廖忠劍 王肇平 劉艷平 鄧星星 黃穎文

[摘要] 目的 探討人工智能（AI）輔助512層螺旋CT三維掃描對(duì)肺惡性結(jié)節(jié)診斷價(jià)值。 方法 選取2019年6月至2020年12月我院109例肺惡性結(jié)節(jié)患者，均接受512層螺旋CT三維掃描，分別經(jīng)AI閱片及人工閱片。統(tǒng)計(jì)分析人工閱片及AI閱片用時(shí)、人工閱片及AI閱片對(duì)不同直徑、不同部位肺惡性結(jié)節(jié)檢出情況。 結(jié)果 AI閱片用時(shí)為（0.51±0.13）min/例，短于人工閱片的（2.98±1.01）min/例，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）;AI閱片對(duì)直徑>10 mm的肺惡性結(jié)節(jié)檢出率（98.41%）與人工閱片（95.24%）間比較，差異無統(tǒng)計(jì)學(xué)意義（P>0.05），AI閱片對(duì)直徑<5 mm、直徑5～10 mm的肺惡性結(jié)節(jié)檢出率為（97.35%、96.63%），高于人工閱片的（80.53%、80.90%），兩組比較，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）;人工閱片對(duì)肺門、中間區(qū)域、外圍區(qū)域、胸膜下肺惡性結(jié)節(jié)檢出率為100.00%、98.11%、99.35%、90.00%，高于人工閱片的33.33%、79.25%、92.16%、74.00%，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。 結(jié)論 AI輔助512層螺旋CT三維掃描在肺惡性結(jié)節(jié)中具有較高應(yīng)用價(jià)值，可提升不同直徑和位置結(jié)節(jié)檢出率，縮短閱片用時(shí)，且利于減小影像科醫(yī)師工作負(fù)擔(dān)。

[關(guān)鍵詞] 人工智能;512層螺旋CT;肺惡性結(jié)節(jié);診斷價(jià)值

[中圖分類號(hào)] R445.2? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] B? ? ? ? ? [文章編號(hào)] 1673-9701（2021）31-0135-03

[Abstract] Objective To investigate the diagnostic value of artificial intelligence-assisted（AI-assisted）512-slice spiral computed tomography（CT）3D scan for pulmonary malignant nodules（PMN）. Methods A total of 109 patients with PMN in our hospital from June 2019 to December 2020 were selected， all of whom underwent 512-slice spiral CT 3D scans. The results were read by AI and manually， respectively. The time spent for manual and AI reading， and the detection rate of PMN of different diameters and at different sites by manual and AI reading were statistically analyzed. Results The time spent for AI reading was（0.51±0.13）minutes/case， which was shorter than that for manual reading（2.98±1.01）minutes/case， and the difference between the two groups was statistically significant（P<0.05）.There was no significant difference in the detection rates of PMN of diameter >10 mm between the AI reading group（98.41%）and the manual reading group（95.24%，P>0.05）. The detection rates of PMN of diameters<5 mm and 5-10 mm in the AI reading group（97.35% and 96.63%）were higher than those in the manual reading group（80.53% and 80.90%）， with statistically significant differences（P<0.05）.The detection rates of PMN at the pulmonary hilum， middle region，peripheral region， and subpleura in the AI reading group（100.00%，98.11%，99.35%，90.00%）were higher than those in the manual reading group（33.33%，79.25%， 92.16%，74.00%）， with statistically significant differences（P<0.05）. Conclusion AI-assisted 512-slice spiral CT 3D scan has a high application value in the diagnosis of PMN， which can improve the detection rate of nodules of different diameters and at different sites， shorten the time spent on film reading， and help to reduce the workload of imaging physicians.

[Key words] Artificial intelligence;512-slice spiral CT;Pulmonary malignant nodules;Diagnostic value

肺惡性結(jié)節(jié)為臨床多發(fā)惡性腫瘤疾病，我國為肺惡性結(jié)節(jié)多發(fā)地區(qū)，近年來，受不良生活習(xí)慣養(yǎng)成、環(huán)境污染、抽煙等諸多因素影響，其發(fā)病率持續(xù)增高，對(duì)患者生活質(zhì)量及身心健康構(gòu)成了極大威脅[1-2]。同時(shí)，肺惡性結(jié)節(jié)具有較高病死風(fēng)險(xiǎn)，整體5年生存率不足15%，而ⅠA期患者經(jīng)手術(shù)切除后長期生存率則可達(dá)80%，故早期對(duì)疾病進(jìn)行明確診斷對(duì)指導(dǎo)臨床及早采取對(duì)應(yīng)治療方案以延長患者生存期限具有重要意義[3-4]。多層螺旋CT為肺惡性結(jié)節(jié)重要診斷措施，具有操作簡單、輻射小、安全性高、費(fèi)用低廉等諸多優(yōu)勢，目前臨床對(duì)于早期肺部惡性結(jié)節(jié)的篩查工作主要是由影像科醫(yī)師人工讀片進(jìn)行的，但受整體醫(yī)療水平與培訓(xùn)水平等諸多因素限制，導(dǎo)致醫(yī)生水平存在較大區(qū)域差異性，診斷結(jié)果極易受閱片者主觀因素等影響，且針對(duì)部分位置隱匿、直徑較小的結(jié)節(jié)極易漏診，進(jìn)而導(dǎo)致患者延誤最佳干預(yù)時(shí)機(jī)[5-6]。近年來，人工智能（Artificial intelligence，AI）在醫(yī)學(xué)診斷領(lǐng)域中應(yīng)用價(jià)值逐漸得到廣泛關(guān)注，其能節(jié)約手動(dòng)提取病灶特征用時(shí)，且具有強(qiáng)大后處理能力、分析能力[7]?；诖?，本研究特選取我院109例肺惡性結(jié)節(jié)患者，分組探討AI輔助512層螺旋CT三維掃描診斷價(jià)值，現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料

選取2019年6月至2020年12月我院109例肺惡性結(jié)節(jié)患者，納入標(biāo)準(zhǔn)：①符合《肺結(jié)節(jié)診治中國專家共識(shí)（2018年版）》[8]中肺惡性結(jié)節(jié)診斷標(biāo)準(zhǔn)，并經(jīng)病理檢查確診者;②18歲<年齡<80歲者;③知曉本研究，簽署同意書者。排除標(biāo)準(zhǔn)：①存在言語溝通障礙、認(rèn)知功能障礙、聽力障礙、神經(jīng)系統(tǒng)病變者;②存在造血功能、凝血功能障礙者;③合并腎肝等臟器器質(zhì)性病變者;④合并心腦血管病變者;⑤合并淋巴系統(tǒng)腫瘤、結(jié)核病及其他肉芽腫性病變者;⑥合并彌漫性、間質(zhì)性轉(zhuǎn)移肺病者;⑦依從性差，無法配合完成調(diào)查研究者。本組男61例，女48例;年齡42～73歲，平均（56.37±13.69）歲。本研究經(jīng)我院醫(yī)學(xué)倫理委員會(huì)審批通過。

1.2 診斷方法

所有患者均接受512層螺旋CT三維掃描，設(shè)備選取美國GE公司512層螺旋CT機(jī)，檢查前告知患者如何進(jìn)行吸氣及屏氣訓(xùn)練，確保其檢查過程中能有效配合，協(xié)助患者取平臥位，上舉雙手，吸氣末單次屏氣掃描，以肺尖到肋膈角尖端水平作掃描范圍，設(shè)定相關(guān)檢查參數(shù)至：重建圖像層厚為1 mm、肺窗窗位為600 Hu、窗寬為1500 Hu、縱隔窗窗位為50 Hu、窗寬為350 Hu、掃描層厚為5 mm、管電流為40 mAs、管電壓為120 kVp。閱片處理：①AI閱片：由1名呼吸科醫(yī)師通過肺結(jié)節(jié)篩查系統(tǒng)實(shí)施輔助診斷，將影像資料輸入肺癌智能篩查系統(tǒng)，自動(dòng)分析結(jié)節(jié)征象（血管集束征、毛刺征、分葉征）、性質(zhì)、CT值、結(jié)節(jié)直徑等;②人工閱片：挑選具有豐富臨床經(jīng)驗(yàn)的呼吸科醫(yī)師對(duì)患者胸部CT檢查結(jié)果進(jìn)行分析診斷，依據(jù)《肺結(jié)節(jié)診治中國專家共識(shí)（2018年版）》相關(guān)診斷標(biāo)準(zhǔn)進(jìn)行評(píng)估。

1.3 觀察指標(biāo)及評(píng)價(jià)標(biāo)準(zhǔn)

①統(tǒng)計(jì)分析人工閱片及AI閱片用時(shí);②統(tǒng)計(jì)分析人工閱片及AI閱片對(duì)不同直徑肺惡性結(jié)節(jié)檢出情況;③統(tǒng)計(jì)分析人工閱片及AI閱片對(duì)不同部位肺惡性結(jié)節(jié)檢出情況。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 22.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析，計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（x±s）表示，組間比較采用t檢驗(yàn)，計(jì)數(shù)資料以[n（%）]表示，組間比較采用χ2檢驗(yàn)，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 人工閱片及AI閱片用時(shí)

AI閱片用時(shí)為（0.51±0.13）min/例，短于人工閱片的（2.98±1.01）min/例，差異有統(tǒng)計(jì)學(xué)意義（t=25.323，P=0.000）。

2.2 人工閱片及AI閱片對(duì)不同直徑肺惡性結(jié)節(jié)檢出情況

對(duì)直徑>10 mm的肺惡性結(jié)節(jié)，AI閱片檢出率（98.41%）與人工閱片（95.24%）檢出率比較，差異無統(tǒng)計(jì)學(xué)意義（P>0.05）;對(duì)直徑<5 mm、直徑5～10 mm的肺惡性結(jié)節(jié)，AI閱片檢出率為97.35%、96.63%，高于人工閱片的80.53%、80.90%，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。見表1。

2.3 人工閱片及AI閱片對(duì)不同部位肺惡性結(jié)節(jié)檢出情況

人工閱片對(duì)肺門、中間區(qū)域、外圍區(qū)域、胸膜下肺惡性結(jié)節(jié)檢出率為100.00%、98.11%、99.35%、90.00%高于人工閱片的33.33%、79.25%、92.16%、74.00%，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。見表2。

3 討論

肺惡性結(jié)節(jié)致病因素復(fù)雜，與肺部慢性炎癥、結(jié)合、環(huán)境污染、吸煙等均具有密切關(guān)聯(lián)性，且疾病早期缺乏特異性臨床表現(xiàn)，導(dǎo)致早期確診率較低[9-11]。因此，如何有效診斷肺惡性結(jié)節(jié)仍是研究熱點(diǎn)。

多層螺旋CT為肺惡性結(jié)節(jié)重要診斷手段，可提升對(duì)肺結(jié)節(jié)類型、淋巴結(jié)腫大情況、肺尖至病變情況掌握程度，對(duì)肺惡性結(jié)節(jié)具有較高診斷價(jià)值[12-13]。同時(shí)，近年來隨影像技術(shù)不斷發(fā)展完善，多層螺旋CT技術(shù)更加成熟，當(dāng)前臨床多是通過人工閱片，假陽性率較低，并易把一些細(xì)小的支氣管血管束斷面誤認(rèn)為異常肺小結(jié)節(jié)，但人工閱片方式存在漏診或誤診風(fēng)險(xiǎn)，且極大增加了影像科醫(yī)師工作量，影響其工作效率，從而進(jìn)一步增大漏診、誤診風(fēng)險(xiǎn)[14]。此外，隨著科技發(fā)展，AI在臨床各科領(lǐng)域得到廣泛應(yīng)用，相較于傳統(tǒng)計(jì)算機(jī)輔助檢查系統(tǒng)，AI能充分呈現(xiàn)、利用肺惡性結(jié)節(jié)三維空間信息，顯著提升病變檢出率，其主要通過計(jì)算機(jī)利用大數(shù)據(jù)分析比對(duì)，以此獲取特征性圖像表現(xiàn)[15]。過去的一定時(shí)間內(nèi)，臨床開發(fā)了多種針對(duì)肺部小結(jié)節(jié)篩查的計(jì)算機(jī)輔助診斷（Computer aidel diagnosis， CAD）技術(shù)，通過人工智能具有的深度學(xué)習(xí)能力，采取訓(xùn)練大規(guī)模數(shù)據(jù)集的方式自動(dòng)化學(xué)習(xí)與提升，通過深度學(xué)習(xí)全面評(píng)估、分析病灶特征，實(shí)施逐層分析，多維度理解和學(xué)習(xí)，可有效進(jìn)行醫(yī)學(xué)圖像的分析處理。同時(shí)，人工技能技術(shù)綜合了大數(shù)據(jù)自動(dòng)化學(xué)習(xí)與深度學(xué)習(xí)，在影像診斷中具備良好檢測價(jià)值，可提升臨床對(duì)圖像與病灶分類的準(zhǔn)確度、敏感性及特異性，自客觀數(shù)據(jù)分析比對(duì)形成檢測結(jié)果，最大程度減少主觀因素對(duì)閱片結(jié)果的干擾。此外，人工智能技術(shù)強(qiáng)大的計(jì)算能力與機(jī)械設(shè)備能24 h高精度工作，能有效降低人工閱片醫(yī)師的工作強(qiáng)度，且利于提升病灶的檢出率，極大程度降低了微小病灶漏診率[16-17]。王爽等[18]研究還指出，相較于傳統(tǒng)計(jì)算機(jī)輔助監(jiān)測系統(tǒng)，AI準(zhǔn)確度更高，且運(yùn)算速度較快，其通過學(xué)習(xí)、不斷更新參數(shù)，可提取更有效的結(jié)節(jié)區(qū)分特征，對(duì)結(jié)節(jié)區(qū)分準(zhǔn)確度較高。李甜等[19]學(xué)者研究結(jié)果證實(shí)，AI閱片對(duì)肺磨玻璃結(jié)節(jié)、肺惡性結(jié)節(jié)診斷陽性率較高，但AI閱片對(duì)肺惡性結(jié)節(jié)診斷特異度較低，故臨床實(shí)際可聯(lián)合人工閱片及AI閱片進(jìn)行綜合評(píng)估，以此提升肺部結(jié)節(jié)鑒別診斷準(zhǔn)確度。本研究結(jié)果顯示，除直徑>10 mm的肺惡性結(jié)節(jié)外，AI閱片對(duì)不同直徑、不同部位的肺惡性結(jié)節(jié)檢出率均顯著高于人工閱片，差異有統(tǒng)計(jì)學(xué)意義（P<0.05），表明相較于人工閱片，AI輔助512層螺旋CT三維掃描診斷價(jià)值更高，分析其原因主要在于細(xì)小結(jié)節(jié)和血管斷面軸位投影較相似，可增大臨床診斷難度，且大量CT數(shù)據(jù)可增大臨床醫(yī)師工作負(fù)擔(dān)，導(dǎo)致其難以于有限時(shí)間內(nèi)有效集中精力，以致因疏忽而漏診細(xì)微肺結(jié)節(jié)，加之臨床醫(yī)師閱片時(shí)通常選擇水平軸位影像，且是主觀判斷，此類因素均在一定程度上增加了肺惡性結(jié)節(jié)漏診及誤診率，而AI輔助則可有效避免上述不足，最大程度提升結(jié)節(jié)檢出率，避免延誤患者最佳干預(yù)時(shí)機(jī)。但臨床實(shí)際應(yīng)注意，患者細(xì)支氣管發(fā)生擴(kuò)張、增厚、氣管分泌物等也會(huì)增加AI診斷難度，故臨床實(shí)際可參照患者具體狀況綜合應(yīng)用人工閱片、AI閱片。王杜春等[20]學(xué)者指出，AI閱片可能會(huì)將細(xì)小支氣管血管束斷面自動(dòng)分析為異常肺小結(jié)節(jié)，故仍然需影像診斷醫(yī)師進(jìn)行綜合評(píng)估，以此互相印證、互相補(bǔ)充，最大程度提升肺惡性結(jié)節(jié)早期診斷符合率，從而指導(dǎo)臨床合理選擇治療方案，利于保證生存質(zhì)量和生存時(shí)間，改善預(yù)后。

綜上所述，AI輔助512層螺旋CT三維掃描在肺惡性結(jié)節(jié)中具有較高應(yīng)用價(jià)值，可提升不同直徑和部位結(jié)節(jié)檢出率，縮短閱片用時(shí)，且利于減小影像科醫(yī)師工作負(fù)擔(dān)。

[參考文獻(xiàn)]

[1] Prayer F，Rhrich S，Pan J，et al.Künstliche intelligenz in der bildgebung der lunge artificial intelligence in lung imaging[J].Der Radiologe，2019，60（1）：42-47.

[2] Li XL，Guo F，Zhou Z，et al.Performance of deep-learning-based artificial intelligence on detection of pulmonary nodules in chest CT[J].Chinese Journal of Lung Cancer，2019，22（6）：336-340.

[3] 王大為，楊正漢，王振常，等.能譜CT虛擬平掃在肺結(jié)節(jié)AI輔助診斷系統(tǒng)預(yù)測亞實(shí)性結(jié)節(jié)惡性概率中的應(yīng)用[J].放射學(xué)實(shí)踐，2020，35（8）：972-977.

[4] Liu XP，Zhou HY，Hu ZX，et al.Clinical application of artificial intelligence recognition technology in the diagnosis of stage T1 lung cancer[J].Chinese Journal of Lung Cancer，2019，22（5）：319-323.

[5] 孫炎冰，陶廣昱，陳群慧，等.人工智能CT定量分析肺磨玻璃密度結(jié)節(jié)初探[J].中國醫(yī)學(xué)計(jì)算機(jī)成像雜志，2018，24（5）：383-387.

[6] 明佳蕾，方向明.基于人工智能的CT肺結(jié)節(jié)檢出臨床應(yīng)用及研究進(jìn)展[J].中華放射學(xué)雜志，2019，53（6）：522-525.

[7] 邱露，方向明，陳宏偉.人工智能輔助CT肺結(jié)節(jié)良惡性鑒別的研究進(jìn)展[J].臨床放射學(xué)雜志，2019，38（12）：2453-2456.

[8] 中華醫(yī)學(xué)會(huì)呼吸病學(xué)分會(huì)肺癌學(xué)組，中國肺癌防治聯(lián)盟專家組.肺結(jié)節(jié)診治中國專家共識(shí)（2018年版）[J].中華結(jié)核和呼吸雜志，2018，41（10）：763-771.

[9] 陳疆紅，鐘朝輝，江桂蓮，等.人工智能肺結(jié)節(jié)輔助診斷系統(tǒng)預(yù)測亞實(shí)性肺結(jié)節(jié)惡性概率[J].中國醫(yī)學(xué)影像技術(shù)，2020，36（4）：535-539.

[10] 范海生.多層螺旋CT診斷孤立性肺結(jié)節(jié)良惡性的準(zhǔn)確率[J].中國藥物與臨床，2018，18（12）：2128-2129.

[11] 賈偉君，李垚，文爽，等.多層螺旋CT Myrian后處理技術(shù)對(duì)肺內(nèi)結(jié)節(jié)的定性診斷價(jià)值研究[J].中國醫(yī)學(xué)裝備，2020，17（4）：79-82.

[12] 戴志京，孫蓉，錢小建.多層螺旋CT聯(lián)合磁共振擴(kuò)散加權(quán)成像在肺部結(jié)節(jié)良惡性病變鑒別診斷中的應(yīng)用[J].中國CT和MRI雜志，2019，17（12）：62-64.

[13] 徐銘，陳小剛.多層螺旋CT診斷肺部單發(fā)結(jié)節(jié)臨床分析[J].醫(yī)學(xué)影像學(xué)雜志，2019，29（7）：1233-1236.

[14] 黃云開.人工智能診斷肺結(jié)節(jié)的應(yīng)用分析[J].實(shí)用醫(yī)技雜志，2020，27（8）：1001-1003.

[15] 趙呈華.人工智能輔助診斷系統(tǒng)聯(lián)合CT檢查肺結(jié)節(jié)的診斷價(jià)值[J].實(shí)用臨床醫(yī)藥雜志，2020，24（19）：9-11.

[16] Krarup MK，Krokos G，Manil Subesinghe，et al.Artificial intelligence for the characterization of pulmonary nodules，lung tumors and mediastinal nodes on PET/CT -sciencedirect[J].Seminars in Nuclear Medicine，2020，51（2）：143-156.

[17] 葉小聰，陳起忠，郝明志，等.CT引導(dǎo)同軸穿刺技術(shù)在肺結(jié)節(jié)早期定性診斷中的應(yīng)用[J].中國醫(yī)藥導(dǎo)報(bào)，2020， 17（22）：136-139，155.

[18] 王爽，雷盛，谷濤，等.人工智能肺結(jié)節(jié)輔助診斷軟件在肺CT檢查結(jié)節(jié)分析中的臨床應(yīng)用[J].中華肺部疾病雜志（電子版），2019，12（6）：757-759.

[19] 李甜，李曉東，劉敬禹.人工智能輔助診斷肺結(jié)節(jié)的臨床價(jià)值研究[J].中國全科醫(yī)學(xué)，2020，23（7）：828-831，836.

[20] 王杜春，任龍，劉寧川，等.人工智能+醫(yī)學(xué)影像在肺結(jié)節(jié)檢測中的應(yīng)用研究[J].影像研究與醫(yī)學(xué)應(yīng)用，2019，3（16）：39-41.

（收稿日期：2021-05-28）