Rozdział 5 — Pomiar ilościowy i definicje operacyjne

Liczba jest wynikiem działania systemu pomiarowego

Rozdział 4 zakończył się użytecznym ograniczeniem tego, co można ustalić na podstawie geometrii. Przeglądarka może pokazać, że segmentacja zasadniczo pokrywa się z anatomią, a kontrola geometryczna może wykazać, że dwa obiekty mają zgodne współrzędne, lecz żaden z tych wyników nie jest jeszcze pomiarem ilościowym. Obraz może znajdować się we właściwym miejscu, a maska może być poprawnie reprezentowana, mimo że uzyskana z nich liczba nadal odpowiada na niewłaściwe pytanie. Rozdział 5 zaczyna się na tej granicy: poprawność geometryczna jest warunkiem poprawności pomiaru, a nie jej substytutem.

Rozważmy cechę podaną jako precyzyjna liczba dziesiętna. Mogła zostać obliczona na podstawie jednej rekonstrukcji, a nie innej, jednej metody segmentacji, a nie innej, na określonej siatce po zmianie próbkowania, po określonym przekształceniu intensywności i zgodnie z interpretacją nazwy cechy przyjętą w danej implementacji. Liczba dziesiętna jest ostatnim etapem tej historii. Nie jest bezpośrednią właściwością guza, narządu ani pacjenta. Wynik ilościowy jest wynikiem działania systemu pomiarowego, którego dane wejściowe, przekształcenia, estymator i zamierzona interpretacja muszą zostać określone wprost.

To rozróżnienie nie czyni pomiarów uzyskiwanych z obrazów bezcelowymi. Pozwala natomiast precyzyjniej sformułować twierdzenie. Pomiar może być użyteczny, gdy jego cel jest zdefiniowany, dane wejściowe są odpowiednie, przetwarzanie jest odtwarzalne, a niepewność została poznana w odniesieniu do proponowanego zastosowania. Radiomika rozszerza tę samą ideę na duży zbiór wartości uzyskiwanych z obrazów; nie znosi obowiązków dotyczących objętości, średnicy, statystyki osłabienia promieniowania ani żadnego innego prostszego pomiaru.

Rozdział rozwija zatem jeden argument, zamiast przedstawiać katalog cech. Najpierw śledzi drogę od obrazu i regionu do tabeli pomiarów. Następnie ujawnia warstwę pomiarową: obraz, maska, geometria, przetwarzanie wstępne i implementacja wspólnie określają, co zmierzono, natomiast modelowanie i wnioskowanie mogą działać jedynie na powstałym obiekcie. Nazwa cechy jest potem traktowana jako początek definicji operacyjnej, a nie jej koniec. Wybór regionu zostaje rozwinięty jako hipoteza dotycząca tkanki, zanim statystyki zgodności odróżnią zależność liniową od zgodności z prostą identyczności. Dalej omawiana jest niepewność dla danych sparowanych, w tym powód, dla którego jednostką ponownego losowania jest para obserwacji tej samej osoby, a nie pojedyncza wartość. Rozdział kończy się zmianą w czasie, gdzie różnica między dwoma punktami czasowymi sama jest pomiarem pochodnym, wymagającym wyboru i uzasadnienia modelu błędu bezwzględnego zgodnego ze skalą i estymandem dla zamierzonej decyzji.

Ta kolejność jest celowa. Następny rozdział może omawiać rodziny cech i macierze tekstury, nie sugerując, że nazwa cechy istnieje niezależnie od systemu pomiarowego. Pierwszym krokiem jest uwidocznienie tego systemu, od obrazu do tabeli.

Źródła

• Zwanenburg A, Vallières M, Abdalah MA, et al. The Image Biomarker Standardisation Initiative: standardized quantitative radiomics for high-throughput image-based phenotyping. Radiology. 2020;295(2):328-338. doi:10.1148/radiol.2020191145, PMID 32154773 oraz opublikowany pełny tekst w PMC7193906.
• Quantitative Imaging Biomarkers Alliance (QIBA), RSNA — oficjalne informacje QIBA.
• QIBA. CT Tumor Volume Change for Advanced Disease, Clinically Feasible Profile. doi:10.1148/qiba/20220721.
• Ye S, Lim JY, Huang W. Statistical considerations for repeatability and reproducibility of quantitative imaging biomarkers. BJR Open. 2022;4(1):20210083. doi:10.1259/bjro.20210083, PMID 36452056.
• Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet. 1986;1(8476):307-310. doi:10.1016/S0140-6736(86)90837-8, PMID 2868172.
• de Vet HCW, Terwee CB, Knol DL, Bouter LM. When to use agreement versus reliability measures. Journal of Clinical Epidemiology. 2006;59(10):1033-1039. doi:10.1016/j.jclinepi.2005.10.015, PMID 16980142.