Αυτοματοποιημένη ογκομέτρηση εγκεφάλου: σύγκριση λογισμικών και αξιολόγηση πρακτικής εφαρμογής τους

Abstract

Objective and Aim:Brain volume analysis derived from MRI is gaining an increasingly important role in neurological diagnosis, offering the potential to introduce quantitative objectivity into clinical evaluations that are otherwise reliable but inherently subjective. This study aims to investigate: (a) the reliability of automated volumetric software, and (b) the feasibility of its practical clinical application in the evaluation of dementia. To address the first objective, volumetric measurements of dementia related brain structures obtained with NeuroQuant and volBrain were compared. For the second objective, Scheltens’ Medial Temporal Lobe Atrophy (MTA) scale scores were correlated with hippocampal and cerebrum volumes measured by volBrain, in an effort to enhance diagnostic accuracy and patient care. Materials and Methods: A total of 162 participants were included (56 in the NeuroQuant–volBrain reliability analysis and 106 in the MTA–volumetry correlation study). The cohort consisted of healthy volunteers and patients with mild cognitive impairment or multiple sclerosis, all examined with standardized MRI protocols (with minor variations tailored to each study objective). Using NeuroQuant and volBrain, volumes of the intracranial cavity, putamen, thalamus, amygdala, whole brain, cerebellum, white matter, and hippocampus were extracted for comparison (56 participants). Paired t test was used to determine significant differences between methods. Inter method reliability was assessed using the intraclass correlation coefficient (ICC), and linear regression evaluated potential linear relationships. In the second objective group (106 participants), two radiologists independently scored medial temporal lobe atrophy using Scheltens’ MTA scale, while volBrain provided automated volumetric measurements. Inter rater reliability was assessed with ICC and Cohen’s kappa. Normality was evaluated with the Shapiro–Wilk test. Spearman’s correlation, Kruskal–Wallis, and Dunn’s post hoc tests were used to compare MTA scores with volumetric data. Receiver Operating Characteristic (ROC) analysis assessed diagnostic performance, and ordinal logistic regression modeled the probability of each Scheltens’ score based on relative hippocampal volume. Results: Significant differences were found between NeuroQuant and volBrain for all brain structures except the hippocampus. ICC demonstrated satisfactory to excellent reliability for most segments, except for the thalamus and amygdala, where reliability was poor. Linear correlation was observed in most cases. Radiologist agreement on MTA scoring was almost perfect. Scheltens’ scale showed strong correlations with hippocampal volumetric measurements but only weak correlations with whole cerebrum volumes. Automated volumetry demonstrated 82% sensitivity and 100% specificity in identifying atrophy. Ordinal logistic regression confirmed overall model significance. Conclusion: The substantial differences observed between software packages for most brain structures raise important concerns regarding the reliability of automated volumetry as a purely quantitative tool. However, strong linear correlations and generally good inter method reliability suggest that each software provides consistent qualitative information about relative brain structure size. This study indicates that relative hippocampal volume is a sensitive biomarker for atrophy assessment and supports the development of an advanced, quantitative medial temporal lobe atrophy scale, offering clinicians a more objective and precise diagnostic tool.

Σκοπός και Στόχος: Η ανάλυση όγκου εγκεφάλου μέσω MRI αποκτά ολοένα και σημαντικότερο ρόλο στη νευρολογική διάγνωση, προσφέροντας τη δυνατότητα εισαγωγής ποσοτικής αντικειμενικότητας σε κλινικές εκτιμήσεις που, αν και αξιόπιστες, παραμένουν υποκειμενικές. Η παρούσα μελέτη αποσκοπεί στη διερεύνηση: (α) της αξιοπιστίας αυτοματοποιημένου λογισμικού ογκομέτρησης και (β) της δυνατότητας πρακτικής κλινικής εφαρμογής του στην αξιολόγηση της άνοιας. Για τον πρώτο στόχο συγκρίθηκαν οι ογκομετρικές μετρήσεις δομών που σχετίζονται με άνοια, όπως υπολογίστηκαν από τα NeuroQuant και volBrain. Για τον δεύτερο στόχο, συσχετίστηκαν οι βαθμολογίες της κλίμακας MTA του Scheltens με τους όγκους του ιπποκάμπου και του εγκεφάλου που μετρήθηκαν από το volBrain, με στόχο τη βελτιστοποίηση της κλινικής αξιολόγησης. Υλικά και Μέθοδοι: Στη μελέτη συμμετείχαν συνολικά 162 άτομα (56 για τη σύγκριση αξιοπιστίας μεταξύ NeuroQuant και volBrain και 106 για τη συσχέτιση της κλίμακας Ατροφίας Μέσου Κροταφικού Λοβού (Medial Temporal Lobe Atrophy -MTA) με ογκομετρικά δεδομένα). Συμπεριλήφθηκαν υγιείς εθελοντές καθώς και ασθενείς με ήπια γνωσιακή διαταραχή ή πολλαπλή σκλήρυνση, όλοι εξετασμένοι με τυποποιημένα πρωτόκολλα MRI (με μικρές παραλλαγές ανάλογα με τον επιμέρους στόχο). Με τη χρήση των NeuroQuant και volBrain υπολογίστηκαν οι όγκοι της ενδοκρανιακής κοιλότητας, του κερκοφόρου πυρήνα, θαλάμου, αμυγδαλής, όλου του εγκεφάλου, παρεγκεφαλίδας, λευκής ουσίας και ιπποκάμπου (για 56 συμμετέχοντες). Ο έλεγχος διαφορών μεταξύ των μετρήσεων έγινε με paired t-test. Η ενδομεθοδολογική αξιοπιστία εξετάστηκε με συντελεστή ενδοταξικής συσχέτισης (ICC) και η γραμμική συσχέτιση με γραμμική παλινδρόμηση. Στην ομάδα των 106 συμμετεχόντων, δύο ακτινολόγοι βαθμολόγησαν ανεξάρτητα την ατροφία του μέσου κροταφικού λοβού με την κλίμακα Scheltens, ενώ το volBrain παρείχε αυτόματες ογκομετρικές μετρήσεις. Η αξιοπιστία μεταξύ των βαθμολογητών αξιολογήθηκε με ICC και Cohen’s kappa. Η κανονικότητα των δεδομένων ελέγχθηκε με το τεστ Shapiro–Wilk. Για τη συσχέτιση των βαθμολογιών MTA με ογκομετρικά δεδομένα χρησιμοποιήθηκαν οι Spearman, Kruskal–Wallis και Dunn’s post hoc. Η διαγνωστική ακρίβεια αξιολογήθηκε με ROC analysis, ενώ μοντελοποιήθηκε η πιθανότητα βαθμολογίας MTA μέσω τακτικής λογιστικής παλινδρόμησης (ordinal logistic regression) βάσει του σχετικού όγκου του ιπποκάμπου. Αποτελέσματα: Βρέθηκαν στατιστικά σημαντικές διαφορές μεταξύ NeuroQuant και volBrain σε όλες τις εγκεφαλικές δομές εκτός του ιπποκάμπου. Ο ICC έδειξε ικανοποιητική έως εξαιρετική αξιοπιστία για τις περισσότερες δομές, με εξαίρεση τον θάλαμο και την αμυγδαλή, όπου παρατηρήθηκε χαμηλή αξιοπιστία. Σε πολλές περιπτώσεις καταγράφηκε γραμμική συσχέτιση.Η συμφωνία μεταξύ των δύο βαθμολογητών για την κλίμακα MTA ήταν σχεδόν τέλεια. Η κλίμακα Scheltens συσχετίστηκε ισχυρά με τους όγκους του ιπποκάμπου, ενώ η συσχέτιση με τον όγκο ολόκληρου του εγκεφάλου ήταν ασθενής. Η αυτοματοποιημένη ογκομέτρηση εμφάνισε ευαισθησία 82% και ειδικότητα 100% στη διάγνωση ατροφίας. Η ordinal logistic regression έδειξε σημαντικό συνολικό μοντέλο. Συμπεράσματα: Οι σημαντικές διαφορές που παρατηρήθηκαν στις περισσότερες εγκεφαλικές δομές εγείρουν ερωτήματα σχετικά με την αξιοπιστία της αυτοματοποιημένης εγκεφαλικής ογκομέτρησης ως καθαρά ποσοτικού εργαλείου. Ωστόσο, οι ισχυρές γραμμικές συσχετίσεις και η γενικά καλή ενδομεθοδολογική αξιοπιστία υποδηλώνουν ότι κάθε λογισμικό παρέχει συνεπή ποιοτική πληροφόρηση σχετικά με το σχετικό μέγεθος των εγκεφαλικών δομών. Η μελέτη δείχνει ότι ο σχετικός όγκος του ιπποκάμπου αποτελεί ευαίσθητο βιοδείκτη για την αξιολόγηση ατροφίας και υποστηρίζει την ανάπτυξη μίας προηγμένης, ποσοτικής κλίμακας ατροφίας του μέσου κροταφικού λοβού, προσφέροντας στους κλινικούς μια πιο ακριβή και αντικειμενική διαγνωστική προσέγγιση.