邱文，陳任政，張文浩

陽(yáng)江市人民醫(yī)院 1 放射科，2 產(chǎn)科 （廣東陽(yáng)江 529500）

目前，肺癌是全球發(fā)病率及病死率均較高的惡性腫瘤之一，早期很難被發(fā)現(xiàn)，一旦被發(fā)現(xiàn)基本已到晚期。臨床研究發(fā)現(xiàn)，孤立性肺結(jié)節(jié)的檢出對(duì)診斷肺癌意義重大[1]。孤立性肺結(jié)節(jié)（solitary pulmonary nodules，SPN）是直徑≤3 cm、界限清楚的圓形或橢圓形病灶，周圍有正常的實(shí)質(zhì)，與肺不張、淋巴結(jié)病、肺炎和胸腔積液無關(guān)[2]。臨床上與SPN相關(guān)的臨床信息和影像學(xué)在良惡性SPN 中存在部分重疊，極難分辨孤立性肺結(jié)節(jié)的良惡性情況。近年來，新型支氣管鏡、高分辨力CT、胸片、MRI 等檢查診斷手段逐漸被用于SPN 的早期診斷中，隨著AI 技術(shù)的發(fā)展，基于深度學(xué)習(xí)的計(jì)算機(jī)輔助檢測(cè)與診斷系統(tǒng)在SPN 的診斷中也不斷取得進(jìn)步[3]。基于此，本研究探討AI 軟件在SPN 良惡性診斷中的應(yīng)用，現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料

收集2019年4－11月于我院呼吸內(nèi)科、胸外科、腫瘤科等科室經(jīng)臨床和手術(shù)病理證實(shí)的，100例結(jié)節(jié)直徑≤3 cm 的SPN患者的臨床資料。其中，良性腫瘤50例，男26例，女24例；年齡32～74歲，平均（49.30±11.27）歲。惡性腫瘤50例，男28例，女22例；年齡38～79歲，平均（59.60±11.35）歲。本研究已獲得醫(yī)院醫(yī)學(xué)倫理委員會(huì)的審核批準(zhǔn)。

1.2 方法

所有患者均行CT 掃描：使用飛利浦Brillance 64排CT、西門子Balance 16排CT（Light Speed VCT，Discovery HDCT，Optima）螺旋CT，從胸廓入口至肺底，設(shè)定電壓120 kV、電流200～340 mA，采用骨重建1.25 mm 層厚軸位圖像法進(jìn)行吸氣后屏氣完成全肺掃描，獲得CT 影像。

1.3 觀察指標(biāo)

比較低年資、高年資醫(yī)師及AI 軟件診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度。在未被告知臨床診斷結(jié)果的情況下，分別由兩名低年資（5年以內(nèi)）及兩名高年資（5年以上）影像醫(yī)師閱片并判斷SPN 良惡性；此外，將100例胸部CT 影像原始數(shù)據(jù)上傳至基于深度學(xué)習(xí)模型的AI 軟件（深睿醫(yī)療公司），并由系統(tǒng)軟件自動(dòng)批量進(jìn)行SPN 良惡性的識(shí)別和標(biāo)記。

1.4 統(tǒng)計(jì)學(xué)處理

采用SPSS 22.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析，計(jì)數(shù)資料以率表示，采用χ2檢驗(yàn)，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

AI 軟件與高年資醫(yī)師診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；AI 軟件、高年資醫(yī)師診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度均高于低年資醫(yī)師，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），見表1。

表1 低年資、高年資醫(yī)師及AI 軟件診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度比較[例（%）]

3 討論

SPN 中多數(shù)惡性結(jié)節(jié)位于肺上葉，且多見于右肺，而位于肺周圍區(qū)域的SPN 約占60%[4]。有研究指出，在結(jié)節(jié)邊緣有不同的征象如不規(guī)則、毛刺、分葉、光滑等，良性和惡性病變之間存在較大的重疊[5]。良性結(jié)節(jié)大部分特征邊緣光滑，而惡性結(jié)節(jié)大部分為密集毛刺結(jié)節(jié)、分葉狀的表現(xiàn)。AI 技術(shù)基于深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、算法、大數(shù)據(jù)等基礎(chǔ)，利用數(shù)據(jù)模擬構(gòu)建相應(yīng)的虛擬模型結(jié)構(gòu)。目前，AI 輔助肺部結(jié)節(jié)影像診斷不僅可以幫助醫(yī)師確定肺部結(jié)節(jié)發(fā)生部位，還能更智能化地輔助醫(yī)師對(duì)肺部結(jié)節(jié)進(jìn)行良惡性的定性診斷[6]。隨著深度學(xué)習(xí)的不斷發(fā)展，基于深度學(xué)習(xí)的計(jì)算機(jī)輔助診斷技術(shù)診斷肺結(jié)節(jié)的靈敏度及準(zhǔn)確度也得到了提高[7]。深度學(xué)習(xí)模型多種多樣，應(yīng)用在SPN 的檢測(cè)系統(tǒng)及模型中的主要有多維卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）、自編碼（auto-encoder，AE）、深度信念網(wǎng)絡(luò)（deep belief network，DBN）、自主神經(jīng)功能網(wǎng)絡(luò)、仿生模式識(shí)別等，其中，以CNN 最常用。

CNN 是一種受生物學(xué)啟發(fā)，多用于解決圖像分類問題的監(jiān)督學(xué)習(xí)算法[8]。最近，深度CNN 在圖像處理方面取得了巨大成功并被引入醫(yī)學(xué)圖像領(lǐng)域，特別是受到阿諾德基金會(huì)的100萬美元資助美國(guó)國(guó)家癌癥研究所的肺癌自動(dòng)檢測(cè)與診斷挑戰(zhàn)賽，參加這項(xiàng)挑戰(zhàn)賽中的所有頂級(jí)團(tuán)隊(duì)都使用CNN 來自動(dòng)檢測(cè)和診斷肺部病變，這也證實(shí)了CNN 在AI 醫(yī)療中的應(yīng)用價(jià)值[9]。目前，研究較多的有多維CNN 的肺結(jié)節(jié)檢測(cè)與分類，基于二維、三維CNN 對(duì)肺結(jié)節(jié)進(jìn)行檢測(cè)，主要針對(duì)的是在檢測(cè)過程中出現(xiàn)的假陽(yáng)性高的問題。安增平[10]提出了一種基于深度學(xué)習(xí)的肺部結(jié)節(jié)檢測(cè)方法，并以此為基礎(chǔ)，設(shè)計(jì)開發(fā)了一個(gè)肺結(jié)節(jié)輔助檢測(cè)系統(tǒng)，該系統(tǒng)具有讀取與顯示CT 信息、整肺初步分割、提取ROI 區(qū)域、顯示結(jié)節(jié)區(qū)域等功能，可提高診斷SPN 的靈敏度，降低假陽(yáng)性率。王祥等[11]利用三維CNN 的肺結(jié)節(jié)深度學(xué)習(xí)算法模型檢出的靈敏度為90%，準(zhǔn)確度為71%。本研究結(jié)果顯示，AI 軟件與高年資醫(yī)師診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；AI 軟件、高年資醫(yī)師診斷SPN 良惡性的準(zhǔn)確度及總準(zhǔn)確度均高于低年資醫(yī)師，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；表明經(jīng)過深度學(xué)習(xí)的AI 軟件對(duì)于SPN 良惡性診斷的準(zhǔn)確度較高，可達(dá)到高年資醫(yī)師水平。

4 總結(jié)與展望

AI 是蓬勃發(fā)展的新興科技，具有巨大的應(yīng)用前景及廣闊的發(fā)展空間。AI 軟件通過學(xué)習(xí)和研究大量醫(yī)學(xué)數(shù)據(jù)、醫(yī)學(xué)影像和病歷資料，能夠提高診斷的準(zhǔn)確度，從而為疾病提供早期預(yù)警。目前，深度學(xué)習(xí)AI 已經(jīng)被應(yīng)用于肺癌診斷、治療、預(yù)防、隨訪等疾病診療過程中，大大提高了醫(yī)師的診斷效率、降低了漏診及誤診的風(fēng)險(xiǎn)，同時(shí)，還能夠減輕醫(yī)師的工作量。AI 軟件在診斷SPN 良惡性方面的應(yīng)用效果較好，將會(huì)成為臨床醫(yī)師不可或缺的得力助手，但在應(yīng)用過程中不斷出現(xiàn)新的挑戰(zhàn)，如機(jī)器倫理、法律及智能化標(biāo)準(zhǔn)等問題。業(yè)界對(duì)肺結(jié)節(jié)智能化的診斷還需不斷的完善與更新，醫(yī)師應(yīng)不斷學(xué)習(xí)與更新知識(shí)，使AI 在輔助醫(yī)者診斷中發(fā)揮重要作用。