梁付奎，傅曉琴，李彩琴（通信作者），劉 蕓，劉山波

（昌樂縣人民醫(yī)院影像科 山東 濰坊 262400）

肺癌患者早期無明顯癥狀，易錯(cuò)失治療最佳時(shí)機(jī)，影響患者預(yù)后，發(fā)病率與病死率在男性惡性腫瘤均位居首位，在女性惡性腫瘤中位于第二位[1]。故早期準(zhǔn)確診斷至關(guān)重要。與傳統(tǒng)CT 相比，低劑量CT（low-dose computed tomography，LDCT）可在不疊加輻射量的前提下清晰顯示肺部結(jié)構(gòu)，逐漸被應(yīng)用于早期肺癌篩查。但極易受到結(jié)節(jié)位置、大小、密度、形態(tài)等因素影響，易出現(xiàn)漏診現(xiàn)象[2]。另外，影像學(xué)醫(yī)生大量閱片易出現(xiàn)精神或視覺疲勞，可能引起臨床誤診，降低診斷準(zhǔn)確率。近年來，隨著計(jì)算機(jī)性能的持續(xù)迭代升級(jí)、大數(shù)據(jù)模型技術(shù)的應(yīng)用、算法不斷進(jìn)步與改進(jìn)等，人工智能（artificial intelligence，AI）逐漸被應(yīng)用于輔助診斷和治療、醫(yī)學(xué)統(tǒng)計(jì)、機(jī)器人手術(shù)等醫(yī)療行業(yè)的各個(gè)領(lǐng)域[3-4]。本研究分析AI 聯(lián)合LDCT 掃描在肺結(jié)節(jié)診斷中的應(yīng)用價(jià)值，旨在為臨床篩查與診斷提供新的思路。

1 資料與方法

1.1 一般資料

回顧性分析2020 年1 月—2023 年2 月就診于昌樂縣人民醫(yī)院的96 例肺結(jié)節(jié)患者（結(jié)節(jié)124 個(gè)）的臨床資料，其中男60 例，女36 例；年齡46 ～64 歲，平均（54.62±3.14）歲；體質(zhì)量指數(shù)20 ～28 kg/m2，平均（23.85±2.05）kg/m2。納入標(biāo)準(zhǔn)：①有明確的胸腔鏡病理結(jié)果；②年齡≥18 歲；③患者均簽署知情同意書。排除標(biāo)準(zhǔn)：①病理診斷為轉(zhuǎn)移或肺部結(jié)節(jié)直徑≥2 cm；②既往有胸外科手術(shù)史者；③嚴(yán)重偽影，影響肺結(jié)節(jié)判斷；④存在多發(fā)鈣化灶、肺大泡、嚴(yán)重纖維化等影響肺結(jié)節(jié)診斷的圖像。

1.2 方法

使用德國西門子公司雙源CT（SIEMENS SOMATOM FLASH）對(duì)入組患者行LDCT 檢查，患者取仰臥位，根據(jù)正常胸部掃描擺位，掃描范圍為肺尖到肺底，設(shè)置掃描參數(shù)為管電流30 mA，管電壓120 kV，矩陣512×512，螺距≤1，重建層厚1 mm。掃描時(shí)囑患者吸氣末一次屏氣完成。在影像AI 工作站中輸入掃描獲取的數(shù)據(jù)，由兩名工作經(jīng)驗(yàn)豐富的影像科主治醫(yī)師以雙盲法閱片，意見不一致時(shí)，對(duì)可疑部分增加1 名副高以上醫(yī)師再次閱片，三人商討形成最終意見。AI 閱片：用樹坤科技有限公司的AI 輔助診斷系統(tǒng)經(jīng)神經(jīng)網(wǎng)絡(luò)自動(dòng)分割識(shí)別并統(tǒng)計(jì)肺部結(jié)節(jié)區(qū)，結(jié)果由2 名影像科工作經(jīng)驗(yàn)豐富的主治醫(yī)師審核，對(duì)于有疑問結(jié)節(jié)處（AI 假陰性灶、假陽性灶）由科室副高以上職稱的醫(yī)師綜合診斷評(píng)定。

1.3 觀察指標(biāo)

①對(duì)比AI 聯(lián)合DCT 診斷與單純LDCT 檢測的平均閱片時(shí)間和圖像質(zhì)量評(píng)分。其中圖像質(zhì)量評(píng)分分值為0～3 分，圖像模糊不清，偽影較大且噪聲大為0 分，圖像勉強(qiáng)清楚，噪聲較大且有偽影為1 分，圖像清楚，噪聲小且無偽影為3 分。②以胸腔鏡病理結(jié)果為金標(biāo)準(zhǔn)，分析AI 聯(lián)合LDCT 診斷與單純LDCT 診斷肺癌性能及其與病理診斷的一致性。陽性表示惡性結(jié)節(jié)，陰性表示良性結(jié)節(jié)，總例數(shù)以n表示，a表示真陽性，b表示假陽性，c表示假陰性，d表示真陰性。陽性預(yù)測值=a/（a+b） ×100%，靈敏度=a/（a+c）×100%，準(zhǔn)確率=（a+d） /n×100%，特異度=d/（b+d）×100%，陰性預(yù)測值=d/（c+d） ×100%。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 21.0 統(tǒng)計(jì)軟件分析數(shù)據(jù)，符合正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（± s）表示，采用t檢驗(yàn)；計(jì)數(shù)資料以頻數(shù)（n）、百分率（%）表示，采用χ2檢驗(yàn)或費(fèi)希爾（Fisher）精確檢驗(yàn)；一致性使用Kappa檢驗(yàn)，Kappa值≥0.75 表示一致性良好，0.4 ～＜0.75 表示一致性尚可，＜0.4 表示一致性不佳。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 AI 聯(lián)合LDCT 診斷與單純LDCT 檢測的平均閱片時(shí)間和圖像質(zhì)量評(píng)分比較

AI 聯(lián)合LDCT 檢測的平均閱片時(shí)間短于單純LDCT檢測，圖像質(zhì)量評(píng)分高于單純LDCT 檢測，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見表1。

表1 AI 聯(lián)合LDCT 診斷與單純LDCT 檢測的平均閱片時(shí)間和圖像質(zhì)量評(píng)分比較（± s）

表1 AI 聯(lián)合LDCT 診斷與單純LDCT 檢測的平均閱片時(shí)間和圖像質(zhì)量評(píng)分比較（± s）

檢查方式例數(shù)平均閱片時(shí)間/s 圖像質(zhì)量評(píng)分/分LDCT96444.65±98.632.49±0.43 AI 聯(lián)合LDCT96144.21±26.752.70±0.21 t 28.8054.300 P＜0.001＜0.001

2.2 AI 聯(lián)合LDCT 診斷與單純LDCT 診斷肺癌性能及其與病理診斷的一致性

124 個(gè)結(jié)節(jié)經(jīng)病理診斷顯示惡性52 個(gè)（41.94%），良性72個(gè)（58.06%）。LDCT診斷惡性結(jié)節(jié)78個(gè)（62.90%），良性結(jié)節(jié)46 個(gè)（37.10%）；AI 聯(lián)合LDCT 診斷惡性結(jié)節(jié)50 個(gè)（40.32%），良性結(jié)節(jié)74 個(gè)（59.68%）；AI 聯(lián)合LDCT 診斷早期肺癌的特異度、準(zhǔn)確率和陽性預(yù)測值高于LDCT，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；兩種檢查方式的靈敏度和陰性預(yù)測值差異不顯著（P＞0.05）。見表2。Kappa檢驗(yàn)顯示，LDCT 診斷與病理結(jié)果的一致性尚可（Kappa值=0.443）；AI 聯(lián)合LDCT 診斷與病理結(jié)果的一致性極好（Kappa值=0.933）。

表2 AI 聯(lián)合LDCT 診斷與單純LDCT 結(jié)果 單位：個(gè)

表3 AI 聯(lián)合LDCT 診斷與單純LDCT 診斷肺癌效能[%（n/m）]

3 討論

肺癌發(fā)病機(jī)制復(fù)雜，可能與電離輻射、大氣污染、遺傳因素、既往肺部慢性感染等因素有關(guān)，若能早期接受有效的診治，可有效延長患者生存期，對(duì)改善患者預(yù)后具有積極意義[5]。LDCT 可良好的顯示肺結(jié)節(jié)形態(tài)、密度、位置、邊緣、大小、內(nèi)部特征等，是臨床診斷肺部疾病的重要手段，但診斷結(jié)果會(huì)受到結(jié)節(jié)邊緣不清、直徑小、中心位置靠近血管等特征影響，易出現(xiàn)漏診[6-7]。另外，傳統(tǒng)檢查多采用人工讀片模式，即依賴影像醫(yī)師調(diào)取圖像逐幅瀏覽，醫(yī)師檢查工作負(fù)荷明顯增加，且長期處于高緊張度、高負(fù)荷的工作狀態(tài)下，提高了影像醫(yī)師的疲勞度，也會(huì)增加微小病灶漏診概率[8-9]。

近年來，AI 輔助診斷系統(tǒng)逐漸被應(yīng)用于影像學(xué)診斷，其能夠?qū)Λ@得的CT 圖像初篩，標(biāo)記可疑病灶，便于影像學(xué)醫(yī)師診斷，能夠有效提高臨床工作效率及結(jié)節(jié)檢出率。本課題研究中，AI 聯(lián)合LDCT 檢測的平均閱片時(shí)間短于單純LDCT 檢測，圖像質(zhì)量評(píng)分高于單純LDCT 檢測（P＜0.05）；AI 聯(lián)合LDCT 診斷早期肺癌的特異度、準(zhǔn)確率和陽性預(yù)測值高于LDCT（P＜0.05），且Kappa檢驗(yàn)顯示，LDCT 診斷與病理結(jié)果的一致性尚可，AI 聯(lián)合LDCT 診斷與病理結(jié)果的一致性極好，提示AI聯(lián)合LDCT 掃描能夠提高肺癌檢出率且診斷準(zhǔn)確率與病理結(jié)果一致性較高。AI 輔助診斷系統(tǒng)可直接通過大數(shù)據(jù)模型分析肺癌核心特征，經(jīng)切割、扭轉(zhuǎn)等方式將數(shù)據(jù)量擴(kuò)大，并在短時(shí)間內(nèi)標(biāo)記結(jié)節(jié)形態(tài)、位置、密度和惡性征象等信息，高效、精準(zhǔn)地對(duì)肺結(jié)節(jié)良惡性做出鑒別診斷，能夠減少主觀因素的干擾，降低微小病灶的漏診率，還能大大減輕人工閱片的工作繁瑣性，工作效率明顯提高[10-11]。針對(duì)疑似肺結(jié)節(jié)，可借助AI 實(shí)施原始圖像多層面薄層重建、容積再現(xiàn)、表面陰影成像、曲面重建等后處理操作，獲取更充分的診斷信息，準(zhǔn)確定性肺結(jié)節(jié)，同時(shí)AI 計(jì)算能力強(qiáng)大，計(jì)算機(jī)設(shè)備可24 h 高強(qiáng)度工作，能夠使人工工作強(qiáng)度降低，并提高病灶檢出率，提高疾病診斷準(zhǔn)確性。另外，AI 具備深度的學(xué)習(xí)能力，運(yùn)用大量影像基礎(chǔ)數(shù)據(jù)集實(shí)施反復(fù)學(xué)習(xí)并尋找總結(jié)規(guī)律，依靠計(jì)算機(jī)大數(shù)據(jù)模型分析對(duì)比，對(duì)特征性影像學(xué)表現(xiàn)進(jìn)行精確提取，有助于提高圖像和病灶分類的靈敏度、特異度和準(zhǔn)確率[12]。

綜上所述，AI 聯(lián)合LDCT 掃描能夠提高肺癌檢出率且診斷準(zhǔn)確率較高，臨床可將AI 應(yīng)用于肺結(jié)節(jié)的篩查與定性診斷，以期提高肺癌檢出率。