AI 軟件在孤立性肺結節良惡性診斷中的應用

邱文，陳任政，張文浩

陽江市人民醫院 1 放射科，2 產科 （廣東陽江 529500）

目前，肺癌是全球發病率及病死率均較高的惡性腫瘤之一，早期很難被發現，一旦被發現基本已到晚期。臨床研究發現，孤立性肺結節的檢出對診斷肺癌意義重大[1]。孤立性肺結節（solitary pulmonary nodules，SPN）是直徑≤3 cm、界限清楚的圓形或橢圓形病灶，周圍有正常的實質，與肺不張、淋巴結病、肺炎和胸腔積液無關[2]。臨床上與SPN相關的臨床信息和影像學在良惡性SPN 中存在部分重疊，極難分辨孤立性肺結節的良惡性情況。近年來，新型支氣管鏡、高分辨力CT、胸片、MRI 等檢查診斷手段逐漸被用于SPN 的早期診斷中，隨著AI 技術的發展，基于深度學習的計算機輔助檢測與診斷系統在SPN 的診斷中也不斷取得進步[3]。基于此，本研究探討AI 軟件在SPN 良惡性診斷中的應用，現報道如下。

1 資料與方法

1.1 一般資料

收集2019年4－11月于我院呼吸內科、胸外科、腫瘤科等科室經臨床和手術病理證實的，100例結節直徑≤3 cm 的SPN患者的臨床資料。其中，良性腫瘤50例，男26例，女24例；年齡32～74歲，平均（49.30±11.27）歲。惡性腫瘤50例，男28例，女22例；年齡38～79歲，平均（59.60±11.35）歲。本研究已獲得醫院醫學倫理委員會的審核批準。

1.2 方法

所有患者均行CT 掃描：使用飛利浦Brillance 64排CT、西門子Balance 16排CT（Light Speed VCT，Discovery HDCT，Optima）螺旋CT，從胸廓入口至肺底，設定電壓120 kV、電流200～340 mA，采用骨重建1.25 mm 層厚軸位圖像法進行吸氣后屏氣完成全肺掃描，獲得CT 影像。

1.3 觀察指標

比較低年資、高年資醫師及AI 軟件診斷SPN 良惡性的準確度及總準確度。在未被告知臨床診斷結果的情況下，分別由兩名低年資（5年以內）及兩名高年資（5年以上）影像醫師閱片并判斷SPN 良惡性；此外，將100例胸部CT 影像原始數據上傳至基于深度學習模型的AI 軟件（深睿醫療公司），并由系統軟件自動批量進行SPN 良惡性的識別和標記。

1.4 統計學處理

采用SPSS 22.0統計軟件進行數據分析，計數資料以率表示，采用χ2檢驗，P＜0.05為差異有統計學意義。

2 結果

AI 軟件與高年資醫師診斷SPN 良惡性的準確度及總準確度比較，差異無統計學意義（P＞0.05）；AI 軟件、高年資醫師診斷SPN 良惡性的準確度及總準確度均高于低年資醫師，差異有統計學意義（P＜0.05），見表1。

表1 低年資、高年資醫師及AI 軟件診斷SPN 良惡性的準確度及總準確度比較[例（%）]

3 討論

SPN 中多數惡性結節位于肺上葉，且多見于右肺，而位于肺周圍區域的SPN 約占60%[4]。有研究指出，在結節邊緣有不同的征象如不規則、毛刺、分葉、光滑等，良性和惡性病變之間存在較大的重疊[5]。良性結節大部分特征邊緣光滑，而惡性結節大部分為密集毛刺結節、分葉狀的表現。AI 技術基于深度學習、神經網絡、算法、大數據等基礎，利用數據模擬構建相應的虛擬模型結構。目前，AI 輔助肺部結節影像診斷不僅可以幫助醫師確定肺部結節發生部位，還能更智能化地輔助醫師對肺部結節進行良惡性的定性診斷[6]。隨著深度學習的不斷發展，基于深度學習的計算機輔助診斷技術診斷肺結節的靈敏度及準確度也得到了提高[7]。深度學習模型多種多樣，應用在SPN 的檢測系統及模型中的主要有多維卷積神經網絡（convolutional neural network，CNN）、自編碼（auto-encoder，AE）、深度信念網絡（deep belief network，DBN）、自主神經功能網絡、仿生模式識別等，其中，以CNN 最常用。

CNN 是一種受生物學啟發，多用于解決圖像分類問題的監督學習算法[8]。最近，深度CNN 在圖像處理方面取得了巨大成功并被引入醫學圖像領域，特別是受到阿諾德基金會的100萬美元資助美國國家癌癥研究所的肺癌自動檢測與診斷挑戰賽，參加這項挑戰賽中的所有頂級團隊都使用CNN 來自動檢測和診斷肺部病變，這也證實了CNN 在AI 醫療中的應用價值[9]。目前，研究較多的有多維CNN 的肺結節檢測與分類，基于二維、三維CNN 對肺結節進行檢測，主要針對的是在檢測過程中出現的假陽性高的問題。安增平[10]提出了一種基于深度學習的肺部結節檢測方法，并以此為基礎，設計開發了一個肺結節輔助檢測系統，該系統具有讀取與顯示CT 信息、整肺初步分割、提取ROI 區域、顯示結節區域等功能，可提高診斷SPN 的靈敏度，降低假陽性率。王祥等[11]利用三維CNN 的肺結節深度學習算法模型檢出的靈敏度為90%，準確度為71%。本研究結果顯示，AI 軟件與高年資醫師診斷SPN 良惡性的準確度及總準確度比較，差異無統計學意義（P＞0.05）；AI 軟件、高年資醫師診斷SPN 良惡性的準確度及總準確度均高于低年資醫師，差異有統計學意義（P＜0.05）；表明經過深度學習的AI 軟件對于SPN 良惡性診斷的準確度較高，可達到高年資醫師水平。

4 總結與展望

AI 是蓬勃發展的新興科技，具有巨大的應用前景及廣闊的發展空間。AI 軟件通過學習和研究大量醫學數據、醫學影像和病歷資料，能夠提高診斷的準確度，從而為疾病提供早期預警。目前，深度學習AI 已經被應用于肺癌診斷、治療、預防、隨訪等疾病診療過程中，大大提高了醫師的診斷效率、降低了漏診及誤診的風險，同時，還能夠減輕醫師的工作量。AI 軟件在診斷SPN 良惡性方面的應用效果較好，將會成為臨床醫師不可或缺的得力助手，但在應用過程中不斷出現新的挑戰，如機器倫理、法律及智能化標準等問題。業界對肺結節智能化的診斷還需不斷的完善與更新，醫師應不斷學習與更新知識，使AI 在輔助醫者診斷中發揮重要作用。