陳疆紅，鐘朝輝，王大為，楊正漢，王振常，江桂蓮

近幾年來能譜CT在臨床得到了廣泛應(yīng)用，其中虛擬平掃(virtual non-contrast，VNC)是其主要應(yīng)用領(lǐng)域之一，它利用70 keV的單能量圖像抑制增強(qiáng)圖像上碘物質(zhì)的密度而獲得[1]。既往許多研究中比較了肺部VNC圖像與常規(guī)平掃(true non-contrast，TNC)圖像的質(zhì)量差異，包括圖像的主觀評分、噪聲、信噪比及對比噪聲比，以及對肺內(nèi)結(jié)節(jié)病灶的毛刺征、兔耳征、空洞和衛(wèi)星灶等有定性意義征象的顯示情況等，結(jié)果均顯示出VNC圖像具有替代TNC圖像的潛能，最重要的是患者所受輻射劑量可以降低約30%[2-4]。

人工智能(artificial intelligence，AI)在計(jì)算機(jī)視覺領(lǐng)域中已逐步得到廣泛的研究和應(yīng)用，主要針對分類、檢測、分割以及配準(zhǔn)任務(wù)，其中AI肺結(jié)節(jié)輔助診斷系統(tǒng)發(fā)展較為成熟，許多研究結(jié)果顯示AI在肺結(jié)節(jié)輔助檢測方面具備良好的表現(xiàn)和效能[5-7]。隨著相關(guān)軟件的不斷開發(fā)和更新，以及對大量數(shù)據(jù)的深度學(xué)習(xí)，其功能也在不斷拓展，例如自動測量肺結(jié)節(jié)的體積、密度以及對結(jié)節(jié)良惡性的預(yù)測等功能。本研究基于AI肺結(jié)節(jié)輔助診斷系統(tǒng)，比較VNC圖像與TNC圖像對亞實(shí)性肺結(jié)節(jié)的檢測效能的差異，從AI肺結(jié)節(jié)輔助診斷系統(tǒng)適用性的角度去探討VNC替代TNC的可能性。

材料與方法

1.一般資料

將2017年7月-2019年7月因常規(guī)體檢發(fā)現(xiàn)肺內(nèi)占位病變、擬行手術(shù)治療而收入我院胸外科的患者納入觀察。納入標(biāo)準(zhǔn)：①術(shù)前行胸部平掃和增強(qiáng)能譜CT檢查并有薄層圖像(層厚1.25 mm)；②肺內(nèi)至少存在一個亞實(shí)性結(jié)節(jié)并經(jīng)手術(shù)切除；③亞實(shí)性結(jié)節(jié)的病理結(jié)果為腺癌浸潤前病變或浸潤性腺癌。排除標(biāo)準(zhǔn)：①合并彌漫性肺疾??；②圖像上有明顯移動偽影。

最終共納入符合條件的86例患者，男26例，女60例，年齡31～82歲，平均(61.33±11.66)歲。根據(jù)肺內(nèi)結(jié)節(jié)的病理結(jié)果分為3組，A組為浸潤前病變，包括不典型腺瘤樣增生(atypical adenomatous hyperplasia，AAH)及原位腺癌(adenocarcinoma in situ，AIS)，B組為微浸潤腺癌(minimally invasive adenocarcinoma，MIA)，C組為浸潤性腺癌(invasive adenocarcinoma，IAC)。

2.數(shù)據(jù)采集

使用GE Revolution 256排螺旋CT機(jī)。于吸氣末屏氣掃描，掃描范圍自肺尖至肺底，囑患者每次掃描屏氣程度盡量保持一致。平掃及增強(qiáng)掃描均采用能譜成像模式，掃描參數(shù)：80/140 kVp，自動管電流調(diào)節(jié)(automatic tube current modulation，ATCM)技術(shù)，最大管電流260 mA，層厚5 mm，螺距0.984，0.5 s/r，床進(jìn)速度78.75 mm/s，噪聲指數(shù)(noise index，NI)12，30%自適應(yīng)迭代重建(adaptive statistical iterative reconstruction，ASiR)-V算法，采用標(biāo)準(zhǔn)重建方式，重建層厚1.25 mm、層間距1.25 mm。雙期增強(qiáng)掃描：經(jīng)肘正中靜脈注入歐乃派克100 mL(300 mg I/mL)，注射流率3.3 mL/s，之后以相同流率注入20 mL生理鹽水，動脈期延遲時(shí)間為30 s，延遲期為90 s。將動脈期增強(qiáng)圖像進(jìn)行重建獲得VNC圖像。

將TNC及VNC圖像(層厚1.25 mm、層間隔1.25 mm)上傳至AI肺結(jié)節(jié)輔助診斷系統(tǒng)(InferRead CT Lung Research,Infervision,Beijing)，記錄AI系統(tǒng)在TNC及VNC圖像上對靶結(jié)節(jié)的識別情況，包括結(jié)節(jié)是否被檢測出、結(jié)節(jié)的密度、體積及惡性概率預(yù)測值。

3.金標(biāo)準(zhǔn)的建立

亞實(shí)性結(jié)節(jié)(subsolid nodule，SN)定義為含有磨玻璃密度的結(jié)節(jié)，包括純磨玻璃密度結(jié)節(jié)(pure ground glass nodule，pGGN)及混雜磨玻璃密度結(jié)節(jié)(mixed ground-glass nodule，mGGN)[8-9]。磨玻璃密度(ground glass opacity，GGO)表現(xiàn)為肺內(nèi)密度增高影，但不掩蓋其中走行的支氣管和血管影。

圖1 微浸潤腺癌患者，男，65歲，體檢發(fā)現(xiàn)左肺上葉前段一純磨玻璃密度結(jié)節(jié)，大小約10 mm×14 mm。a) TNC圖像，此結(jié)節(jié)均被AI肺結(jié)節(jié)輔助診斷系統(tǒng)檢出(綠框)，且自動預(yù)測此結(jié)節(jié)的惡性概率值為82.41%； b) VNC圖像，肺結(jié)節(jié)輔助診斷系統(tǒng)檢出了此結(jié)節(jié)(綠框)，且自動預(yù)測結(jié)節(jié)的惡性概率值為80.97%。

本研究首先由兩位從事呼吸系統(tǒng)影像診斷工作15年及17年的副主任醫(yī)師分別在PACS工作站上調(diào)閱1.25 mm層厚的圖像，判斷結(jié)節(jié)的密度(pGGN或mGGN)并選擇符合要求的亞實(shí)性結(jié)節(jié)納入研究，記錄和測量結(jié)節(jié)的位置和直徑，當(dāng)兩位醫(yī)師對結(jié)節(jié)密度的判斷存在歧義時(shí)，由第三位更高年資醫(yī)師進(jìn)行裁定。觀察圖像的窗寬為1600 HU、窗位為-700 HU。

4.X線輻射劑量

查閱每位患者掃描后CT機(jī)自動給出的劑量報(bào)告，記錄總劑量長度乘積(dose length product,DLP)和平掃DLP，并計(jì)算有效劑量(effective dose，ED)[10]：

ED=DLP×0.014 mSv/(mGy·cm)

(1)

5.統(tǒng)計(jì)學(xué)分析

使用IBM SPSS 20.0軟件包進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)分析。計(jì)算AI系統(tǒng)在TNC及VNC圖像上對靶結(jié)節(jié)的檢出率(即敏感度)。每組計(jì)量數(shù)據(jù)均做正態(tài)性檢驗(yàn)(Shapiro-Wilk test)，符合正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差的形式表示，非正態(tài)性計(jì)量資料采用中位數(shù)(上、下四分位數(shù))的形式表示。TNC及VNC圖像上三組之間AI對病變惡性概率預(yù)測值和體積測量結(jié)果的比較采用Kruskal-Willis檢驗(yàn)，CT值的比較采用單因素ANOVA檢驗(yàn)；對三組間差異有統(tǒng)計(jì)學(xué)意義的指標(biāo)進(jìn)行組間兩兩比較。對每組中TNC與VNC圖像上結(jié)節(jié)的CT值、體積及AI對結(jié)節(jié)惡性概率的預(yù)測值進(jìn)行配對樣本非參數(shù)檢驗(yàn)(Wilcoxon檢驗(yàn))或配對樣本t檢驗(yàn)。對利用TNC及VNC圖像獲得的靶結(jié)節(jié)惡性概率預(yù)測值、平均CT值及平均體積進(jìn)行相關(guān)性檢驗(yàn)，正態(tài)分布的數(shù)據(jù)資料采用Pearson相關(guān)性分析，非正態(tài)分布的資料采用Spearman相關(guān)性分析，相關(guān)系數(shù)r=0.10～0.39為相關(guān)性弱，r=0.40～0.69為相關(guān)性中等，r=0.70～1.00為相關(guān)性強(qiáng)。

結(jié) 果

86例患者中共計(jì)切除了88個亞實(shí)性結(jié)節(jié)，其中A組25例共27個結(jié)節(jié)；B組28例共28個結(jié)節(jié)，C組33例共33個結(jié)節(jié)。各組結(jié)節(jié)的密度及平均直徑測量結(jié)果見表1。AI肺結(jié)節(jié)輔助診斷系統(tǒng)在TNC及VNC圖像上均可以檢測到這88個靶結(jié)節(jié)(圖1)，檢出敏感度為100%(88/88)。

表1 三組中結(jié)節(jié)的基本特征

在3組病變的TNC及VNC圖像上，AI系統(tǒng)預(yù)測靶結(jié)節(jié)的惡性概率、組內(nèi)及組間比較結(jié)果見表2。在TNC或VNC圖像上，AI預(yù)測結(jié)節(jié)惡性的概率在三組間的差異均有統(tǒng)計(jì)學(xué)意義(P<0.001)。進(jìn)一步進(jìn)行組間兩兩比較，差異均有統(tǒng)計(jì)學(xué)意義：TNC圖像上，P1(A組與B組)=0.022，P2(B組與C組)=0.023，P3(A組與C組)<0.001；VNC圖像上，P1(A組與B組)=0.010，P1(A組與B組)=0.040，P3(A組與C組)<0.001。每組中基于TNC和VNC圖像，AI對結(jié)節(jié)惡性概率預(yù)測值的配對樣本非參數(shù)檢驗(yàn)(Wil-coxon檢驗(yàn))結(jié)果顯示，兩種圖像間的差異均無統(tǒng)計(jì)學(xué)意義(P>0.05)。

表2 三組中TNC和VNC圖像上AI對結(jié)節(jié)惡性概率的預(yù)測值

AI肺結(jié)節(jié)輔助診斷系統(tǒng)可以自動顯示靶結(jié)節(jié)的CT值，3組中結(jié)節(jié)的CT值及組間和組內(nèi)比較結(jié)果見表3。在TNC和VNC圖像上，三組間結(jié)節(jié)CT值的差異均有統(tǒng)計(jì)學(xué)(P<0.001)。進(jìn)一步進(jìn)行組間兩兩比較：TNC圖像上，各組間的差異均有統(tǒng)計(jì)學(xué)意義，P1(A組與B組)=0.044，P2(B組與C組)<0.001，P3(A組與C組)<0.001；VNC圖像上，各組間差異均有統(tǒng)計(jì)學(xué)意義，P1(A組與B組)=0.016，P2(B組與C組)<0.001，P3(A組與C組)<0.001。同時(shí)，對每組中靶結(jié)節(jié)在TNC和VNC圖像上的CT值進(jìn)行配對樣本t檢驗(yàn)，僅A組中差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)。

表3 三組中TNC和VNC圖像上結(jié)節(jié)的CT值 (HU)

表4 三組患者的TNC和VNC圖像中結(jié)節(jié)體積(mm3)的比較

三組中AI肺結(jié)節(jié)輔助診斷系統(tǒng)測量的結(jié)節(jié)直徑及組內(nèi)和組間比較結(jié)果見表4。在TNC和VNC圖像上，三組間靶結(jié)節(jié)體積的差異均有統(tǒng)計(jì)學(xué)意義(P<0.001)。進(jìn)一步組間兩兩比較結(jié)果顯示：TNC圖像上，A組與B組之間以及A組與C組之間結(jié)節(jié)體積的差異有統(tǒng)計(jì)學(xué)意義(P=0.001；P<0.001)，而B組與C組間結(jié)節(jié)體積的差異無統(tǒng)計(jì)學(xué)意義(P=0.161)；VNC圖像上，測量的結(jié)節(jié)平均體積兩兩組間比較，A組與B組之間、B組與C組之間、以及A組與C組之間結(jié)節(jié)體積的差異均有統(tǒng)計(jì)學(xué)意義(P=0.001；P=0.032；P<0.001)。A組和B組中VNC圖像上測量的結(jié)節(jié)體積較TNC圖像分別要小8.8%和10.9%，差異均具有統(tǒng)計(jì)學(xué)意義(P<0.05)。

對基于TNC和VNC圖像AI肺結(jié)節(jié)輔助診斷系統(tǒng)獲得的靶結(jié)節(jié)惡性概率、CT值和體積進(jìn)行相關(guān)性檢驗(yàn)，結(jié)果顯示兩種圖像上獲得的各指標(biāo)測量結(jié)果均具有較強(qiáng)的相關(guān)性，詳見表5。

表5 各指標(biāo)在TNC與VNC圖像上測量結(jié)果的相關(guān)性

本研究中患者行CT檢查的總ED為(8.31±1.20)mSv，其中TNC的ED為(2.74±0.44)mSv，若在肺部雙期增強(qiáng)掃描中應(yīng)用VNC代替TNC，患者所受輻射劑量將減少33%。

討 論

能譜CT突破傳統(tǒng)CT的局限，可以得到能譜曲線、有效原子序數(shù)、碘濃度和水濃度等參數(shù)，除了為病變診斷提供形態(tài)學(xué)信息外，還提供了功能學(xué)信息。本研究應(yīng)用的GE revolution CT是單源雙能量CT，可以提供兩種VNC圖像，一種為抑碘圖，即在增強(qiáng)圖像數(shù)據(jù)中將碘物質(zhì)提取出來并加以抑制，另一種為水基圖，即在水(碘)密度圖上不顯示分離出來的碘物質(zhì)。本研究中對增強(qiáng)后動脈期圖像的原始數(shù)據(jù)進(jìn)行“抑碘”處理而得到VNC圖像。

本課題選擇的研究對象為亞實(shí)性結(jié)節(jié)，包括純磨玻璃密和混雜磨玻璃密度結(jié)節(jié)，且經(jīng)病理證實(shí)為腺癌浸潤前病變和浸潤性腺癌。我們按腫瘤侵襲性由小到大將結(jié)節(jié)分為3組：AAH和AIS(A組)，MIA(B組)，IAC(C組)。然而，3組結(jié)節(jié)在CT表現(xiàn)上有一定重疊，即IAC也可表現(xiàn)為純磨玻璃密度結(jié)節(jié)，而AAH、AIS和MIA由于肺泡壁的萎陷和纖維成分的增生也可以表現(xiàn)為混雜磨玻璃密度結(jié)節(jié)。

術(shù)前的精準(zhǔn)診斷是關(guān)系到患者治療和預(yù)后的重要環(huán)節(jié)，這也成為放射科醫(yī)師當(dāng)前面臨的挑戰(zhàn)之一。在諸多既往研究中，有學(xué)者分析了磨玻璃密度結(jié)節(jié)的大小、密度等形態(tài)學(xué)特征，認(rèn)為結(jié)節(jié)的侵襲性與其大小和密度具有相關(guān)性[11-12]。Lee等[13]則認(rèn)為，直徑大于15 mm或CT值大于-472 HU的純磨玻璃密度結(jié)節(jié)很可能是浸潤性腺癌。此外，也有研究結(jié)果顯示能譜CT的多參數(shù)信息提高了分析、鑒別此類結(jié)節(jié)的能力，在140 keV單能量圖像上病灶的CT值(≥-476.4 HU)結(jié)合直徑(>16.1 mm)可以提高對IAC的診斷能力和敏感性[14]；而增強(qiáng)掃描獲得診斷信息可以進(jìn)一步提高對此類結(jié)節(jié)的鑒別效能[15-16]，但隨之出現(xiàn)的問題是患者所受的X線輻射劑量增大。針對這個問題，陸續(xù)有研究探討了虛擬平掃代替普通平掃的可能性。Chae等[17]研究顯示實(shí)性結(jié)節(jié)在VNC圖像上的CT值與TNC圖像上的比較無明顯差異。呂燕等[3]的文章中也指出，針對肺部結(jié)節(jié)和腫塊病變的診斷，VNC圖像有替代TNC圖像的潛能。與以往研究類似，本研究結(jié)果顯示，在利用AI肺結(jié)節(jié)診斷系統(tǒng)進(jìn)行亞實(shí)性結(jié)節(jié)檢測、測量和良惡性預(yù)測時(shí)VNC具有替代TNC的潛能，不僅能夠減少X線輻射劑量，從而使得對于X線敏感的人群、尤其是兒童起到很好的保護(hù)作用，同時(shí)也可以簡化工作流程、提高放射科的工作效率。

既往對磨玻璃密度結(jié)節(jié)的虛擬平掃圖像質(zhì)量的研究較少。我院既往對于此類結(jié)節(jié)的研究顯示，VNC圖像上結(jié)節(jié)的密度與TNC比較無明顯差異[18]。本研究中選取結(jié)節(jié)最大層面手動勾畫感興趣區(qū)，并復(fù)制粘貼到其它序列相應(yīng)層面圖像上結(jié)節(jié)的相同位置進(jìn)行參數(shù)值，但手動操作的測量誤差是難以避免的，而應(yīng)用AI軟件自動對靶結(jié)節(jié)進(jìn)行3D分割，自動給出結(jié)節(jié)的CT值及體積，從而能顯著降低測量的誤差，測量的一致性和可重復(fù)性較高。因此，本研究中使用較成熟的基于深度學(xué)習(xí)的AI肺結(jié)節(jié)輔助診斷系統(tǒng)，分析其在VNC與TNC圖像上測量和預(yù)測結(jié)節(jié)參數(shù)的一致性。

首先，比較了VNC與TNC圖像上三組亞實(shí)性結(jié)節(jié)的平均CT值，結(jié)果顯示A組和C組的VNC圖像上結(jié)節(jié)的CT值較TNC圖像上分別減少了約12和10 HU，而B組卻增加了約4 HU，但總體而言，所有亞實(shí)性結(jié)節(jié)在VNC和TNC圖像上的CT值相關(guān)性非常高。

比較三組間結(jié)節(jié)的體積，A組和B組中結(jié)節(jié)體積在VNC圖像上較TNC減小，且差異有統(tǒng)計(jì)學(xué)意義，而C組中結(jié)節(jié)體積在兩種圖像間的差異無明顯變化，而所有亞實(shí)性結(jié)節(jié)在VNC和TNC圖像上的體積亦具有較高的相關(guān)性。

有研究結(jié)果顯示，VNC圖像上實(shí)性結(jié)節(jié)的體積較常規(guī)圖像減少了5.5%[19]。而本研究中實(shí)驗(yàn)對象為亞實(shí)性結(jié)節(jié)，分析數(shù)據(jù)的變化可能是由于在VNC圖像的處理過程中，會有數(shù)據(jù)的部分丟失，這對此類結(jié)節(jié)的密度及體積的影響會大于實(shí)性結(jié)節(jié)，因此本研究中大部分結(jié)節(jié)在VNC中較TNC中的密度較低且體積減小，此外，不同次掃描時(shí)吸氣程度的差異亦會導(dǎo)致亞實(shí)性結(jié)節(jié)密度及體積的變化。但是，這些變化最終并未對結(jié)節(jié)惡性概率的預(yù)測值產(chǎn)生明顯影響，三組中結(jié)節(jié)的惡性預(yù)測概率在VNC與TNC圖像間的差異均無統(tǒng)計(jì)學(xué)意義。

本研究的局限性：首先，入組病例偏少，不可避免存在選擇偏倚；其次，本研究僅納入了亞實(shí)性結(jié)節(jié)，有待進(jìn)一步補(bǔ)充實(shí)性密度結(jié)節(jié)作為研究樣本，全面評估該AI肺結(jié)節(jié)輔助診斷系統(tǒng)利用VNC圖像時(shí)的效能，進(jìn)而證實(shí)VNC圖像取代TNC圖像的可行性；最后，本研究僅應(yīng)用了當(dāng)前一款較成熟的AI軟件，尚不能全面代表現(xiàn)階段AI輔助診斷的價(jià)值。

總之，現(xiàn)階段應(yīng)用的AI系統(tǒng)對不同病理類型的亞實(shí)性密度肺腺癌的惡性概率預(yù)測在TNC圖像上有較好的表現(xiàn)，在VNC圖像上同樣具有這種鑒別診斷能力，從另一個角度支持了VNC取代TNC的潛力，同時(shí)也進(jìn)一步展現(xiàn)了AI肺結(jié)節(jié)系統(tǒng)良好的輔助診斷能力。