王增奎，龐 軍，張兆福，徐 鋒，李絢梅，魏曉華

滄州市人民醫(yī)院1影像中心，2呼吸重癥科，河北 滄州 061000

2019年12月以來，COVID-19疫情短時間內(nèi)在國內(nèi)外爆發(fā)流行。CT檢查憑借便捷、準確、陽性率高、可重復(fù)性好的優(yōu)勢，在COVID-19患者篩查、病情變化評估中具有重要的作用[1-2]。COVID-19的典型影像特點為雙肺外圍多發(fā)磨玻璃影伴或不伴肺實變，早期影像檢查以薄層高分辨CT掃描為主[3-4]。因患者短期內(nèi)病情變化較快，多次復(fù)查CT所帶來的海量圖像會給影像醫(yī)師的診斷工作帶來嚴峻的考驗。近年來，人工智能輔助診斷技術(shù)在醫(yī)學領(lǐng)域中優(yōu)秀的表現(xiàn)受到了極大的關(guān)注，尤其在肺結(jié)節(jié)的篩查及診斷中該技術(shù)具有比影像醫(yī)師更高的靈敏度，作為輔助診斷技術(shù)可以幫助影像醫(yī)師提高工作效率及診斷準確率[5-7]。本研究通過結(jié)合人工智能輔助診斷技術(shù)并進行人工復(fù)核，分析其在COVID-19病灶篩查及病情評估中的應(yīng)用價值，現(xiàn)報道如下：

1 資料與方法

1.1 一般資料

收集符合國家衛(wèi)生健康委員會《新型冠狀病毒感染的肺炎診療方案》病例確診標準的27例COVID-19病例。男性14例，女性13例，年齡28～85歲（48.9±14.3歲），臨床以發(fā)熱、咳嗽、乏力為主要表現(xiàn)。

1.2 檢查方法

科室固定一臺機房具有獨立空調(diào)的CT專用于COVID-19疑似及確診患者檢查，依據(jù)科室布局設(shè)置特定的患者進出通道。設(shè)置2名操作技師并進行二級及以上防護，1名負責操作，1名負責患者擺位，患者條件允許時盡量隔室操作。患者及陪護人員戴口罩，每名患者檢查時均鋪設(shè)一次性中單使其與檢查設(shè)備隔離。條件允許的患者掃描前對其進行呼吸訓(xùn)練，于吸氣末屏氣掃描。掃描范圍：自肺尖至肋膈角。掃描參數(shù)如下：管電壓120 kV、管電流225 mAs、層厚1.5 mm，層間距1.5 mm。掃描完畢后由醫(yī)院消殺隊對設(shè)備、機房及患者通道進行消毒。

1.3 COVID-19病灶檢測分析

基于深度學習模型的人工智能輔助診斷軟件“uAI新冠肺炎智能輔助分析系統(tǒng)”由聯(lián)影集團提供（產(chǎn)品型號：uAI-Discover-NCP），將27例COVID-19原始CT數(shù)據(jù)傳輸至工作站，軟件系統(tǒng)自動批量進行肺炎病灶識別和標記，并將計算數(shù)據(jù)以圖片及圖表方式呈現(xiàn)，相應(yīng)數(shù)據(jù)包括病變總體積、內(nèi)部磨玻璃影體積（-750～-301 HU）及實變區(qū)域體積（-300～49 HU）。所有影像醫(yī)師均接受過聯(lián)影集團的相關(guān)培訓(xùn)，熟悉軟件的操作及應(yīng)用。初診影像醫(yī)師以PACS系統(tǒng)所示圖像為基礎(chǔ)，對人工智能輔助診斷軟件識別病灶進行核對，記錄軟件識別區(qū)域假陽性或假陰性情況。之后由兩名診斷經(jīng)驗豐富的高年資診斷醫(yī)師進行最終復(fù)核，通過手動修復(fù)少數(shù)假陽性或假陰性圖像，以最終復(fù)核結(jié)果為準[8]。

1.4 統(tǒng)計學方法

采用SPSS19.0統(tǒng)計軟件進行數(shù)據(jù)分析，計量數(shù)據(jù)以均數(shù)±標準差表示，對患者年齡的分析采用獨立樣本t檢驗，對人工智能輔助診斷軟件準確效能的分析采用χ2檢驗，以P＜0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 COVID-19CT表現(xiàn)及檢出情況

27例患者CT表現(xiàn)以多個肺葉受累為主，其中左肺上葉受累20例，左肺下葉受累26例，右肺上葉受累18例，右肺中葉受累16例，右肺下葉受累25例。依據(jù)國家衛(wèi)生健康委員會《新型冠狀病毒感染的肺炎診療方案》臨床分型對其進行分型，普通型患者20例，重型患者5例，危重型患者2例。臨床普通型患者CT表現(xiàn)為單側(cè)或雙肺多發(fā)病灶，呈片樣或楔形樣磨玻璃影，其內(nèi)可見血管及支氣管穿行，常伴有小葉間隔增厚，可見“鋪路石”征及支氣管充氣征，部分病變內(nèi)部可見肺實變。臨床重型及危重型患者CT表現(xiàn)為病變范圍廣泛，磨玻璃影、實變影及纖維條索影混雜，多伴有“鋪路石”征、支氣管充氣征。

人工智能輔助診斷軟件對肺炎病灶進行自動識別和標記，患者病灶總體積、內(nèi)部磨玻璃影體積及實性區(qū)域體積均由軟件自動計算得出（圖1、表1）。通過人工診斷對人工智能輔助診斷軟件標記病灶進行復(fù)核顯示，病灶標記范圍與肉眼觀察相比具有較好的一致性（圖2～3）。20例臨床普通型患者均未見假陽性或假陰性情況出現(xiàn)；重型/危重型患者中，有3例患者可見軟件標記病灶局部呈假陽性表現(xiàn)（圖4）。以臨床患者類型分組對人工智能輔助診斷軟件準確效能進行分析顯示其差異有統(tǒng)計學意義（P＜0.05，表2）。

2.2 COVID-19治療后病情評估情況

20例患者經(jīng)臨床治療3～5 d后復(fù)查CT顯示病灶范圍減小，密度減低，肺實變逐漸好轉(zhuǎn)或消失，部分病灶區(qū)域可見殘留纖維條索，人工智能輔助診斷軟件顯示病灶標記區(qū)范圍減?。▓D5），病灶總體積、內(nèi)部磨玻璃影體積及實變區(qū)域體積相應(yīng)減?。ū?）。5例患者影像評估進展，人工智能輔助診斷軟件顯示病灶標記區(qū)范圍增大，病灶總體積、內(nèi)部磨玻璃影體積或?qū)嵶儏^(qū)域體積增大。2例患者影像評估變化不明顯。軟件提供的隨訪功能可直觀明了的以圖片及圖表方式呈現(xiàn)兩次檢查病灶范圍及密度變化的對比情況。通過人工診斷對軟件標記病灶進行復(fù)核顯示，2例患者可見假陰性表現(xiàn)（圖6），臨床普通型及重型患者各1例；重癥及危重癥患者中有3例患者可見局部軟件標記病灶呈假陽性表現(xiàn)。以臨床患者類型分組對人工智能輔助診斷軟件準確效能進行分析顯示其差異有統(tǒng)計學意義（P＜0.05，表2）。

圖1 人工智能輔助診斷軟件示意圖Fig.1 Diagrammatic sketch of artificial intelligence auxiliary diagnostic software

表1 COVID-19患者相關(guān)數(shù)據(jù)分析Tab.1 Data analysis COVID-19 patients

3 討論

圖2 人工智能輔助診斷軟件病灶標記范圍與人工復(fù)核肉眼觀察對比Fig.2 Comparison of the range of focal markings of artificial intelligence assisted diagnostic software and artificial review of naked eye observation

圖3 人工智能輔助診斷軟件病灶標記范圍與人工復(fù)核肉眼觀察對比Fig.3 Comparison of the range of focal markings between artificial intelligence assisted diagnostic software and artificial review of naked eye observation

CT檢查憑借便捷、準確、陽性率高、可重復(fù)性好的優(yōu)勢，在COVID-19診斷及病情評估中具有重要的作用?；诎l(fā)病時間及病理分期的新型冠狀病毒性肺炎大致可分為早期、進展期、重癥期、消散期[9]。肺炎早期以雙肺外圍及胸膜下多發(fā)病灶常見，呈片樣或楔形樣磨玻璃影，其內(nèi)可見小血管及支氣管穿行，伴有或不伴有小葉間隔增厚[10]。進展期病變范圍增大，以多個肺葉/段受累常見，病變范圍內(nèi)小葉間隔增厚，部分病灶合并實變，病灶內(nèi)常見“鋪路石”征、支氣管充氣征[11]。重癥期病變多彌漫分布，表現(xiàn)為多發(fā)間質(zhì)性病變及纖維化，磨玻璃影與實變影或纖維條索共存，少數(shù)出現(xiàn)少量胸腔積液，部分病例嚴重時可呈“白肺”樣改變。消散期病灶范圍減小，密度減低，肺實變逐漸好轉(zhuǎn)或消失，部分區(qū)域可見殘留纖維條索影[12-13]。本研究中由于患者入院前發(fā)病時間不同，導(dǎo)致無法對其進行準確的影像分期。臨床普通型患者中以早期患者為主并包含部分進展期患者，重型及危重型患者大致符合進展期及重癥期影像表現(xiàn)。

圖4 人工智能輔助診斷軟件標注病灶局部呈假陽性表現(xiàn)Fig.4 Local false positive features of lesions marked by artificial intelligence assisted diagnostic software

表2 COVID-19智能輔助分析軟件病灶標識與人工診斷復(fù)核符合情況（n）Tab.2 Conformance of COVID-19 intelligent assisted analysis software focus identification and artificial diagnosis review

圖5 人工智能輔助診斷軟件示意圖Fig.5 Diagrammatic sketch of the artificial intelligence auxiliary diagnostic software

圖6 人工智能輔助診斷軟件標記病灶呈假陰性表現(xiàn)Fig.6 The artificial intelligence auxiliary diagnostic software marked false negative manifestations of focal points

COVID-19早期影像檢查以薄層高分辨CT掃描為主，因患者病情變化較快，臨床治療期間需通過多次的CT復(fù)查來監(jiān)測病情變化。目前對于COVID-19的CT影像評估多以手動測量及肉眼觀察為主，因此測量誤差及閱片者的主觀因素帶來的影響不可避免。部分患者肺內(nèi)各個病灶影像變化有時也不一致，易給影像醫(yī)師的診斷評估造成困擾。面對患者多次的CT檢查以及海量的圖像，如對每個病灶均進行測量及觀察，將會大大提高影像醫(yī)師的工作量。同時，影像醫(yī)師在長時間關(guān)注圖像后也容易產(chǎn)生視覺疲勞，這會嚴重影響診斷的準確率。近年來，人工智能憑借大數(shù)據(jù)、高性能計算機及互聯(lián)網(wǎng)的技術(shù)支持快速發(fā)展，其在醫(yī)學影像領(lǐng)域中優(yōu)秀的表現(xiàn)受到了極大的關(guān)注，主要應(yīng)用包括病灶成像檢出、臨床診斷、病情監(jiān)測3個方面[14]。目前，基于人工智能的監(jiān)測技術(shù)已初步應(yīng)用，該技術(shù)可以對病變進行多維度的精準測量，分析病變的變化并為臨床治療提供影像依據(jù)。在病灶檢出及診斷方面，目前臨床應(yīng)用多以肺結(jié)節(jié)為主，相關(guān)研究顯示人工智能輔助診斷技術(shù)具有比醫(yī)師更高的靈敏度，作為輔助診斷技術(shù)可以幫助影像醫(yī)師提高工作效率及診斷準確率[15-16]。

盡管多項研究已經(jīng)證實人工智能輔助診斷技術(shù)確實提高了診斷醫(yī)師的工作效率及準確率，但目前該技術(shù)并未得到廣泛應(yīng)用，其原因有以下幾方面：大多數(shù)三級醫(yī)院及影像醫(yī)師對“人工智能輔助診斷的可信度”存在疑慮[17]；目前國內(nèi)尚未實現(xiàn)圖像掃描的規(guī)范和質(zhì)量的統(tǒng)一，不同類型和質(zhì)量的影像數(shù)據(jù)會影響人工智能模型的準確性[18]；人工智能輔助診斷軟件在提高病灶檢測敏感性的同時，其帶來的假陽性結(jié)果有可能干擾影像診斷醫(yī)師，從而降低醫(yī)療服務(wù)質(zhì)量；另外，影像醫(yī)師對人工智能輔助診斷領(lǐng)域的相關(guān)知識缺乏了解。

本研究顯示，人工智能輔助診斷技術(shù)在COVID-19中的應(yīng)用價值較高。CT檢查雖是COVID-19確診病例的診斷標準之一，但其更重要的作用在于病灶檢出識別及病情評估方面。在肺炎病灶檢出及范圍標注方面人工智能輔助診斷技術(shù)與肉眼觀察相比具有較高的一致性，同時可提供病灶總體積、內(nèi)部磨玻璃影體積及實變區(qū)域體積的相關(guān)數(shù)據(jù)。在患者治療后CT復(fù)查時該技術(shù)通過圖片及圖表的形式可直觀的顯示病變范圍及內(nèi)部密度差異的變化，極大地減輕了影像醫(yī)師的工作強度，提高了工作效率，并為臨床評效提供了客觀的影像數(shù)據(jù)。本研究中有少部分病例圖像出現(xiàn)假陽性情況，均出現(xiàn)于COVID-19重癥及危重癥患者。分析原因為患者配合較差，掃描時屏氣不佳導(dǎo)致圖像出現(xiàn)運動偽影及容積偽影而被人工智能輔助診斷軟件誤認為磨玻璃影。2例患者復(fù)查CT圖像出現(xiàn)假陰性表現(xiàn)，通過肉眼觀察原病灶區(qū)復(fù)查見輕微片絮狀稍高密度影，對應(yīng)區(qū)域軟件未予以標記。上述情況均在人工復(fù)核階段進行手動修復(fù)，得以保證輸出結(jié)果的準確性。通過人工智能輔助診斷技術(shù)的應(yīng)用，影像醫(yī)師的工作量明顯減輕，診斷報告出具時間有效縮短，為臨床快速評估病情及治療提供了重要依據(jù)。

綜上所述，人工智能輔助診斷CT可有效識別COVID-19病灶，提供病灶總體積、內(nèi)部磨玻璃影及實變體積相關(guān)數(shù)據(jù)信息。在患者CT復(fù)查評估中通過圖片及圖表的形式可直觀的顯示病變范圍及內(nèi)部密度差異變化，既提高了影像醫(yī)師的工作效率，又為臨床評效提供了客觀的影像支持。