Towards improved decision making of unruptured intracranial aneurysms using automated segmentation from MRA-TOF with iterative pseudo labeling [ARTIFICIAL INTELLIGENCE]

由 AI 自動圈選的腦動脈瘤與血管，在盲測中已經讓神經放射科醫師無法分辨是機器還是真人畫的，其外部驗證的動脈瘤切割相似度高達 0.861。然而當我們試圖依賴這個完美的 3D 模型來計算體積與球形度時，卻在統計上發現了不可忽視的比例偏差，這意味著依賴演算法決定是否介入治療前，我們仍需謹慎審視邊緣。

未破裂腦動脈瘤追蹤與 3D 形態學量化挑戰

未破裂腦動脈瘤的追蹤一直是神經放射科日常業務中的重頭戲，隨著高解析度影像的普及，偶然發現的微小病灶數量急遽上升。臨床醫師在決定是否進行血管內介入治療或開顱夾閉時，往往需要依賴精確的破裂風險評估。傳統上，我們習慣使用單一維度的最大徑來判斷，但越來越多證據指出，病灶的 3D 形態學特徵，如整體體積、表面積、球形度以及形狀指數，能提供遠比單一直徑更準確的血液動力學風險預測。

在日常排班的高壓環境下，要求放射科醫師在工作站上手動逐個切面圈選動脈瘤的邊界，以建立 3D 網格模型，幾乎是不可能完成的任務。手動標註不僅極度耗時，更面臨巨大的觀察者間與觀察者內變異性。不同主治醫師對於血管頸部（neck）的切分位置、微小不規則凸起（bleb）的認定，往往存在分歧。這不僅導致跨院區資料難以整合，也讓長期追蹤的體積變化數據缺乏穩定性。

為了克服這些痛點，自動化的影像切割工具成為近年來的研發重點。然而，既有的深度學習模型多半受限於標註資料庫的規模，導致其在單一醫院表現優異，一旦跨院區處理不同的掃描儀器或參數設定時，準確率便大幅下降。此外，多數文獻僅停留在演算法架構的創新，缺乏對真實世界異質性資料的廣泛驗證，這讓第一線醫師難以安心將其整合入常規的報告系統中。

本研究團隊深刻體認到，要開發出真正具備臨床實用價值的工具，必須解決高難度標註與泛化能力的矛盾。因此，他們開發了名為 DIVA-seg 的自動化切割系統，試圖透過創新的訓練策略，在無需海量人工標註的前提下，實現對 MRA-TOF（無顯影劑的飛時磁振血管造影） 影像中顱內血管與動脈瘤的精準 3D 建模。這不僅是技術上的突破，更是為未來的自動化風險預測鋪路。

迭代偽標籤設計與 518 例未標註資料的提煉

從研究設計的架構來看，作者採用了 nnU-Net（自動調架構的醫學影像切割框架） 作為核心演算法，並巧妙引入了 pseudo labeling（拿機器預測當假答案去教下一代模型） 的迭代技術。傳統深度學習極度依賴「人類專家畫好邊界」的標準答案（Ground Truth），但神經血管的 3D 標註成本過高。研究團隊的策略是：先用少量的高品質標註資料訓練一個初步模型，然後讓這個模型去預測大量的無標註資料，挑選出預測結果最穩定的部分當作「偽標籤」，最後將這些偽標籤加入訓練集，教導最終版本的模型。

在受試對象與資料集的分配上，本研究使用了三個各自獨立的 MRA-TOF 資料集。第一個是包含完整專家標註的 Dataset 1，共有 71 個案例，其中 57 例作為初始訓練集（Model 1），14 例作為內部測試集。第二個則是龐大的 Dataset 2，包含了 518 例完全沒有人工標註的影像，這正是考驗演算法能否從未標註海洋中淘金的關鍵。第三個則是極為重要的外部驗證集 Dataset 3，包含 82 例來自不同來源且具備專家標註的影像，用來檢驗模型是否會產生過度擬合（overfitting）。

具體的運作流程相當嚴密，研究團隊讓初步訓練好的 Model 1 在 Dataset 2 上進行迭代預測。在多次迭代的過程中，系統會自動評估每個案例切割結果的穩定性。如果一個案例在不同迭代中的預測邊界變動過大，代表模型對該病灶感到「困惑」，這些案例就會被剃除。經過嚴格篩選後，518 例中有 484 例展現出高度穩定的切割表現。

這 484 例帶有機器生成偽標籤的影像，隨後被納入正式的訓練流程中，與原本 Dataset 1 的 57 例專家標註資料合併，共同訓練出最終版本的 Model 2。這種混合真實標註與穩定偽標籤的策略，不僅讓模型看到了數倍於以往的解剖變異（如不同的動脈環走向、大小各異的病灶），也大幅稀釋了早期模型可能產生的偏差。這在資料取得困難的醫學影像領域，是一個極具參考價值的實驗設計範本。

內外部測試的 Dice 相似度與 0.67 毫米誤差

把焦點拉到研究的主要量化結果，DIVA-seg 在內部與外部測試集皆展現出令人矚目的穩定性。在評估空間重疊率的指標上，模型在內部測試集（14 例）的血管 DSC（評估空間重疊率的 Dice 分數） 達到了 0.925（±0.025），動脈瘤的 DSC 則為 0.880（±0.045）。當面對包含 82 例全新資料的外部驗證集時，血管與動脈瘤的 DSC 依然分別維持在 0.899（±0.028） 與 0.861（±0.114） 的高水準。

值得特別留意的是外部驗證集中動脈瘤的標準差（±0.114）。相較於內部測試集的 ±0.045，這個稍微放大的波動範圍，真實反映了演算法在面對跨院區不同掃描參數或病患族群時，仍難免遇到少數難以完美切割的極端案例。然而，以整體平均值 0.861 來看，這已經達到了臨床可接受的自動化標註門檻，足以作為多數病灶追蹤的可靠基礎。

除了重疊率，衡量邊緣偏離程度的距離指標同樣關鍵。研究結果顯示，無論是在內部測試集還是外部驗證集，其 HD（衡量邊界最大誤差的 95% Hausdorff 距離） 皆為 0.67 毫米。這是一個非常具體且具備臨床意義的數字。在典型的 3T MRA-TOF 掃描中，體素（voxel）的空間解析度通常在 0.5 到 0.8 毫米之間。0.67 毫米的邊界誤差，意味著 AI 畫出的邊緣與人類專家畫出的邊緣，差距往往不到一個體素的大小，幾乎已經達到了物理硬體解析度的極限。

為了進一步確認演算法產出的 3D 形態學量化指標是否可信，團隊進行了一系列嚴謹的比對。在評估 3D 形態學測量值（如體積、表面積）時，自動切割產生的數據與人類專家手動圈選產生的數據，在整體分佈上展現了極高的相似性。這些基於 3D 網格的幾何計算，對於未來的血流動力學模擬至關重要，因為即使是微小的邊界變動，都可能讓流體力學的應力分佈產生劇烈變化。

Bland-Altman 分析下的體積與球形度比例偏差

若細看 Bland-Altman 圖表所揭示的深層細節，這才是整篇論文最值得放射科醫師警惕的段落。雖然整體的空間重疊率與邊界誤差表現優異，但統計分析明確指出，在體積（voxel volume）、表面積、球形度（sphericity）與形狀指數（shape index）這四個關鍵 3D 形態學測量值上，觀察到了顯著的「比例偏差（proportional bias）」。

什麼是比例偏差？在 Bland-Altman 分析中，這意味著「測量誤差的大小，會隨著病灶本身的尺寸而系統性地改變」。換句話說，當動脈瘤體積較小的時候，AI 與人類專家的計算差異可能微乎其微；但當動脈瘤體積非常龐大時，兩者算出來的體積或表面積差異就會隨之放大。這並不是隨機誤差，而是一種帶有方向性的系統性偏移。

從 MRA-TOF 的物理原理來推敲，這個現象其實非常合理且符合臨床直覺。大型未破裂動脈瘤的圓頂（dome）內部，經常存在複雜的慢速血流或渦流（recirculation）。這些非層流的血液在經歷多次射頻脈衝後，會產生飽和效應（saturation effect），導致在 TOF 影像上訊號強度下降，甚至出現類似血栓的無訊號區。人類專家在閱片時，會憑藉解剖學的空間想像力，將這些訊號微弱的邊界自動補齊；但 AI 演算法往往過於忠實於像素本身的灰階值，導致對大型病灶產生低估邊界的情況。

相對應地，球形度與形狀指數的比例偏差，則突顯了演算法在處理病灶表面不規則性時的局限。這兩個指標高度依賴表面積與體積的幾何比例。如果演算法在處理子囊（daughter sac）或微小不規則突起時，切得比人類更為平滑，或者在動脈瘤與載瘤動脈的交界處（頸部）採取了不同的截斷策略，都會直接改變最終的形狀指數。這提醒我們，當病患的破裂風險評估高度依賴這些進階形態學特徵時，完全將權定權交給演算法是存在風險的。

盲測評估無顯著偏好與日常排班的實務考量

探討完客觀的量化數據，作者安排了一場極具說服力的盲測質性評估（blinded qualitative evaluation）。他們將 AI 自動生成的切割結果與人類專家的手動標註結果打亂，交由獨立的評估者進行優劣排序。結果顯示，評估者在多數情況下「沒有明確的偏好（no clear preference）」，也就是說，這些由 DIVA-seg 產出的 3D 輪廓，在視覺與臨床合理性上，已經達到了足以以假亂真的主治醫師水準。

從實務操作的角度來看，這套工具最適用的場景是作為「高通量篩檢與基線模型建立」的輔助系統。在每天面臨堆積如山的健檢 MRA 報告時，這套系統可以在背景自動跑出所有病灶的初步 3D 輪廓與體積數據。如果一個 4 毫米的單純平滑型動脈瘤，你可以非常放心地將其自動測量值寫入報告中；這將省去你手動拉游標測量三個正交軸徑的時間，同時提供更具重現性的體積基準，方便明年回診時進行精準比對。

然而，作者也坦承了系統的適用邊界。目前這套工具僅針對未曾接受過治療的未破裂動脈瘤進行驗證。如果在臨床上遇到已經置放過線圈（coiling）、導流支架（flow diverter）或開顱夾閉過的病灶，金屬植入物產生的磁化率假影（susceptibility artifact）將徹底破壞 TOF 影像的訊號分佈，這套演算法極可能會給出荒謬的切割邊界，絕不可在此類情境下盲目套用。

綜合評估這篇研究的貢獻，DIVA-seg 成功證明了透過巧妙的工程設計，我們不需要無底洞般的標註經費，也能訓練出具備強大泛化能力的 3D 切割模型。但做為影像診斷的把關者，我們必須將 Bland-Altman 圖表傳達的警告銘記在心。機器能代替我們完成 95% 的苦工，但在面對複雜血流動力學與形態學交織的灰色地帶時，人類醫學影像專家的經驗與直覺，仍是守護病患安全的最後防線。

追蹤大動脈瘤時別全信 AI 給出的球形度與體積，手動確認圓頂慢血流區的邊界，才是決定是否介入的關鍵。