Od obrazu do tabeli pomiarów

We wprowadzeniu liczba została opisana jako wynik działania systemu. Możemy teraz prześledzić ten system. Obraz CT i obszar zainteresowania mogą dać tabelę zawierającą objętość, podsumowanie osłabienia promieniowania albo wiele wartości tekstury i kształtu, lecz tabela nie jest przejrzystym zapisem tego, co znajduje się w pacjencie. Jest wynikiem sekwencji decyzji. Dobrym pierwszym krokiem diagnostycznym jest zapisanie całej tej sekwencji: acquisition/reconstruction -> region/segmentation -> preprocessing -> geometry and resampling -> intensity discretisation -> feature extraction -> robustness analysis -> inference and model.

Nie należy pozwalać, by terminy używane na tej drodze zlewały się ze sobą. W tym rozdziale obrazowanie ilościowe jest pojęciem nadrzędnym wobec pomiarów liczbowych uzyskiwanych z obrazów, takich jak objętość, średnica czy podsumowanie osłabienia promieniowania. Radiomika oznacza praktykę o większej wymiarowości: ekstrakcję wielu projektowanych cech obrazu i ich analizę statystyczną. Biomarker obrazowy jest mocniejszym twierdzeniem: sama ekstrakcja nie wystarcza. Cecha zasługuje na to określenie dopiero wtedy, gdy ma walidację techniczną, zdefiniowaną interpretację biologiczną, procesową albo dotyczącą odpowiedzi oraz walidację kliniczną dostosowaną do zamierzonego zastosowania. Nazywanie cechy biomarkerem dlatego, że wygenerował ją pakiet oprogramowania, myli ekstrakcję z walidacją. Terminologia jest użyteczna właśnie dlatego, że rozdziela liczbę, zbiór cech i zwalidowaną interpretację.

Śledzenie łańcucha

Pierwszym ogniwem są akwizycja i rekonstrukcja. Skaner, protokół, faza kontrastowa, dawka, pole widzenia, metoda rekonstrukcji, kernel i grubość warstwy współokreślają obraz, na którym wykonywany jest późniejszy pomiar. Dwie rekonstrukcje z jednej akwizycji są zatem dwoma wejściowymi obrazami, nawet gdy przedstawiają tego samego pacjenta i tę samą zmianę. Ich role należy zapisać, a nie ukrywać w nazwie pliku. W badaniu porównawczym zmienne te mogą być warstwami planu badania, współzmiennymi albo osiami eksperymentu dotyczącego odporności; wybór zależy od estymandu.

Następnym ogniwem jest region. Maska określa, które próbki trafiają do pomiaru, a jej geometria odniesienia musi odpowiadać obrazowi. Przesunięta albo inaczej wyznaczona maska nie jest drobnym szczegółem implementacyjnym: definiuje inną populację wokseli. Segmentacje ręczne, półautomatyczne i wygenerowane przez model mogą zatem stanowić różne dane wejściowe pomiaru. Niepewność granicy należy traktować jako część problemu pomiarowego, zamiast ukrywać ją za pojedynczym preferowanym obrysem.

Przetwarzanie wstępne i geometria zmieniają następnie próbki, zanim zostanie obliczona cecha. Filtrowanie, przekształcenia intensywności, ograniczanie zakresu, normalizacja, siatka zmiany próbkowania oraz interpolator wymagają jawnego miejsca w protokole. Jak pokazał rozdział 4, zmiana próbkowania obrazu i zmiana próbkowania etykiety są różnymi operacjami. Jeśli obraz zostaje przekształcony na określoną siatkę, a następnie stosuje się ograniczenie intensywności, odwrócenie tej kolejności tworzy inne przekształcenie. Taka kolejność może być uzasadnioną decyzją w konkretnym procesie; nie jest uniwersalnym przepisem, który można stosować bez podania celu i konsekwencji.

Obliczenia tekstury często wprowadzają kolejny etap definicji przez odwzorowanie ciągłego zakresu intensywności na dyskretne poziomy szarości. Cecha obliczona po zastosowaniu jednej reguły podziału na przedziały nie jest automatycznie tą samą cechą co obliczona po zastosowaniu innej reguły. Docelowy odstęp, zakres intensywności, reguła podziału na przedziały i maska wspólnie definiują próbki, z których budowana jest macierz. Szczegółowe rodziny tekstur i przykłady dyskretyzacji należą do następnego rozdziału, lecz konsekwencja dla łańcucha pomiarowego należy tutaj: dyskretyzacja jest częścią tego, co zmierzono, a nie kosmetycznym formatowaniem zastosowanym po pomiarze.

Ekstrakcja cech jest momentem, w którym implementacja stosuje definicje matematyczne do tak przygotowanych danych wejściowych. Wynikiem może być jedna wartość albo szeroka tabela. Tabela staje się użyteczna dopiero wtedy, gdy znane są jej wiersze, kolumny, jednostki oraz kontrakt danych wejściowych. Nazwa cechy bez tych warunków jest etykietą wartości, której znaczenie pozostaje niepełne.

Na końcu analiza odporności i modelowanie muszą respektować granicę informacji. Jeśli w badaniu do wyboru cech, dostrojenia reguły przetwarzania wstępnego albo podjęcia decyzji o zachowaniu cech wykorzystuje się informacje o wyniku lub zróżnicowaniu kohorty, decyzję tę trzeba podjąć wyłącznie na danych treningowych wewnątrz każdego podziału walidacyjnego. Charakterystyka niezależna od wyniku może być umieszczona inaczej, lecz również wymaga zadeklarowanego protokołu i jasnego estymandu. Ogólna zasada nie mówi, że jeden nazwany etap zawsze musi znajdować się w jednym miejscu; mówi, że żaden etap nie może korzystać z informacji z odłożonych danych ewaluacyjnych, jeśli jednocześnie utrzymuje się, że ewaluacja pozostała nienaruszona.

Wykorzystanie łańcucha do diagnozowania zaskakującej wartości

Załóżmy, że dwa badania podają cechę o tej samej nazwie, ale o różnych rozkładach. Sama nazwa nie dowodzi różnicy biologicznej. Należy kolejno porównać obrazy wejściowe, rekonstrukcję, definicję regionu, geometrię, przetwarzanie wstępne, dyskretyzację, implementację i estymator. Jeśli ustawienie się różni, wartości mogą być różnymi wielkościami wynikającymi z różnych definicji operacyjnych. Nadal mogą być naukowo użyteczne, lecz ich porównanie trzeba odnieść do zamierzonego pytania, zamiast zakładać, że jest ono bezpośrednim porównaniem właściwości guza.

Łańcuch ten narzuca również dyscyplinę raportowania. Odtwarzalny wynik nie wymaga, aby każde badanie stosowało identyczne wybory, lecz wymaga, by wybory były wystarczająco widoczne: czytelnik powinien wiedzieć, co zmierzono, a kolejne badanie powinno móc pomiar powtórzyć albo celowo go zmodyfikować. Następna sekcja zawęża tę samą ideę do danych wejściowych, które najbardziej bezpośrednio określają cechę: obrazu, maski, geometrii i przetwarzania wstępnego.

Źródła

• Zwanenburg A, Vallières M, Abdalah MA, et al. The Image Biomarker Standardisation Initiative. Radiology. 2020;295(2):328-338. doi:10.1148/radiol.2020191145, PMID 32154773.
• Quantitative Imaging Biomarkers Alliance (QIBA), RSNA — oficjalne informacje QIBA.
• Pfaehler E, et al. Phys Imaging Radiat Oncol. 2021;20:69-75. doi:10.1016/j.phro.2021.10.007, PMID 34816024.
• Haarburger C, et al. Scientific Reports. 2020;10:12688. doi:10.1038/s41598-020-69534-6.
• Collins GS, Moons KGM, Dhiman P, et al. TRIPOD+AI statement. BMJ. 2024;385:e078378. doi:10.1136/bmj-2023-078378.
• Bernett J, et al. Guiding questions to avoid data leakage in biological machine learning applications. Nature Methods. 2024;21:1444-1453. doi:10.1038/s41592-024-02362-y.