郭和合 詹鶴鳳 張永高 高劍波

鄭州大學第一附屬醫(yī)院放射科（鄭州450052）

新型冠狀病毒肺炎（COVID-19）具有極強的傳染性［1］。胸部CT 是COVID-19 的重要篩查手段之一［2］。COVID-19 的胸部CT 表現(xiàn)多樣，最常見的征象為雙肺外帶多發(fā)磨玻璃密度影（ground glass opacity，GGO），可伴實性成分［3-5］。深度學習算法下［6］的人工智能肺炎輔助診斷系統(tǒng)可對COVID-19疑似病例的胸部CT 做出“是否為病毒性肺炎”的初步診斷，并可實現(xiàn)對肺炎感染區(qū)域的自動識別，和定量計算感染區(qū)域的體積和密度。本研究通過回顧性分析2020年1-3月我院收治的206 例COVID-19 疑似患者的胸部CT 及臨床資料，初步探索肺炎輔助診斷系統(tǒng)對COVID-19 的輔助篩查價值。

1 資料與方法

1.1 一般資料回顧性分析2020年1-3月鄭州大學第一附屬醫(yī)院收治的206 例COVID-19 疑似患者的胸部CT 及臨床資料（排除因肺部疾病行手術治療的患者）。所有患者均于入院24 h 內行病史采集、胸部CT 及實驗室檢查等篩查手段。COVID-19 的診斷標準參考國家衛(wèi)生健康委員會《新型冠狀病毒肺炎診療方案》（試行第七版）［7］，結合流行病學史、臨床表現(xiàn)、CT 影像學特征和新型冠狀病毒核酸檢測結果等最終確診。共納入61 例COVID-19 確診病例及145 例非COVID-19 患者（85例為其他類型肺炎，60 例胸部CT 未見明顯異常），其中男116 例（56.3%），女90 例（43.7%），年齡13 ～94 歲，平均（46.2 ± 17.5）歲。61 例COVID-19 確診病例包括輕型1 例（1.6%），普通型29 例（47.5%），重型19 例（31.1%），危重型12 例（19.7%），其中3 例有慢性阻塞性肺疾病、肺結核病史，16 例有高血壓病史，11例有糖尿病史。

1.2 胸部CT 檢查方法采用256 層CT 掃描儀（Revolution CT，GE healthcare，美國或SOMATOM Force 開源CT，Siemens，德國）?；颊叱Ｒ?guī)取仰臥位，掃描范圍均為從肺尖掃描至雙側肋膈角，于吸氣末屏氣完成掃描。采用橫斷面螺旋掃描，開啟自動管電壓或固定管電壓（BMI＜25 kg/m2的管電壓100 kV，BMI ≥25 kg/m2的管電壓為120 kV）；使用管電流自動調制系統(tǒng)，范圍是50～200 mAs；采集層厚5 mm，常規(guī)以1 mm 層厚重建出薄層（高分辨率）肺窗圖像（肺窗：窗寬1 000～1 500 Hu，窗位-750～-600 Hu）和縱隔窗圖像（縱隔窗：窗寬300～350 Hu，窗位50～70 Hu）。

1.3 肺炎輔助診斷系統(tǒng)對COVID-19 疑似患者進行初步診斷應用數(shù)坤科技公司授權的肺炎輔助診斷系統(tǒng)（Version 1.20.0）對206 例COVID-19 疑似患者的胸部CT 做出是否為病毒性肺炎的初步診斷。定量分析61 例COVID-19 確診病例胸部CT的全肺病灶體積、全肺病灶平均CT 值和全肺病灶體積占全肺容積的百分比。由2 名從事胸部影像診斷的高年資醫(yī)師分別對肺炎輔助診斷系統(tǒng)自動勾畫的肺炎感染區(qū)域進行核驗，有誤者進行手動勾畫。勾畫區(qū)域有意見分歧時經討論協(xié)商取得一致。影像結果示例見圖1。

1.4 統(tǒng)計學方法采用SPSS 25.0統(tǒng)計軟件進行統(tǒng)計學分析處理。符合正態(tài)分布的計量資料采用均數(shù)±標準差表示，非正態(tài)分布的數(shù)據(jù)以M（P25，P75）表示。采用受試者工作特征曲線（received operating characteristic curve，ROC）計算曲線下面積（area under curve，AUC），結合靈敏度、特異度、Youden指數(shù)、陽性預測值等，衡量肺炎輔助診斷系統(tǒng)在COVID-19 疑似病例CT篩查中的價值。P＜0.05 為差異有統(tǒng)計學意義。

2 結果

2.1 肺炎輔助診斷系統(tǒng)在COVID-19 疑似患者CT篩查中的價值人工智能肺炎輔助診斷系統(tǒng)在COVID-19 疑似患者CT 篩查中的靈敏度為75.4%，特異度為53.1%，Youden 指數(shù)為0.285，陽性預測值為40.4%。利用ROC 曲線，得到曲線下面積AUC為0.643，95%CI為0.562～0.723。見表1。

表1 肺炎輔助診斷系統(tǒng)的診斷試驗結果Tab.1 The diagnostic test results of pneumonia assistant diagnosis system 例

2.2 定量評價COVID-19確診患者的CT特征肺炎輔助診斷系統(tǒng)可為COVID-19 確診患者提供客觀的量化評價指標：全肺病灶體積、全肺病灶體積占全肺容積的百分比及全肺病灶平均CT 值等。見表2。

圖1 人工智能肺炎輔助診斷系統(tǒng)自動識別肺炎感染區(qū)域Fig.1 The pneumonia assistant diagnosis system identifies pneumonia infected area automatically

2.3 隨訪結果經過2 ～34 d 的隨訪，有3 例危重型患者死亡，末次胸部CT 的全肺病灶體積占全肺容積的百分比分別為54.5%、74.0%及84.6%，3 例患者隨訪期間血清C 反應蛋白和降鈣素原始終高于正常值上限，其中2 例有慢性支氣管炎或糖尿病病史。

表2 肺炎輔助診斷系統(tǒng)定量評價COVID-19 確診患者CT 特征Tab.2 CT features of COVID-19 patients were evaluated quantitatively by the pneumonia assistant diagnosis system M（P25，P75）

3 討論

根據(jù)國家衛(wèi)生健康委員會發(fā)行的《新型冠狀病毒肺炎診療方案》（試行第七版）［7］，COVID-19 確診的主要依據(jù)是新型冠狀病毒核酸檢測，但相關研究［8-10］報道核酸的檢出率很低（30% ～50%），臨床上常需重復多次檢測，易造成延誤診療。有研究［11］發(fā)現(xiàn)胸部CT 對COVID-19 的敏感性大于病毒核酸檢測的敏感性。胸部CT 可快速檢測出肺部微小病灶，是目前COVID-19 篩查及評估病情嚴重程度的首選影像學檢查方法［12-15］。

結合了大數(shù)據(jù)的深度學習技術使精準醫(yī)療成為可能，可輔助影像診斷醫(yī)師對肺部病灶進行初步的定性及定量分析。本研究結果顯示，人工智能肺炎輔助診斷系統(tǒng)對COVID-19 疑似患者有一定的篩查價值，較高的靈敏度可以幫助影像診斷醫(yī)師降低漏診率，有助于疫情的早期防控。較低的特異度及陽性預測值提示臨床醫(yī)生在進行COVID-19 的篩查工作時，還應結合患者的病史、臨床表現(xiàn)及實驗室檢查等資料進行綜合評估，以減少誤診。

肺炎輔助診斷系統(tǒng)對肺部病變的定量分析有利于評估患者的病情嚴重程度。在隨訪過程中，有3 例患者最終死亡，其末次胸部CT 的全肺病灶體積占全肺容積的百分比均大于50%，提示當全肺病灶體積進展到一定程度時，患者可能有死亡風險，這一觀點還需擴大樣本量以進一步研究驗證。此3 例患者均出現(xiàn)C 反應蛋白和降鈣素原的升高，這可能是合并了細菌感染［16-18］，從而加快了疾病的進展。

本研究尚存在一些不足之處：臨床實踐顯示目前人工智能肺炎輔助診斷系統(tǒng)對磨玻璃影、實變影、條索影及小葉間隔增厚等主要征象的識別并不理想，有待于今后繼續(xù)完善；本研究為單中心小樣本，尚需多中心大樣本的研究予以驗證。

綜上所述，人工智能肺炎輔助診斷系統(tǒng)對COVID-19 疑似患者的胸部CT 有一定的篩查價值，且可以定量評估患者肺炎感染區(qū)域的體積，為患者病情評估或隨訪提供客觀的量化指標。