Reconstruction Interval Z-Phase Dependence of AI Detection Sensitivity in CT Lung Nodule Screening

Technische Samenvatting: Z-fase-afhankelijkheid van het reconstructie-interval voor de detectiegevoeligheid van AI bij CT-scherming van longknobbels

Probleemstelling
Hoewel bekend is dat de gevoeligheid van AI-ondersteunde systemen voor het detecteren van longknobbels varieert met CT-acquisitieparameters zoals stralingsdosis, reconstructiekernel en slice-dikte, is een specifieke variabiliteitsbron ongekarakteriseerd gebleven: de afhankelijkheid van de detectiekans van de positie van de knobbels binnen het reconstructiecyclus, de zogenaamde z-fase. In de klinische praktijk wordt de positie van een knobbels ten opzichte van het reconstructienetwerk bepaald door onvoorspelbare scanner-offsets en de anatomische locatie. Bijgevolg kunnen twee patiënten die met identieke protocollen worden gescand, of dezelfde patiënt die tweemaal wordt gescand, betekenisvol verschillende AI-detectiekansen vertonen voor dezelfde knobbelsgrootte. Dit "stochastische" effect is onzichtbaar voor kwaliteitsmetrieken op protocolniveau en wordt niet weerspiegeld in AI-vertrouwensscores, wat mogelijk leidt tot gemiste detecties zonder waarschuwing.

Methodologie
De studie voerde een retrospectieve analyse uit met behulp van het LIDC-IDRI-dataset, waarbij gebruik werd gemaakt van detectieresultaten uit een eerder gevalideerde perturbatiestudie met 154 gevallen. De analyse richtte zich op drie reconstructie-intervalcondities: 1 mm (basislijn), 3 mm en 5 mm.

• Dataselectie: De studie hanteerde een strikte consensusdefinitie voor knobbels, waarbij overeenstemming vereist was van alle vier de onafhankelijke radiolooglezers (≥4-lezerconsensus) binnen een ruimtelijke clusteringstraal van 15 mm. Deze drempel werd gekozen om de meest ondubbelzinnige knobbelsbevindingen te selecteren.
• Definitie van z-fase: Voor elke consensusknobbels werd de z-fase ($\phi$) berekend als de fractionele positie van het middelpunt van de knobbels binnen het reconstructiecyclus, gefold naar het bereik $[0, 0,5]$.
  • $\phi = 0$: Knobbels precies gecentreerd op een reconstructievlak.
  • $\phi = 0,5$: Knobbels op gelijke afstand tussen twee aangrenzende vlakken (overbruggend).
• Geometrische parameter: De studie introduceerde de interval-tot-diameterverhouding ($d/D$), gedefinieerd als het reconstructie-interval ($d$) gedeeld door de geschatte diameter van de knobbels ($D$).
• Detectiemodel: Een MONAI RetinaNet-model, getraind op het LUNA16-dataset, werd gebruikt voor detectie. De gevoeligheid werd gestratificeerd naar z-fase-bins en reconstructie-intervallen, en verder geanalyseerd door data over condities te poolen en te stratificeren naar $d/D$-verhoudingen ($<0,5$, $0,5 \le d/D < 1,0$ en $\ge 1,0$).

Belangrijkste Resultaten

1. Algemene gevoeligheid: De detectiegevoeligheid nam af naarmate het reconstructie-interval toenam: 84,8% bij 1 mm, 82,4% bij 3 mm en 71,6% bij 5 mm.
2. Z-fase-afhankelijkheid:
   • Intervallen van 1 mm & 3 mm: Het z-fase-effect was verwaarloosbaar. Bij 3 mm varieerde de gevoeligheid met slechts 4,7 procentpunten (79,3–85,3%) over de bins, zonder systematische trend.
   • Interval van 5 mm: Een klinisch significant z-fase-effect deed zich voor. De gevoeligheid varieerde met 17,6 procentpunten over de z-fase-bins. De laagste gevoeligheid werd waargenomen aan de uitersten ($\phi \approx 0$ en $\phi \approx 0,5$), met 61,9% bij fase 0,45 en 65,9% bij fase 0,05, vergeleken met een piek van 79,5% bij fase 0,25. Deze variatie overschreed het totale gevoeligheidsverlies dat toe te schrijven was aan de intervalgrootte zelf.
3. Analyse van de interval-tot-diameterverhouding ($d/D$): Wanneer data werd gepooled en gestratificeerd naar $d/D$, bleek het z-fase-effect te worden bepaald door deze verhouding in plaats van alleen door de intervalgrootte.
   • $d/D < 0,5$ (Goed bemonsterd): De gevoeligheid was hoog (92,4%) met een vlakke z-fase-curve.
   • $d/D \ge 1,0$ (Onderbemonsterd): De gevoeligheid daalde tot 61,4% en er was een systematisch z-fase-effect aanwezig, wat het U-vormige profiel weerspiegelde dat bij de 5 mm-conditie werd gezien.
   • Kritiek bereik ($0,5 \le d/D < 1,0$): De gevoeligheid bedroeg 78,0%.

Belangrijkste Bijdragen

• Karakterisering van z-fase-gevoeligheid: Het artikel kwantificeert empirisch de eerder ongekarakteriseerde afhankelijkheid van de AI-detectiekans van de positie van de knobbels binnen het reconstructiecyclus.
• Identificatie van de bepalende parameter: De studie stelt vast dat de interval-tot-diameterverhouding ($d/D$) de primaire geometrische parameter is die bepaalt of de z-fase-gevoeligheidsafhankelijkheid klinisch significant is.
• Kwantificering van variantie: Het onderzoek toont aan dat voor onderbemonsterde knobbels ($d/D \ge 1,0$) de per-studie detectievariantie door z-fase aanzienlijk kan zijn (tot 17,6 procentpunten), waardoor een "hoogrisicogebied" voor gemiste detecties ontstaat dat niet wordt vastgelegd door standaard vertrouwensscores.

Betekenis en Beweringen
Het artikel stelt dat de AI-detectiegevoeligheid geen vaste eigenschap is van het algoritme of het protocol, maar op studieniveau effectief stochastisch is vanwege de geometrische relatie tussen de knobbels en het reconstructienetwerk.

• Klinische implicatie: Het effect is het meest kritiek voor knobbels in het bereik van 3–6 mm bij gebruik van reconstructie-intervallen van 5 mm (een scenario dat overeenkomt met het Lung-RADS-categorie 3-venster). In deze gevallen is de detecteerbaarheid geen vaste gevoeligheid, maar een verdeling die afhankelijk is van de specifieke z-positie van de knobbels.
• Beperkingen van huidige metrieken: De studie benadrukt dat deze variabiliteit onzichtbaar is voor bestaande kwaliteitsdashboards op protocolniveau en niet wordt aangegeven door AI-vertrouwensscores. Een knobbels die door een ongunstige z-fase wordt gemist, kan qua systeemoutput niet van een ware negatief te onderscheiden zijn.
• Toekomstige monitoring: De auteurs concluderen dat scan-specifieke karakterisering van detecteerbaarheid, rekening houdend met het reconstructie-interval, de z-fase en de knobbelsgrootte, een eerder niet-herkende dimensie van AI-betrouwbaarheidsmonitoring bij CT-scherming van longknobbels vertegenwoordigt.

De studie stelt geen nieuwe algoritmen of toekomstige experimentele protocollen voor, maar dient om een specifieke, meetbare beperking in huidige op deep learning gebaseerde screeningworkflows te definiëren die afhankelijk is van de geometrische uitlijning van de knobbels ten opzichte van de reconstructieslice.