Artificial Intelligence for Pediatric Vesicoureteral Reflux Assessment on Voiding Cystourethrography: A Scoping Evidence Map of Diagnostic Performance and Clinician-Assisted Interpretation

Technische Samenvatting: Kunstmatige Intelligentie voor de beoordeling van pediatrische vesicoureterale reflux op cystouretrografie

Probleemstelling
Vesicoureterale reflux (VUR) is een belangrijke pediatrische urologische aandoening waarbij retrograde urineflow vanuit de blaas naar de ureter en het renale verzamelsysteem een nauwkeurige diagnose en gradatie vereist. De standaard diagnostische methode, Voiding Cystourethrography (VCUG), steunt op het Internationale Reflux-gradatiesysteem (Grades I–V). Deze visuele gradatie is inherent subjectief, met name bij de grens tussen Graad III en IV. Deze variabiliteit beïnvloedt cruciale klinische beslissingen met betrekking tot antimicrobiële profylaxe, chirurgische interventie (bijv. endoscopische injectie of ureterreïmplantatie) en langetermijnrisico's voor de nieren. Hoewel Kunstmatige Intelligentie (AI) en deep learning zijn toegepast om de interpretatie van VCUG te automatiseren of te assisteren, wordt de literatuur gekenmerkt door heterogeniteit in doeltaken, beeldinvoer, architecturen en validatiestrategieën. Bijgevolg blijft het onduidelijk of huidige AI-modellen autonome superioriteit bieden ten opzichte van radiologen, of dat ze primair dienen als hulpmiddelen om de consistentie van de gradatie te verbeteren en de interbeoordelaarsvariabiliteit te verminderen.

Methodologie
Deze studie maakt gebruik van een scoping evidence map ontwerp in plaats van een formele diagnostische meta-analyse, conform de PRISMA-extensie voor scoping reviews (PRISMA-ScR). De synthese werd uitgevoerd met behulp van een computerondersteunde workflow gebaseerd op twee geëxporteerde datasets gegenereerd via de Elicit-tool:

1. Een screeningdataset met 500 records.
2. Een extractiedataset met gedetailleerde gegevens van 13 geïncludeerde studies gepubliceerd tussen 2019 en 2025.

Inclusiecriteria:

• Pediatrische patiënten of pediatrische beeldgegevens.
• Evaluatie van AI, machine learning, deep learning of computerondersteunde diagnostische benaderingen.
• Focus op VUR-detectie, gradatie, laag/hoog-graad classificatie, AI-ondersteunde interpretatie, of klinisch gerelateerde VUR-voorspelling met behulp van VCUG of gerelateerde data.
• Rapportage van diagnostische prestaties, betrouwbaarheid, overeenstemming of klinische vergelijkingsmetrieken.

Exclusiecriteria:

• Niet-pediatrische studies, niet-humane data, editorials, geïsoleerde casusrapporten of technische rapporten die ontbreken aan klinisch interpreteerbare uitkomsten.

Classificatiestrategie:
Om de methodologische heterogeniteit aan te pakken, werden studies gecategoriseerd in vier groepen:

1. Directe VCUG-gebaseerde VUR-gradatie: Modellen die proberen standaard gradaties toe te wijzen.
2. Laag/Hoog-graad classificatie: Binaire of op ernst gestratificeerde modellen.
3. AI-ondersteunde klinische interpretatie: Studies die de impact van AI op de prestaties van menselijke lezers evalueren.
4. Indirecte klinische voorspelling: Modellen die uitkomsten voorspellen (bijv. recidiverende UTI) in plaats van de gradatie van reflux direct te beoordelen.

Vanwege het gebrek aan onafhankelijke duplicerende screening en volledige tekstverificatie in de bron-exports, wordt de synthese expliciet geframed als een evidence map, waarbij de nadruk ligt op narratieve synthese en tabulatie boven gepoolde statistische analyse.

Belangrijkste Bijdragen en Resultaten
De review identificeerde 13 studies, wat een landschap onthulde van veelbelovende maar heterogene AI-prestaties:

• Diagnostische Prestaties:

  • Het sterkste extern gevalideerde bewijs komt van Li et al. (2024), waarvan het Deep-VCUG-model AUC-waarden voor externe validatie behaalde van 0,944 voor unilaterale en 0,924 voor bilaterale reflux.
  • Khondker et al. (2022) rapporteerden een AUC van 0,84 en toonden een 3,6-voudige verbetering in de betrouwbaarheid van de gradatie vergeleken met traditionele beoordeling.
  • Wu et al. (2025) toonden substantiële verbeteringen in de prestaties van clinici wanneer zij worden ondersteund door AI, waarbij de AUC van clinici steeg van ~0,63–0,73 naar ~0,95–0,96 voor zijspecifieke reflux.
  • Verschillende kleinere studies rapporteerden bijna perfecte metrieken (bijv. accuratesse die 100% nadert, AUC nabij 1,0), maar de review waarschuwt voor deze bevindingen vanwege risico's op overfitting, kleine steekproefomvang en beperkte externe validatie.

• Clinicus Vergelijking en Assistentie:

  • Directe vergelijkingen tussen AI en radiologen zijn beperkt. De meeste studies gebruikten radioloog-labels als referentiestandaarden zonder de baseline-prestaties van de radioloog onafhankelijk te kwantificeren.
  • Echter, studies gericht op AI-ondersteunde interpretatie geven aan dat AI de inter-beoordelaarsvariabiliteit aanzienlijk kan verminderen en de prestaties van zowel junioren als senioren clinici kan verbeteren, met name bij het herkennen van hooggradige VUR.

• Kwaliteit van Bewijs en Gaten:

  • Indirect versus Direct: De review maakt onderscheid tussen directe gradatie (meest klinisch relevant) en indirecte voorspellingsmodellen (bijv. het voorspellen van het risico op recidiverende UTI), waarbij opgemerkt wordt dat de laatste niet bewijzen dat AI in staat is de ernst van de reflux te gradueren.
  • Impact op Management: Geen enkele geïncludeerde studie heeft definitief aangetoond dat AI klinische managementbeslissingen verandert (bijv. het wijzigen van antibiotische profylaxe of chirurgische drempelwaarden) of patiëntuitkomsten verbetert.
  • Beperkingen: De bewijslast lijdt onder een gebrek aan gestandaardiseerde rapportage (sensitiviteit, kalibratie, decision-curve analyse), beperkte externe validatie over diverse datasets, en een tekort aan prospectieve, geblindeerde lezersstudies die AI-alleen, clinician-alleen en AI-ondersteunde armen vergelijken.

Betekenis en Claims
De paper concludeert dat hoewel AI-algoritmen veelbelovende diagnostische prestaties laten zien voor de beoordeling van pediatrische VUR op VCUG, de huidige bewijslast niet ondersteunt dat AI de radiologische interpretatie autonoom kan vervangen.

De primaire betekenis van de bevindingen ligt in het potentieel van AI om te fungeren als een beslissingsondersteunend instrument in plaats van een zelfstandige diagnosticus. Specifiek kan AI:

1. De consistentie van de gradatie verbeteren, met name rond de kritieke grens van Graad III–IV.
2. De interbeoordelaarsvariabiliteit verminderen.
3. Minder ervaren lezers ondersteunen en de herkenning van hooggradige VUR standaardiseren.

De auteurs benadrukken dat voor klinische implementatie toekomstige systemen prospectieve, multicenter, geblindeerde lezersstudies moeten ondergaan die de impact van AI op managementbeslissingen en patiëntuitkomsten evalueren, waarbij voldaan moet worden aan rapportagestandaarden zoals CLAIM, TRIPOD+AI en STARD-AI. Totdat dergelijk bewijs is vastgesteld, moet AI worden beschouwd als een hulpmiddel om de expertise van de clinicus te ondersteunen, en niet als vervanging daarvan.