人工智能輔助閱片的胸部CT 在肺結節良惡性鑒別診斷中的應用研究

楊揚，郭丹丹，徐鵬，王鳳

青州市人民醫院影像科，山東青州 262500

肺結節有良性、惡性之分，良性肺結節預后良好，惡性肺結節治療難度大、預后較差，若能早期發現并予以針對性治療，可在一定程度上改善預后[1-2]。胸部CT是臨床診斷肺結節的重要手段，具有操作簡單、成本低、耐受性良好等特點，依據肺結節在CT 的影像學征象可對結節性質進行鑒別，便于臨床盡早進行針對性治療[3]。但傳統胸部CT 受診斷醫師經驗、主觀意識等影響較大，易出現漏診、誤診情況。隨著現代醫學水平的發展，人工智能輔助診斷技術逐漸應用于臨床，憑借深度學習記憶及強大圖片識別功能，可實現醫學影像技術及診療體系飛躍性發展，從而進一步提高肺結節診斷質量，降低結節篩查漏診、誤診率，且大幅提供閱片工作效率[4]。鑒于此，本研究旨在分析2019年1月—2021年6月50例于青州市人民醫院采用人工智能輔助胸部CT 鑒別診斷肺結節良惡性的臨床價值。現報道如下。

1 資料與方法

1.1 一般資料

選取本院收治的肺結節患者50例作為研究對象。其中男19例，女31例；年齡35~75歲，平均（49.96±5.13）歲。研究經醫學倫理委員會批準。

1.2 納入與排除標準

納入標準：符合《肺結節診治中國專家共識（2018年版）》[5]中肺結節診斷者；精神狀態正常者；行肺部CT檢查者；患者及家屬知情同意。排除標準：影像學資料缺失者；伴有其他惡性腫瘤者；存在肺結核病史者。

1.3 方法

所有肺結節患者均行胸部CT 檢查，分別采用人工智能輔助閱片與醫師閱片，以病理檢查為金標準。影像學掃描：選用西門子Definition Flash 雙源CT 掃描系統進行檢查，參數設置為管電流≤40 mAs，管電壓120 kVp，層厚5 mm，重建圖像層厚1 mm；縱膈窗：窗位50 HU，窗寬350 HU；肺窗：窗位-600 HU，窗寬1500 HU。閱片方法：①人工智能輔助閱片法。由1 名經驗豐富的影像科醫師采用肺結節篩查系統輔助診斷，即將所有胸部CT 影像資料導入人工智能輔助系統內，系統根基為40 萬訓練數據集，數據庫資料來源于國內各大三甲醫院；該軟件可自動標記疑似肺結節的部位，于右側欄目內顯示結節性質、CT 值、結節直徑、征象及惡性概率等信息，其中惡性概率70%以上為高危結節，惡性概率50%~70%為中危結節，惡性概率50%以下為低危結節。系統將高危結節判定為惡性肺結節，其他為良性肺結節；若出現可疑肺結節，閱片醫師可借助系統更好呈現肺結節形態，三維重建肺結節與周圍血管、胸膜等關系，以便于更好地鑒別診斷。②醫師閱片法。由兩名具有豐富工作經驗的影像科醫師進行胸部CT 圖像閱片，依據肺結節大小、與周圍血管關系、密度等多種信息進行良惡性判斷，人為劃分良性或惡性。最終結果以病理檢查為金標準，所有標本均以福爾馬林固定，石蠟包埋切片，經特殊方法染色后，由病理醫師確定。

1.4 觀察指標

①肺結節檢出情況：比較兩種閱片方法下肺結節檢出情況；②診斷效能：比較兩種閱片方法診斷惡性肺結節的靈敏度、特異度、準確度、陽性預測值及陰性預測值。

1.5 統計方法

采用SPSS 22.0 軟件分析數據，計數資料以百分數表示，采用χ2檢驗；P<0.05 為差異有統計學意義。

2 結果

2.1 肺結節檢出情況

50例肺結節患者，經病理診斷為惡性結節42例，良性結節8例；其中人工智能閱片檢出陽性41例，醫師閱片檢出陽性40例。兩組陽性檢出率相比，差異無統計學意義（χ2=0.065，P=0.799）。見表1。

表1 兩組閱片方法肺結節檢出情況對比

2.2 診斷效能

人工智能輔助閱片法靈敏度、特異度、準確度及陰性預測值高于醫師閱片法，差異有統計學意義（P<0.05）。見表2。

表2 兩組閱片方法診斷效能對比（%）

3 討論

肺癌為臨床常見惡性腫瘤，早期無明顯癥狀，多數患者出現臨床癥狀時已進展至中晚期，錯失手術最佳時機，導致整體預后較差，病死率居高不下。因此，早發現、早診斷、早治療對提高肺癌患者生存率至關重要[6-7]。肺癌早期影像學多表現為肺結節，肺結節又可分為良性肺結節、惡性肺結節，對于存在肺結節征象的患者需準確鑒別良惡性，為臨床后續治療工作的開展提供依據[8-9]。

胸部CT 是臨床診斷肺結節的常用影像學手段，具有掃描速度快、軟組織分辨率高等特點，可清晰顯示肺結節大小、密度及與周圍血管組織關系等信息，為臨床鑒別診斷良惡性肺結節提供參考數據[10-14]。但傳統閱片多由兩名經驗豐富的影像科醫師進行，準確性受醫師經驗程度、主觀意識、視力疲勞等多種因素影響，對于部分病灶小、密度低的肺結節組織易出現漏診或誤診，且隨著肺結節篩查的大規模進行，單純依靠醫師閱片工作量大，已無法滿足臨床需求。隨著科技水平的不斷提升，人工智能逐漸應用于醫學領域，在影像學領域亦得到廣泛應用。本研究結果顯示，50例肺結節患者，經病理檢查發現惡性結節42例，良性結節8例；其中人工智能輔助閱片檢出陽性41例，醫師閱片檢出陽性40例，兩組陽性檢出率相比，差異無統計學意義（P>0.05），人工智能輔助閱片法靈敏度、特異度、準確度及陰性預測值為95.24%、87.50%、94.00%、77.78%，高于醫師閱片法的80.95%、25.00%、72.00%、20.00%，差異有統計學意義（P<0.05），表明人工智能輔助閱片應用于胸部CT 可提高惡性肺結節診斷效能，以便于臨床更準確地區分良惡性肺結節。李甜等[15]研究顯示，人工智能輔助閱片靈敏度為91.57%，高于醫師閱片的87.2%，提示人工智能閱片有助于提高惡性肺結節診斷效能，與本研究結果具有一致性。人工智能輔助診斷系統能直接挖取肺癌核心特征，通過扭轉、切割等多種方式擴大數據量，并在短時間內標記結節位置、形態及惡性征象信息等，以高效率、高效能鑒別診斷良惡性肺結節，避免人工閱片的主觀因素影響，且大幅降低人工閱片的工作繁瑣性，提高工作效率[16-18]。對于疑似肺結節，醫師還可借助人工智能系統進行薄層原始圖像、表面陰影成像及容積在現等圖像處理操作，從而獲取更為充分的肺結節診斷信息，以便于肺結節早期定性。但人工智能仍存在一定缺陷，如訓練數據集質量不一、標注質量欠佳、圖像處理缺乏統一標準等，還需加強軟件數據集的質量管理控制，擴大數據集訓練數量，以提高惡性肺結節診斷準確性。

綜上所述，人工智能輔助閱片在胸部CT 中應用效果顯著，可提高惡性肺結節診斷靈敏度、特異度及準確率，便于臨床盡早明確肺結節性質，為后續治療工作開展提供重要依據。