鄭伊平，姚兵

（青海大學(xué)附屬醫(yī)院 心胸外科，青海 西寧）

0 引言

現(xiàn)如今，影像學(xué)技術(shù)飛速發(fā)展，高分辨率CT 較普通CT能夠顯示更多的影像學(xué)細(xì)節(jié)，使肺結(jié)節(jié)的檢出率逐年升高并受到社會的廣泛關(guān)注。肺結(jié)節(jié)的性質(zhì)及其病因非常復(fù)雜，肺癌、肺結(jié)核、炎性假瘤、錯構(gòu)瘤、支氣管囊腫等均可表現(xiàn)為肺部結(jié)節(jié)病變，其中，倍受關(guān)注的就是肺癌問題，如果能早發(fā)現(xiàn)、早診斷并及時有效治療，其預(yù)后將十分理想，5 年生存率最高可達(dá)73%[1]；如果發(fā)現(xiàn)不及時或延誤診斷，則可能進(jìn)展為晚期肺癌，其手術(shù)后5 年生存率將不足5%[2]，甚至有可能錯失手術(shù)機(jī)會。

在醫(yī)學(xué)影像CT 得到廣泛應(yīng)用的時代，影像科醫(yī)生需要處理各種肺結(jié)節(jié)的檢出問題，這些數(shù)據(jù)給他們帶來了繁重的工作壓力，同時，對于肺結(jié)節(jié)未及時定性和長期需要隨診等問題也給廣大患者造成較重的心理負(fù)擔(dān)和經(jīng)濟(jì)負(fù)擔(dān)。因此，早期肺結(jié)節(jié)能夠及時檢出并診斷成為了臨床面臨的難題和學(xué)術(shù)界研究的熱點。近年來，AI 迅速發(fā)展，醫(yī)學(xué)影像識別技術(shù)在智能化診斷研究中發(fā)展尤為迅速，并已經(jīng)取得了初步的成果。智能影像診斷非常適合醫(yī)學(xué)大數(shù)據(jù)，可以用來從中提取有用的知識，這種新的AI 技術(shù)可以進(jìn)行病變的自動檢測，并撰寫初步的影像報告，各大醫(yī)院已經(jīng)開始引進(jìn)相應(yīng)的肺部結(jié)節(jié)智能影像診斷軟件，并通過不斷的臨床實踐，逐步完善智能影像診斷技術(shù)，為其將來廣泛應(yīng)用于臨床提供強(qiáng)大的數(shù)據(jù)支持。

1 肺結(jié)節(jié)概述

肺結(jié)節(jié)指的是影像學(xué)上的密度增高影，直徑≤3 cm，單發(fā)的或多發(fā)的，邊界清楚或不清楚的類圓形或不規(guī)則形病灶[3]。有文獻(xiàn)統(tǒng)計[4]，肺結(jié)節(jié)的發(fā)病率在各個地域有著顯著差異，其在東亞約為35.5%，相對較高，在歐洲地區(qū)約為29%，處在中等水平，而北美最低，約為23%。肺結(jié)節(jié)是臨床上的一種常見病，按其密度可分為：（1）非實性結(jié)節(jié)，即單純型肺磨玻璃影（Ground-Glass Nodule, GGN），以磨玻璃樣密度為主，邊緣有正常結(jié)構(gòu)，例如血管；（2）實性結(jié)節(jié)，以實性軟組織密度為主，密度均勻，邊緣的所有正常結(jié)構(gòu)都完全被掩蓋；（3）部分實性結(jié)節(jié)，又稱亞實性結(jié)節(jié)，是含有實性軟組織成分和毛玻璃成分的局灶性結(jié)節(jié)狀占位。人體肺部疾病中大多數(shù)都會導(dǎo)致結(jié)節(jié)的形成，按其基本疾病特征進(jìn)行分類，肺部結(jié)節(jié)又主要有良性和惡性兩種[5]。有研究表明，在患有肺部結(jié)節(jié)的患者中有近80%～90%屬于良性病變，但一段時間過后，有部分良性結(jié)節(jié)可能會轉(zhuǎn)化為惡性結(jié)節(jié)，最終威脅患者生命安全[6]。因此，患者一經(jīng)發(fā)現(xiàn)存在肺部結(jié)節(jié)，就應(yīng)積極明確其性質(zhì)，并及時選擇相應(yīng)的臨床治療方案，從而幫助患者有效改善疾病的遠(yuǎn)期預(yù)后，盡快恢復(fù)健康[7]。

早期肺結(jié)節(jié)以磨玻璃樣改變多見，主要表現(xiàn)為非實性結(jié)節(jié)或部分實性結(jié)節(jié)，其并不具有特異性，常見的病因包括不典型腺瘤樣增生、腺癌、炎性病變、機(jī)化性肺炎等[8]。文獻(xiàn)報道表明[9]，單純型GGN 的惡性概率約為59%～73%，而具有一定實性成分的GGN 惡性概率相對較高，可達(dá)80%甚至以上，此外，伴有部分磨玻璃成分的亞實性結(jié)節(jié)的惡性概率較完全實性的肺結(jié)節(jié)更高[10]。肺結(jié)節(jié)的病理情況與其影像學(xué)特征有關(guān)[11]，主要包括空泡征、分葉征、毛刺征、胸膜凹陷征、血管集束征等。空泡征是指存在于結(jié)節(jié)內(nèi)的直徑＜5 mm 的透亮影，其主要是由尚未被腫瘤破壞的肺結(jié)構(gòu)支架組成，常見于周圍型肺癌，是其早期的重要影像學(xué)表現(xiàn)之一[12]。分葉征的出現(xiàn)主要是因為腫瘤細(xì)胞的分化程度不一致導(dǎo)致其增殖速度存在差異，同時，腫瘤細(xì)胞的增殖又受周圍肺間隔限制及病變組織內(nèi)纖維組織收縮影響，從而導(dǎo)致結(jié)節(jié)呈分葉生長。毛刺征在CT 上表現(xiàn)為結(jié)節(jié)或腫塊邊緣的小棘狀突起，呈細(xì)線狀或密集毛刷狀，在組織學(xué)上與分葉征相似，多指不規(guī)則的肺組織纖維化或不同浸潤程度，常見于惡性病變[13-14]。血管集束征在CT 上表現(xiàn)較為復(fù)雜，可分為四度[15]，Ⅰ度：病灶孤立存在，無血管進(jìn)入或僅見血管從病灶旁繞行；Ⅱ度：1～2 條血管受病灶的牽拉向結(jié)節(jié)移位、穿行；Ⅲ度：3 條血管穿行于結(jié)節(jié)內(nèi)或貼邊走形；Ⅳ度：3 條以上血管到達(dá)結(jié)節(jié)。相關(guān)文獻(xiàn)報道[16]，血管集束征為Ⅰ～Ⅱ度時認(rèn)為是良性結(jié)節(jié)，而Ⅱ～Ⅳ度的血管集束征則認(rèn)為是惡性結(jié)節(jié)，此外，當(dāng)存在Ⅱ度血管集束征時，結(jié)節(jié)的良惡性質(zhì)仍然分辨不清，但當(dāng)分度為Ⅳ度時，就可以在很大程度上定性為惡性了。胸膜凹陷征為臟層胸膜受靠近胸膜的病變牽拉而產(chǎn)生的胸膜凹陷，肺癌及結(jié)核球均可引起此類改變。肺癌病灶所表現(xiàn)的胸膜凹陷是由于瘤內(nèi)纖維瘢痕的牽拉作用使肺表面支架結(jié)構(gòu)發(fā)生收縮引起位置改變，從而形成胸膜凹陷征[17]，而結(jié)核球的胸膜凹陷是由于病灶周圍發(fā)生纖維化并增生粘連而形成，當(dāng)除外結(jié)核病灶時，此征象可在一定程度上提示惡性病灶。上述影像學(xué)特征對肺結(jié)節(jié)良惡性質(zhì)的鑒別均具有一定價值，單個肺結(jié)節(jié)表現(xiàn)出的影像學(xué)特征越多，其診斷價值也越大。

2 智能影像診斷概述

在我國，醫(yī)療領(lǐng)域是人工智能發(fā)展相對蓬勃的領(lǐng)域之一。目前，基于深度學(xué)習(xí)的AI 應(yīng)用已經(jīng)覆蓋到臨床診療的各個階段[18-20]，其在醫(yī)療領(lǐng)域已經(jīng)有了舉足輕重的地位。智能影像診斷是一種基于深度學(xué)習(xí)的AI 技術(shù)，是AI 應(yīng)用于醫(yī)療領(lǐng)域的一部分，其發(fā)展還處于初步階段，要想逐步走向成熟，必須在臨床醫(yī)師的反復(fù)使用和反饋下不斷優(yōu)化模型。據(jù)文獻(xiàn)報道，Yanagawa 等[21]于2009 年應(yīng)用智能影像診斷技術(shù)檢測非實性結(jié)節(jié)，當(dāng)時的檢出率僅為21%，明顯低于影像醫(yī)師（60%～80%）。Song 等[22]也報道過一組臨床患者，其中，有8 個非實性結(jié)節(jié)已得到影像科醫(yī)師的檢測證實，但應(yīng)用智能影像診斷卻全部被漏檢，這些研究結(jié)論均顯示早期智能影像診斷技術(shù)并不成熟，對肺部結(jié)節(jié)的有效檢測還有一定的困難。但隨著AI 的不斷發(fā)展，智能影像診斷技術(shù)不斷被改進(jìn)，對肺結(jié)節(jié)的檢測能力有了很大的提高。例如，Namin 等[23]用智能影像診斷技術(shù)檢測了LIDC 數(shù)據(jù)庫中63 例肺結(jié)節(jié)，其敏感度達(dá)到88%。智能影像診斷不僅在肺結(jié)節(jié)檢出中表現(xiàn)優(yōu)異，在區(qū)分良惡性質(zhì)方面同樣能力突出。Kumar 等[24]對一種基于深度學(xué)習(xí)的智能影像診斷技術(shù)進(jìn)行測試，用其來診斷LIDC 數(shù)據(jù)庫中4323 個肺結(jié)節(jié)，其精準(zhǔn)程度達(dá)到了75.01%。

3 智能影像診斷在肺結(jié)節(jié)中的臨床應(yīng)用及進(jìn)展

智能影像診斷技術(shù)是利用復(fù)雜的計算機(jī)算法對醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行分析，在檢出肺部結(jié)節(jié)的同時對結(jié)節(jié)的形態(tài)信息進(jìn)行評估，如對密度、分葉征、毛刺征、胸膜凹陷征等進(jìn)行量化分析，并進(jìn)行復(fù)雜算法運算，最終得出結(jié)節(jié)的惡性風(fēng)險概率，為臨床肺部結(jié)節(jié)的診療提供指導(dǎo)。目前，臨床上已經(jīng)出現(xiàn)了多種智能影像診斷模型，比如正在試用的兩款智能影像診斷軟件，包括“推想科技”和“Sigma RIS”，它們能夠識別不同肺段的各種結(jié)節(jié)，比如鈣化結(jié)節(jié)、實性結(jié)節(jié)及亞實性結(jié)節(jié)等，并通過智能整合結(jié)節(jié)的形態(tài)信息得出每個結(jié)節(jié)的惡性概率，評估其惡性程度，最后通過放射醫(yī)師的確定，得出最終的影像學(xué)報告；匯醫(yī)慧影的智能醫(yī)學(xué)影像診斷技術(shù)檢測3 mm 肺部結(jié)節(jié)的準(zhǔn)確率已經(jīng)高達(dá)90%；還有諸如Deep Care、銳達(dá)影像、連心醫(yī)療、智影醫(yī)療、圖瑪深維等公司出品的智能影像診斷模型也層出不窮。相對而言，大型醫(yī)療企業(yè)具有豐富的市場經(jīng)驗和醫(yī)療信息化系統(tǒng)整合能力，他們能夠很好地收集和利用各種臨床數(shù)據(jù)?，F(xiàn)如今，已經(jīng)有多家三級甲等醫(yī)院合作研發(fā)了各種肺結(jié)節(jié)智能影像診斷模型，并將其投入臨床，均取得了較好的效果。同時，互聯(lián)網(wǎng)企業(yè)也能借助自身的網(wǎng)絡(luò)平臺，整合并處理各種臨床資料，建立較為完善的智能影像診斷模型，提供遠(yuǎn)程的醫(yī)療影像檢測和診斷服務(wù)。例如“騰訊覓影”，其是騰訊首款A(yù)I 與醫(yī)學(xué)結(jié)合的AI 醫(yī)學(xué)影像產(chǎn)品，主要的兩大功能包括“AI 醫(yī)學(xué)影像”及“AI 輔助診斷”；還有阿里健康聯(lián)合萬里云創(chuàng)造的智能影像診斷產(chǎn)品“Doctor You”，其是一個遠(yuǎn)程影像診斷平臺，目前已為多家基層醫(yī)院提供遠(yuǎn)程服務(wù)。國內(nèi)AI 的發(fā)展日新月異，國外同樣不甘落后，例如美國的Google，其人工智能部門與斯坦福、紐約大學(xué)等機(jī)構(gòu)充分合作，研究開發(fā)出一種基于深度學(xué)習(xí)的智能影像診斷模型，其檢測微小惡性肺結(jié)節(jié)的準(zhǔn)確率可達(dá)94%[25]；還有Facebook、Amazon、Apple 等美國科技公司同樣開發(fā)了屬于自己的智能影像診斷模型，其對惡性結(jié)節(jié)診斷的準(zhǔn)確率均較高。

智能影像診斷技術(shù)能否全面應(yīng)用于醫(yī)療領(lǐng)域主要取決于醫(yī)學(xué)大數(shù)據(jù)的建立。目前，美國已經(jīng)擁有屬于自己的公共數(shù)據(jù)庫，如美國國家癌癥研究所（National Cancer Institute）發(fā)起收集的，由肺圖像數(shù)據(jù)庫聯(lián)盟 （Lung Image Database Consortium, LIDC）及圖像數(shù)據(jù)庫資源計劃（Image Database Resource Initiative, IDRI）兩者聯(lián)合建立的LIDC/IDRI 數(shù)據(jù)庫[26]，其包含1018 例病例，為推動智能影像診斷技術(shù)在臨床實踐中的發(fā)展提供了大數(shù)據(jù)支持。相比于國外，國內(nèi)的數(shù)據(jù)雖然豐富，但并未建立公共數(shù)據(jù)庫，所需數(shù)據(jù)主要來源于各大醫(yī)院所擁有的肺結(jié)節(jié)CT 數(shù)據(jù)集，無法滿足海量數(shù)據(jù)的要求，且不同醫(yī)院存在設(shè)備及參數(shù)的不同，這將導(dǎo)致數(shù)據(jù)的標(biāo)準(zhǔn)化難以實現(xiàn)。然而，智能影像診斷的發(fā)展離不開大數(shù)據(jù)的支持，因此，建立國內(nèi)公共數(shù)據(jù)庫是目前智能影像診斷發(fā)展的關(guān)鍵。

4 問題與展望

在這個智能化時代，智能影像診斷與放射科醫(yī)師的有效結(jié)合使肺結(jié)節(jié)的檢測和診斷有了雙重保障，對臨床醫(yī)師進(jìn)行肺結(jié)節(jié)的診療有著重大的意義?，F(xiàn)階段，智能影像診斷的發(fā)展尚未成熟，雖然在肺結(jié)節(jié)檢測及診斷方面己經(jīng)取得了不小的進(jìn)步，但其仍然面臨著很多困難。智能影像診斷的發(fā)展依賴于標(biāo)準(zhǔn)化大數(shù)據(jù)的建立，若沒有大數(shù)據(jù)的支撐，其在醫(yī)療領(lǐng)域?qū)⒋绮诫y行。目前，國內(nèi)各大醫(yī)院所擁有的數(shù)據(jù)雖然豐富，但卻不能將其標(biāo)準(zhǔn)化，所以，建立全國范圍內(nèi)統(tǒng)一的標(biāo)準(zhǔn)影像數(shù)據(jù)庫勢在必行。同時，AI 在肺結(jié)節(jié)中的應(yīng)用不應(yīng)局限在檢測和診斷中，研究者們還需要繼續(xù)探索其在肺結(jié)節(jié)隨訪跟蹤、臨床治療及預(yù)后中的應(yīng)用。