将meta分析应用于影像组学研究

影像组学发展到今天已经有海量的文章发表，后来者想要开展影像组学研究，单从临床问题出发几乎没有落脚之地了。因为随便某个课题，都已经有N篇文章了。

前段时间看到下面这篇文章Diagnostic performance of cardiac imaging methods to diagnose ischaemia-causing coronary artery disease when directly compared with fractional flow reserve as a reference standard : a meta-analysis.，对比分析了CCTA,ICA,FFRct, SPECT, 心脏磁共振在冠脉功能性缺血的诊断效能。使用的方法是诊断效能的meta分析。我对这种meta分析方法一无所知，研究之后才知道，该方法的目的是综合评价某一种诊断方法在某个临床问题中的诊断能力。受此激发，考虑到影像组学本身就是用于疾病诊断，疗效评估，而且积累了大量的文章。开展此类研究正当其时。当然还有最重要一点，不需要任何影像数据。

为了确定这个方法有没有人做过，我通过PubMed，用“radiomics AND meta analysis”为检索式进行了检索。很庆幸，只检索到了25篇文章，大部分都是国外的作者，而且他们没有将这种方法用到极致。所以有必要将这种分析思路传递给大家。

确定研究的课题

比如影像组学在肺结节良恶性鉴别中的价值。

检索文献

可以通过常用数据库进行检索，比如PubMed,web of science等等。

文献筛选

Meta分析有专门的文献筛选步骤，包括，重复文章剔除，读标题和摘要进行粗筛，读文章内容进行细筛，浏览参考文献进行补全。

在进行文章粗筛和细筛的时候，建议通过PICO方式。

提取关键数据

诊断效能meta分析，最主要的数据是混淆矩阵里面的TP, FP, TN, FN。示例数据如下：

数据来自mada程序包

数据分析

诊断效能的meta分析思路:

1. 评估文章的质量，除了标准的QUADAS-2外，影像组学文章还可以增加RQS （Radiomics Quality Score）评分。

2. 计算pooled敏感度，特异度, 诊断OR值（DOR）等等指标,得到如下的森林图。对每一个参数进行异质性分析（Cochran Q统计量和指数）。

3. 构建summary ROC曲线(sROC)

4. meta回归分析，分析异质性来源。