人工智能系統在CT肺小結節篩查中的準確率及檢出時間分析

于廣浩 李為民 高 楊 董 默 李彩娟 朱險峰 李蓮娣

1.牡丹江醫學院影像設備教研室，黑龍江牡丹江 157011；2.牡丹江醫學院附屬第二醫院麻醉科，黑龍江牡丹江 157009

隨著人們對于體檢的重視程度越來越高，肺結節檢出率也越來越高[1]。對于肺結節的早期發現、早期定性及早期治療，是預防肺結節癌變的重要手段[2]。目前隨著CT技術的飛速發展，圖像質量及分辨率也越來越高[3]。對于肺結節的檢出率也在逐步升高，而常規的人工CT閱片耗費時間長，由于醫生的視覺疲勞也容易造成肺結節漏診的情況出現[4]。隨著近年來人工智能（artificial intelligence，AI）技術的逐步成熟，將AI聯合人工的閱片方法也逐漸興起。本研究依托于AI技術，分析AI技術、人工技術及人工與AI聯合對于肺結節篩查的應用效果，分析AI智能系統的有效率，引導其發展方向。特選擇于牡丹江醫學院附屬紅旗醫院進行高分辨率CT體檢篩查的患者，分別運用不同方法進行肺結節篩查?，F報道如下。

1 資料與方法

1.1 一般資料

回顧性選取2019年1—12月于牡丹江醫學院附屬紅旗醫院進行肺高分辨率CT檢查的1316例患者，以金標準診斷出的198例患者的230個肺結節作為研究對象。其中男102例，女96例，平均年齡（67.69±21.32）歲。分別運用AI檢測法、人工檢測法及AI+人工的檢查方法對肺結節進性分析。

1.2 納入及排除標準[5]

納入標準：①患者年齡≤85歲；②患者身體健康，無并發其他呼吸系統疾?。虎刍颊咭庾R狀態良好，能配合進行呼氣屏氣動作；④無心臟起搏器等不可去除裝置者。

排除標準：①患者已確診肺癌；②患者伴發其他呼吸系統疾病影響圖像質量者；③患者意識狀態不清，不能配合呼氣屏氣者；④圖像質量較差影響診斷者。

1.3 方法

對患者進行高分辨率CT掃描，于檢查前對患者均行呼吸練習，以保證入組患者呼吸幅度相近。研究使用AQUILION系列64排螺旋CT（日本東芝公司），囑患者頭先進，雙手交叉置于頭頂，充分暴露胸部，掃描選用管電壓120 kV，管電流150 mA，層厚5 mm，層距5 mm，矩陣512×512，掃描后行骨算法0.5 mm重建。將掃描后圖像選取我院三名主任醫師級別影像診斷醫生對CT圖像進行細致閱片診斷，將所得結果記為本研究金標準，該三名診斷醫師將不參與以下人工閱片研究。將重建后所得容積數據分別傳至PACS系統及sigma discover Lung AI智能肺結節分析系統。分別選取兩名副主任醫師及以上高年資影像診斷醫生進行常規閱片，并進行AI聯合人工閱片及AI自主閱片。分別記為AI組、人工組及AI聯合人工組，記錄各組發現結節個數、計算假陽性率及漏診率，并記錄閱片時間，并對以上數據進行統計學分析。假陽性率=誤檢結節數/檢出結節數×100%；漏診率=漏檢結節數/金標準結節數×100%。

1.4 統計學方法

運用SPSS 18.0統計學軟件進行數據處理，計量資料用（）表示，兩組比較采用t檢驗，三組間比較采用方差分析，計數資料采用χ2檢驗，P＜0.05為差異有統計學意義。

2 結果

2.1 各組肺結節檢出情況比較

AI組假陽性率明顯高于AI聯合人工組及人工組（χ2=6.067，5.596；P=0.002，0.004）；人工組漏診率明顯高于AI聯合人工組及AI組（χ2=5.511，4.996；P=0.004，0.009）。見表1。

表1 各組肺結節檢出情況比較

2.2 各組肺結節檢出時間比較

AI組 平 均 閱 片 時 間 為（24.35±7.37）s；人工組平均閱片時間為（633.45±212.37）s；AI聯合人工組平均閱片時間為（189.84±61.28）s，AI組閱片時間明顯短于AI聯合人工組及人工組（t=7.701，13.389；P=0.001，0.000），差異有統計學意義（F=9.962，P=0.001）。

2.3 各組肺結節檢出準確率比較

AI組分析低至中度惡性概率結節114個，經病理證實17個結節為低至中度惡性結節，準確率為14.91%；AI組分析高度惡性概率結節14個，經病理證實8個結節為高度惡性結節，準確率為57.14%；AI聯合人工組分析低至中度惡性概率結節24個，準確率為70.83%；AI聯合人工組分析高度惡性概率結節10個，經病理證實8個結節為高度惡性結節，準確率為80.00%，AI聯合人工組檢測低至中度惡性概率結節及高度惡性概率結節準確率高于單純AI組（χ2=6.643，5.896；P=0.002，0.003）。

3 討論

目前醫學影像學在醫學中發揮著越來越重要的作用。但目前醫學影像診斷方式主要還是傳統的人工閱片，因此醫生在閱片診斷時常常會受到情緒、精力、環境、經驗、主觀局限性、理解能力等因素的影響，從而造成診斷結果的偏差[6]。而近幾年AI技術在醫學影像學中的應用備受關注[7]，AI的引入不僅僅提高了醫生的工作效率及影像診斷的發現率，而且直接改變了醫生的工作方式，從一定程度上引起了醫學影像行業人力資源結構的變化[8-9]。

本研究基于目前影像診斷的現狀，基于目前擁有的AI智能平臺，設計了AI同人工閱片的對比研究，分析各自的優勢及弊端，為今后的AI閱片發展指出方向。本研究結果顯示，AI智能閱片的結節檢出率最高、用時最短，但是誤診率也為三種方法之最；傳統人工閱片結節檢出率相對較低，但結節的誤診率較低，用時較長；而AI聯合人工閱片的誤診率最低，用時適中，假陽性率也最低。就目前研究結果來看，AI聯合人工閱片是最適合用于肺結節CT診斷的閱片方法，既節省時間，也提高檢出率，降低誤診率。

AI在醫學的應用開發步伐將會進一步加快[10]，系統更加完善，功能更加強大，幫助醫生提高診療水平，使患者得到早期救治，提高生存率，改善生命質量。同時，AI也會推進醫學影像行業的變革，推動相關制度的制定與完善[11]。AI的優勢凸顯，未來逐步代替醫生是大勢所趨，定會增加醫學影像學專業畢業生的就業壓力，改變醫學影像行業人力資源的結構，改變醫學影像學專業的培養規模及培養模式，同時需要大量的醫學影像技術專業人才[12]。

本研究結果顯示，AI方法檢測肺結節時間最快，但誤診率最高；人工檢測肺結節漏診率較高，但誤診率低，時間較慢；人工聯合AI檢測肺結節的誤診率、漏診率均最低。充分說明了AI在醫療領域的應用潛力及廣闊前景，借助AI，可實現精準診療，提高醫生的診斷準確率和工作效率，降低醫學診斷失誤[13-15]。AI技術還能有效彌補偏遠地區、基層醫院的醫學影像診療資源，有助于醫療資源均衡化，對解決百姓看病難、看病貴問題意義重大。但AI在診斷準確率方面還有待提升。AI在以后的體檢篩查中可以作為一項有效手段，對于肺結節的檢出作用十分明顯。在今后的發展中，提高AI的診斷準確率應是發展的主要方向。