李波 李歡 姬廣海 王朋 徐聃 彭婕

1荊州市第一人民醫(yī)院放射科（湖北荊州434020）；2武漢大學中南醫(yī)院醫(yī)學影像科（武漢430000）

2019年12月中下旬，湖北省報告了多例群體性肺炎病例［1］。國內科研人員迅速分離出了導致這種肺炎的新型冠狀病毒（SARS-CoV-2），其導致的肺炎為新型冠狀病毒肺炎（COVID-19）。準確的判斷患者嚴重程度有助于為重癥患者提供及時的支持治療，并改善其預后。加強對普通型患者重癥化的早期預警，對降低病死率有重要意義［2-4］。此外，通過準確的評估指導臨床分流也有助于合理分配醫(yī)療資源［5］。CT在COVID-19 的早期篩查和診斷中起著重要作用［6-9］。但此前關于COVID-19 的CT 成像研究大多為描述性的［10-13］，CT 在評估和預測患者病情方面的研究相對較少。本研究分析了肺段累及數量和CT 評分兩種定量評估方法在進展期評估和預測COVID-19 嚴重程度中的價值。AI 目前已經被廣泛應用于肺部病變的影像輔助診斷，AI 在評估和預測COVID-19 嚴重程度中的價值有待研究。

1 資料與方法

1.1 一般資料回顧性分析2020年1月25日至2月25日在我院接受治療并符合《新型冠狀病毒感染的肺炎診治方案（第六版）》［14］診斷標準的患者。納入標準如下：（1）有明確的發(fā)病時間。（2）發(fā)病后第6-9 天未轉重癥前至少完成過一次CT 檢查。（3）無肺部基礎疾病。輕型患者CT 檢查無肺部異常排除在本研究之外。共入組86 例COVID-19 患者，男51 例，女35 例，年齡21 ～85 歲，平均年齡（50 ± 17）歲。

根據新型冠狀病毒感染肺炎診治方案臨床分型，將患者分為兩組：普通型組和重型-危重型組。所有普通型患者均具有COVID-19 的臨床癥狀和CT表現。重型-危重型患者符合以下任何條件：呼吸窘迫，呼吸頻率≥30 次/min；靜態(tài)氧飽和度≤93%；PaO2/FiO2≤300 mL 汞柱；需要機械通氣或出現休克、呼吸衰竭；需要ICU 監(jiān)測和治療的其他器官衰竭。入組86 例患者中，重型-危重型31 例，普通型55 例。收集的臨床數據包括年齡、性別、癥狀發(fā)作后進行CT 檢查的時間、基礎疾病和轉歸。本研究通過湖北省荊州市第一人民醫(yī)院倫理委員會審核批準（倫審第K20200202 號）。

1.2 CT 檢查方法和影像學評估采用美國GE Optima CT520、荷蘭Philips Brilliance16 CT 掃描儀，所有掃描均在吸氣結束時仰臥位情況下進行，掃描范圍從肺尖到膈肌肺底。掃描參數如下：管電壓120 kVp，管電流70 ～150 mAs，重建矩陣512 ×512，層厚5 mm，層間距5 mm，重建層厚1.25 mm。

由兩名有7年和9年放射診斷經驗的醫(yī)師盲法獨立閱片，出現分歧由第三名胸部組高年資放射科醫(yī)師進行判讀。根據CT 薄層圖像和多平面重建圖像對所有患者進行閱讀和評估。肺窗窗寬W=1 500 HU，可適當調整窗位范圍（-500 ～-800 HU），以顯示病灶清晰為佳。CT 視覺定量評估方法如下：（1）根據肺段累及數量評估：記錄每位患者的肺段累及數量，左肺和右肺均以10 個肺段計算，最小值為0，最大值為20。（2）根據CT 評分評估：評估每個肺葉病灶體積所占比例，得分分別為0（0%）、1（1% ～5%）、2（5% ～25%）、3（26% ～50%）、4（51% ～75%）或5（76% ～100%）?？偡滞ㄟ^將五個葉得分相加得出，最小值為0，最大值為25。此外，對胸部CT 圖像的以下特征影像表現進行了評估：磨玻璃影，實變，“鋪路石”征，胸膜下線和胸腔積液。

應用依圖AI 軟件（上海依圖網絡科技有限公司）評估患者嚴重程度，在PACS 系統(tǒng)中選取患者圖像，軟件基于深度學習技術可實現病灶自動檢出、病灶分割、精準量化，自動分析患者病灶范圍、體積及密度，并根據以上檢測數據自動判斷病人嚴重程度，嚴重程度評估分為4 類：輕度、中度、重度、危重。普通型組患者對應預判為輕度及中度則為正確，重型及危重型組患者對應預判為重度或危重則為正確。

1.3 統(tǒng)計學方法采用SPSS 23.0 軟件進行統(tǒng)計學分析。定性資料采用頻數和率表示，定量資料符合正態(tài)分布采用（x±s）表示，不符合正態(tài)分布采用M（P25，P75）表示。組內相關系數用于測試兩名放射工作者評估CT 評分和累及肺段數量的一致性。ICC 值＜0.4、0.4 ～0.75 和＞0.75 分別表示差、中等和良好的一致性。普通組和重型-危重型組的CT評分和肺段累及數量為非正態(tài)分布，采用Mann-WhitneyU檢驗進行比較分析；分類變量采用χ2檢驗，P＜0.05 為差異具有統(tǒng)計學意義。利用ROC 曲線評價CT 評分和累及肺段數量評估和預測重型-危重患者的能力，并確定最佳截斷值。

2 結果

2.1 一般臨床資料收集了86 例COVID-19 患者的一般資料。表1 列出了患者的年齡、性別、基礎疾病和轉歸情況?；颊咦罱K臨床分型如下：重型-危重型31 例（36.1%），其中危重型10 例（11.7%），重型21 例（24.4%）；普通型55 例（63.9%）?；颊呤装l(fā)癥狀以發(fā)熱為主，共78 例，其中25 例同時伴有干咳，其他首發(fā)癥狀包括乏力2 例、肌痛2 例、腹瀉及腹痛3 例、咽痛1 例。重型-危重型患者由發(fā)病轉重癥時間為7 ～18 d，平均時間為（10.6±2.0）d。

表1 普通型及重型-危重型COVID-19 患者一般資料Tab.1 General information of ordinary and severe-critical COVID-19 patients 例（%）

2.2 CT 視覺定量評估一致性測試結果兩位觀察者CT 視覺定量評估的測試結果顯示出良好的一致性。在評估CT 評分時，兩名觀察者的ICC 值為0.948（95%CI：0.921 ～0.966）。在評估受累肺段數量時，兩名觀察者的ICC 值為0.995（95%CI：0.993 ～0.997）。

2.3 普通型和重型-危重癥型肺部CT 影像表現比較重型-危重型組的CT 評分和肺段受累數量明顯高于普通組（P＜0.001）。兩組間GGO 的發(fā)生率無明顯差異。重型-危重型組的實變、胸膜下線和“鋪路石”征的發(fā)生率高于普通組，但差異無統(tǒng)計學意義（表2）。

表2 普通型及重型-危重型COVID-19 患者CT 表現差異Tab.2 Differences in CT manifestations of ordinary and severe-critical COVID-19 patients例（%）

2.4 CT 視覺定量評估和AI 評估、預測重型-危重型COVID-19 的能力CT 評分預測重型-危重癥COVID-19的AUC為0.879（95%CI：0.800 ～0.957），閾值8.5 的敏感性為71.0%，特異性為90.9%（圖1）。肺段累及數量預測重型-危重癥新型冠狀病毒肺炎的AUC為0.883（95%CI：0.806 ～0.960），閾值10.5的敏感性為87.1%，特異性為81.8%（圖2）。AI 判斷31 例重型-危重型患者結果為：輕度2 例、中度5 例、重度14 例、危重10 例；判斷55 名普通型患者結果為：輕度37 例、中度14 例、重度4 例、危重0 例。AI 預判重型-危重型COVID-19 的敏感性為77.4%，特異性為92.7%。

圖1 CT 評分評估和預測重型-危重型COVID-19 的ROC曲線Fig.1 The ROC curve of CT score evaluation and prediction of severe-critical COVID-19

圖2 肺段累及數量評估和預測重型-危重型COVID-19 的ROC 曲線Fig.2 The ROC curve of number of lung involvement evaluation and prediction of severe-critical COVID-19

3 討論

成功治療重型-危重型病例是降低并發(fā)癥和病死率的關鍵，及早發(fā)現或提前預測重癥患者對降低病死率至關重要。本研究表明CT 視覺定量評估及人工智能可用于評估和預測COVID-19 的嚴重程度，為臨床普通型患者重癥化提供早期預警。

目前COVID-19 的CT 表現分期并無大數據支持，PAN 等［10］在動態(tài)觀察CT 圖像的基礎上，將CT 病變的進展大致分為三個階段：早期（發(fā)病后0 ～5 d），進展期（發(fā)病后6 ～9 d）和爆發(fā)期（發(fā)病后10 ～13 d）。此前研究表明，COVID-19 患者在癥狀發(fā)作后的第二周發(fā)展最為迅速［10-12］，此階段患者病情評估至關重要。因此本研究選擇了癥狀發(fā)作后6 ～9 d 的CT 圖像進行回顧性研究，因為此階段CT圖像不僅可以評估患者的嚴重程度，而且對病人后期進展有一定的預測作用。有研究認為CT 顯示肺部病灶體積占全肺比例與病人嚴重程度存在相關性［15］，本研究發(fā)現肺段受累個數與肺葉受累體積均與患者嚴重程度具有相關性。此外，進展期肺部病灶范圍越廣、體積越大（CT 評分高或肺段累及數量多），暴發(fā)期肺部受累情況也會越嚴重（圖3），患者則更可能發(fā)展為重癥。如果在進展階段肺部病灶范圍較小、體積較?。▓D4），則預后會相對較好。這表明在進展期對COVID-19 患者進行肺部CT 監(jiān)測對于患者的病情評估及預測具有重要意義。

圖3 1 例52 歲確診COVID-19男性患者Fig.3 A 52-year-old male patient was diagnosed with COVID-19

圖4 1 例46 歲確診新型冠狀病毒肺炎女性患者Fig.4 A 46-year-old female patient was diagnosed with COVID-19

肺段受累數量或CT 評分兩種定量評估方法均能評估和預測COVID-19 患者的嚴重程度，兩種方法功效相近（AUC 分別為0.883、0.879）。肺段累及數量在評估和預測重型-危重型患者方面具有更高的敏感性，但特異性低于CT 評分。本研究在評估CT 圖像過程中發(fā)現所有重癥患者均累及到雙肺多個肺段，并且累及肺段個數與嚴重程度存在一定相關性，尤其是早期就表現出雙肺多發(fā)彌散病灶的患者更可能發(fā)展為重癥患者?？紤]到篩查重癥患者的目的，以肺段累及數量作為篩查標準要優(yōu)于CT 評分。僅根據肺段累及數量判斷患者嚴重程度會出現誤判的情況，分析其原因，可能因為部分進展期患者肺內病灶雖為多發(fā)，但病灶體積較小且多表現為純磨玻璃密度時患者肺功能受影響相對較小，此類患者早期給予適當支持治療的情況下部分并未進展為重癥患者。CT 評分根據評估各肺葉肺部病灶體積比例進行定量評估，此種方法特異性較高，但敏感性稍低，考慮可能因為不同患者病灶進展快慢存在差異，部分患者在發(fā)病6 ～9 d 還處于病灶進展較早期階段，其體積占肺葉比例較小，因此CT 評分較低。

已有研究將AI應用于COVID-19與社區(qū)獲得性肺炎的鑒別診斷中，發(fā)現AI 具有較高的診斷正確率［16］。本研究發(fā)現AI在評估和預測COVID-19嚴重程度方面同樣具有價值。本研究中的AI 平臺可以定量計算每個肺葉實變及磨玻璃病灶體積所占百分比例，同時提供病灶密度直方圖，從而客觀評價肺部病灶密度及體積。與CT 視覺定量評估方法比較，AI 具有最高的特異性，考慮可能與AI 綜合考慮了病灶的分布、密度與體積多方面因素有關，其敏感性介于兩種視覺定量評估方法之間。AI 敏感性并非最高，因此并非最佳篩查重癥患者的手段，但相比傳統(tǒng)評估方法，AI 檢出速度更快、病灶分割更為精準、定量評估更具有客觀性及穩(wěn)定性，可自動分析病人病灶范圍、體積及密度，是一種有效的影像輔助診斷工具。CT 視覺定量評估結合AI 可以快速為我們提供更為準確的評估和預測信息。

本研究發(fā)現，普通型和重型-危重型COVID-19患者比較，累及肺段數量和CT 評分存在顯著差異，這與以往的研究結果一致［17］。磨玻璃影在普通型和重型-危重型患者中都很常見。與普通型相比，重型-危重型患者發(fā)生實變、胸膜下線和“鋪路石”征比例更高，但差異無統(tǒng)計學意義，這與一項多中心研究的結果一致［18］。僅根據病變的形態(tài)和密度評估和預測患者的嚴重程度價值有限，需結合病灶累及范圍和體積綜合分析；當患者肺部病變體積相近時，出現實變和“鋪路石”征的患者較僅出現磨玻璃影的患者更易發(fā)展為重癥。本研究中兩例患者出現少量胸腔積液，而這兩例患者均進展為危重型，這可能提示出現胸腔積液患者預后較差。4 例死亡病例中有3 例病人肺部病灶體積占肺部總體積比例均超過了70%，CT 評分均超過20，這也提示肺部病變體積與病人預后相關。

CT 檢查對評估患者病情進展具有重要意義，但檢查頻次過多還需考慮患者接受輻射劑量問題，中華醫(yī)學會放射學分會建議非重癥患者可5 ～7 d 復查，重癥患者可根據臨床情況增加檢查頻次［19-20］。與年輕患者相比，老年患者發(fā)病后轉重癥時間更短，病變進展更快，考慮可能與老年患者免疫力更低或多合并基礎疾病有關。因此，對確診的老年患者應采取更早期更密切的監(jiān)測。

此項研究有一定局限性。首先，本研究納入的重癥患者偏少，老年患者的比例較高，從而限制了統(tǒng)計結果的可靠性。所以有必要對更多的重癥患者，尤其是年輕的重癥患者進行進一步的研究。其次，本研究僅從影像學角度評估和預測疾病的嚴重程度，沒有全面分析患者的臨床特征和實驗室檢查結果，臨床評估需結合患者臨床表現及多種檢查方法綜合評估患者病情。此外，本研究沒有考慮治療過程中早期臨床干預對結果的影響。

總之，CT 視覺定量評估和AI 通過對患者進展期CT 圖像進行評估，可以為臨床普通型患者重癥化提供早期預警，為臨床分流患者和指導治療提供依據。AI 是一種較為可靠的影像輔助診斷工具，可用于臨床病情評估。