安超，張晨，鄭廣平，曹義，楊根東，印宏坤，顧俊，鄒彤，吳雙，王立非

我國(guó)是全球30個(gè)結(jié)核病流行嚴(yán)重的國(guó)家之一，每年新增肺結(jié)核病患者約90萬(wàn)例[1]，嚴(yán)重危害人民健康和生命安全。肺結(jié)核病診斷的“金標(biāo)準(zhǔn)”是細(xì)菌學(xué)，即痰培養(yǎng)法，雖然靈敏度較高，但此法檢驗(yàn)所需時(shí)間較長(zhǎng)，且容易受其他雜桿菌影響結(jié)果[2]。臨床實(shí)踐約有2/3的肺結(jié)核患者痰抗酸染色和痰結(jié)核分枝桿菌培養(yǎng)為陰性[3]，對(duì)于此類患者，傳統(tǒng)的痰培養(yǎng)法無(wú)法準(zhǔn)確篩查肺結(jié)核，往往會(huì)造成漏診[4]。胸部X線(chest X-rays,CXR)是發(fā)現(xiàn)結(jié)核病患者最簡(jiǎn)便、可推廣、適宜基層的篩查措施。X線篩查具有較高的敏感度，但是特異度較差，高度依賴于醫(yī)生的主觀判斷，具有較大的組內(nèi)和組間觀察者差異[5]，特別是對(duì)于基層醫(yī)院具有一定的挑戰(zhàn)性[6]。近來(lái)，隨著人工智能(AI)和深度學(xué)習(xí)技術(shù)的迅猛發(fā)展，深度學(xué)習(xí)算法被廣泛應(yīng)用于醫(yī)學(xué)影像輔助檢測(cè)和診斷?；诰矸e神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法可以用于顱內(nèi)血腫分割及出血類型識(shí)別[7]，在基于彩色眼底圖像的糖尿病視網(wǎng)膜病變分級(jí)、皮膚癌與良性病變等疾病的診斷上，AI已接近或達(dá)到臨床專家水平[8,9]；通過(guò)大樣本訓(xùn)練，AI也被應(yīng)用于眼底病變和小兒肺炎的診斷[10]；此外，深度學(xué)習(xí)技術(shù)還可用于心電圖中心臟收縮功能障礙和心律失常的檢測(cè)[11]。目前也有一些利用深度學(xué)習(xí)檢測(cè)胸部X線肺結(jié)核的報(bào)道[12,13]，但是這些研究都是基于公開(kāi)數(shù)據(jù)集，缺乏外部獨(dú)立測(cè)試集和臨床數(shù)據(jù)集的驗(yàn)證，因此無(wú)法判斷其魯棒性和泛化性。另外，基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型由于參數(shù)量巨大，之前報(bào)道的研究中使用的樣本數(shù)量通常較小(約1000例左右或更少)，容易出現(xiàn)過(guò)擬合的情況。目前尚未有研究報(bào)道胸部X線肺結(jié)核檢測(cè)深度學(xué)習(xí)模型在多中心臨床數(shù)據(jù)上的表現(xiàn)。

本研究旨在通過(guò)搜集多中心、大樣本數(shù)據(jù)建立基于胸部X線的肺結(jié)核檢出深度學(xué)習(xí)模型，并通過(guò)多中心的外部獨(dú)立數(shù)據(jù)集來(lái)評(píng)估深度學(xué)習(xí)模型的效能、魯棒性及臨床應(yīng)用價(jià)值。

材料與方法

1.患者數(shù)據(jù)集資料

開(kāi)發(fā)數(shù)據(jù)搜集:本研究回顧性搜集2600例來(lái)自國(guó)內(nèi)3家醫(yī)療機(jī)構(gòu)的胸部X線掃描影像作為開(kāi)發(fā)數(shù)據(jù)集，所有數(shù)據(jù)均直接從PACS系統(tǒng)導(dǎo)出并經(jīng)過(guò)脫敏處理。結(jié)核患者入組標(biāo)準(zhǔn)為：患者年齡>16歲，且根據(jù)中華人民共和國(guó)衛(wèi)生行業(yè)標(biāo)準(zhǔn)中肺結(jié)核診斷的規(guī)定(WS 288-2017)確診為肺結(jié)核，具體依據(jù)：①DNA/RNA或GeneXpert試劑盒檢測(cè)證實(shí)肺結(jié)核陽(yáng)性;②痰培養(yǎng)及抗酸桿菌陽(yáng)性和結(jié)核分歧桿菌陽(yáng)性;③組織活檢提示結(jié)核病。排除標(biāo)準(zhǔn)：患者患有腫瘤性疾病，或由于支氣管炎、肺炎及手術(shù)產(chǎn)生雙肺上葉支氣管增粗、肺紋理增濃導(dǎo)致難以與肺結(jié)核區(qū)別的。此外，本研究還搜集407例未患有肺結(jié)核的胸部X線掃描影像作為陰性對(duì)照。最終搜集數(shù)據(jù)中包含了2193例確診肺結(jié)核患者數(shù)據(jù)，其中1580例為活動(dòng)性病灶，613例為非活動(dòng)性病灶。

外部測(cè)試集數(shù)據(jù)搜集:本研究共搜集2組公開(kāi)數(shù)據(jù)集[14]和1組臨床數(shù)據(jù)集作為外部測(cè)試集，用于深度學(xué)習(xí)模型性能的檢測(cè)以及臨床應(yīng)用的評(píng)估，具體包括：①ChinaSet公開(kāi)數(shù)據(jù)集，大部分來(lái)自于深圳三院在2012年9月份搜集的病例，共包含336例結(jié)核病與326例非結(jié)核病患者數(shù)據(jù)，所有的胸部X線影像均采用飛利浦?jǐn)?shù)字化X射線攝影系統(tǒng)(Philips DR digital diagnost system)采集，并存為3000×3000分辨率的PNG圖片格式；②MontgomerySet公開(kāi)數(shù)據(jù)集，共包含58例結(jié)核病和80例非結(jié)核病患者的胸部X線影像，均來(lái)自于美國(guó)馬里蘭州蒙哥馬利縣，所有數(shù)據(jù)以PNG圖片格式保存，分辨率為4892×4020；ChinaSet公開(kāi)數(shù)據(jù)集和MontgomerySet公開(kāi)數(shù)據(jù)集的下載地址為：http://archive.nlm.nih.gov/repos/chestImages.php；③深圳三院外部臨床測(cè)試數(shù)據(jù)集，包含從2012年1月-2019年9月之間搜集的200例結(jié)核病與694例非結(jié)核病患者的DICOM格式胸部X線影像，均使用飛利浦?jǐn)?shù)字DR系統(tǒng)進(jìn)行捕獲，分辨率約為3000×3000。深圳三院外部臨床測(cè)試數(shù)據(jù)集為獨(dú)立搜集，與開(kāi)發(fā)數(shù)據(jù)集來(lái)自不同醫(yī)院，且與ChinaSet公開(kāi)數(shù)據(jù)集來(lái)自于不同的患者。

數(shù)據(jù)標(biāo)記：本項(xiàng)目目的是在胸部X線影像中實(shí)現(xiàn)肺結(jié)核病灶的檢測(cè)，因此所有數(shù)據(jù)中的病灶均由放射科醫(yī)生用矩形框進(jìn)行標(biāo)記。為了確保標(biāo)記結(jié)果的準(zhǔn)確性與一致性，在原有標(biāo)記結(jié)果的基礎(chǔ)上所有數(shù)據(jù)均由1名來(lái)自三甲醫(yī)院的主治醫(yī)生對(duì)照影像報(bào)告進(jìn)行二次確認(rèn)，對(duì)于有疑問(wèn)的病例由另一名高年資主治醫(yī)師進(jìn)行最終審核確認(rèn)，作為結(jié)核病灶位置判斷的最終結(jié)果。

2.深度學(xué)習(xí)模型的構(gòu)建和驗(yàn)證

數(shù)據(jù)預(yù)處理：將開(kāi)發(fā)數(shù)據(jù)集中的2600例數(shù)據(jù)隨機(jī)劃分為訓(xùn)練集(2122例)、驗(yàn)證集(300例)和內(nèi)部測(cè)試集(178例)，分別進(jìn)行深度學(xué)習(xí)模型的訓(xùn)練、參數(shù)調(diào)優(yōu)和結(jié)果測(cè)試。深度學(xué)習(xí)一般要求樣本數(shù)量充足，樣本量越大訓(xùn)練出來(lái)的模型效果越好，泛化能力也越強(qiáng)。因此，我們采用了包含圖像變化、旋轉(zhuǎn)等數(shù)據(jù)增強(qiáng)技術(shù)對(duì)訓(xùn)練集中的圖像進(jìn)行了預(yù)處理，以提升模型的效能和魯棒性。

模型構(gòu)建：本研究通過(guò)構(gòu)建基于類似于RetinaNet網(wǎng)絡(luò)的深度學(xué)習(xí)模型實(shí)現(xiàn)肺結(jié)核的檢測(cè)。使用ResNeXt-50作為骨架網(wǎng)絡(luò)，相比于經(jīng)典的ResNet殘差網(wǎng)絡(luò)，ResNeXt在其基礎(chǔ)上進(jìn)一步提出了一種拓?fù)浣Y(jié)構(gòu)的轉(zhuǎn)換模塊，使得網(wǎng)絡(luò)結(jié)構(gòu)在寬度上變得更寬，擁有更強(qiáng)的特征提取能力。ResNeXt-50的每一個(gè)模塊中我們都采用了Conv+BN+ReLU的結(jié)構(gòu)，其中Conv表示卷積層，用于提取圖像特征；BN表示批歸一化(batch normalization)，有助于網(wǎng)絡(luò)的收斂和防止過(guò)擬合；ReLU是一種激活函數(shù)，用于提升網(wǎng)絡(luò)的非線性擬合能力。此外，為了保證不同尺寸肺結(jié)核征象的檢出率，本研究在ResNeXt網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上添加特征金字塔結(jié)構(gòu)(feature pyramid networks,FPN)來(lái)有效融合不同層次的圖像特征；為保證一些樣本量比較少的肺結(jié)核征象的檢出率，采用難樣本挖掘技術(shù)；為了保證收斂效果，避免過(guò)擬合，采用多任務(wù)的loss函數(shù)。本研究采用的深度學(xué)習(xí)模型是一種以ResNeXt-FPN為基礎(chǔ)網(wǎng)絡(luò)的一步(one-stage)檢測(cè)模型(圖1)。模型的輸入為1張DR胸片圖像，不需要其他的臨床信息。模型通過(guò)影像的特征分析，輸出為該影像中包含肺結(jié)核征象的概率值。

圖1 肺結(jié)核檢測(cè)深度學(xué)習(xí)模型的網(wǎng)絡(luò)架構(gòu)與工作流程示意圖。

為了提高模型訓(xùn)練效率，本研究還采用了遷移學(xué)習(xí)(transfer learning)的方法進(jìn)行了預(yù)訓(xùn)練，預(yù)訓(xùn)模型參數(shù)的數(shù)據(jù)來(lái)源于Image Net的子集，其中訓(xùn)練集1281167張，驗(yàn)證集50000張，測(cè)試集100000張，總共1000個(gè)分類，在測(cè)試集上top5分類錯(cuò)誤率達(dá)到6.6%。

模型效能評(píng)估：肺結(jié)核診斷采用受試者工作曲線(receiver operating characteristic curve,ROC curve)，在內(nèi)部測(cè)試集和2個(gè)公開(kāi)數(shù)據(jù)集上進(jìn)行肺結(jié)核檢測(cè)，以每張胸部X線片上是否檢測(cè)出結(jié)核病灶作為AI診斷肺結(jié)核的結(jié)果，參比金標(biāo)準(zhǔn)進(jìn)行AI診斷性能的分析。通過(guò)計(jì)算曲線下面積(area under curve,AUC)來(lái)評(píng)估模型的診斷效能，并基于約登指數(shù)所對(duì)應(yīng)的閾值來(lái)確定模型的敏感性(sensitivity)、特異性(specificity)和準(zhǔn)確性(accuracy)。

3.深圳三院臨床驗(yàn)證

樣本量計(jì)算：據(jù)WHO 2014 年發(fā)布的有關(guān)肺結(jié)核分診(triage)篩查產(chǎn)品性能指標(biāo)的最低要求，靈敏度需要達(dá)到90%，特異度需要達(dá)到70%。本研究引用WHO標(biāo)準(zhǔn)，采用目標(biāo)值法對(duì)AI模型的有效性進(jìn)行驗(yàn)證。主要評(píng)價(jià)指標(biāo)：AI模型在陽(yáng)性肺結(jié)核影像病例上的靈敏度高于目標(biāo)值90%，優(yōu)效界值為0，實(shí)現(xiàn)優(yōu)效；AI模型在陰性肺結(jié)核影像病例上的特異度高于目標(biāo)值70%，優(yōu)效界值為0，實(shí)現(xiàn)優(yōu)效。

對(duì)AI的有效性驗(yàn)證進(jìn)行測(cè)試樣本量估計(jì)，公式如下：

其中n為最少樣本量，Z1-α/2、Z1-β為標(biāo)準(zhǔn)正態(tài)分布的分?jǐn)?shù)位，當(dāng)雙側(cè)顯著性α=0.05時(shí)，Z1-α/2=1.96，當(dāng)β=0.2時(shí)，Z1-β=0.842。

預(yù)期的靈敏度=95.5%，目標(biāo)值=90%，計(jì)算得到靈敏度優(yōu)效所需的最低樣本量為192.23。預(yù)期的特異度=75%，目標(biāo)值=70%，計(jì)算得到特異度優(yōu)效所需的最低樣本量為637.85。

臨床一致性評(píng)估：為了檢測(cè)AI模型在臨床實(shí)際使用的情況，本研究對(duì)于臨床一致性也進(jìn)行了評(píng)估。首先對(duì)不同人員之間的結(jié)果一致性進(jìn)行評(píng)估，分別由操作員A、B和C使用AI系統(tǒng)進(jìn)行深圳三院外部臨床測(cè)試數(shù)據(jù)集的肺結(jié)核檢測(cè)，每次檢測(cè)前均將正負(fù)樣本隨機(jī)打散，由觀察人員記錄AI診斷結(jié)果，整個(gè)過(guò)程中操作員A、B、C互不干擾，互不知情。將所有操作員的檢測(cè)結(jié)果匯總并與已知金標(biāo)準(zhǔn)結(jié)果(臨床確診的結(jié)果)進(jìn)行比對(duì)，計(jì)算各自的敏感性和特異性并評(píng)估AI模型的結(jié)果再現(xiàn)性。其次本研究還對(duì)結(jié)果的再現(xiàn)性進(jìn)行了評(píng)估，由操作員D使用AI模型重復(fù)在深圳三院外部臨床測(cè)試數(shù)據(jù)集上檢測(cè)肺結(jié)核3次，每次檢測(cè)前均將正負(fù)樣本隨機(jī)打散，每次檢測(cè)間隔時(shí)間為1周。將操作員D 3次檢測(cè)結(jié)果匯總并與已知金標(biāo)準(zhǔn)結(jié)果(臨床確診的結(jié)果)進(jìn)行比對(duì)，評(píng)估AI模型的可重復(fù)性。

結(jié) 果

1.內(nèi)部驗(yàn)證結(jié)果

深度學(xué)習(xí)模型在內(nèi)部測(cè)試集的ROC下曲線面積(AUC)為0.967，對(duì)應(yīng)最佳閾值下的敏感度為95.32%，特異度為83.33%，AI模型診斷肺結(jié)核的準(zhǔn)確率為94.94%。

2.公開(kāi)數(shù)據(jù)集驗(yàn)證結(jié)果

AI模型在ChinaSet和MontgomerySet公開(kāi)數(shù)據(jù)集上的測(cè)試結(jié)果AUC分別為0.95和0.93(圖2)，與內(nèi)部驗(yàn)證集的AUC基本一致，表現(xiàn)良好的魯棒性。深度學(xué)習(xí)模型在ChinaSet和MontgomerySet公開(kāi)數(shù)據(jù)集的外部測(cè)試詳細(xì)結(jié)果如表1。

圖2 深度學(xué)習(xí)模型在公開(kāi)數(shù)據(jù)集ChinaSet(a)和MontgomerySet(b)上的ROC曲線分析。 圖3 深度學(xué)習(xí)模型在深圳三院臨床數(shù)據(jù)集上的ROC曲線分析。

表1 深度學(xué)習(xí)模型在公開(kāi)數(shù)據(jù)集上的具體驗(yàn)證結(jié)果

3.深圳三院臨床數(shù)據(jù)集測(cè)試結(jié)果

深圳三院臨床數(shù)據(jù)集包含200例肺結(jié)核樣本和694例正常對(duì)照樣本，滿足有效性評(píng)價(jià)的測(cè)試樣本量需求。數(shù)據(jù)集包含了來(lái)自523名男性和371名女性的胸部X線影像數(shù)據(jù)，其中有596例患者年齡在16～35歲，323例患者年齡在36～55歲，65例患者年齡在56歲以上，1例患者年齡信息缺失?；颊叩男詣e和年齡分布符合臨床實(shí)際情況。

ROC分析結(jié)果表明AI模型在深圳三院臨床數(shù)據(jù)集上也體現(xiàn)了優(yōu)異的診斷效能，AI模型的AUC為0.976(圖3)，對(duì)應(yīng)閾值為0.17時(shí)的敏感度為97.50%，優(yōu)于WHO規(guī)定的90%；特異度為77.52%，優(yōu)于WHO規(guī)定的70%，AI模型診斷肺結(jié)核的準(zhǔn)確率為81.99%。

4.臨床一致性測(cè)試結(jié)果

基于設(shè)定好的閾值0.17，AI模型會(huì)將輸出概率≤0.17的圖像判定為陰性，>0.17的圖像判定為陽(yáng)性，則模型預(yù)測(cè)的各圖像陰陽(yáng)性與金標(biāo)準(zhǔn)一一對(duì)比，則可得到以下指標(biāo)。①TP：真陽(yáng)，金標(biāo)準(zhǔn)為陽(yáng)性且模型預(yù)測(cè)為陽(yáng)性的圖像數(shù)；②TN：真陰，金標(biāo)準(zhǔn)為陰性且模型預(yù)測(cè)為陰性的圖像數(shù)；③FP：假陽(yáng)，金標(biāo)準(zhǔn)為陰性而模型預(yù)測(cè)為陽(yáng)性的圖像數(shù)；④FN：假陰，金標(biāo)準(zhǔn)為陽(yáng)性而模型預(yù)測(cè)為陰性的圖像數(shù)。

據(jù)AI預(yù)測(cè)結(jié)果和金標(biāo)準(zhǔn)的對(duì)比，操作員A、B、C分別的檢測(cè)結(jié)果以及操作員D3次檢測(cè)的結(jié)果匯總(表2)。

表2 深度學(xué)習(xí)模型臨床一致性評(píng)估結(jié)果

測(cè)試結(jié)果表明在相同的環(huán)境條件下，不同的操作員或者同一操作員不同時(shí)間的檢測(cè)結(jié)果均完全一致，說(shuō)明AI模型對(duì)于胸部X線肺結(jié)節(jié)檢測(cè)具有良好的重復(fù)性和再現(xiàn)性。

5.案例分析

一位典型體檢患者在本研究構(gòu)建的人工智能輔助診斷系統(tǒng)下的結(jié)核病灶識(shí)別檢出情況(圖4)，結(jié)果表明AI可準(zhǔn)確的識(shí)別結(jié)核病灶并對(duì)其進(jìn)行定位，有助于輔助臨床醫(yī)生進(jìn)行肺結(jié)核診斷。

此外，我們也對(duì)AI模型的漏診病例進(jìn)行了分析，患者雙肺紋理增強(qiáng)模糊，右肺及左上肺見(jiàn)結(jié)片狀致密影，邊界欠清，心臟大小形態(tài)正常范圍，雙側(cè)膈面光滑，雙側(cè)肋膈角銳利(圖5a)，提示右肺及左上肺感染性病變，最終經(jīng)病原學(xué)確診為肺結(jié)核。AI漏診可能原因是由于雙肺尖部局限性、對(duì)稱性病變，且病變區(qū)與鎖骨近端、第一前肋存在重疊，從而造成模型誤判?；颊哂曳紊弦翱梢?jiàn)團(tuán)片模糊影及纖維條索灶，右側(cè)肺門(mén)上提，余雙肺未見(jiàn)其他異常密度灶，主動(dòng)脈紆曲增寬，余未見(jiàn)異常(圖5b)，右上肺改變提示陳舊結(jié)核可能，最終經(jīng)過(guò)痰液病理檢查確診。AI誤判的可能原因是右肺尖部淡薄稍高密度影，病變范圍較小導(dǎo)致結(jié)核征象不典型，同時(shí)受到肺尖部鎖骨及第一前肋的影響造成模型漏診。

圖4 典型的在體檢影像報(bào)告顯示為結(jié)核疑似患者右肺上葉結(jié)核在被深度學(xué)習(xí)模型識(shí)別檢出。

圖5 兩例深度學(xué)習(xí)模型漏診病例分析，肺結(jié)核病灶用白色箭頭標(biāo)出。

討 論

本研究建立了基于胸部X線的肺結(jié)核檢出深度學(xué)習(xí)模型，采用了基于RetinaNet網(wǎng)絡(luò)的檢測(cè)方法，檢測(cè)精度高[15]。內(nèi)部測(cè)試數(shù)據(jù)中模型的AUC為0.967，幾乎達(dá)到了100%無(wú)漏診。在公開(kāi)數(shù)據(jù)集ChinaSet和MontgomerySet上，模型的AUC分別為0.95和0.93，相比于內(nèi)部測(cè)試集結(jié)果模型性能無(wú)明顯下降，表明該模型不存在過(guò)擬合的現(xiàn)象，具有較高的魯棒性。此外，我們還與商業(yè)軟件Qure.ai在胸部X線肺結(jié)核診斷的結(jié)果進(jìn)行了比較，不論是在ChinaSet公開(kāi)數(shù)據(jù)集上(AUC，0.95 vs 0.87)還是MontgomerySet數(shù)據(jù)集上(AUC，0.93 vs 0.91)，我們建立的模型都有著更高的診斷準(zhǔn)確率[16]。在來(lái)自深圳三院外部驗(yàn)證數(shù)據(jù)集上模型的AUC仍然達(dá)到了0.976，與模型在內(nèi)部驗(yàn)證集以及2組公開(kāi)數(shù)據(jù)集上的測(cè)試結(jié)果幾乎完全一致，表明模型具有很好的泛化性。

相比于之前關(guān)于深度學(xué)習(xí)在胸部X線結(jié)核檢測(cè)中的報(bào)道，本研究有以下優(yōu)點(diǎn)：①本研究納入了來(lái)自三家醫(yī)院的2600例胸部X線數(shù)據(jù)用于模型訓(xùn)練，據(jù)我們所知這是目前最大的肺結(jié)核胸部X線多中心數(shù)據(jù)庫(kù)。多中心、大樣本的數(shù)據(jù)為深度學(xué)習(xí)模型的構(gòu)建提供了保障，實(shí)驗(yàn)結(jié)果也證明我們的AI模型有著良好的效能和優(yōu)秀的魯棒性。②本研究通過(guò)構(gòu)建基于類似RetinaNet的ResNeXt-FPN網(wǎng)絡(luò)架構(gòu)進(jìn)行肺結(jié)核病灶的檢測(cè)，相比于之前報(bào)道中所采用的AlexNet和GoogLeNet等傳統(tǒng)模型，本研究在胸部X線整圖診斷的基礎(chǔ)上進(jìn)一步的實(shí)現(xiàn)了病灶定位，從而更有利于輔助臨床醫(yī)生進(jìn)行診斷，同時(shí)源于RetinaNet的改良損失函數(shù)解決了目標(biāo)檢測(cè)模型中正負(fù)樣本嚴(yán)重不平衡的問(wèn)題，金字塔形的網(wǎng)絡(luò)結(jié)構(gòu)也充分利用了多尺度的特征，從而保證了檢測(cè)精度。③本研究分別在公開(kāi)數(shù)據(jù)集和來(lái)自臨床的獨(dú)立數(shù)據(jù)集上進(jìn)行的模型性能的外部驗(yàn)證，充分驗(yàn)證了AI模型的魯棒性和泛化性，為臨床應(yīng)用提供了數(shù)據(jù)支撐。④本研究還在深圳三院臨床數(shù)據(jù)集中計(jì)算了最低樣本量，確保了模型在敏感度和特異度上相對(duì)于WHO標(biāo)準(zhǔn)的優(yōu)效性驗(yàn)證，同時(shí)還進(jìn)行了AI模型的臨床一致性研究，充分證明了模型的臨床應(yīng)用可靠性。

AI模型可以精確計(jì)算出每個(gè)病例的患病風(fēng)險(xiǎn)，通過(guò)人為設(shè)定一個(gè)閾值(threshold)來(lái)鑒別診斷正負(fù)樣本，隨著閾值從小到大逐漸升高，模型敏感性隨之降低的同時(shí)特異性也隨之升高，反之亦然。約登指數(shù)(Youden Index)是常用的評(píng)價(jià)篩查試驗(yàn)真實(shí)性的方法，其應(yīng)用的前提是假設(shè)假陰性(漏診率)和假陽(yáng)性(誤診率)的危害性具有同等意義[17]。針對(duì)不同疾病診斷的實(shí)際臨床實(shí)驗(yàn)中，假陰性和假陽(yáng)性的危害性往往并不相同，因此需要通過(guò)調(diào)節(jié)閾值大小來(lái)進(jìn)行平衡。本研究基于WHO在肺結(jié)核診斷上的標(biāo)準(zhǔn)，在深圳三院臨床測(cè)試數(shù)據(jù)集上通過(guò)人為設(shè)定閾值為0.17，確保了模型在具有高敏感性(97.50%)的同時(shí)也有良好的特異性(77.52%)。

本研究也存在局限性：首先，本研究為回顧性研究，未來(lái)還需要前瞻性的搜集更多病例來(lái)驗(yàn)證模型的臨床應(yīng)用效能；其次，本研究只分析了AI對(duì)于結(jié)核病灶的檢出效能，還需要進(jìn)行閱片實(shí)驗(yàn)來(lái)探索深度學(xué)習(xí)模型與人類醫(yī)生在結(jié)核檢查的效能差異，以及評(píng)估醫(yī)生在AI輔助下對(duì)結(jié)核檢測(cè)準(zhǔn)確率的提升；再次，臨床驗(yàn)證結(jié)果表明雖然AI對(duì)于肺結(jié)核的檢測(cè)準(zhǔn)確率較高，但是對(duì)于病變特征不明顯且有其他部位遮擋的結(jié)核病灶仍然存在漏診的情況，需要針對(duì)性的進(jìn)行模型優(yōu)化以降低漏診率；最后，本研究開(kāi)發(fā)的AI模型只針對(duì)了肺結(jié)核病灶的檢測(cè)，在訓(xùn)練過(guò)程中未納入肺部其他病變，因此目前只能局限于肺結(jié)核的檢測(cè)，未來(lái)將進(jìn)一步拓展針對(duì)其他肺部病變的檢測(cè)功能。

總之，本研究通過(guò)搜集多中心來(lái)源的大樣本數(shù)據(jù)集，構(gòu)建了具有高魯棒性和泛化性的深度學(xué)習(xí)胸部X線影像肺結(jié)核檢測(cè)模型，并采用了多個(gè)外部獨(dú)立測(cè)試集進(jìn)行性能驗(yàn)證，同時(shí)還在深圳三院臨床數(shù)據(jù)集中對(duì)模型的優(yōu)效性和可靠性進(jìn)行了評(píng)估。結(jié)果表明基于深度學(xué)習(xí)的胸部X線肺結(jié)核病灶智能檢測(cè)模型擁有較高的準(zhǔn)確率和良好的可靠性，有助于更準(zhǔn)確、有效地指導(dǎo)肺結(jié)核疾病的臨床醫(yī)療決策。