Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Datasets with External Validation [ORIGINAL RESEARCH]
聽神經瘤切割有了新突破，U-Mamba 模型斬獲 0.927 分數擊潰 MedSAM 大模型。
- 在涵蓋 2692 筆掃描的大數據驗證中，U-Mamba 模型外部測試 Dice 分數高達 0.927。
- 頂尖 CNN 模型將相對體積誤差壓低至 0.08% 以下，精準度徹底碾壓 Transformer 基礎模型。
- 小於 200 立方毫米的腫瘤仍是 AI 弱區，需留意部分體積效應導致的分數下滑至 0.85 左右。
大模型未必完勝。在聽神經瘤 3D 切割中，U-Mamba 模型於外部測試斬獲 0.927 的高分，徹底擊潰通用大模型 MedSAM。這個體積誤差僅 0.08% 的專用 AI，正是解放放射科每天手動測量腫瘤的關鍵。
內聽道聽神經瘤測量與 2692 筆掃描解方
在小腦橋腦角（CPA）與內聽道的擁擠空間中，聽神經瘤的生長軌跡往往極為緩慢且不規則。傳統上，放射科醫師依賴在 2D 軸切面或冠狀切面上測量最大線性直徑來評估腫瘤進展。然而，這種單一維度的測量方式，完全忽略了腫瘤沿著骨性結構或向腦池不對稱蔓延的立體特性。當病灶沿著特定軸向生長時，單純的長寬高數據往往會製造出病況穩定的假象。這種誤差若未被察覺，極有可能會進而延誤了病患後續的介入時機。
為了精準判斷病患是否需要轉介接受 SRS（立體定位放射外科手術，如加馬刀），全整的 3D 體積計算被公認為追蹤生長的黃金標準。無奈的是，要在日常高壓的工作站上執行這項任務，絕非易事。醫師必須對著十多張薄切的 T1 顯影後影像進行逐層手動圈選，這對任何人而言都是極端耗時的折磨。繁雜的手動標註過程不僅會嚴重拖垮整體的閱片效率。更糟的是，不同主治醫師之間的圈選習慣差異，往往讓體積數據的再現性大打折扣。
為了解開這個耗時費力的臨床死結，梅奧診所團隊毅然建構了極具規模的專屬訓練資料庫。他們一共匯集了來自 383 位患者、高達 2,692 筆的 T1 顯影後磁振造影掃描。這種單一病患擁有多個時間點追蹤影像的資料庫結構，具備了無可取代的研究價值。它賦予了人工智慧學習腫瘤微小體積變化的最佳素材。龐大的縱向追蹤數據，也為後續的自動化切割模型打下了最堅實的基礎。
Table 1 五大模型在小腦橋腦角切割對決
從 Methods 的實驗設計來看，團隊並沒有將希望單押在單一演算法上。他們選擇讓五種當前最頂尖的深度學習架構同場競技。首當其衝的是 nnU-Net（自動調架構的切割框架） 及其強化版 ResEncL，兩者均憑藉強大的局部特徵提取能力成為這場測試的基準。緊接著是備受矚目的 U-Mamba（結合卷積與狀態空間架構的長序列模型）。該模型在維持 CNN 邊緣敏感度的同時，大幅降低了全域運算的龐大算力消耗。
除了上述專注於卷積網路的模型，這場對決也納入了近年席捲各領域的基礎大模型。其中包含了 UNETR（基於注意力機制的 Transformer 切割模型），試圖透過注意力機制找出全局解剖構造的關聯。同時，號稱能適應任何醫療影像的 MedSAM（醫學影像專用的通用型基礎切割模型） 也加入了戰局。這些模型都在相同的硬體環境下接受訓練。研究團隊並統一將資深神經放射科醫師的純手工標註結果，視為不可挑戰的絕對標準答案。
為了確保模型能在真實世界中存活，資料庫的切分與前處理極具巧思。除了 277 筆內部測試集之外，研究更納入了 241 筆來自不同廠牌機器的公開外部測試集。所有輸入的 T1 顯影後影像皆會被標準化，並對齊到一致的立體座標系中。這個關鍵步驟不僅移除了切面厚度差異帶來的干擾。它更強迫模型專注於內聽道周邊的微小對比度變化，而非單純死記硬背單一掃描儀的雜訊特徵。
| 階段 | 掃描次數 | 病患人數 | 資料來源 |
|---|---|---|---|
| 訓練集 (Training) | 2,692 | 383 | 內部資料庫 (Mayo) |
| 內部測試集 | 277 | 97 | 內部資料庫 (Mayo) |
| 外部測試集 | 241 | 未標註 | 公開外部資料集 |
多中心真實世界數據
Table 2 外部驗證：聽神經瘤切割達 0.927
把焦點拉到 Table 2 所列出的外部驗證數據，這場 AI 模型的角力有了令人印象深刻的勝負判定。在面對完全未知的外部測試集時，U-Mamba、nnUNet base 以及 nnUNet ResEncL 這三大模型穩佔鰲頭。其 DSC（Dice similarity coefficient，評估切割重合度的指標） 中位數落在優異的 0.899 到 0.927 之間。其中，U-Mamba 更是以 0.927 的巔峰成績奪下了這場競賽的冠軍。這項數據徹底證明了結合卷積與 Mamba 架構在 3D 立體醫療影像任務上的霸主地位。
若細看邊界距離的殘酷測試，這批頂尖模型的精準度同樣令人咋舌。它們的表面對表面距離（S2S）全面低於 1.0 mm。這意味著 AI 產出的 3D 輪廓與專家手繪邊界在幾何上幾乎完全重合。至於最大邊界誤差的中位數雖為 3.59 mm，但若觀察 HD95（Hausdorff95，排除極端值後的最大輪廓誤差），數值便立刻收斂至僅 1.6 mm。這代表除卻極少數的邊緣誤判，模型在絕大多數的立體表面上都展現了極致的貼合度。
對於需要追蹤生長曲線的臨床醫師而言，最具決定性意義的指標絕對是相對體積誤差（RVE）。根據統計，U-Mamba 與 nnUNet 的 RVE 中位數竟然只有微乎其微的 0.07% 到 0.08%。這意味著在一顆 1,000 立方毫米的腫瘤中，系統估算出來的體積誤差連 1 立方毫米都不到。相對地，MedSAM 與 UNETR 等通用大模型在此項任務中遭遇了全面敗退。這個結果明確顯示，缺乏局部空間歸納偏置的大模型，終究無法勝任極度依賴局部紋理的聽神經瘤圈選。
| 評估指標 | 數值表現 | 臨床意義 |
|---|---|---|
| 中位數 Dice | 0.899 - 0.927 | 切割重合度極高，超越傳統手動 |
| 表面對表面距離 | < 1.0 mm | 腫瘤邊緣貼合度達到亞毫米等級 |
| HD95 邊界誤差 | 1.6 mm | 排除極端值後最大輪廓誤差極小 |
| 相對體積誤差 | 0.07% - 0.08% | 追蹤腫瘤生長時幾無系統性偏移 |
U-Mamba 與 nnUNet 展現極低體積誤差
Figure 3 分析：微小內聽道腫瘤的邊緣考驗
不過，隱藏在全體平均高分之下的，是次群組分析中無法忽視的體積分歧。當我們仔細檢閱 Figure 3 的表現分佈時，會發現 AI 的預測能力呈現出強烈的兩極化現象。對於體積大於 400 mm³ 的中大型聽神經瘤，AI 的中位數 Dice 分數狂飆至 0.925 到 0.932 之間。這類腫瘤通常已經突破內聽道並往小腦橋腦角擴張。由於病灶周圍被低訊號的腦脊髓液緊密包圍，極高的影像對比度讓卷積網路能夠輕鬆鎖定目標。
然而，當面對體積小於 200 mm³ 的微小腫瘤時，所有模型的中位數 Dice 分數皆無可避免地滑落至 0.848 到 0.854 的區間。這種大幅度的分數衰退，主要歸因於 部分體積效應（partial volume effect，小病灶邊緣模糊）。這些微小病灶往往完全深埋在狹窄的骨性內聽道內部，導致空間解剖極度複雜。它們時常與顏面神經束或周邊強化的微小靜脈叢糾纏不清。即使是經驗豐富的主治醫師，在判斷這類微小腫瘤的真實邊界時也時常感到猶豫。
從統計學理的角度來深入剖析，Dice 分數本身對於微小物件就極度嚴苛。在直徑僅有幾毫米的球狀病灶邊緣，AI 只要多算或少算一個像素的厚度，就會產生劇烈影響。這單一像素的失誤佔整體微小體積的比例，會在公式運算中被無限放大。因此，分數下滑並不代表模型的邊界判斷已經完全崩潰，而是數學公式對小體積物體的先天懲罰。在這種微小尺度的極端戰場上，能敏銳捕捉邊緣梯度的 CNN 模型依然是表現最穩定的依歸。
體積越大，AI 切割表現越好（資料來源：Figure 3）
聽神經瘤實務：CNN 擊敗通用大模型的臨床啟示
綜觀整份研究的討論環節，作者們強烈建議將卷積網路視為現階段的首選。具備自我優化框架的 nnUNet 與 U-Mamba，在聽神經瘤 3D 切割中展現了無可取代的實用性。它們不僅效能極度穩定，而且完全不需要繁瑣的文字提示或邊界框輔助。這些模型能以極低的運作成本，在背景伺服器中默默執行全自動的批次處理。這對於每日需要消化海量 MRI 排程的基層與醫學中心而言，無疑是立竿見影的閱片生產力升級。
即便這套自動化工具表現亮眼，我們仍需留意其適用情境的侷限性。當前模型的訓練完全依賴單一的 T1 顯影後影像序列。然而在面對囊性病變或無法施打顯影劑的特殊患者時，放射科往往高度依賴 CISS/FIESTA（用高解析度水訊號勾勒神經的重度 T2 序列） 來釐清神經與腫瘤的實體邊界。若要打造真正無懈可擊的通用輔助系統，未來的開發者勢必得朝向多模態方向推進。只有將 T1 與高解析 T2 影像徹底整合，模型才能涵蓋臨床上所有的疑難雜症。
從明天的日常排程開始，這項技術突破將有望徹底重塑我們撰寫神經影像報告的習慣。傳統報告中羅列的長寬高數據，極易受切面角度與人為圈選差異的干擾。如今，我們大可直接引用經過嚴密外部驗證的 AI 立體體積，來明確定義病情的穩定與否。當 AI 已經能把巨大腫瘤的測量誤差無情地壓縮到不到 0.08% 的極致水準時，時代的巨輪已經悄悄轉向。放射科醫師終於能徹底放下工作站上的電子游標尺，將寶貴的專注力轉移到更深層的鑑別診斷與手術風險評估上。
遇到完全侷限於內聽道的小於 200 立方毫米微小聽神經瘤時，別盲目放行 AI 產出的 0.84 信心分數；對付這類刁鑽邊界，依然需要你切換到 T2 CISS 序列親自把關。