張正華，蔡雅倩，韓丹，周小君，黃益龍，段慧

昆明醫(yī)科大學(xué)第一附屬醫(yī)院醫(yī)學(xué)影像科，云南昆明 650000； *通訊作者 韓丹 kmhandan@sina.com

隨著高分辨率CT（HRCT）在肺癌早期篩查應(yīng)用的普及，圖像數(shù)量倍增及對小結(jié)節(jié)顯示率增高使閱片工作量劇增。高強(qiáng)度工作可導(dǎo)致影像科醫(yī)師視覺疲勞，加之經(jīng)驗不足等，不可避免地導(dǎo)致小結(jié)節(jié)的漏診和誤診。如何在人力資源不足的情況下，在大量圖像中準(zhǔn)確檢出肺結(jié)節(jié)并早期定性成為臨床的迫切需求?；谏疃葘W(xué)習(xí)的人工智能（artificial intelligence，AI）憑借其較準(zhǔn)確的算法模型可快捷地檢出結(jié)節(jié)，并已開始在臨床試用。然而目前有關(guān)AI 對肺結(jié)節(jié)檢測效能的相關(guān)研究報道較少，且尚無明確定論[1-2]。本研究擬通過對比不同級別醫(yī)師與AI 對肺結(jié)節(jié)的檢出能力，評價AI 對肺結(jié)節(jié)檢出的敏感性。

1 資料與方法

1.1 研究對象 隨機(jī)抽取2018年10月—2019年6月昆明醫(yī)科大學(xué)第一附屬醫(yī)院行胸部CT 平掃患者550 例，其中男382 例，女168 例；年齡18～78 歲，平均（58.6±11.7）歲。納入標(biāo)準(zhǔn)：①肺結(jié)節(jié)1～40 枚，且直徑≤3 cm；②CT 圖像層厚為1 mm。排除標(biāo)準(zhǔn)：①肺部彌漫性病變；②按1～5 分制評價圖像質(zhì)量，排除評分≤3 分者。評分細(xì)則：1 分，無法顯示正常結(jié)構(gòu)，完全不能滿足診斷要求；2 分，肺紋理及分支模糊，無法滿足診斷要求；3 分，邊緣模糊，肺紋理及分支尚可，基本可以滿足診斷要求；4 分，邊緣略模糊，肺紋理及分支清晰，滿足診斷要求；5 分，邊緣清晰，肺紋理及分支清晰，完全滿足診斷要求[3]。

1.2 儀器與方法

1.2.1 CT 檢查 采用Siemens Somatom Definition AS 128、Siemens Somatom Definition Flash 及聯(lián)影UCT 760 CT 機(jī)行胸部HRCT 掃描。掃描參數(shù)：①Siemens Somatom Definition AS 128 層螺旋CT 機(jī)及Siemens Somatom Definition Flash：管電壓100 kV，管電流80 mAs，半自動管電壓調(diào)制，自動管電流調(diào)制，螺距0.938，重建卷積函數(shù)采用B70f。②聯(lián)影UCT 760：平掃管電壓100 kV，管電流80 mAs，自動管電流調(diào)制，螺距0.938、肺窗濾波函數(shù)B-SHARP-C。重建層厚1 mm，層間距1 mm。掃描范圍從肺尖至肺底全部區(qū)域，兩側(cè)包括胸壁、腋窩。觀察采用肺窗窗寬1500 Hu、窗位-400 Hu。

1.2.2 結(jié)果判讀 由2名從事胸部影像診斷的主任醫(yī)師采用盲法對550 例患者的胸部CT 圖像共同閱片，分析結(jié)節(jié)的數(shù)目、位置、大小。當(dāng)2 名主任醫(yī)師判讀結(jié)果不一致時，請第3 名主任醫(yī)師共同協(xié)商確定一致性意見作為參照標(biāo)準(zhǔn)，以此計算肺結(jié)節(jié)的檢出率和假陽性率。

根據(jù)肺結(jié)節(jié)位置分為胸膜下結(jié)節(jié)（與胸膜相連）、中心性結(jié)節(jié)（距肺門2.0 cm 以內(nèi)）、外周性結(jié)節(jié)（肺門區(qū)以外，但不與胸膜相連）；根據(jù)結(jié)節(jié)最大徑分為小結(jié)節(jié)（<0.5 cm）、中等結(jié)節(jié)（0.5～1.0 cm）、大結(jié)節(jié)（>1.0 cm）。

1.2.3 分組及測定方法 根據(jù)閱片醫(yī)師不同分成4組：A 組5 名5年制本科實習(xí)生（第5年臨床實習(xí)，已從事肺部CT 診斷工作3 個月）；B 組5 名住院醫(yī)師（從事住院醫(yī)師工作3年）；C 組5 名主治醫(yī)師（從事主治醫(yī)師工作3年）；D 組為AI（醫(yī)學(xué)影像輔助診斷軟件Dr.Wise Lung Analyzer，版本V1.1.0.1，型號MIDSPNA）軟件。閱片內(nèi)容：①每組結(jié)節(jié)檢出的數(shù)目、位置、大小，并與參照標(biāo)準(zhǔn)對照，根據(jù)公式（1）、（2）分別計算每組肺結(jié)節(jié)的檢出率和假陽性率；②醫(yī)師閱片時間指醫(yī)師在3兆巨鯊專業(yè)顯示屏逐層觀察全部肺窗圖像，得出每例患者結(jié)節(jié)數(shù)目、位置、大小的時間；AI 閱片時間是點擊AI 軟件顯示屏顯示結(jié)節(jié)數(shù)目、位置、大小的時間。分別比較4 組肺結(jié)節(jié)檢出情況和閱片時間。

1.3 統(tǒng)計學(xué)方法 采用SPSS 23.0 軟件，符合正態(tài)分布的計量資料以±s表示。肺結(jié)節(jié)檢出率的組內(nèi)和組間比較采用χ2檢驗；各組閱片時間比較采用秩和檢驗或單因素方差分析，兩兩比較采用LSD 法。P<0.05 表示差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 參照標(biāo)準(zhǔn) 2 名主任醫(yī)師共檢出5520 枚結(jié)節(jié)。每例患者肺結(jié)節(jié)數(shù)為1～32 枚，平均（10.0±1.3）枚，結(jié)節(jié)直徑0.2～2.8 cm。

2.2 結(jié)節(jié)檢出情況比較 A、B、C 組內(nèi)5 名醫(yī)師肺結(jié)節(jié)檢出率差異無統(tǒng)計學(xué)意義（χ2=9.266、7.130、5.618，P>0.05）。4 組平均檢出率依次為A 組

A、B、C 組胸膜下、外周性及中心性結(jié)節(jié)檢出率依次為A 組

表1 各組不同肺結(jié)節(jié)位置與大小檢出率比較（%）

圖1 AI 將體外衣物誤判為結(jié)節(jié)（箭），致假陽性率較高（A）；左肺下葉前基底段胸膜下磨玻璃結(jié)節(jié)（箭）容易漏診，術(shù)后病理證實為腺癌（B）

2.3 閱片時間 各組組內(nèi)閱片時間差異均無統(tǒng)計學(xué)意義（P>0.05）；各組閱片時間分別為（14.9±2.5）min、（6.9±2.1）min、（5.0±1.5）min、（0.1±0.0）min，差異有統(tǒng)計學(xué)意義（P<0.001）。D 組閱片時間明顯短于A、B、C 組，差異均有統(tǒng)計學(xué)意義（P<0.001）。

3 討論

本研究結(jié)果顯示人工閱片肺結(jié)節(jié)的檢出率隨著醫(yī)師級別增高依次遞增，且假陽性率依次遞減，表明肺結(jié)節(jié)的檢出需要一定的臨床經(jīng)驗水平。在實際工作中，由于人員配備不均衡，部分醫(yī)院缺乏高年資醫(yī)師。高效的肺結(jié)節(jié)檢測對肺癌的風(fēng)險評估具有重要意義，快速準(zhǔn)確定位肺結(jié)節(jié)的確切位置具有重要意義和挑戰(zhàn)性。近年研究涉及基于傳統(tǒng)計算機(jī)視覺算法計算機(jī)輔助診斷系統(tǒng)（CAD）和AI。CAD 方案大多比較復(fù)雜和耗時，需要更多的圖像處理模塊，且相關(guān)敏感度及特異度較低[4-5]；AI 是一種基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測模型，其敏感度和特異度較傳統(tǒng)的CAD 高，目前在肺結(jié)節(jié)檢出及定性方面應(yīng)用較多，但以往研究對不同模型算法的AI 探討較多，大多基于其原理、算法步驟等展開討論[6-10]，很少從臨床及實用性評估其在臨床工作中運(yùn)用的準(zhǔn)確性及弊端。2017年Fleichner 肺結(jié)節(jié)指南總原則指出，結(jié)節(jié)隨訪的重要指標(biāo)包括數(shù)目及大小[11]。因此，本研究主要探討AI 輔助診斷軟件對肺結(jié)節(jié)位置、數(shù)目及大小的檢測效能。

本研究結(jié)果顯示，AI 組肺結(jié)節(jié)檢出率為94.3%，高于以往研究報道的CAD 對肺結(jié)節(jié)的檢出率[12-13]。金文忠等[2]報道以6 名資深影像專業(yè)醫(yī)師作為參照標(biāo)準(zhǔn)，AI 肺結(jié)節(jié)檢出率平均達(dá)96.6%，與本研究結(jié)果相似。本研究通過與不同級別的醫(yī)師檢出情況對照顯示，AI 的檢測水平略高于本院主治醫(yī)師水平，若影像醫(yī)師在臨床工作中參考AI 檢測結(jié)果，可大大減少肺結(jié)節(jié)的漏診，特別是對于實習(xí)醫(yī)師及住院醫(yī)師而言。對于不同位置結(jié)節(jié)的檢出情況，主治醫(yī)師組胸膜下結(jié)節(jié)檢出率與AI 組差異無統(tǒng)計學(xué)意義。由于胸膜下結(jié)節(jié)表現(xiàn)為與胸膜相連的結(jié)節(jié)影，易于觀察。AI 組外周及中心性結(jié)節(jié)檢出率顯著高于人工閱片，由于該區(qū)域肺紋理相對較多，結(jié)節(jié)與血管斷面相似，加之長時間人工閱片導(dǎo)致注意力難以集中。對于不同大小結(jié)節(jié)的檢出情況，主治醫(yī)師組大結(jié)節(jié)檢出率與AI 組差異無統(tǒng)計學(xué)意義，兩組大結(jié)節(jié)檢出率為98.5%、96.8%。劉曉鵬等[1]以病理結(jié)果為“金標(biāo)準(zhǔn)”，AI 的肺結(jié)節(jié)（1～3 cm）檢出率為96.4%，表明AI 在大結(jié)節(jié)檢出方面具有較完善的算法。AI 組中等結(jié)節(jié)及小結(jié)節(jié)檢出率明顯高于人工閱片，其可能原因為結(jié)節(jié)較小且人工閱片易疲勞，容易漏診。AI 肺結(jié)節(jié)的高檢出率使得臨床工作中肺結(jié)節(jié)的檢出率增加；而李欣菱等[14]研究認(rèn)為其對較小（特別是<0.5 cm）結(jié)節(jié)的臨床意義有待商榷，若完全按照AI 的結(jié)果進(jìn)行臨床干預(yù)會增加醫(yī)療負(fù)擔(dān)及過度治療。因此，對肺結(jié)節(jié)的判斷及干預(yù)需要醫(yī)師參考AI 結(jié)果并進(jìn)一步分析。

本研究發(fā)現(xiàn)，AI 檢出結(jié)節(jié)總數(shù)大于參照標(biāo)準(zhǔn)。由于AI 的高敏感性而出現(xiàn)假陽性率較高（14.0%）的特點，表明目前AI 的重點集中在陽性結(jié)節(jié)的學(xué)習(xí)上，而對假陽性結(jié)節(jié)的學(xué)習(xí)尚需完善。本研究中AI 容易將血管截面及肺外部分結(jié)構(gòu)標(biāo)注成結(jié)節(jié)（如體外衣物、胸鎖關(guān)節(jié)及胃腸道內(nèi)容物等），易于辨認(rèn)，在臨床工作中需影像醫(yī)師進(jìn)行復(fù)診。有研究采用訓(xùn)練大規(guī)模數(shù)據(jù)集的方式自動化學(xué)習(xí)和提升，可明顯降低假陽性率[15]。盡管AI 組肺結(jié)節(jié)檢出率高于人工閱片，但也會遺漏一些結(jié)節(jié)，AI 未檢出結(jié)節(jié)的可能原因包括：①結(jié)節(jié)較??；②結(jié)節(jié)位于胸膜下；③結(jié)節(jié)位于血管旁；④結(jié)節(jié)密度淺淡；⑤不明原因。在實際工作中發(fā)現(xiàn)，對于密度較淡且位于胸膜下的磨玻璃結(jié)節(jié)AI 更易漏診，而這些磨玻璃結(jié)節(jié)往往是惡性結(jié)節(jié)。因此，在臨床工作中應(yīng)注意觀察胸膜下、肺門及血管旁區(qū)域，防止漏診。而對于那些不明原因的未檢出結(jié)節(jié)，可能與軟件的分割算法有關(guān)[11]。因此，基于深度學(xué)習(xí)的AI 算法仍需有針對性地改善模型并進(jìn)一步優(yōu)化參數(shù)，以提高肺結(jié)節(jié)的檢出率并降低假陽性率。以往研究表明AI 較人工閱片時間明顯縮短，每張胸片平均用時約為0.28 s[16]；而本研究顯示AI 閱CT 片時間僅為（0.1±0.0）min，大大提高了工作效率。Li 等[17]報道對于多發(fā)肺結(jié)節(jié)患者，AI 能快速直接顯示結(jié)節(jié)的位置、數(shù)目及大小，為后續(xù)診療計劃提供參考依據(jù)。因此，AI 協(xié)助影像科醫(yī)師可提高閱片的速度和診斷準(zhǔn)確率，使更多的患者從中受益。

總之，AI 對于肺結(jié)節(jié)的檢出率較高，其水平略高于主治醫(yī)師，作為肺結(jié)節(jié)篩檢的有效輔助工具，在臨床上可廣泛應(yīng)用。隨著AI 算法的不斷完善及多中心大樣本研究的開展，有望進(jìn)一步提高AI 的肺結(jié)節(jié)檢出效能。