劉悅 沈陽市骨科醫(yī)院放射線科 （遼寧 沈陽 110044）

內容提要： 目的：探討人工智能（AI）肋骨骨折檢測系統(tǒng)在多層螺旋CT中提高診斷肋骨骨折效能方面的作用。方法：選取2021年5月～2022年5月沈陽市骨科醫(yī)院經64排螺旋CT掃描的50例肋骨骨折陽性和50例肋骨骨折陰性的患者作為觀察對象，然后分別運用AI影像分析系統(tǒng)（AI組）、人工組及人工+AI組對比分析肋骨的特征，得出肋骨骨折的數(shù)量，然后統(tǒng)計三組診斷肋骨骨折的檢出時間，假陽性率，敏感性和準確率。結果：AI檢測出肋骨骨折的平均時間為（63±18）s，假陽性率4.56%，敏感性87.75%，準確率95.13%；人工檢測出肋骨骨折的平均時間為（203±68）s，假陽性率1.30%，敏感性84.69%，準確率97.91%；AI輔助人工檢測出肋骨骨折的平均時間為（136±28）s，假陽性率0.96%，敏感性92.85%，準確率98.79%。結論：AI技術在肋骨骨折中具有較高的敏感性和診斷準確率，雖然存在一定的假陽性率，但可以輔助人工，減少閱片時間，在提高診斷質量和工作效率上效果顯著。

肋骨骨折是臨床工作中比較常見的胸部創(chuàng)傷，及時準確的診斷不僅對患者的治療和預后有很重要的價值，同時可以為法醫(yī)鑒定提供重要的指標，并能減少醫(yī)療糾紛的發(fā)生[1]。由于X射線檢查為重疊影像，并且和投照角度有很大的關系，導致診斷效能較低，有研究報道稱漏診率達到50%[2]。因此，多層螺旋CT成為胸部創(chuàng)傷最主要的影像學檢查方法，由于掃描層厚越來越薄，同時圖像的大量增多，造成診斷醫(yī)師的工作量劇增，當工作一定時間后就會造成視覺疲勞，并且醫(yī)師的診斷水平不一，就會出現(xiàn)一定的肋骨骨折的漏診和誤診[3]。近年來計算機技術的快速發(fā)展，人工智能（Artificial Intelligence，AI）深度學習模型的建立，AI診斷肺內結節(jié)和預測良惡性技術已廣泛應用于臨床，但應用于AI技術診斷肋骨骨折的相關報道不多，本文通過對50例肋骨骨折陽性和50例肋骨骨折陰性的患者計算機體層成像（Computed Tomography，CT）圖像進行分析，探討AI技術在肋骨骨折診斷中的價值，旨在提高肋骨骨折診斷的效能，現(xiàn)報道如下。

1.資料與方法

1.1 臨床資料

回顧性分析2021年5月～2022年5月沈陽市骨科醫(yī)院經64排螺旋CT掃描肋骨骨折陽性的患者50例和肋骨骨折陰性的患者50例臨床資料，其中，肋骨骨折陽性患者中女性20例，男性30例，年齡28～69歲，平均（43.2±3.6）歲；肋骨骨折陰性患者中女性22例，男性28例，年齡25～67歲，平均（48.5±5.3）歲。本次研究經過醫(yī)院倫理委員會監(jiān)管。

納入標準：①所有患者均有胸部外傷史；②胸部壓痛；③患者能配合醫(yī)生完成檢查，影像及臨床資料完整。排除標準：①年齡＜18歲；②意識不清，不能配合，圖像質量不佳。

1.2 方法

1.2.1 多層螺旋CT檢查

選取西門子128排螺旋CT掃描機，掃描時患者采用仰臥位，頭先進，雙手抱頭，（如不能抱頭者患側肢體置于身體側面），掃描范圍胸廓入口至第12肋骨下緣，保證包括肋骨全部。管電壓120kV，管電流240mAs，層厚及層間距均為5mm，矩陣512×512，視野40cm×40cm，采用骨窗圖像（窗寬1300～1500，窗位300～450）。掃描結束后用0.625mm層厚及間隔重建，再進行圖像后處理。

1.2.2 肋骨骨折檢測

采用基于自適應3D-CNN（3D深度學習模型）技術的深睿醫(yī)療AI影像輔助篩查系統(tǒng)，（V1.3.0.1，杭州深睿博聯(lián)科技有限公司）將100例患者的薄層重建數(shù)據(jù)導入工作站，自動得出肋骨骨折陽性患者的部位和數(shù)量。

1.3 觀察指標

人工由3名主治醫(yī)師單獨閱片，年資分別為5、8、10年，閱片的過程可根據(jù)需要調整窗寬和窗位，利用計算機軟件容積再現(xiàn)、多平面重組等，最后得出三組數(shù)據(jù)的平均值，統(tǒng)計人工和AI檢測出肋骨骨折的假陰性及假陽性數(shù)、平均檢測時間，根據(jù)肋骨骨折的確診結果進行分析，對比AI和人工對肋骨骨折檢出的假陽性率和靈敏度及準確率。

1.4 統(tǒng)計學分析

2.結果

2.1 一般結果描述

所選病例中50例有肋骨骨折，50例無肋骨骨折，共計肋骨2400根，其中，肋骨骨折98根，無肋骨骨折2302根。

2.2 AI和人工對肋骨骨折檢出時間的對比

AI檢測時間與患者的掃描和重建層數(shù)有關，重建層數(shù)越多，時間相應增加，但總體變化不大，平均每例患者檢測出肋骨骨折的時間為（63±18）s，人工分析肋骨骨折的變量較多，主要受胸廓結構及病變的位置影響，另外，不同年資的醫(yī)師對肋骨骨折的診斷用時也大不相同，年資5年醫(yī)師診斷用時為240～302s，8年醫(yī)師診斷用時為210～282s，10年醫(yī)師診斷用時為192～248s，檢測每例肋骨骨折的平均時間為（203±68）s，而且診斷時間上在第一小時閱片速度為192～218s，在第一小時閱片速度為202～246s，隨著讀取數(shù)量的增加而診斷時間相應地延長。兩者相比，AI在診斷肋骨骨折的時間明顯優(yōu)于人工檢測，差異具有統(tǒng)計學意義（P＜0.05）。

2.3 AI和人工對肋骨骨折檢出情況對比

AI檢測出肋骨骨折假陽性率4.56%，敏感性87.75%，準確率95.13%，人工檢測出肋骨骨折假陽性率1.30%，敏感性84.69%，準確率97.91%。AI在診斷肋骨骨折的敏感性略優(yōu)于人工，準確率與人工相當（χ2=0.144，P＞0.05），差異無統(tǒng)計學意義，但人工在肋骨骨折假陽性率上明顯優(yōu)于AI，差異具有統(tǒng)計學意義（χ2=5.239，P＜0.05），另AI檢測錯位性骨折準確率為100.00%，骨皮質扭曲的準確率為75.00%。見表1。

表1.三種檢查方法對肋骨骨折檢出情況對比(n=2400)

3.討論

肋骨骨折是反映胸部創(chuàng)傷嚴重程度的一種指標，常由撞擊、摔傷、高空墜落及車禍等外力造成[4]。肋骨骨折常伴有肺損傷，如不及時治療會影響預后甚至生命，另外，在患者之間糾紛上確定是否存在肋骨骨折及骨折數(shù)量也非常的關鍵，因此對肋骨骨折的及時準確診斷有著極其重要的意義。相對于數(shù)字X射線攝影的檢測，CT可有效地檢出肋骨骨折，但與單層CT相比，多層螺旋圖像更薄，掃描速度更快，輔助多平面重組、容積再現(xiàn)等后處理技術，在對肋骨的形態(tài)分析時，能進行任意平面的圖像重建，可以更加立體地多角度細致地分析，但獲得清晰圖像的同時也會帶來圖像數(shù)量的成倍增加，放射科醫(yī)生面對大量圖像的閱讀就會帶來視覺疲勞，同時對不完全性骨折的診斷也依賴醫(yī)師的診斷經驗等客觀因素，往往就會造成一定的漏診和誤診，有報道稱，人工對肋骨不完全骨折的漏診率遠大于誤診率[5,6]。隨著AI診斷系統(tǒng)的應用，人工和AI技術的結合，可以有效降低肋骨骨折的漏診率，明顯提高工作效率[7]。目前，AI在提高肺結節(jié)的檢查率上報道較多，關于深度學習診斷肋骨骨折多在研究算法和模型的構造上，對肋骨骨折實際應用方面報道較少。本研究是在AI與人工在診斷效能方面進行研究，以期為臨床診斷提供一定的依據(jù)。

本次研究應用深睿醫(yī)療的AI分析軟件，采用了3D-CNN（三維卷積神經網絡技術），目的探討AI對肋骨骨折檢出的真實數(shù)據(jù)，結果表明，AI對肋骨骨折的檢出時間僅與患者的掃描和重建層數(shù)有關，平均每例患者檢測出肋骨骨折的時間為（63±18）s，相比人工檢測平均每例肋骨骨折的時間為（203±68）s，在時間和效率上有明顯的優(yōu)勢，并且AI檢測受影響因素較少，不易受體位及病變的復雜程度影響，并且不會產生視覺疲勞。但人工診斷方面隨著閱片數(shù)量的增多，診斷準確率及速度明顯的下降，時間越長發(fā)生漏診的概率明顯增高，另發(fā)現(xiàn)AI診斷肋骨骨折中假陽性較高，達4.56%，這些骨折多發(fā)生在肋骨與前軟骨及后椎骨的連接處、另外骨皮質密度不均勻、呼吸偽影、胸膜鈣化，肋軟骨鈣化竇都可以發(fā)生。本次AI出現(xiàn)假陰性骨折12處，分析其原因主要有，肋軟骨骨折、骨折輕微并且骨折線纖細、骨折愈后向骨髓腔內生長等，這與文獻報道基本一致[8,9]。本次還發(fā)現(xiàn)AI在錯位性骨折的診斷敏感度最高，骨皮質扭曲的診斷率稍低，這與臨床工作中醫(yī)師容易忽略隱匿性骨折的情況相符，可能的原因是大數(shù)據(jù)模型建立的樣本問題。本次研究AI在肋骨骨折的敏感度略高于人工，分析原因2例患者骨折輕微的改變AI直接給予標記，不受外界因素影響，人工讀片當時也懷疑是微小骨折，但是在此患者其他肋骨也發(fā)現(xiàn)了明顯的骨折，認為此處可以忽略，后來重新組織專家復讀時也一致認為有骨折的可能，因此表明AI在提示人工方面可以起到重要的作用，同時在準確率上AI與人工相當[10,11]。AI+人工在肋骨骨折的敏感性和準確率都有一定的提升，并且假陽性率有較明顯降低，表明人工在AI自動肋骨篩查軟件的輔助下可以有效地提高肋骨骨折的診斷效能。

本次研究僅采用了一家AI影像診斷系統(tǒng)，其能力和特點可能與其他公司的影像分析系統(tǒng)存在一定的差異，另外收集的樣本量比較少，具有一定的局限性，數(shù)據(jù)源于單中心，所選的醫(yī)師是在測試的狀態(tài)下觀察分析影像數(shù)據(jù)的，與日常工作的環(huán)境有一定的差別，另外平時工作中會有不同層次的醫(yī)師進行肋骨骨折的診斷，導致研究的結果和真實有一定的偏倚[12,13]。以后隨著技術的發(fā)展，應引進更多的AI分析系統(tǒng)，同時應擴大樣本量，獲得更準確的結果。因此，在以后的臨床工作中，可首先利用AI診斷系統(tǒng)對所有肋骨圖像進行初步篩查，對可疑病變進行標注，影像醫(yī)師可以有針對性地進行二次篩查，重點分析，再結合各種影像重組技術，最后對肋骨是否骨折作出精準的判斷，可有效地提高診斷效率和肋骨骨折的檢出率[14,15]。

綜上所述，AI技術在自動檢測肋骨骨折上顯示出良好的診斷效能，可以用來輔助人工，在提高工作效率和漏診率上效果顯著，相信隨著AI技術的不斷完善，將來AI系統(tǒng)會成為診斷肋骨骨折主要依據(jù)。