李曉琳　蔡喜梅　代孔靈

【摘 要】目的： 探討人工智能輔助診斷系統(tǒng)（AI）在肺結(jié)節(jié)篩查的臨床價(jià)值。方法：隨機(jī)選取本院2019年3月-2019年9月期間我院行AI系統(tǒng)診斷為肺結(jié)節(jié)的患者160例，將同一檢查圖像由臨床和CT醫(yī)師共同人工識(shí)別，比較兩者結(jié)節(jié)檢出差異率。結(jié)果：AI軟件系統(tǒng)共檢測(cè)出704個(gè)結(jié)節(jié)，醫(yī)師人工檢測(cè)出683個(gè)，差異無統(tǒng)計(jì)學(xué)意義（P>0.05），主要體現(xiàn)在結(jié)節(jié)<5mm、在5mm-10mm之間的結(jié)節(jié)，以及實(shí)性結(jié)節(jié)和磨玻璃密度結(jié)節(jié)的檢出率。結(jié)論：人工智能的胸部CT智能輔助診斷系統(tǒng)運(yùn)用在肺結(jié)節(jié)的檢測(cè)中可以提高對(duì)微小結(jié)節(jié)的檢測(cè)率，AI系統(tǒng)在檢測(cè)微小結(jié)節(jié)時(shí)具有很高的優(yōu)勢(shì)。

【關(guān)鍵詞】人工智能;肺結(jié)節(jié);胸部CT

【中圖分類號(hào)】R749.4 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1005-0019（2020）10-038-02

肺癌的早期表現(xiàn)為肺結(jié)節(jié)，對(duì)肺癌的診斷多數(shù)采用CT技術(shù)，但是大量的CT影像需要醫(yī)師們的精準(zhǔn)分析，大大增加了醫(yī)師們的閱片壓力，這很可能造成漏診情況的發(fā)生[1]。目前人工智能（AI）算法已經(jīng)成為肺結(jié)節(jié)檢測(cè)的熱點(diǎn)方向，能夠幫助醫(yī)師迅速且準(zhǔn)確的找到肺結(jié)節(jié)，盡早發(fā)現(xiàn)肺癌風(fēng)險(xiǎn)，提升肺癌檢測(cè)與防治的效率，有利于肺癌患者病情的及早發(fā)現(xiàn)、診斷與治療。本文旨在利用AI輔助診斷來提高肺結(jié)節(jié)檢出率，并分析其在臨床應(yīng)用中的價(jià)值。

1 資料與方法

1.1 一般資料 在云南省中醫(yī)醫(yī)院AI系統(tǒng)中隨機(jī)選取2019年3月-2019年9月期間在我院行診斷為肺結(jié)節(jié)患者160例，患者最小年齡是25歲，最大年齡74歲?；颊邎D像入選標(biāo)準(zhǔn)：圖像顯示至少1枚非鈣化結(jié)節(jié);有層厚≤1.25mm的胸部CT圖像;排除患有肺炎、肺水腫、纖維化、廣泛瘢痕形成，間質(zhì)性肺病、彌漫性轉(zhuǎn)移以及存在嚴(yán)重運(yùn)動(dòng)偽影。

1.2 CT掃描 所有患者使用每個(gè)GE公司128層排螺旋CT進(jìn)行掃描。對(duì)患者進(jìn)行掃描時(shí)，均以胸廓入口開始至肺底部，掃描全過程需要患者一次吸氣后屏氣待全肺掃描結(jié)束。掃描管電壓值設(shè)置為120kV或140kV;管電流值設(shè)置在200mA-340mA;層厚設(shè)置為0.625mm，螺距設(shè)置為1.375：1;圖像矩陣設(shè)置為512×512。

1.3 AI肺結(jié)節(jié)檢測(cè) （1）AI系統(tǒng)使用由北京推想科技有限公司提供AI軟件，由AI軟件對(duì)患者數(shù)據(jù)的肺結(jié)節(jié)進(jìn)行批量識(shí)別與標(biāo)記。（2）人工識(shí)別由我院腫瘤科醫(yī)師、肺病科、放射科主治醫(yī)師共同參與，需至少3位醫(yī)師達(dá)成一致意見為準(zhǔn)。

1.4 結(jié)節(jié)標(biāo)準(zhǔn)認(rèn)定 結(jié)節(jié)的認(rèn)定在CT橫斷面實(shí)施觀察，對(duì)疑似病灶位置進(jìn)行確定后，將每個(gè)非鈣化結(jié)節(jié)的位置、密度、大小進(jìn)行詳細(xì)記錄。結(jié)節(jié)位置按照與胸膜的位置分組：與胸膜相連的為一組，與胸膜距離在2cm以內(nèi)但不相連的為周圍性結(jié)節(jié)組，結(jié)節(jié)與肺門距離在2cm以內(nèi)為肺門區(qū)結(jié)節(jié)組，結(jié)節(jié)位于周圍性結(jié)節(jié)與肺門區(qū)結(jié)節(jié)之間的為中心性結(jié)節(jié)。結(jié)節(jié)大小分組：結(jié)節(jié)<5mm、結(jié)節(jié)在5mm-10mm間以及結(jié)節(jié)>10mm。結(jié)節(jié)密度可分為磨玻璃密度結(jié)節(jié)、部分實(shí)性結(jié)節(jié)、實(shí)性結(jié)節(jié)。磨玻璃密度結(jié)節(jié)定義：肺內(nèi)模糊、密度比肺組織稍大而沒有遮蓋血管、支氣管等肺紋理結(jié)構(gòu)的結(jié)節(jié);部分實(shí)性結(jié)節(jié)定義：結(jié)節(jié)內(nèi)同時(shí)含有磨玻璃密度成分和實(shí)性軟組織密度成分[2]。

1.5 統(tǒng)計(jì)學(xué)處理用SPSS21.0統(tǒng)計(jì)學(xué)分析軟件進(jìn)行統(tǒng)計(jì)分析和處理。

2 結(jié)果

AI軟件系統(tǒng)共檢測(cè)出704個(gè)結(jié)節(jié)，醫(yī)師檢測(cè)出683個(gè)，AI系統(tǒng)對(duì)肺結(jié)節(jié)檢出率的靈敏度稍高于醫(yī)師檢出率，但兩者之間無明顯差異（P>0.05）。AI系統(tǒng)檢測(cè)較醫(yī)師檢測(cè)出更多的肺結(jié)節(jié)多在于結(jié)節(jié)<5mm、在5mm-10mm之間的結(jié)節(jié)，以及實(shí)性結(jié)節(jié)和磨玻璃密度結(jié)節(jié)。醫(yī)師在檢測(cè)<5mm結(jié)節(jié)時(shí)漏檢20例，5mm-10mm之間的結(jié)節(jié)漏檢8例;實(shí)性結(jié)節(jié)漏檢17例，磨玻璃密度結(jié)節(jié)漏檢11例。 AI系統(tǒng)在檢測(cè)結(jié)節(jié)<0.05mm時(shí)漏檢7例;實(shí)性結(jié)節(jié)漏檢6例，磨玻璃密度結(jié)節(jié)漏檢1例。AI系統(tǒng)在檢測(cè)微小結(jié)節(jié)時(shí)的靈敏度明顯高于醫(yī)師（P<0.05）。

3 討論

肺癌是臨床常見惡性腫瘤，具有高病死率，有研究表明在肺癌早期患者中，微浸潤性癌與原位癌在術(shù)后五年的生存率非常高[3]，由此可見，肺癌越早發(fā)現(xiàn)越早治療對(duì)患者的預(yù)后有很重要的意義。AI系統(tǒng)出現(xiàn)后，應(yīng)用于肺結(jié)節(jié)的檢測(cè)中，不僅減輕了醫(yī)師的工作量，同時(shí)降低了誤診與漏診率。AI系統(tǒng)已經(jīng)廣泛運(yùn)用與影像、病理等多個(gè)醫(yī)學(xué)領(lǐng)域，AI系統(tǒng)主要用于異常發(fā)現(xiàn)、量化測(cè)量等方面。但是AI系統(tǒng)的運(yùn)用處于早期階段，仍有很多問題等待改善。

在非鈣化結(jié)節(jié)的檢出情況中，AI系統(tǒng)的檢出率略高于醫(yī)師的檢出率，尤其表現(xiàn)在實(shí)行結(jié)節(jié)和結(jié)節(jié)<5mm。醫(yī)師漏檢結(jié)節(jié)主要集中在<5mm的結(jié)節(jié)，漏檢20例，這主要是因?yàn)槿搜蹖?duì)特別小的結(jié)節(jié)會(huì)看不見，除非仔細(xì)觀察連續(xù)斷面圖像，由于片量加大及時(shí)間問題，容易造成醫(yī)師漏檢;而AI系統(tǒng)在檢測(cè)<5mm結(jié)節(jié)時(shí)，也漏診了7例，主要是因?yàn)樵趯?duì)影響進(jìn)行檢測(cè)時(shí)采用的是水平軸位圖像，這時(shí)的小結(jié)節(jié)類似于血管斷面軸位的投影，因此容易漏診。AI系統(tǒng)在檢測(cè)微小結(jié)節(jié)時(shí)的靈敏度明顯高于影像醫(yī)師（P<0.05），這說明AI系統(tǒng)檢測(cè)微小結(jié)節(jié)時(shí)比醫(yī)師檢測(cè)時(shí)更具有優(yōu)勢(shì)，但是對(duì)于血管斷面等結(jié)節(jié)的判斷仍會(huì)出現(xiàn)失誤，這是AI系統(tǒng)需要改進(jìn)的地方。AI系統(tǒng)檢測(cè)結(jié)果要與臨床特征相結(jié)合，對(duì)患者的預(yù)后能力可以大幅度提高，這樣也是AI系統(tǒng)在未來發(fā)展的方向。

綜上所述，人工智能的胸部CT智能輔助診斷系統(tǒng)運(yùn)用在肺結(jié)節(jié)的檢測(cè)中可以提高對(duì)微小結(jié)節(jié)的檢測(cè)率，但對(duì)于血管斷面等結(jié)節(jié)的判斷還待改進(jìn)，目前可以作為影像醫(yī)師在篩查肺結(jié)節(jié)中的輔助工具。

參考文獻(xiàn)

[1]Sui Y，wei Y，Zhao D.Computer-aided lung nodule recognition by SVM classifier based on combination of random underampling and SMOTE.Comput Math Methods Med，2015，2015：368674.doi：10.115/2015/368675

[2]李欣菱，郭芳芳，周振等.基于深度學(xué)習(xí)的人工智能胸部CT肺結(jié)節(jié)檢測(cè)效能評(píng)估[J].中國肺癌雜志，2019，6（6）：336-340.

[3]蔡雅倩，張正華，韓丹等.AI對(duì)肺磨玻璃結(jié)節(jié)篩查及定性的臨床應(yīng)用研究[J].放射學(xué)實(shí)踐，2019，9（9）：598-562.