馬景旭 陳歡 王紅

肺結(jié)節(jié)屬于一種肉芽腫性疾病，常侵犯肺部，分為良性和惡性2種。報道指出[1]，我國肺結(jié)節(jié)的發(fā)病率約為35.5%，其中肺癌占比約為0.54%，而肺癌則是發(fā)病率和死亡率增長最快的惡性腫瘤之一，也是我國發(fā)病率和死亡率最高的癌癥。研究指出[2]，肺癌均起源于肺結(jié)節(jié)，及早對肺結(jié)節(jié)的良惡性進(jìn)行準(zhǔn)確鑒別診斷有助于指導(dǎo)治療，以免肺癌患者錯過最佳治療時機(jī)。此外，對肺癌病理類型準(zhǔn)確鑒別也有助于指導(dǎo)臨床治療方案的選擇，從而確保改善預(yù)后。目前臨床上常用的影像學(xué)方法包括X線片、計算機(jī)斷層掃描(CT)、核磁共振成像(MRI)、正電子發(fā)射計算機(jī)斷層掃描(PET-CT)等，均有一定的效能[3-4]，但也存在諸多問題：如不符合智能化發(fā)展和醫(yī)院信息化建設(shè)的需求，且整體效率有待提升的[5-6]。近年來隨著人工智能技術(shù)的發(fā)展和推廣應(yīng)用，該技術(shù)在疾病診斷中也顯示出有良好的發(fā)展前景。為此，醫(yī)院特引入肺部影像人工智能診斷系統(tǒng)，并借此鑒別肺結(jié)節(jié)性質(zhì)和肺癌病理類型，取得了良好的效能。本研究特進(jìn)行回顧性分析，深入探討肺部影像人工智能診斷系統(tǒng)在肺結(jié)節(jié)鑒別診斷中的價值，為其臨床推廣應(yīng)用奠定基礎(chǔ)，以期促進(jìn)醫(yī)院智能化和信息化建設(shè)。

資料與方法

一、臨床資料

經(jīng)過本醫(yī)院倫理委員會審閱批準(zhǔn)后，對醫(yī)院2018年3月～2019年3月收治的178例肺結(jié)節(jié)患者的臨床資料展開回顧性分析。本組入選患者中共包括男性86例，女性92例，年齡29～72歲，平均(34.69±9.23)歲，肺結(jié)節(jié)個數(shù)：單發(fā)146例、多發(fā)32例，共245個肺結(jié)節(jié)，肺結(jié)節(jié)橫斷面最大直徑2～62 mm，平均(18.15±2.69)mm，肺結(jié)節(jié)性質(zhì)：實性結(jié)節(jié)98個、亞實性結(jié)節(jié)62個、純磨玻璃結(jié)節(jié)85個，肺結(jié)節(jié)分布：肺周邊區(qū)110個、肺門區(qū)68個、肺尖區(qū)67個。臨床表現(xiàn)：82例患者自述無不適感，無異常表現(xiàn)，時有咳嗽85例，少量咯痰80例，少量咯血42例，乏力56例，盜汗72例，發(fā)熱80例，食欲減退82例，胸悶16例，氣急12例，體重減輕34例，發(fā)紺7例。

二、篩選標(biāo)準(zhǔn)

入選標(biāo)準(zhǔn)：① 均經(jīng)電視胸腔鏡檢查證實有肺結(jié)節(jié)；② 均經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別肺結(jié)節(jié)性質(zhì)及肺癌病理類型；③ 均實施經(jīng)電視胸腔鏡下穿刺活檢或肺結(jié)節(jié)切除術(shù)，且術(shù)后均進(jìn)行病理檢查；④ 有明確的診斷和檢查結(jié)果；⑤ 有完整的臨床資料。

排除標(biāo)準(zhǔn)：① 伴有精神或認(rèn)知障礙未配合完成診治者；② 中轉(zhuǎn)至上級醫(yī)院或主動放棄治療或失訪者；③ 診斷或檢查結(jié)果與受檢者基本信息不符者；④ 其它部位原發(fā)性惡性病變中肺部轉(zhuǎn)移者；⑤ 本人或家屬拒絕對其臨床資料進(jìn)行回顧者。

三、方法

肺部影像人工智能診斷系統(tǒng)：(1)設(shè)計：根據(jù)既往醫(yī)院電子病歷信息數(shù)據(jù)庫獲取肺結(jié)節(jié)影像學(xué)檢查圖像及肺結(jié)節(jié)性質(zhì)病理診斷、肺癌病理類型檢查結(jié)果，標(biāo)注并提取肺結(jié)節(jié)病灶位置、直徑、形態(tài)等特征，對圖像數(shù)據(jù)預(yù)處理后將所得數(shù)據(jù)和圖像信息輸入卷積神經(jīng)網(wǎng)絡(luò)，對其進(jìn)行訓(xùn)練、調(diào)整和校正，保存網(wǎng)絡(luò)模型參數(shù)，形成肺部影像人工智能診斷系統(tǒng)；(2)應(yīng)用：對所有受試者進(jìn)行影像學(xué)檢查，包括X線片、計算機(jī)斷層掃描(CT)、核磁共振成像(MRI)、正電子發(fā)射計算機(jī)斷層掃描(PET-CT)等，將檢查結(jié)果提取的信息輸入肺部影像人工智能診斷系統(tǒng)，包括肺結(jié)節(jié)病灶位置、直徑、形態(tài)等，利用該系統(tǒng)對肺結(jié)節(jié)良惡性和肺癌病理類型進(jìn)行鑒別診斷，輸出結(jié)果，并做好記錄。

病理檢查：所有受試者均在利用肺部影像人工智能診斷系統(tǒng)對肺結(jié)節(jié)良惡性及肺癌病理類型進(jìn)行鑒別診斷后實施經(jīng)電視胸腔鏡下穿刺活檢或肺結(jié)節(jié)切除術(shù)，將所取得標(biāo)本送至病理科進(jìn)行檢查，明確肺結(jié)節(jié)性質(zhì)和肺癌病理類型，統(tǒng)計并記錄病理檢查結(jié)果。

四、觀察指標(biāo)

統(tǒng)計病理檢查結(jié)果。

統(tǒng)計肺部影像人工智能診斷系統(tǒng)鑒別診斷結(jié)果。

分析肺部影像人工職能診斷系統(tǒng)與病理檢查結(jié)果的一致性，包括對肺結(jié)節(jié)性質(zhì)良惡性、肺癌病理類型鑒別診斷，均以病理檢查結(jié)果為“金標(biāo)準(zhǔn)”。

五、統(tǒng)計學(xué)分析

將SPSS 25.0軟件作為統(tǒng)計學(xué)工具，采用Kappa檢驗2種診斷方法的一致性，其中Kappa≤0.4認(rèn)為一致性較差，Kappa>0.4且≤0.75認(rèn)為一致性一般，Kappa>0.75認(rèn)為一致性良好，P<0.05為差異有統(tǒng)計學(xué)意義。

結(jié) 果

一、病理檢查結(jié)果統(tǒng)計

經(jīng)病理檢查顯示，245個肺結(jié)節(jié)中共有150個良性肺結(jié)節(jié)(其中140例患者為單發(fā)、6例患者為多發(fā))，共有95個惡性肺結(jié)節(jié)(其中6例患者為單發(fā)，26例患者為多發(fā))，惡性結(jié)節(jié)占比38.78%(95/245)，肺癌患者占比17.98%(32/178)。腺癌、小細(xì)胞癌、鱗癌、大細(xì)胞癌占比分別為71.88%、18.75%、6.25%、3.13%(見表1)。

表1 肺癌病理檢查結(jié)果分布情況(例/%)

二、肺部影像人工智能診斷系統(tǒng)鑒別診斷結(jié)果統(tǒng)計

245個肺結(jié)節(jié)中經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別有152個良性肺結(jié)節(jié)，有93個惡性肺結(jié)節(jié)，有148例患者被診斷為良性肺結(jié)節(jié)病，有30例患者被診斷為肺癌，其中有21例被診斷為腺癌，有6例被診斷為小細(xì)胞癌，有2例被診斷為鱗癌，有1例被診斷為大細(xì)胞癌。

三、肺部影像人工智能診斷系統(tǒng)鑒別診斷結(jié)果與病理檢查結(jié)果的一致性分析

在150個病理檢查為良性肺結(jié)節(jié)中，分別有147個、3個經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別分別診斷為良性肺結(jié)節(jié)、惡性肺結(jié)節(jié)；在95個病理檢查為惡性肺結(jié)節(jié)中，分別有5個、90個經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別分別診斷為良性肺結(jié)節(jié)、惡性肺結(jié)節(jié)(見表2)。

表2 肺部影像人工智能診斷系統(tǒng)鑒別診斷肺結(jié)節(jié)性質(zhì)“四表格”(個)

在146例病理檢查顯示為肺良性疾病患者中，有143例、3例經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別診斷為肺良性疾病、肺癌(其中有2例腺癌、1例小細(xì)胞癌)；在32例病理檢查顯示為肺癌患者中，有27例、5例經(jīng)肺部影像人工智能診斷系統(tǒng)鑒別診斷為肺癌(19例被診斷為腺癌，有5例被診斷為小細(xì)胞癌，有2例被診斷為鱗癌，有1例被診斷為大細(xì)胞癌)、肺良性疾病(見表3)。

表3 肺部影像人工智能診斷系統(tǒng)鑒別診斷肺結(jié)節(jié)性質(zhì)患者“四表格”(例)

經(jīng)Kappa一致性檢驗，肺部影像人工智能診斷系統(tǒng)鑒別肺結(jié)節(jié)良惡性、肺良性/肺癌患者結(jié)果與病理檢查結(jié)果的一致性均良好(P<0.05)(見表4)。

表4 一致性檢驗

四、典型病例病理檢查結(jié)果

劉某某，女，64歲，以“體檢發(fā)現(xiàn)左肺占位1年”為主訴就診我院，入院后完善相關(guān)輔助檢查，診斷考慮為：右肺上葉癌，明確無手術(shù)禁忌癥后在全麻下行單孔胸腔鏡下右肺上葉楔形切除術(shù)+胸膜粘連烙斷術(shù)+胸腔閉式引流術(shù)，手術(shù)順利。術(shù)前CT薄層掃描，層厚1 mm ，主要表現(xiàn)右上肺尖段團(tuán)片影，邊緣可見長毛刺及分葉，邊界清，大小約22×18 mm，CT值22～34 Hu，增強(qiáng)后病變未見強(qiáng)化；術(shù)后病理回示：(右肺上葉楔切標(biāo)本)肺浸潤性腺癌(乳頭狀腺癌約占40%，腺泡狀腺癌約占20%，貼壁生長約占40%)，腫瘤最大徑約1.3 cm，待彈力纖維染色協(xié)助判斷是否侵犯胸膜；長線標(biāo)記處肺組織局灶纖維組織增生，碳沫沉積。(右肺上葉楔切標(biāo)本)結(jié)合彈力纖維染色結(jié)果，腫瘤侵犯臟層胸膜(見圖1～5)。

圖1 右肺尖段結(jié)節(jié)灶，毛刺、分葉

討 論

人工智能是研究、開發(fā)用以模擬、擴(kuò)展和延伸人的智能的理論、方法、技術(shù)與應(yīng)用系統(tǒng)的一門新興科學(xué)，是計算機(jī)科學(xué)發(fā)展的延伸，也是人類科學(xué)技術(shù)進(jìn)步的重要標(biāo)志。隨著醫(yī)療技術(shù)的飛速發(fā)展，人工智能的應(yīng)用價值也逐漸得到認(rèn)可[7-8]。據(jù)統(tǒng)計[9]，醫(yī)療數(shù)據(jù)中有超過90%的比例來源于醫(yī)學(xué)影像，且每年正以30%的速率增長，而此背景下影像科臨床醫(yī)師的工作效率并不能滿足實際需求，且其工作壓力逐漸增加，給醫(yī)學(xué)影像的診斷工作造成了極大的阻礙。而人工智能技術(shù)可以驅(qū)動醫(yī)學(xué)影像診斷方法的創(chuàng)新和改革，為醫(yī)院信息化、數(shù)字化和智能化發(fā)展奠定基礎(chǔ)[10-11]。此外，肺結(jié)節(jié)發(fā)病率高，肺結(jié)節(jié)性質(zhì)及肺癌的病理類型鑒別診斷中常規(guī)方法的操作難度較大，需積極改進(jìn)[12]。故此，本研究特針對此種情況設(shè)計肺部影像人工智能診斷系統(tǒng)，以解決上述問題。

圖2 縱膈窗結(jié)節(jié)灶邊界尚清，可見淺分葉

圖3 右上肺結(jié)節(jié)灶呈碘劑高濃聚

圖4 右上肺結(jié)節(jié)灶呈碘劑高濃聚

圖5 術(shù)后病理回示 (右肺上葉楔切標(biāo)本)肺浸潤性腺癌(HE×200)

本研究發(fā)現(xiàn)，本組患者中惡性結(jié)節(jié)占比38.78%，肺癌患者占比17.98%，且腺癌、小細(xì)胞癌、鱗癌、大細(xì)胞癌占比分別為71.88%、18.75%、6.25%、3.13%，可知在肺結(jié)節(jié)患者中惡性結(jié)節(jié)占據(jù)一定的比例，也存在肺癌高風(fēng)險，且肺癌病理類型多種多樣，肯定了對肺結(jié)節(jié)疾病性質(zhì)、肺癌病理類型進(jìn)行準(zhǔn)確鑒別診斷的重要性。此外，本研究還發(fā)現(xiàn)，經(jīng)肺部影像人工智能系統(tǒng)鑒別診斷的結(jié)果明確，與病理檢查結(jié)果基本一致，且Kappa值=0.801、0.763，可知肺部影像人工智能診斷系統(tǒng)在肺結(jié)節(jié)良惡性鑒別、肺癌病理類型鑒別診斷中的價值均較高，效能良好，臨床應(yīng)用價值高。劉曉鵬等人[13]報道指出，人工智能識別技術(shù)可對多項參數(shù)和信息同時進(jìn)行識別，在高危肺癌人群中具有理想的篩查價值，與本研究結(jié)果相符，共同證實人工智能在疾病診斷中有理想的發(fā)展前景。肺部影像人工智能診斷系統(tǒng)是利用圖像識別技術(shù)處理獲得圖像數(shù)據(jù)，然后將信息輸入卷積神經(jīng)網(wǎng)絡(luò)，并對其進(jìn)行訓(xùn)練、調(diào)整和校正，不斷優(yōu)化的一種網(wǎng)絡(luò)參數(shù)模型，臨床醫(yī)師只需將患者的影像學(xué)檢查結(jié)果進(jìn)行處理提取數(shù)據(jù)信息，并輸入上述網(wǎng)路參數(shù)模型便可直接輸出系統(tǒng)對肺結(jié)節(jié)性質(zhì)、肺癌病理分型的鑒別診斷結(jié)果，符合人工智能技術(shù)的特點(diǎn)，還可極大減少影像科醫(yī)師的工作量[14-16]。另外，該技術(shù)主要以既往醫(yī)院的電子病歷信息為基礎(chǔ)，數(shù)據(jù)量大，且可以提取全面的數(shù)據(jù)信息，有利于為肺結(jié)節(jié)性質(zhì)、肺癌病理類型的鑒別診斷奠定基礎(chǔ)，提高鑒別診斷的準(zhǔn)確性[17]。

此外，本研究中肺部影像人工智能系統(tǒng)對肺結(jié)節(jié)性質(zhì)和肺癌病理類型鑒別診斷中仍存在漏診和誤診的情況，分析其中原因為：肺結(jié)節(jié)患者的影像學(xué)檢查數(shù)據(jù)信息提取不全面，可能影響該系統(tǒng)的鑒別診斷結(jié)果；該系統(tǒng)設(shè)計的網(wǎng)絡(luò)參數(shù)模型可能仍存在某些偏差需要繼續(xù)擴(kuò)大信息庫數(shù)據(jù)量并進(jìn)行調(diào)整和校正[13]?；诖?，在實踐中對肺部影像人工智能系統(tǒng)不斷優(yōu)化，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本訓(xùn)練，利用遺傳算法優(yōu)化BP算法，以加快其收斂速度，避免陷入局部極小，同時指定恰當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)和初始權(quán)值的合理范圍，實現(xiàn)整個診斷系統(tǒng)的優(yōu)化以提高診斷準(zhǔn)確率。在今后的工作中該領(lǐng)域工作人員應(yīng)進(jìn)一步完善肺部影像人工智能系統(tǒng)的設(shè)計，減少其漏診和誤診的情況，提高其對肺結(jié)節(jié)性質(zhì)、肺癌病理類型的鑒別診斷價值。

綜上所述，在肺結(jié)節(jié)患者中建議采用肺部影像人工智能系統(tǒng)對其性質(zhì)及肺癌病理類型進(jìn)行鑒別診斷，與病理檢查結(jié)果的一致性高，且效能理想，還可減輕影像科醫(yī)師的工作負(fù)擔(dān)，促進(jìn)醫(yī)院智能化和數(shù)字化建設(shè)。而如何對肺部影像人工智能系統(tǒng)進(jìn)行完善仍需進(jìn)一步探討。