鐘宇，周姝，張立波，劉文源，楊本強，鄒明宇

（北部戰(zhàn)區(qū)總醫(yī)院放射診斷科，沈陽 110016）

2020年全球癌癥數據報告顯示，肺癌為最常見的惡性腫瘤，全球發(fā)病率居第2位，死亡率居第1位。死亡率的下降趨勢是癌癥篩查與控制進步的黃金標準，近年來，肺癌死亡率的降幅已創(chuàng)下歷史最高紀錄［1］。癌癥早期篩查技術的發(fā)展，讓更多的癌癥患者及時發(fā)現并給予干預和治療，行手術切除患者早期肺癌10年生存率約為72%［2］。年度低劑量CT（low-dose computed tomography，LDCT） 成為肺癌篩查的有效手段，使患者死亡率約降低20%［3］。近年來，人工智能系統 （artificial intelligence，AI） 在醫(yī)學影像領域廣泛應用，尤其是在肺結節(jié)輔助診斷方面，AI明確了結節(jié)的位置、性質、大小、CT值及危險程度等相關信息，提高了工作效率及診斷準確率［4］。

能譜CT采用能量瞬時切換，同源、同時、同角度采集多種能量X線數據，進一步獲得多組單能量圖像，這種單能量圖像相對混合能量的普通CT能夠有效降低硬化效應，圖像CT值也更為純粹和可靠［5］。由于低能量X線吸收多，衰減大，可以獲得更好的組織對比度及圖像靈敏度，所以低能量圖像較高能量圖像及混合能量圖像在小病灶的檢出及反映結節(jié)的性質方面更加優(yōu)越［6］。本研究旨在探討AI肺結節(jié)輔助診斷系統 （簡稱AI肺結節(jié)系統） 與能譜CT多組單能量圖像結合，比較不同單能量下對肺結節(jié)的診斷效能，并按肺內結節(jié)性質進行分類，篩選出AI肺結節(jié)系統檢測不同性質肺內結節(jié)的最佳單能量圖像。

1 材料與方法

1.1 臨床資料

收集本院2021年11月至2022年1月應用能譜CT檢查肺結節(jié)患者的影像資料。圖像納入標準： （1） 圖像中至少存在1枚肺內結節(jié)； （2） 有薄層CT圖像，且原始數據圖像連續(xù)完整。排除標準： （1） 肺部繼往行手術治療； （2） 彌漫性肺疾病、間質性肺疾病、廣泛肺炎等嚴重影響圖像識別的肺部疾病； （3） 異物、嚴重呼吸運動偽影等影響識別與標注的圖像。本研究最終共納入28例患者，其中男20例，女8例，平均年齡為57.1歲。本研究已獲得我院倫理委員會批準。

1.2 影像檢查方法

采用GE Lightspeed VCT 64寶石能譜CT掃描儀（GE Discovery 750 HD），囑患者每次掃描屏氣程度一致，于其吸氣末屏氣掃描。掃描范圍：胸廓入口至膈下，管電壓為80、140 kVp瞬時切換，自動管電流調節(jié)，最大管電流為260 mA，螺距0.984 ∶l，轉速0.5 s/r，床進78.75 mm/s，圖像噪聲指數 （noiseindex，NI） 預設為12，掃描層厚為5 mm，進一步分解為圖像層厚0.625 mm。掃描結束后將原始圖像重建單能量圖像。

1.3 肺內結節(jié)檢測及圖像分析

由北部戰(zhàn)區(qū)總醫(yī)院放射科具有5年以上胸部閱片經驗的2名住院醫(yī)師，背靠背采用基于AI肺結節(jié)系統［深睿 AI 輔助診斷系統 （Dr. Wise Lung Analyzer，V1.0.0.0） ］對28例胸部能譜CT數據圖像 70 keV序列 （相當于120 kVp序列） 進行肺內結節(jié)標注，出現獨立判斷結果不一致時由具有15年以上經驗主任醫(yī)師裁定并給出最終結果作為判定結節(jié)的金標準。標注結節(jié)并按肺內結節(jié)性質進行分類，包括實性結節(jié)、亞實性結節(jié) （包括部分實性結節(jié)、純磨玻璃密度結節(jié)）和鈣化結節(jié)3類。采用AI肺結節(jié)系統分別對28例能譜CT的 40、60、80和100 keV 單能量圖像進行篩查，記錄結節(jié)數量及單個結節(jié)的性質，將結果與醫(yī)師判定結節(jié)金標準進行比對，分析不同單能圖像、不同性質肺內結節(jié)的檢出效能。

1.4 統計學分析

采用SPSS 23.0軟件進行統計分析。對比判定結節(jié)金標準，統計不同單能量圖像中真陽性結節(jié)、假陽性結節(jié)及假陰性結節(jié)數量，計算比較靈敏度、陽性預測值及假陽性率。其中真陽性結節(jié)定義為識別并準確判定結節(jié)性質的肺內結節(jié)。假陽性率定義為假陽性結節(jié)數/CT掃描數。R×C列表Pearsonχ2檢驗比較不同單能量圖像和不同性質肺結節(jié)檢測的靈敏度及陽性預測值。P＜ 0.05為差異有統計學意義。

2 結果

2.1 AI肺結節(jié)篩查系統的診斷效能

收集28例患者的能譜CT圖像，AI肺結節(jié)系統結合放射科醫(yī)師共標注231個肺內結節(jié)作為“金標準”，其中，亞實性結節(jié)45例，實性結節(jié)177例，鈣化結節(jié)9例。AI肺結節(jié)系統共檢測到201個肺內結節(jié)，參照“金標準”，AI肺結節(jié)檢測系統標注真陽性結節(jié)190個，假陽性結節(jié)11個，假陰性結節(jié)41個，靈敏度為82.25%，陽性預測值為94.53%，假陽性率為39.29%。

2.2 AI肺結節(jié)篩查系統檢測不同單能量圖像在不同性質肺內結節(jié)間性能比較

采用AI肺結節(jié)系統分別對28例能譜CT的 40、60、80、100 keV單能量圖像進行篩查，分別檢出144、174、199、209個結節(jié)，真陽性結節(jié)126、166、187、198個，見表1。4組單能量間檢測肺內結節(jié)的靈敏度和陽性預測值均有統計學意義 （P＜ 0.05），其中，40 keV靈敏度低于其他單能量組，80 keV靈敏度最高，60 keV陽性預測值高于其他單能量組。

表1 AI肺結節(jié)篩查系統在單能量圖像間檢測肺結節(jié)性能比較Tab.1 Comparison of the baseline characteristics of patients in the modeling group

2.3 AI肺結節(jié)篩查系統檢測不同性質肺內結節(jié)在單能量圖像間性能比較

將不同單能量間對AI肺結節(jié)系統檢測的3類不同性質肺內結節(jié)，分別統計其檢出結節(jié)及真陽性結節(jié)數量，計算靈敏度及陽性預測值并進行比較，見表2、3。各組單能量中，不同性質的肺內結節(jié)靈敏度有統計學差異 （P均＜0.05），40 keV組檢測不同性質結節(jié)陽性預測值差異無統計學意義 （P= 0.130），其他能量組檢測不同性質結節(jié)陽性預測值差異有統計學意義 （P均＜0.05）。實性結節(jié)中，4組單能量間靈敏度及陽性預測值差異有統計學意義 （P均＜0.001），80 keV以上組靈敏度顯著高于40及60 keV，60 keV以上組陽性預測值顯著高于40 keV。亞實性結節(jié)中，4組單能量間靈敏度及陽性預測值差異無統計學意義。鈣化結節(jié)中，4組單能量靈敏度均為100%，陽性預測值差異無統計學意義。

表2 AI肺結節(jié)篩查系統檢測不同單能量圖像在不同性質肺內結節(jié)間性能比較Tab.2 Comparison of the performance of the AI pulmonary nodule screening system in detecting different single energy images among the different types of pulmonary nodule internodes

表3 AI肺結節(jié)篩查系統檢測不同性質肺內結節(jié)在單能量圖像間性能比較Tab.3 Comparison of the performance of the AI pulmonary nodule screening system in detecting pulmonary nodules of different properties between the various single energy images

3 討論

近年來，肺癌早期篩查與控制的進步使死亡率呈逐年下降趨勢。早期肺癌CT影像常表現為不典型肺內結節(jié)，體積小、密度不均、形態(tài)不規(guī)則、對比度低［7］，AI在肺結節(jié)輔助診斷方面得到廣泛應用，能夠明確結節(jié)位置、性質、大小、CT值及危險程度等相關信息，有效提升診斷準確率。能譜CT可獲得更好的組織對比度及靈敏度，低能量組織對比度較大，小病灶檢出更為優(yōu)越，高能量組織對比度較小，噪聲減低，能譜CT為檢測結節(jié)性質，小病灶及多發(fā)病灶檢出、微小病灶鑒別診斷、準確定位及定性腫瘤提供了更多的可能。

本研究將AI肺結節(jié)系統結合能譜CT，比較不同單能量對肺結節(jié)的診斷效能，篩選不同性質結節(jié)最佳單能量。有研究［8-9］表明70 keV圖像有較高的信噪比及對比噪聲比，本研究80 keV以上組具有較高的肺結節(jié)檢出靈敏度 （80.60%），60 keV陽性預測值（95.40%） 較高。同時要關注AI肺結節(jié)系統的假陽性率，本研究40 keV假陽性率最高，分析原因“真陽性結節(jié)”認為是AI檢出且正確判斷性質的結節(jié)，雖然低能量組織對比度較大，但判斷結節(jié)性質存在一定偏差，尤其是鈣化結節(jié)，部分結節(jié)低能量判定為鈣化，當能量升高后改判為實性，40 keV中18例假陽性結節(jié)，原14例判定鈣化結節(jié)，60 keV改判實性結節(jié)。同時要關注AI肺結節(jié)系統假陰性率，本研究鈣化結節(jié)100%被檢出，部分實性及亞實性結節(jié)存在漏診，其中，20例亞實性結節(jié)全部能量均未被檢出，分析原因為鈣化結節(jié)密度高，與周圍組織形成良好對比而易被檢出，未被檢出結節(jié)為體積較小、密度較低的純磨玻璃結節(jié)，以及實性成分體積比相對較少的部分實性結節(jié)，臨近胸膜或氣管血管束斷面。有研究［10］表明亞實性結節(jié)中實性部分體積占比直接影響腫瘤的侵襲、預后及復發(fā)，因此臨床應用中要不斷優(yōu)化AI系統的檢出，提高準確性。

同一能量檢出不同性質肺結節(jié)的靈敏度有統計學差異，AI系統檢出鈣化結節(jié)靈敏度高達100%，檢出實性結節(jié)的陽性預測值高于亞實性及鈣化結節(jié)，有研究［11］表明與肺結節(jié)檢測模型訓練集中實性結節(jié)占多數相關，獲得的模型更易于捕捉實性結節(jié)的影像表現。本研究結果顯示，實性結節(jié)不同檢出能量的靈敏度及陽性預測值均有統計學差異，隨著能量升高，檢出靈敏度升高。亞實性及鈣化結節(jié)中不同檢出能量的靈敏度、陽性預測值均無統計學差異。對于實性結節(jié)，80 keV以上組具有較高檢出靈敏度，且圖像信噪比及對比噪聲比良好，因此本研究AI肺結節(jié)系統與80 keV以上能量結合檢測肺實性結節(jié)最優(yōu)。

本研究也存在一定局限性。隨機抽樣可能存在選擇偏倚，樣本量相對有限，不同性質肺內結節(jié)樣本量差異較大；對于亞實性結節(jié)未能進一步分類為部分實性結節(jié)及純磨玻璃結節(jié)。