王海永 紀(jì)建松 雷麗燕 孔春麗 洪懷江

摘 要 目的：分析人工智能+醫(yī)學(xué)影像在肺結(jié)節(jié)檢測(cè)中的臨床應(yīng)用效果。方法：選取時(shí)間段為2018.11月～2019.11月期間，于本院進(jìn)行肺部CT掃描的患者共計(jì)489例，將其作為本次實(shí)驗(yàn)的研究對(duì)象，并在使用CT掃描后分別進(jìn)行人工智能閱片和醫(yī)師人工閱片，對(duì)比兩種閱片方式的敏感度、假陰性率、假陽(yáng)性率和使用時(shí)間。結(jié)果：對(duì)比兩種閱片方式對(duì)肺結(jié)節(jié)檢測(cè)的結(jié)果，人工智能閱片敏感度（96.31%）假陰性率（3.68%）假陽(yáng)性率（25.35%）使用時(shí)間（0.52±1.33分），醫(yī)師人工閱片組敏感度（86.91%）假陰性率（9.61%）假陽(yáng)性率（2.45%）使用時(shí)間（3.75±1.26分），人工智能閱片的敏感度和使用時(shí)間較短，但其假陽(yáng)性率相對(duì)較高，醫(yī)師人工閱片的敏感度和使用時(shí)間稍差一些，但其假陽(yáng)性率較低。結(jié)論：相對(duì)于傳統(tǒng)的醫(yī)師人工閱片來(lái)說(shuō)，使用人工智能進(jìn)行醫(yī)學(xué)影像的閱片工作，具有較高的檢測(cè)敏感度，且閱片速度也較快，能夠?yàn)榉谓Y(jié)節(jié)的臨床診斷提供準(zhǔn)確的參考依據(jù)，但由于其假陽(yáng)性率較高，所以仍需與醫(yī)師人工閱片結(jié)果相結(jié)合。

關(guān)鍵詞 人工智能;醫(yī)學(xué)影像;肺結(jié)節(jié);臨床檢測(cè)

前言

肺癌是世界上發(fā)病率和死亡率最高的惡性腫瘤，CT早期篩查可降低肺癌患者的死亡率，但目前存在篩查人數(shù)多、醫(yī)師工作量大及漏診率高等情況[1]。在傳統(tǒng)的肺結(jié)節(jié)檢測(cè)過(guò)程中，常采用醫(yī)師人工閱片的方式進(jìn)行影像結(jié)果的查看，但由于受到各方面因素的影響，其存在著一定的漏診率，診斷準(zhǔn)確率并不理想。而隨著科學(xué)技術(shù)的快速發(fā)展，人工智能技術(shù)逐漸被應(yīng)用到臨床醫(yī)學(xué)中，據(jù)實(shí)際應(yīng)用情況來(lái)看，在人工智能的幫助下，醫(yī)學(xué)影像檢測(cè)技術(shù)的準(zhǔn)確性得到了極大的進(jìn)步[2]。本次實(shí)驗(yàn)中，便探究了人工智能+醫(yī)學(xué)影像在肺結(jié)節(jié)檢測(cè)中的應(yīng)用價(jià)值，詳情如下。

1資料與方法

1.1 一般資料

本次實(shí)驗(yàn)共選取了489例患者作為研究對(duì)象，納入時(shí)間段為2018.11月～2019.11月，所有患者均因不同程度的咳嗽咳痰、乏力盜汗、食欲減退、胸悶氣急等癥狀而入院，在入院后均需對(duì)其實(shí)施影像學(xué)檢查。489例實(shí)驗(yàn)患者中，共有男性患者255例、女性患者234例，年齡區(qū)間為30～80歲，平均年齡為（48.37±1.52）歲。

1.2 方法

所有患者在接受影像學(xué)檢查前均需進(jìn)行吸氣屏氣的訓(xùn)練，并指導(dǎo)患者在檢查過(guò)程中達(dá)到一定范圍內(nèi)的屏氣程度。本次實(shí)驗(yàn)的CT檢測(cè)機(jī)為PHILIPS iCT SP 64 排螺旋CT掃描儀，指導(dǎo)患者取仰臥位后，將雙手上舉超過(guò)頭頂，在患者吸氣末階段進(jìn)行胸部掃描，掃描的范圍上端為肺尖、下端為肋膈角尖端的水平位置[3]。在掃描結(jié)束后，使用人工智能系統(tǒng)進(jìn)行圖像的重建，并將重建圖像傳送至醫(yī)師工作站和United Imaging Intelligence智能肺結(jié)節(jié)檢測(cè)系統(tǒng)中，分別進(jìn)行閱片。采用人工智能閱片時(shí)，需要使用圖像識(shí)別技術(shù)，對(duì)CT影像中的結(jié)節(jié)情況和風(fēng)險(xiǎn)信息進(jìn)行詳細(xì)的標(biāo)注，從而為臨床診斷提供依據(jù)[4]。而采用醫(yī)師人工閱片時(shí)，則需要由專業(yè)醫(yī)師根據(jù)自身的專業(yè)能力和經(jīng)驗(yàn)，對(duì)影像中的肺部結(jié)節(jié)情況進(jìn)行分析，以確定病情狀況。

1.3 觀察指標(biāo)

所有患者在接受肺部CT檢測(cè)后，分別使用人工智能和醫(yī)師人工的方式進(jìn)行閱片，將兩種閱片方式的敏感度、假陰性率、假陽(yáng)性率和使用時(shí)間作為本次實(shí)驗(yàn)的觀察指標(biāo)。

1.4 統(tǒng)計(jì)學(xué)處理

對(duì)于本次實(shí)驗(yàn)中所涉及的各方面數(shù)據(jù)資料，均選用統(tǒng)計(jì)學(xué)軟件SPSS20.0進(jìn)行分析和處理，以（%）表示為本次實(shí)驗(yàn)的檢測(cè)敏感度、假陰性率和假陽(yáng)性率，以（X±S）表示為本次實(shí)驗(yàn)的檢測(cè)時(shí)間，分別使用X2值和t值對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行檢驗(yàn)，當(dāng)（P<0.05），則表示數(shù)據(jù)之間差異顯著，具有統(tǒng)計(jì)學(xué)意義[5]。

2結(jié)果

據(jù)表1可知，人工智能閱片組的敏感度、假陰性率和使用時(shí)間均優(yōu)于醫(yī)師人工閱片組，但假陽(yáng)性率醫(yī)師人工閱片組更佳，（P<0.05）。

3討論

近年來(lái)，我國(guó)在科學(xué)技術(shù)方面有著突飛猛進(jìn)的發(fā)展，其中人工智能技術(shù)的應(yīng)用也為各行業(yè)帶來(lái)了發(fā)展機(jī)遇，在臨床醫(yī)學(xué)中也不乏對(duì)人工智能技術(shù)的應(yīng)用[6]。具體來(lái)說(shuō)，在醫(yī)學(xué)影像方面，對(duì)于影像檢查結(jié)果的查看，也可以使用人工智能技術(shù)，與傳統(tǒng)的人工閱片方式相比較，采用人工智能閱片有著絕對(duì)性的優(yōu)勢(shì)，其不僅可以縮短閱片時(shí)間，還具有較高的敏感度，能夠?yàn)榕R床確診提供準(zhǔn)確的參考依據(jù)[7]。但是，人工智能閱片也存在著一定的不足，最主要的就是假陽(yáng)性率相對(duì)較高，容易在閱片時(shí)將一些血管斷面、奇靜脈、小支氣管等錯(cuò)認(rèn)為異常的肺結(jié)節(jié)，進(jìn)而對(duì)檢測(cè)結(jié)果的判斷造成影響，見(jiàn)圖1-2。而人工閱片雖然在敏感度和使用時(shí)間方面不足，但其假陽(yáng)性率相對(duì)較低一些，進(jìn)而檢測(cè)準(zhǔn)確度較高[8]，見(jiàn)圖3。

根據(jù)本次實(shí)驗(yàn)結(jié)果可知，對(duì)比兩組檢測(cè)方式的敏感度、假陰性率、假陽(yáng)性率和使用時(shí)間，除假陽(yáng)性率外，人工智能組均明顯優(yōu)于醫(yī)師人工組，（P<0.05），具有統(tǒng)計(jì)學(xué)意義[9]。因此，人工智能技術(shù)與醫(yī)學(xué)影像相結(jié)合對(duì)于肺結(jié)節(jié)的檢測(cè)有著較高的參考依據(jù)，但仍需與人工閱片相結(jié)合，以提高檢測(cè)的準(zhǔn)確性，為臨床診斷和病情判斷提供更為詳細(xì)的參考依據(jù)[10]。

參考文獻(xiàn)

[1] 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.中國(guó)全科醫(yī)學(xué)，2020，23（7）：828-831，836.

[2] 王成弟，郭際香，楊陽(yáng)，等.利用深度學(xué)習(xí)技術(shù)輔助肺結(jié)節(jié)的人工智能檢測(cè)[J].中國(guó)呼吸與危重監(jiān)護(hù)雜志，2019，18（3）：288-294.

[3] 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(cè)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.

[4] 王婧璇，林嵐，趙思遠(yuǎn)，等.基于深度學(xué)習(xí)的肺結(jié)節(jié)計(jì)算機(jī)斷層掃描影像檢測(cè)與分類的研究進(jìn)展[J].生物醫(yī)學(xué)工程學(xué)雜志，2019，36（4）：670-676.

[5] 王昌淼.基于胸部影像的肺結(jié)節(jié)檢測(cè)與分類關(guān)鍵技術(shù)研究[D].深圳：中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院），2018.

[6] 廖曉磊.薄掃CT序列圖像的肺實(shí)質(zhì)分割和肺結(jié)節(jié)檢測(cè)方法研究[D].太原：太原理工大學(xué)，2017.

[7] 周兵.CT影像中肺結(jié)節(jié)檢測(cè)與識(shí)別方法的研究[D].成都：電子科技大學(xué)，2017.

[8] 李欣菱，王穎.人工智能在肺結(jié)節(jié)檢測(cè)與診斷中的應(yīng)用及發(fā)展[J].新發(fā)傳染病電子雜志，2019，4（3）：185-189.

[9] 李欣菱.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[D].天津：天津醫(yī)科大學(xué)，2019.

[10] 吳夢(mèng)香，劉挨師.人工智能醫(yī)學(xué)影像在胸部應(yīng)用的機(jī)遇與挑戰(zhàn)[J].影像研究與醫(yī)學(xué)應(yīng)用，2020，4（2）：11-13.