人工智能自動閱片技術用于HIV/AIDS人群結核病主動篩查效果的研究

王前 何金戈 李玉紅 陳明亭 周林

結核病是人類免疫缺陷病毒感染者和艾滋病患者(HIV/AIDS者)最常見的機會感染和最主要的死亡原因，在缺乏有效防控措施的情況下，可占HIV/AIDS者死亡總數的1/3；同時，HIV/AIDS者的免疫抑制狀態使得其更容易感染結核分枝桿菌(Mycobacteriumtuberculosis，MTB)和發生結核病，發病風險是其他人群的19倍[1]。在HIV感染者中及時準確診斷結核病，是控制疫情的關鍵。結核病檢查主要采用兩種手段，分別為病原學檢查和胸部影像學檢查[2]。然而，MTB/HIV雙重感染者細菌學檢查陽性率低，檢測標本的收集也常存在困難或是標本質量差。在胸部影像學檢查方面，AIDS并發肺結核的影像學表現也主要取決于機體的免疫狀態。在HIV感染的早期，多表現為典型肺結核的影像特點。而在HIV感染的中后期，機體處于中度及重度的免疫抑制狀態，肺結核的影像學表現多不典型。

人工智能(artificial intelligence，AI)自動化閱片技術通過大量經人工標注的肺結核影像樣本進行自主學習，由此構成的肺結核識別方案可對數字X線攝影(digital radiography, DR)圖像中的肺結核影像特征進行自動化識別，從而實現基于DR圖像的肺結核自動篩查功能[3]。目前，我國寧夏等地均在普通肺結核篩查中采用了AI自動化閱片技術，以提高結核病的檢出率[4-5]。為此，筆者擬探討AI自動化閱片技術在HIV感染者中篩查結核病的可行性。

資料和方法

1.研究對象：采用回顧性研究方法，選取2019年四川省涼山彝族自治州布拖縣應用DR進行結核病主動篩查的633例HIV/AIDS者作為研究對象，其中，47例(7.4%)為病原學陽性肺結核患者(痰涂片、結核分枝桿菌分離培養、結核分枝桿菌分子生物學檢測任一陽性)。收集研究對象胸部X線攝片(簡稱“胸片”)，進行人工閱片和AI自動化閱片。

2.診斷標準：(1)HIV/AIDS：參照《WS 293—2019 艾滋病和艾滋病病毒感染診斷》[6]；(2)肺結核：參照《WS 288—2017 肺結核診斷》[2]。

3.人工閱片：(1)閱片人員：邀請3名來自北京市三級甲等醫院，具有正高級職稱及30年以上結核病相關診療經驗的臨床醫師進行閱片；其中，2名為結核病專科醫院影像科主任醫師，1名為結核病臨床科室主任醫師。(2)閱片結果分類：①典型肺結核影像：3名閱片專家均診斷為活動性肺結核影像改變；②相對典型肺結核影像：2名閱片專家均診斷為活動性肺結核影像改變；③不典型肺結核影像：僅1名閱片專家診斷為活動性肺結核影像改變。

4.AI自動化閱片：分別采用江西中科九峰智慧醫療科技有限公司、北京推想科技有限公司、北京掌引醫療科技有限公司等3家企業的AI自動化閱片技術進行閱片，均采用網絡上傳DR胸片，數據平臺閱片技術方式。

5.指標定義：(1)肺結核病原學檢測陽性患者胸片：篩查對象痰涂片、結核分枝桿菌分離培養、結核分枝桿菌分子生物學檢測任一陽性者的胸片。(2)人工閱片診斷疑似活動性肺結核影像改變：3名閱片專家合計判定為疑似活動性肺結核影像改變者的總和。(3)人工閱片診斷病原學陽性肺結核：3名閱片專家合計判定為疑似活動性肺結核影像改變者中，包含的病原學陽性患者的總和。(4)AI自動化閱片診斷疑似活動性肺結核影像改變：3種AI自動化閱片技術合計判定為疑似活動性肺結核影像改變者的總和。(5)AI自動化閱片診斷病原學陽性肺結核：3種AI自動化閱片技術合計判定為疑似活動性肺結核影像改變者中，包含的病原學陽性患者的總和。

表1 閱片專家對47例HIV/AIDS并發病原學陽性肺結核患者的閱片結果 [例(構成比，%)]

6.統計學處理：采用SPSS 20.0軟件進行統計分析，計數資料以“百分率(%)”表示。以病原學診斷為參照標準，評價人工閱片與AI自動閱片技術在HIV感染人群中對肺結核的診斷效能，計算公式：敏感度=真陽性例數/(真陽性例數+假陰性例數)×100%；特異度=真陰性例數/(真陰性例數+假陽性例數)×100%；陽性預測值=真陽性例數/(真陽性例數+假陽性例數)×100%；陰性預測值=真陰性例數/(真陰性例數+假陰性例數)×100%；一致率=(真陽性例數+真陰性例數)/總例數×100%。

結 果

1.人工閱片：633例研究對象中，人工閱片診斷疑似活動性肺結核影像改變者198例(31.3%，198/633)，3名閱片專家診斷結果分別為139例(22.0%，139/633)、100例(15.8%，100/633)、90例(14.2%，90/633)。47例并發病原學陽性肺結核患者中，3名閱片專家診斷結果分別為19例(40.4%，19/47)、29例(61.7%，29/47)、21例(44.7%，21/47)；3名閱片專家診斷一致患者有14例(29.8%，14/47)，2名閱片專家診斷一致患者有8例(17.0%，8/47)，僅1名閱片專家診斷為肺結核影像改變者有11例(23.4%，11/47)；共有14例(29.8%，14/47)患者均被閱片專家漏診。3名閱片專家對病原學陽性肺結核患者不同類型肺結核影像檢出結果差異有統計學意義(χ2=14.470，P=0.025)，見表1。

2. AI自動化閱片：AI自動化閱片共檢出疑似活動性肺結核影像改變者434例(68.6%)。3家企業AI自動化閱片技術診斷結果分別為260例(41.1%，260/633)、299例(47.2%，299/633)和247例(39.0%，247/633)。47例并發病原學陽性肺結核患者中，3家企業AI自動化閱片技術診斷結果分別為32例(68.1%，32/47)、30例(63.8%，30/47)、33例(70.2%，33/47)，差異有統計學意義(χ2=7.040，P=0.030)，見表2；共有5例(10.6%)均被漏診。

表2 不同人工智能閱片技術對47例HIV/AIDS并發

3.診斷效能比較：以病原學診斷為參照標準，AI自動閱片技術篩出的異常胸片中，共包括病原學陽性肺結核患者42例(89.4%，42/47)，人工閱片檢出的異常胸片中共包括病原學陽性肺結核患者33例(70.2%，33/47)。人工閱片診斷HIV/AIDS并發病原學陽性肺結核的敏感度為70.2%，特異度為71.8%，一致率為71.7%；AI自動閱片技術診斷HIV/AIDS并發病原學陽性肺結核的敏感度為89.4%，特異度為33.1%，一致率為37.3%，見表3。

表3 不同閱片方法以病原學診斷為參照標準對HIV/AIDS并發病原性陽性肺結核的診斷效能

討 論

世界衛生組織推薦針對結核病高發地區各類人群開展主動篩查，以早期發現患者，控制結核病傳播及減輕疾病負擔[7]。我國《遏制結核病行動計劃(2019—2022年)》也明確要求提高診療服務可及性，開展重點人群結核病主動篩查[8]。目前，結核病的診斷主要以綜合診斷為主，考慮患者的癥狀和體征、實驗室檢查和胸部影像檢查結果。研究表明，很大一部分結核病患者沒有癥狀，僅通過DR就可以檢測出結核病。通過觀察使用DR作為篩查工具，可以開展對普通公眾、HIV感染者、15歲以下結核病患者和其他高危人群結核病篩查。在這些人群中，DR被認為是一種高敏感度的篩查工具，盡管缺乏足夠的特異度來確認結核病的診斷，但仍然在結核病的早期發現中起著重要的作用[9]。然而，基層放射科醫生的短缺[10]限制了胸部X線攝影和DR在資源有限環境下進行結核病篩查的應用[9]。AI的發展為計算機輔助診斷系統的建立提供了新的契機。越來越多的證據表明其在肺結核影像診斷中的價值。2020年世界衛生組織對快速診斷工具的系統綜述指出：在篩查和分診的情況下，AI自動閱片軟件的診斷準確性和整體性能與影像科醫生對DR胸片的診斷結果相近[10]。計算機輔助診斷系統也許可以作為一種替代影像科醫生的方式對普通DR圖像進行診斷，以進行肺結核的篩查和分類。王曉林等[4]研究顯示，AI自動閱片診斷普通肺結核的敏感度達到93.5%(58/62)、特異度為86.0%(394/458)、準確率達到86.9%(452/520)。國內自主研發用于結核病醫學影像輔助診斷的AI技術十分多樣化，此類技術的應用在提高診斷準確率的同時，也提升了醫務人員影像閱片的工作效率，深受基層醫療機構的歡迎[11]。

HIV感染者存在診斷困難和胸片不典型等問題，因此，診斷難度高于普通結核病患者。本研究對633例HIV/AIDS者進行了篩查，其中，包括病原學陽性肺結核患者、臨床診斷肺結核患者、肺部其他病變及肺部正常者。但是由于臨床診斷肺結核缺少金標準，因此，本研究以病原學檢測結果為標準，對人工閱片與AI自動閱片技術進行了評價。結果顯示，3名資深醫師在獨立看片時，漏診病原學陽性肺結核患者的構成比分別為59.6%、38.3%、55.3%；3種AI自動閱片技術漏診病原學陽性肺結核患者的構成比分別為31.9%、36.2%、29.8%。綜合結果比較，人工閱片共漏診14例，AI自動閱片技術共漏診5例。可見，在HIV感染高發區，AI自動閱片技術的潛在價值很大。人工閱片受到很多主觀因素的影響，如連續長時間閱片的疲勞、光線，以及專家既往經驗，均會對閱片結果產生影響。而AI自動閱片技術可以避免疲勞等因素的影響，并且對于AI發現患者方面的漏洞可以通過機器學習不斷優化。同時，從人工閱片和AI自動閱片技術檢出疑似活動性肺結核影像改變患者表現來看，AI自動閱片技術發現疑似活動性肺結核影像改變的能力明顯高于人工閱片。究其原因，AI自動閱片技術更加靈敏，能發現肉眼不可見的病灶；也可能是由于AI自動閱片技術作為篩查工具，假陽性率高，而特異度較低所致。由于臨床診斷結核病缺乏診斷金標準，這個問題的解答需要后續對這些患者進行隨訪觀察。

本研究分別將3名閱片專家的閱片結果和3家企業的AI自動閱片技術結果進行綜合，比較人工閱片與AI自動閱片技術的診斷效能。合計比較的缺點是，合計以后，3家企業的AI自動化閱片技術共檢出疑似活動性肺結核影像改變者434例，遠遠超過單一技術檢測的結果。因此，AI自動閱片技術的診斷特異度大大低于人工閱片。但此結果，也反映了3家企業該技術差異很大。盡管每家企業該技術獨立檢測均發現200余例影像改變者，但合計發現434例，說明3家企業的AI自動閱片技術發現的疑似活動性肺結核影像改變者有很大一部分并不重合。現實場景中，同時應用3家企業AI自動閱片技術的情況非常少見，因此，本文僅作探討。

綜上所述，“互聯網+醫療健康”、AI是當前我國大力推進的創新技術。在基層地區，特別是HIV感染疾病負擔較重的地區，應用AI自動閱片技術篩查結核病，輔助影像科醫生判定和分析胸片，可有效提高醫療效率和診斷準確率，減輕醫療資源緊張的壓力，彌補基層醫療機構結核病防治力量薄弱的短板，實現結核病患者早發現和早診斷。本研究存在一定的局限性。首先，633例研究對象中，僅47例具有肺結核病原學陽性診斷依據，用于分析的樣本量較小。第二，未對經人工閱片和AI自動閱片技術診斷的疑似活動性肺結核患者進行深入分析，追蹤其后續確診情況。