-
疾病的诊断是有创的（如：病理活检）或需要高昂的成本（如：部分基因检测）。
-
疾病的诊断具有较长的时间成本（如：细菌培养）。
-
疾病病程的预测。
-
治疗方式有效性的预测（如：肿瘤新辅助治疗反应）。
-
准确性评价：评价放射组学当下对于阳性结局（风险）识别的准确性。
-
模型间的差异评估：评价不同图像、不同模型检测性能间的差异。
-
总结应用现状：评价当下放射组学的应用现状，总结局限，提出改进意见。
-
明确研究对象、结局事件（结局事件的定义不能存在过大的差异）、医学图像的类型、图像分割方式、建模方法。
-
制定合理的纳入排除标准。
-
偏倚控制：主动检索灰色文献（如会议摘要、临床试验注册库）。
文献检索
-
文献来源：检索常见的文献数据库PubMed、EMBASE、Cochrane、web of science、IEEE，部分情况下需要检索摘要数据库、学位论文数据库。
-
检索词的确定：结合PubMed、EMBASE、Cochrane制定Mesh词和自由词，同时需要注意下位词。此外，再尝试从其他的综述中进行补充。
文献筛选
先去重，阅读标题或摘要，再下载全文，最后阅读全文进行筛选。需要注意的是，筛选过程原则上需要双人独立筛选，争议通过第三方仲裁解决（也可以两人协商处理）。
数据提取
-
核心字段：文章基本信息（作者、发表年限、研究设计、患者来源）、人群来源、任务类型（预测、诊断、二分类、多分类）、图像类型、分割方式、分割参与人数、分割软件、预试验、重复测量试验、目标事件的诊断标准、病例数（目标事件的病例数、总病例数）、训练集、验证集病例数、验证集产生方式、降维方法、结局指标（AUC、诊断2*2表格、校准曲线、决策曲线）、临床影响曲线、开放图像/分割/代码。
-
工具：推荐使用标准化表格或软件（一般Excel）。
-
人员配置：原则上需要双人独立提取，争议通过第三方仲裁解决（也可以两人协商处理）。
质量评价
-
工具选择：QUADAS-2(Quality Assessment of Diagnostic Accuracy Studies 2)是一个被广泛认可的工具，专门用于评估诊断准确性研究的质量。RQS（Radiomics Quality Score, RQS）是一种用于评估放射组学研究质量的工具或框架，其包含RQS 1.0和RQS 2.0两个版本。 目前，大量研究者仍然聚焦在RQS1.0。
-
重点关注：原则上需要双人独立进行质量评价，争议通过第三方仲裁解决（也可以两人协商处理）。
统计分析
-
效应量计算：采用双变量混合效应模型汇总灵敏度、特异度、阳性似然比、阴性似然比、诊断比值比、综合受试者工作特征曲线（SROC）。
-
异质性处理：亚组分析按模型类型、建模变量、验证集产生方式进行亚组分析。
-
发表偏倚分析：当直接采用双变量混合效应模型时，可以采用Deeks漏斗图分析发表偏倚。
高异质性
-
根源：建模图像的多样化、图像成像参数的多样化、分割人群先验知识的差异、模型类型的多样化、降维方法的多样化、模型参数调整过程的多样化、引入临床参数过程中的多样化等。
-
对策：在不同参数下进行成像预试验、多人盲法下进行图像分割的预试验，以保证图像分割的可重复性、Meta分析时考虑进行详细的亚组分析。
高难度的数据提取过程
-
根源：和机器学习一样，部分研究者对数据的报告不透明，并且指标不统一。
-
对策：明确各种指标间的关系，从而进行推算。
过拟合风险
-
根源：目前的研究中，主要以单中心研究为主，部分研究缺少验证集。
-
对策：按验证集的产生方式进行亚组分析。
-
优势：总结当下放射组学在某一领域的应用现状，为该领域基于图像的辅助的智能诊断/预测工具的开发。
-
风险：过高的异质性、过度的图像依赖、内部验证为主为结果解读带来严重限制。
评论列表