石少林 葛娟 馮娟

【摘要】目前，低劑量CT是臨床篩查早期肺癌及高危人群的首選方法，其可及時(shí)發(fā)現(xiàn)肺癌患者，并予以及早治療，從而降低肺癌死亡率。近年來(lái)，隨著科技水平的快速發(fā)展，人工智能輔助診斷技術(shù)因其可提高臨床診斷準(zhǔn)確性也開始在低劑量CT肺癌篩查中廣泛應(yīng)用，但有研究認(rèn)為，其仍存在訓(xùn)練數(shù)據(jù)集質(zhì)量不一等問(wèn)題，臨床驗(yàn)證方法尚無(wú)有效公信力，知識(shí)產(chǎn)權(quán)歸屬也不清楚，安全性、隱私性以及倫理規(guī)范上也存在一定問(wèn)題。據(jù)此，筆者結(jié)合自身臨床經(jīng)驗(yàn)以及相關(guān)文獻(xiàn)內(nèi)容，對(duì)人工智能輔助診斷技術(shù)在低劑量CT肺結(jié)節(jié)篩查中的應(yīng)用及質(zhì)控情況進(jìn)行了分析，以供參考借鑒。

【關(guān)鍵詞】人工智能（AI）輔助診斷技術(shù);低劑量CT;肺結(jié)節(jié)篩查;質(zhì)控

目前，肺癌仍是所有惡性腫瘤中發(fā)病率、病死率居首的疾病，早篩查、早診斷、早治療是降低肺癌病死率的重點(diǎn)。早期肺癌以肺小結(jié)節(jié)為主要表現(xiàn)，臨床在進(jìn)行高危人群篩查時(shí)首選胸部低劑量CT。近年來(lái)，隨著科技水平的提高，人工智能技術(shù)成了精準(zhǔn)醫(yī)療的典范，將其應(yīng)用于低劑量CT肺結(jié)節(jié)篩查中可有效降低高危人群漏診或誤診率，更利于肺癌患者及早得以診治。本文主要結(jié)合筆者個(gè)人臨床工作經(jīng)驗(yàn)與相關(guān)文獻(xiàn)報(bào)道分析了人工智能輔助診斷技術(shù)在低劑量CT肺結(jié)節(jié)篩查中的應(yīng)用及質(zhì)控情況，以供參考。

1 人工智能輔助診斷技術(shù)在肺結(jié)節(jié)篩查中的應(yīng)用流程、不足之處

1.1 應(yīng)用流程

人工智能（AI）輔助診斷技術(shù)僅起到輔助篩查作用，無(wú)法作為最終診斷標(biāo)準(zhǔn)，仍需醫(yī)師結(jié)合影像實(shí)際情況作出最終診斷，其輔助診斷流程具體為：使患者呈適宜體位;結(jié)合診斷方式、操作要求掃描規(guī)范;對(duì)圖像進(jìn)行平滑、增強(qiáng)等預(yù)處理;經(jīng)分割法分割肺部區(qū)域;按照現(xiàn)有肺結(jié)節(jié)外源訓(xùn)練數(shù)據(jù)建立模型;檢測(cè)肺結(jié)節(jié);定量測(cè)評(píng)肺結(jié)節(jié)，推測(cè)其良惡性;閱片診斷;按照人工智能輔助診斷技術(shù)結(jié)合二次閱片，并給出最終診斷結(jié)果。

1.2 不足之處

訓(xùn)練數(shù)據(jù)集質(zhì)量不統(tǒng)一，標(biāo)注質(zhì)量欠佳、圖像處理技術(shù)無(wú)統(tǒng)一標(biāo)準(zhǔn);知識(shí)產(chǎn)權(quán)不明;臨床驗(yàn)證技術(shù)、驗(yàn)證方法、驗(yàn)證標(biāo)準(zhǔn)缺乏科學(xué)性;倫理規(guī)范、隱私安全等嚴(yán)重不足。

2 人工智能輔助診斷技術(shù)在肺結(jié)節(jié)篩查中的質(zhì)量控制

2.1 訓(xùn)練數(shù)據(jù)應(yīng)規(guī)范化、包含疾病多樣性

高質(zhì)量訓(xùn)練數(shù)據(jù)庫(kù)是人工智能輔助診斷技術(shù)發(fā)展的基礎(chǔ)，因此需臨床在構(gòu)建肺結(jié)節(jié)人工智能輔助診斷技術(shù)訓(xùn)練數(shù)據(jù)庫(kù)時(shí)達(dá)到如下要求：（1）影像數(shù)據(jù)格式與醫(yī)學(xué)數(shù)據(jù)成像和通信（DICOM）標(biāo)準(zhǔn)相符。（2）圖像層厚應(yīng)在0.5mm-1.5mm間。（3）應(yīng)有2名具備5年以上臨床工作經(jīng)驗(yàn)的醫(yī)學(xué)影像醫(yī)師共同對(duì)影像數(shù)據(jù)標(biāo)識(shí)進(jìn)行標(biāo)注，一旦二者存在分歧則需經(jīng)討論共同解決，若意見(jiàn)無(wú)法統(tǒng)一，還需再邀請(qǐng)1名影像專家進(jìn)行核準(zhǔn)、審定。（4）訓(xùn)練數(shù)據(jù)庫(kù)內(nèi)容應(yīng)包括肺結(jié)節(jié)各密度、形態(tài)與影像學(xué)征象，比如毛刺、空泡等。（5）訓(xùn)練數(shù)據(jù)庫(kù)內(nèi)應(yīng)包含血管軸位像、局部胸膜增厚等可引發(fā)肺結(jié)節(jié)假象的各種影像學(xué)征象。（6）若人工智能輔助診斷結(jié)果包含良惡性評(píng)估，則訓(xùn)練數(shù)據(jù)庫(kù)病例還需內(nèi)含臨床病理等診斷金標(biāo)準(zhǔn)。（7）需數(shù)據(jù)庫(kù)樣本具有一定規(guī)模，一般千例以上為宜，以應(yīng)對(duì)不同算本，確保深度學(xué)習(xí)算法可應(yīng)用與推廣。

2.2 數(shù)據(jù)閉環(huán)能力需完備

肺結(jié)節(jié)人工智能輔助診斷技術(shù)可否持續(xù)自我學(xué)習(xí)與其數(shù)據(jù)閉環(huán)能力有關(guān)，比如結(jié)構(gòu)化報(bào)告、影像數(shù)據(jù)、病灶關(guān)鍵部位標(biāo)注等均可有效提高人工智能輔助診斷技術(shù)的自主學(xué)習(xí)能力，因此需持續(xù)提高數(shù)據(jù)閉環(huán)能力的敏感度、精準(zhǔn)度等，以確保為臨床診斷提供可靠數(shù)據(jù)。

2.3 臨床試驗(yàn)驗(yàn)證需系統(tǒng)

臨床經(jīng)研究認(rèn)為，規(guī)范的多中心臨床試驗(yàn)、科學(xué)的臨床實(shí)踐驗(yàn)證可對(duì)肺結(jié)節(jié)人工智能輔助診斷技術(shù)的診斷準(zhǔn)確性予以反映，并可反映影像學(xué)醫(yī)師經(jīng)人工智能輔助診斷技術(shù)下的診斷符合率與工作效率情況等。

以本文筆者為例，筆者所在體檢中心自2021年9月至2022年2月期間共經(jīng)人工智能輔助胸部低劑量CT篩查10631人次，體健人員年齡在26-83歲。本次篩查共計(jì)檢出12172個(gè)結(jié)節(jié)，男、女性分別有7063個(gè)、5109個(gè)。結(jié)節(jié)特點(diǎn)：多見(jiàn)2-5mm，最大直徑18mm，單發(fā)、多發(fā)均有，常見(jiàn)為多發(fā)，經(jīng)AI輔助精準(zhǔn)篩查后，有5例確診肺癌。經(jīng)確診的早期肺癌患者情況如下：

病例1，2021-09-04，男 61歲，右肺下葉見(jiàn)直徑9mm磨玻璃結(jié)節(jié)，江蘇省人民醫(yī)院手術(shù)病理原位腺癌。

病例2，2022-09-11，女 46歲，右肺上葉見(jiàn)類圓形磨玻璃結(jié)節(jié)，直徑16mm，江蘇省泰興人民醫(yī)院手術(shù)病理肺癌。

病例3，2021-10-28，女 67歲，右肺上葉磨玻璃結(jié)節(jié)，直徑10mm，南京鼓樓醫(yī)院手術(shù)病理原位癌。

病例4，2021-10-06，男 54歲，左肺下葉見(jiàn)直徑8mm磨玻璃結(jié)節(jié)，北京醫(yī)院手術(shù)病理原位癌。

病例5，2021-12-29，女 57歲，左肺下葉見(jiàn)直徑7mm磨玻璃結(jié)節(jié)，南京中大醫(yī)院手術(shù)病理原位癌。

具體檢測(cè)方法為：使用SIEMENS16排CT機(jī)胸部低劑量平掃，層厚1.5mm，應(yīng)用“醫(yī)準(zhǔn)智能的肺結(jié)節(jié)檢測(cè)系統(tǒng)”進(jìn)行分析。經(jīng)分析可見(jiàn)肺結(jié)節(jié)以實(shí)性結(jié)節(jié)，純磨玻璃結(jié)節(jié)、混雜結(jié)節(jié)等多見(jiàn)，部分存在分葉、毛刺、血管增粗等表現(xiàn)。

筆者總結(jié)認(rèn)為，AI輔助低劑量CT，在肺結(jié)節(jié)精準(zhǔn)篩查中不易漏診，尤其是在檢測(cè)3mm以下微結(jié)節(jié)上漏診率更低，不足之處在于：假陽(yáng)性率偏高，多為條性或三角形實(shí)性結(jié)節(jié);測(cè)量稍偏大，結(jié)節(jié)邊緣輪廓稍模糊;檢測(cè)為磨玻璃結(jié)節(jié)的復(fù)查后部分有吸收消失。

筆者認(rèn)為：為降低肺癌致死率，應(yīng)每年體檢，有利于早發(fā)現(xiàn)、早診斷、早治療;同時(shí)，對(duì)于已有結(jié)節(jié)患者應(yīng)根據(jù)年齡、結(jié)節(jié)形態(tài)與密度大小等對(duì)比分析，并進(jìn)行6-12個(gè)月的動(dòng)態(tài)隨訪觀察。

4 結(jié)語(yǔ)

目前，人工智能輔助診斷已在臨床取得較好成績(jī)，但其在實(shí)際應(yīng)用中仍存在不足之處，還需相關(guān)部門以及臨床不斷予以完善，包括數(shù)據(jù)集完善、標(biāo)準(zhǔn)化完善、相關(guān)制度與政策完善等，以確保其可在輔助診斷上發(fā)揮最大效果，為后續(xù)肺癌篩查提供更精準(zhǔn)參考依據(jù)，從而提高肺癌診斷準(zhǔn)確性。

參考文獻(xiàn)

[1]周其敏，吳志偉，鐘慶童，等.人工智能肺小結(jié)節(jié)檢測(cè)系統(tǒng)在低劑量CT肺篩查中的價(jià)值[J].醫(yī)學(xué)影像學(xué)雜志，2020，30（11）：2025-2028.

[2]陳中博，陸青云，王艷.人工智能在胸部低劑量CT體檢人群中應(yīng)用的評(píng)價(jià)[J].影像研究與醫(yī)學(xué)應(yīng)用，2020，4（7）：98-99.

[3]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）：757-759.5340E90A-50DB-4104-B30B-093496BD9935