陳疆紅,鐘朝輝,江桂蓮,楊正漢*,王振常,王大為
(1.首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院放射科,北京 100050;2.北京推想科技有限公司全球臨床科研合作學(xué)院,北京 100025)
低劑量CT篩查早期肺癌是降低患者死亡率的有效手段。腺癌在檢出的早期肺癌中占比超過50%[1],CT表現(xiàn)常為亞實性結(jié)節(jié)(subsolid nodule, SN),其發(fā)展過程通常依次為浸潤前病變[包括不典型腺瘤樣增生(atypical adenomatous hyperplasia, AAH)和原位癌(adenocarcinoma in situ, AIS)]、微浸潤腺癌(microinvasive adenocarcinoma, MIA)及浸潤性腺癌(invasive adenocarcinoma, IAC)[2-3]。既往研究[4-6]指出,結(jié)節(jié)大小、密度、實性成分等因素與其侵襲程度密切相關(guān)。
隨著以深度學(xué)習(xí)為代表的人工智能(artificial intelligence, AI)技術(shù)的發(fā)展,AI肺結(jié)節(jié)輔助診斷系統(tǒng)(以下簡稱AI系統(tǒng))的臨床應(yīng)用日益成熟,多項研究[7-9]表明其在輔助檢測肺結(jié)節(jié)方面具備良好效能。本研究采用觀察AI系統(tǒng)預(yù)測良惡性肺結(jié)節(jié)的效果以及增強(qiáng)CT對其預(yù)測結(jié)果的影響,以探索適當(dāng)應(yīng)用模式。
1.1 一般資料 收集2017年7月—2019年7月86例于首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院接受手術(shù)治療的肺占位病變患者,男26例,女60例,年齡31~82歲,平均(61.3±11.7)歲。納入標(biāo)準(zhǔn):①術(shù)前接受胸部CT平掃及增強(qiáng)檢查,并有薄層圖像(層厚1.25 mm);②至少存在1個肺SN;③病理證實切除SN為腺癌浸潤前病變或IAC。排除彌漫性肺疾病患者及圖像有明顯移動偽影者。根據(jù)病理結(jié)果分為3組:組1為浸潤前病變(包括AAH及AIS),組2為MIA,組3為IAC。
1.2 儀器與方法 采用GE Revolution 256排螺旋CT機(jī),囑患者每次掃描屏氣程度一致,于其吸氣末屏氣掃描。采用寶石能譜CT(gemstone spectral imaging, GSI)模式進(jìn)行平掃及增強(qiáng)掃描,管電壓為 80、140 kVp瞬時切換,自動管電流調(diào)節(jié),最大管電流為260 mA,螺距0.984∶1,旋轉(zhuǎn)時間0.5 s,床進(jìn)78.75 mm/s,圖像噪聲指數(shù)(noise index, NI)預(yù)設(shè)為12,基于多模型的自適應(yīng)統(tǒng)計迭代重建算法(adaptive statistical iterative reconstruction Veo, ASIR-V)權(quán)重為30%,層厚為5 mm,進(jìn)一步分解為圖像層厚 1.25 mm。以流率3.3 ml/s注入歐乃派克100 ml (300 mgI/ml),之后注入20 ml生理鹽水,采集注入對比劑后30 s和90 s圖像為增強(qiáng)動脈期和延遲期圖像。掃描范圍自肺尖至肺底。采用標(biāo)準(zhǔn)重建法重建圖像后,將所有圖像(層厚及層間隔均為1.25 mm)導(dǎo)入AI肺結(jié)節(jié)輔助診斷系統(tǒng)(InferRead CT lung research,北京推想科技有限公司),以含磨玻璃密度結(jié)節(jié)為SN,包括純磨玻璃密度結(jié)節(jié)及混雜磨玻璃密度結(jié)節(jié)。由2名分別具有15年及17年呼吸系統(tǒng)影像學(xué)診斷經(jīng)驗的副主任醫(yī)師分別閱片,將符合要求的結(jié)節(jié)納入研究,意見不一致時與主任醫(yī)師討論決定。記錄AI系統(tǒng)識別3組SN的惡性概率預(yù)測值、CT值及體積(圖1)。
表1 3組各期CT中SN惡性概率預(yù)測值比較[%,中位數(shù)(上下四分位數(shù))]
圖1 AI系統(tǒng)檢測SN展示圖 系統(tǒng)檢出左肺上葉尖后段混雜磨玻璃密度結(jié)節(jié)(綠框),自動預(yù)測結(jié)節(jié)的惡性概率值(紅箭)及測量SN體積(黃箭)和密度(藍(lán)箭)
1.3 統(tǒng)計學(xué)分析 采用IBM SPSS 20.0統(tǒng)計分析軟件。以Shapiro-Wilk檢驗計量資料的正態(tài)性,以±s表示符合正態(tài)分布的數(shù)據(jù),以中位數(shù)(上下四分位數(shù))表示非正態(tài)分布數(shù)據(jù),以敏感度評價AI系統(tǒng)針對3期CT檢出目標(biāo)SN的能力。采用Kruskal-Wallis單因素方差分析比較各期CT對3組SN的惡性概率預(yù)測值及體積測量結(jié)果的差異,并行組間兩兩比較;以單因素方差分析比較各期CT中3組SN的CT值差異,以Bonferroni法進(jìn)行組間兩兩比較。采用非參數(shù)Wilcoxon檢驗分別比較各組平掃與動脈期及延遲期結(jié)節(jié)惡性概率預(yù)測值及體積差異,以配對樣本t檢驗分別比較各組平掃與動脈期及延遲期結(jié)節(jié)CT值差異。以Spearman相關(guān)性檢驗分析所有SN 在3期CT圖像中的惡性概率預(yù)測值及其與SN密度及體積的相關(guān)性。P<0.05為差異有統(tǒng)計學(xué)意義,P<0.01為差異有顯著統(tǒng)計學(xué)意義。
86例中,存在1個SN者84例、2個SN者2例,共88個SN納入研究;組1共27個SN,包含3個AAH和24個AIS, 組2、組3分別有28個、33個SN;均被AI系統(tǒng)基于CT平掃及增強(qiáng)雙期圖像檢出(圖2),檢出敏感度為100%。
2.1 3組間3期圖像SN的惡性概率預(yù)測值比較 各組SN各期的惡性概率差異均有統(tǒng)計學(xué)意義(P均<0.001,表1),3組間兩兩比較差異均有統(tǒng)計學(xué)意義(P均<0.05),每組內(nèi)平掃和動脈期、平掃和延遲期惡性概率預(yù)測值比較差異均無統(tǒng)計學(xué)意義(P均>0.05)。
2.2 3組間3期圖像SN的CT值比較 各組SN各期CT值差異均有統(tǒng)計學(xué)意義(P均<0.001,表2),3組間兩兩比較差異均有統(tǒng)計學(xué)意義(P均<0.05);組內(nèi)配對樣本比較差異均有統(tǒng)計學(xué)意義(P均<0.001)。
2.3 3組間3期圖像SN的體積比較 各組SN各期體積差異均有統(tǒng)計學(xué)意義(P均<0.001,表3),3組間兩兩比較,只有平掃及延遲期組2、組3間比較差異均無統(tǒng)計學(xué)意義(P均>0.05);每組內(nèi)配對樣本非參數(shù)檢驗顯示組1增強(qiáng)后體積無明顯變化(P均>0.05),組2、組3增強(qiáng)后體積均有減小(P均<0.05)。
表2 3組SN各期CT值比較(HU,±s)
表2 3組SN各期CT值比較(HU,±s)
組別平掃動脈期延遲期組1(n=27)-618.22±04.59-584.26±116.28-588.59±114.10組2(n=28)-542.21±78.35-496.18±91.46-500.93±91.84組3(n=33)-347.64±141.35-298.30±154.93-299.21±154.25F值46.3641.24142.935P值<0.01<0.01<0.01
表3 3組SN在各期CT中的體積比較[mm3,中位數(shù)(上下四分位數(shù))]
2.4 各期CT對SN的惡性概率預(yù)測值與CT值及體積的相關(guān)性 平掃、動脈期及延遲期CT對SN的惡性概率預(yù)測值均與CT值呈正相關(guān)(r分別為0.474、0.466及0.399,P均<0.01),亦與SN體積呈正相關(guān)(r分別為0.670、0.627及0.641,P均<0.01)。
隨著胸部低劑量CT篩查的廣泛應(yīng)用,越來越多的早期肺癌被檢出,而篩查帶來的巨大工作量易導(dǎo)致影像科醫(yī)師視覺疲勞,漏診小結(jié)節(jié)及密度相對較低的SN。相比傳統(tǒng)計算機(jī)輔助診斷(computer-aided diagnosis, CAD),應(yīng)用深度學(xué)習(xí)法來解決醫(yī)學(xué)問題明顯更具優(yōu)勢,前者檢測磨玻璃密度結(jié)節(jié)的敏感度極低[10],而后者敏感度可達(dá)約95%[11]。本研究所用AI系統(tǒng)在臨床應(yīng)用中不斷完善[7],檢測SN敏感度100%,展現(xiàn)出優(yōu)異性能,可為減少漏診提供巨大幫助。
由AAH細(xì)胞增生到IAC間質(zhì)明顯浸潤,腫瘤侵襲性逐漸增強(qiáng),而其影像學(xué)表現(xiàn)存在一定重疊。傳統(tǒng)影像學(xué)診斷方式通過肉眼觀察結(jié)節(jié)形態(tài)、測量其大小及密度等特征來綜合判定其性質(zhì),閱片醫(yī)師的經(jīng)驗影響判定結(jié)果,且手動測量結(jié)節(jié)大小等缺乏精準(zhǔn)性和可重復(fù)性。本研究根據(jù)病理結(jié)果對SN進(jìn)行分組,AI軟件通過檢測平掃CT對3組SN的惡性概率預(yù)測值分別為85.18%、93.10%和97.05%,總體差異具有顯著統(tǒng)計學(xué)意義,初步提示該系統(tǒng)可協(xié)助影像科醫(yī)師判定SN侵襲程度;而增強(qiáng)CT對3組SN惡性概率預(yù)測值與平掃差異無統(tǒng)計學(xué)意義,提示增強(qiáng)CT并不能顯著提升AI系統(tǒng)對肺SN惡性概率的預(yù)測能力。自動測量結(jié)節(jié)CT值及體積結(jié)果顯示,3組SN的CT值隨侵襲程度增加而逐漸增高,組1與組2、組1與組3結(jié)節(jié)體積差異有統(tǒng)計學(xué)意義,與文獻(xiàn)[12-13]報道判定SN侵襲程度的結(jié)果相符。本研究結(jié)果顯示,AI系統(tǒng)預(yù)測SN惡性概率與其體積之間的相關(guān)性高于密度性,可能與深度學(xué)習(xí)特征提取特點有關(guān):其預(yù)測SN惡性概率所依據(jù)的不僅是肉眼可見的特征,還有基于能刻畫數(shù)據(jù)本質(zhì)但肉眼難以觀察的特征,而這正是深度學(xué)習(xí)的“黑匣子”問題。
本研究結(jié)果顯示,增強(qiáng)CT對AI系統(tǒng)檢測SN惡性概率總體無明顯幫助。既往研究[14]提示增強(qiáng)后SN總體密度增加、體積增加,其內(nèi)實性成分體積占比亦增加。本研究AI系統(tǒng)測量結(jié)果顯示增強(qiáng)后SN密度均增高,組2及組3 SN體積減小可能是患者在各期掃描期間吸氣程度不同所致,或增強(qiáng)后背景肺組織密度增高而影響了AI系統(tǒng)對SN的分割[15]。
圖2 患者女,56歲,右肺上葉后段純磨玻璃密度結(jié)節(jié),CT平掃及增強(qiáng)圖像 AI系統(tǒng)分別根據(jù)平掃(A)、動脈期(B)及延遲期(C)圖像自動預(yù)測SN惡性概率為61.67%、46.65%和58.41%
本研究的局限性:①樣本量偏少;②僅選取病理結(jié)果為浸潤前病變及腺癌的SN,無良性SN對照;③僅采用一款A(yù)I系統(tǒng)進(jìn)行分析,有待進(jìn)一步完善。
綜上所述,目前應(yīng)用的基于深度學(xué)習(xí)的肺結(jié)節(jié)輔助診斷系統(tǒng)可根據(jù)CT平掃數(shù)據(jù)協(xié)助判斷SN惡性概率,而增強(qiáng)CT對其預(yù)測效能無明顯幫助。