阴性对照揭示影像组学与影像基础模型特征中的体积驱动混杂

一项名为READII-2-ROQC的开源框架被提出，用于通过体积保持的阴性对照评估影像组学和基础模型特征是否捕捉独立的空间信号。框架在三个公共癌症影像队列中处理了3552个肿瘤体积，提取特征并与九个对照比较，发现多个模型在空间结构被破坏后仍保持性能，揭示了体积驱动的混杂。

此前影像组学与基础模型特征可能受肿瘤体积或采集伪影影响，但缺乏系统验证手段。该框架提供了可扩展的质量控制方法，有助于识别真正基于生物学信号的生物标志物，提升影像生物标志物的可信度和可重复性。

框架通过生成体素扰动图像（肿瘤区、背景区、全图），保持体积不变但破坏空间结构，然后比较原始图像与对照图像的特征行为及模型性能。若模型在破坏后仍保持性能，说明其依赖体积或情境混杂而非真实信号；反之则表明信号对扰动敏感。

对于开发影像组学或基础模型的产品团队，该框架可用于评估模型是否依赖非生物混杂因素，从而筛选出更具稳健性和生物学可解释性的特征。这有助于提升下游诊断或预测产品在真实场景中的可靠性，减少因体积或伪影导致的误判。

• 将READII-2-ROQC集成到影像分析流程，作为模型上线前的质控步骤
• 基于该框架为影像生物标志物产品添加可重复性报告功能
• 针对特定癌症类型定制阴性对照策略，优化特征选择
• 开发开放工具，供第三方验证其模型的生物学基础

• 该框架是否适用于其他影像模态（如超声、病理）？
• 阴性对照后的模型性能下降阈值如何设定以区分信号与噪声？
• 该框架的计算成本是否限制其在大型队列中的常规应用？