cm³, 40,4%) en atypische versterkingspatronen (38,5%).

Betekenis en Claims
De auteurs stellen dat deze studie de grootste en meest heterogene evaluatie van de voorspelling van contrastversterking vanuit niet-contrast hersen-MRI tot nu toe vertegenwoordigt. De primaire betekenis ligt in het aantonen dat deep learning-modellen in staat zijn om versterkende intracraniële ziekte te identificeren en af te bakenen vanaf niet-contrast beeldvorming alleen, met een hogere accuratesse dan expert-radiologen die dezelfde nieuwe, niet-standaard taak uitvoeren.

Het onderzoek positioneert deze modellen niet als een volledige vervanging voor contrast-versterkte MRI, maar als een triage- of beslissingsondersteunend hulpmiddel. De voorgestelde klinische bruikbaarheid behelst het gebruik van het model om studies te signaleren waar versterking waarschijnlijk is, wat het toevoegen van contrast aan een niet-contrast protocol kan stimuleren om extra ziekenhuisbezoeken te voorkomen, of het mogelijk maken dat voorspelde contrastvrije studies zonder gadolinium kunnen doorgaan (bijv. bij nierinsufficiëntie of pediatrische surveillance). De studie benadrukt dat hoewel de huidige prestaties onvoldoende zijn om contrast volledig te elimineren — met name voor kleine laesies en pediatrische populaties — het een levensvatbaar pad legt voor het verminderen van de afhankelijkheid van gadolinium in de neuro-oncologische beeldvorming. Het werk benadrukt ook het belang van de equity-beoordeling, waarbij de huidige beperkingen in pediatrische populaties aan het licht komen die toekomstige data en algoritmische verfijning vereisen.