Zmiana w czasie i bezwzględny błąd pomiaru

Załóżmy, że w syntetycznym przykładzie wartość cechy wynosi 2,41 przed leczeniem i 2,68 po leczeniu. Łatwo ulec pokusie stwierdzenia, że heterogeniczność wzrosła. Te dwie liczby nie pozwalają wyciągnąć takiego wniosku. Ich różnica jest kolejnym pomiarem uzyskanym z obrazów i może odzwierciedlać biologię, akwizycję, segmentację, geometrię, przetwarzanie wstępne albo implementację. Przed jej interpretacją trzeba zdefiniować znaczenie zmiany oraz ustalić, jak bardzo zmienia się pomiar, gdy jego cel ma pozostać niezmieniony.

Zmiana jest pomiarem pochodnym

Dla wartości wyjściowej f1 i wartości kontrolnej f2 analiza może definiować zmianę jako różnicę bezwzględną f2 - f1, zmianę względną (f2 - f1) / f1 albo logarytm ilorazu log(f2) - log(f1). Definicje te nie są zamienne. Mają różne jednostki i różnie zachowują się w pobliżu zera, a logarytm ilorazu nie jest odpowiedni dla cechy, która przechodzi przez zero albo której znak nie ma znaczącej interpretacji. Wybór należy do zamrożonych metod, a nie powinien być dokonywany pod kątem uzyskania najbardziej przejrzystej ryciny.

Odstęp między skanami oraz leczenie lub inny kontekst między nimi także są częścią definicji. Odstęp sześciu tygodni i odstęp sześciu miesięcy w różny sposób łączą efekt leczenia, naturalny rozwój i fizjologię tła. Delta bez odstępu czasowego i kontekstu jest niepełna, podobnie jak temperatura bez jednostek.

Powtarzalność i wykrywalna zmiana

Badania test-retest i badania perturbacyjne estymują, jak bardzo zmienia się cecha, gdy zamierzony cel biologiczny powinien pozostać niemal niezmieniony. CCC jest bezwymiarową względną miarą zgodności lub rzetelności, której wartość zależy od rozrzutu między osobami. Może opisywać względną konkordancję, lecz nie dostarcza błędu bezwzględnego w jednostkach cechy. Aby ocenić wykrywalność zmiany w czasie, należy wybrać i uzasadnić jedną wielkość błędu bezwzględnego zgodną ze skalą cechy, estymandem, strukturą błędu, warunkami powtarzalności lub odtwarzalności, protokołem oraz zamierzoną decyzją. Raport nie musi wykorzystywać wszystkich dostępnych wielkości.

Wewnątrzosobnicze SD albo SEM estymuje błąd pomiaru wewnątrz osoby na skali pomiarowej w zadeklarowanych warunkach powtarzalności; wCV jest właściwy tylko wtedy, gdy uzasadniony jest multiplikatywny model błędu albo model na skali ilorazowej. W typowym modelu niezależnego błędu powtarzalności o rozkładzie w przybliżeniu normalnym współczynnik powtarzalności można zapisać jako RC = 1.96 * sqrt(2) * within-subject SD albo jako RC = 2.77 * wCV na odpowiedniej skali względnej. Granice zgodności Blanda-Altmana (LoA), mean paired difference +/- 1.96 * SD of differences, opisują obciążenie i rozrzut dla określonej pary metod albo warunków; trzeba ocenić ich założenia, heteroskedastyczność oraz precyzję estymacji. Najmniejsza wykrywalna zmiana (SDC) jest konwencją na poziomie jednostki, często zapisywaną jako 1.96 * sqrt(2) * SEM. Przy zgodnych założeniach jest algebraicznie powiązana z RC, lecz jej terminologia i estymand nie są powszechnie zamienne z LoA ani z twierdzeniem profilu QIBA. Należy wybrać jeden zgodny model błędu bezwzględnego, podać jego założenia i uzasadnić go dla zamierzonej decyzji, zamiast przedstawiać wszystkie cztery wielkości jako łącznie wymagane.

Obserwowaną zmianę należy porównać z uprzednio określonym kryterium albo przedziałem wynikającym z tego modelu. Zmiany wewnątrz kryterium nie można odróżnić przy wybranej rozdzielczości pomiaru i założeniach modelu; przekroczenie kryterium czyni zmianę kandydatem do zbadania, a nie dowodem odpowiedzi biologicznej. Zmiana skanera, protokołu, obrysu lub regionu również może wywołać dużą różnicę. Nie istnieje uniwersalna wartość procentowa, przy której delta staje się rzeczywista, a z samego CCC nie można wyprowadzić żadnego progu bezwzględnego.

Schematyczny eksperyment myślowy

Rozważmy dwie cechy syntetyczne. Entropia zmienia się z 3,10 na 3,14, a schematyczne pasmo powtarzalności tego samego dnia ma połówkową szerokość 0,05. Kontrast zmienia się z 40 na 52, a schematyczne wahanie tego samego dnia wynosi około 25 procent. Pierwsza zmiana pozostaje wewnątrz ilustracyjnego pasma. Druga tylko nieznacznie wykracza poza przedział od 30 do 50 wynikający z ilustracyjnego wahania. Żadna ze zmian sama w sobie nie uprawnia do interpretacji biologicznej. Zmiana przykładu z entropią na 3,10 do 3,35 stworzyłaby przypadek warty zbadania, a nie dowiedziony efekt leczenia.

Wartości schematyczne, a nie pomiary kliniczne. Każda przedstawiona połówkowa szerokość pasma jest arbitralną wartością ilustracyjną, a nie formalną estymatą błędu, estymowanym SD, SEM, RC, LoA, SDC ani progiem klinicznym. Samo pasmo nie zawiera informacji biologicznej. Rzeczywiste pasmo decyzyjne wymaga uprzednio określonej i uzasadnionej wielkości błędu pochodzącej z charakterystyki powtarzalności danej cechy, procesu, kohorty i warunków. Przekroczenie pasma tworzy przypadek wymagający zbadania, a nie dowód biologii; pozostanie wewnątrz pasma ani brak jego przekroczenia nie dowodzą braku zmiany lub odpowiedzi. Rycina nie ustanawia żadnego uniwersalnego progu procentowego.

Co zmienia się między punktami czasowymi

Warstwa pomiarowa staje się teraz problemem dwóch punktów czasowych. Skaner, rekonstrukcja, czas podania środka kontrastowego, grubość warstwy i protokół mogą się różnić. Zmianę trzeba segmentować w obu punktach czasowych zgodnie z udokumentowaną procedurą. Jej rozmiar i skład tkankowy mogą się zmienić, dlatego cecha może częściowo odzwierciedlać to, że dwa regiony zawierają teraz różne mieszanki tkanek. Rejestracja ma znaczenie dla porównań na poziomie wokseli, natomiast deltę tabeli cech można zdefiniować bez udawania, że odpowiadające sobie woksle są wyrównane. Zmiana próbkowania, ograniczanie zakresu, dyskretyzacja i semantyka implementacji muszą pozostać porównywalne albo być celowo modelowane. Region okołoguzowy dodaje do tej listy zmiany otaczającej anatomii, takie jak obrzęk lub niedodma.

Te zmienne elementy sprawiają, że sparowanie jest niezbędne. Należy analizować zmianę wewnątrz pacjenta albo zastosować model reprezentujący strukturę pomiarów powtarzanych. Podział, ponowne próbkowanie i dopasowanie każdego przekształcenia zależnego od danych trzeba wykonywać na poziomie pacjenta. Umieszczenie pomiaru wyjściowego jednego pacjenta w zbiorze treningowym, a jego pomiaru kontrolnego w zbiorze testowym powoduje przeciek informacji o osobie, nawet jeśli oba wiersze mają różne znaczniki czasu. Wynik zmiany nie usuwa zależności utworzonej przez dwa pomiary źródłowe.

Co opublikowane badania radiomiki delta mogą, a czego nie mogą wykazać

Opublikowane badania raka trzustki dostarczają użytecznych przykładów planu badania, a nie uniwersalnej gwarancji działania. Jedna analiza zagnieżdżona w badaniu prospektywnym wykorzystywała sparowane obrazy CT przed leczeniem i po leczeniu, wykluczenia związane ze zgodnością protokołu, filtrowanie według zgodności między obserwatorami, delty procentowe oraz wewnętrzną walidację bootstrapową, która nie była w pełni zagnieżdżona; wśród raportowanych predyktorów znalazła się zmiana objętości obok zmian tekstury. W odrębnym badaniu wykorzystano kohortę odkrywczą i kohortę zewnętrzną oraz podano niezależną zewnętrzną ewaluację dla OS i DFS. W modelu marginesu podczas procedury mCOM wykorzystano dane walidacyjne, dlatego nie należy go opisywać jako czystej, niezależnej zewnętrznej ewaluacji marginesu. Łączono w nim informacje kliniczne i informacje radiomiczne delta, zamiast traktować radiomikę jako zamiennik zmiennych klinicznych. Są to analizy właściwe dla konkretnych badań, których kohorty, punkty końcowe, podziały i wyniki wymagają bezpośredniego sprawdzenia w źródłach przed uogólnieniem twierdzeń liczbowych.

Lekcja metodologiczna jest węższa i trwalsza. Gdy jest to istotne dla estymandu, model delta należy porównać z ustalonymi z góry klinicznymi wartościami odniesienia i wartościami odniesienia dla zmiany objętości na tych samych podziałach na poziomie pacjenta. Należy ujawnić definicję delty, okno czasowe, procedurę segmentacji, wykluczenia związane z protokołem i charakterystykę stabilności. W przeglądzie można zasadnie umieścić ten poziom dowodów poniżej dojrzałego, testowanego zewnętrznie standardu pomiarowego, dopóki protokoły i walidacja pozostają heterogeniczne; zastrzeżenie to nie jest powodem do odrzucenia pomiaru w czasie, lecz do ograniczenia twierdzenia.

Rozdział przeszedł od liczby, przez jej system pomiarowy i region, do zgodności, niepewności i zmiany. Rozdział 6 wraca teraz do zawartości tabeli pomiarów: rodzin cech, macierzy tekstury i dyskretyzacji. Może zapytać, które cechy radiomiczne są użyteczne, ponieważ w tym rozdziale wyjaśniono, co oznacza zmierzenie i porównanie cechy.

Źródła

• De Robertis R, et al. CT texture analysis and delta radiomics in predicting R0 resection after preoperative chemotherapy in resectable pancreatic ductal adenocarcinoma. Translational Oncology. 2026. doi:10.1016/j.tranon.2026.102900.
• Wang K, et al. Delta radiomic features predict resection margin status and overall survival in neoadjuvant-treated pancreatic cancer patients. Annals of Surgical Oncology. 2024;31:2608-2620. doi:10.1245/s10434-023-14805-5, PMID 38151623.
• Duan et al. CT quantitative imaging after neoadjuvant therapy in pancreatic ductal adenocarcinoma. Gland Surgery. 2026;15:201. doi:10.21037/gs-2026-0239, PMID 42591759.
• 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.
• 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.