人工智能輔助診斷系統(tǒng)在COVID-19患者病程變化中的診療作用

王娜娜，李大勝，王大為，李珺，于巍偉，于衛(wèi)永，陳振波

1.北京市海淀醫(yī)院（北京大學第三醫(yī)院海淀院區(qū)）a.放射科；b.感染科，北京 100080；2.北京推想科技有限公司 先進研究院，北京 100025；3.首都醫(yī)科大學 康復醫(yī)學院，北京 100068；4.北京博愛醫(yī)院 放射科，北京 100068

引言

新 型 冠 狀 病 毒 肺 炎（Corona Virus Disease 2019，COVID-19）具有較強的傳染性[1-3]，國家衛(wèi)生健康委員會組織相關專家制定了《新型冠狀病毒感染的肺炎診療方案（試行第七版）》[4]，指出CT成像對COVID-19患者診斷的重要性，薄層CT掃描在COVID-19篩查中起著重要的作用，可以鑒別感染類型、檢測病情進展并指導臨床治療[5-6]。但是人工進行圖像讀取診斷具有很大的主觀性，且分析評估大量圖像非常耗時，會占用臨床醫(yī)師大量時間。人工智能（Artificial Intelligence，AI）技術在臨床醫(yī)學上不斷取得重大突破，尤其在以CT、MRI為代表的醫(yī)學影像學技術范疇內[7-8]，并已成為評估和應對這一全球流行病危機的有效工具，本研究旨在通過CT+AI輔診系統(tǒng)動態(tài)分析診療前后多次影像學表現(xiàn)，以期對COVID-19的診斷和評估提供科學有效的CT影像學證據(jù)，為COVID-19患者的診療提供更好的服務。

1 資料與方法

1.1 一般資料

本研究納入2020年1—4月就診于北京市海淀醫(yī)院（北京大學第三醫(yī)院海淀院區(qū)）的28例新型冠狀病毒肺炎確診患者，包含其臨床及CT影像學資料（輕型1例，27例普通型）。納入標準：① 診斷標準符合國家衛(wèi)生健康委員會《新型冠狀病毒感染的肺炎診療方案（試行第七版）》[4]；② 臨床分型為輕型或普通型；③ 進行兩次及以上胸部CT掃描。本研究納入的28例患者合計共進行了78次胸部CT檢查。28例患者中，男性15例，女性13例，年齡為6～67歲，平均年齡（43.00±1.41）歲。主要臨床癥狀包括：發(fā)熱（17例，60.71%），除發(fā)熱外，還存在咳嗽伴或不伴咳痰/咽痛者（12例，42.86%），肌肉酸痛或無力（6例，21.43%），鼻塞（3例，10.71%），腹瀉（2例，7.14%），臨床資料如表1所示。28例患者均行至少兩次胸部CT檢查，其中8例（28.57%）行3次檢查，7例（25%）行4次檢查。本研究經(jīng)院內倫理委員會批準同意[（2020）醫(yī)/藥倫審第（43）號]。

表1 本研究納入患者初診臨床資料

1.2 檢查方法、診斷方法及診斷標準

1.2.1 檢查方法

所有患者均進行胸部CT平掃，采用美國GE 64排VCT和中國聯(lián)影公司40排UCT530掃描儀。掃描參數(shù)：管電壓120 kV，管電流自動調節(jié)，層厚5 mm，層間距5 mm，薄層重建0.625 mm，掃描包含整個肺野。

1.2.2 診斷方法

所有肺部CT資料都經(jīng)過2名具有資深經(jīng)驗的放射科診斷醫(yī)師（至少10年工作經(jīng)驗，主治醫(yī)師）評估；都采用常規(guī)診斷法（肺窗、薄層高分辨圖像）或人工智能輔助診斷系統(tǒng)輔助診斷方式進行分析，確定肺部病灶、分析病灶影像特征，當結果出現(xiàn)明顯差異時（兩名診斷醫(yī)師間、醫(yī)師與AI間），由經(jīng)驗更豐富的影像科診斷醫(yī)師（20年以上工作經(jīng)驗，副主任醫(yī)師）進行評估，其特征值和時間確定為兩名資深診斷醫(yī)師的平均值。人工智能輔助診斷系統(tǒng)（InferRead CT Pneumonia，北京推想科技有限公司）：此系統(tǒng)使用深度學習技術，第一步首先評估整個肺部的體積，通過已有的先驗知識初步區(qū)分整個肺部中的正常肺和感染區(qū)域病灶；然后根據(jù)病灶內部特征情況，通過人工智能算法得到具體病灶的體積；進一步給出具體病變位置、體積、占比和病灶特征評估報告，最后得出前后兩次的對比結果報告。其中，該算法的先驗知識來自湖北省合作單位的輕型新型冠狀病毒肺炎患者的胸部CT，由經(jīng)驗豐富的影像診斷醫(yī)師描繪肺部感染部位的基礎上使用深度學習計算得來。

1.2.3 CT診斷標準

根據(jù)新型冠狀病毒肺炎影像學輔助診斷指南[9]，COVID-19共分為4期：① 早期胸部表現(xiàn)往往不典型，病變呈淡薄斑片狀磨玻璃密度影（Ground Glass Opacity，GGO），多局限性、散在分布于兩中下肺野，主要見于胸膜下；② 進展期病灶多發(fā)，表現(xiàn)為GGO滲出、融合或伴有實變，以雙肺野中外帶分布多見，可伴少量胸腔積液；③ 重癥期雙肺密度彌漫性、廣泛性進一步增高，成為“白肺”；④ 轉歸期，病灶縮小或吸收，部分病例可見肺間質纖維化改變。本研究針對輕型、普通型患者，分為三期：早期、進展期和轉歸期。

1.3 觀察指標

比較治療前后的臨床檢查結果、常規(guī)評估結果和人工智能輔助診斷評估結果；C 反應蛋白（C-reactive Protein，CRP）含量 :0～10 mg/L 計數(shù)為 0，＞10 mg/L 計數(shù)為 1 ；AI評估特征（肺內平均 CT 值、全肺感染占比及全肺感染體積）值在患者早期、進展期和影像轉歸期之間的差異。

1.4 統(tǒng)計學分析

本研究使用 SPSS 22.0 軟件進行統(tǒng)計學分析。所有 數(shù)據(jù)經(jīng)檢驗后符合正態(tài)分布，計量資料采用±s表示，使用配對t檢驗 ；常規(guī)閱片法與 AI 診斷的 一致性采用 Kappa 檢驗法，Kappa 值 ＞0.6 表示兩者間具 有較高的一致性，應用多個獨立樣本的秩和檢驗（Kruskal Wallis Test）對比 AI評估特征（肺內平均CT值、全肺感染占比及全肺感染體積）值在患者早期、進展期和影像轉歸期之間的差異，P＜0.05表示差異具有統(tǒng)計學意義。

2 結果

2.1 COVID-19患者的臨床資料比價

本研究納入的28例患者中有19例進行了治療后實驗室化驗復查，復查間隔時間為5～17 d，平均（10.50±3.60）d。本研究比較了患者治療前后的外周血白細胞總數(shù)（White Blood Cell，WBC）、中性粒細胞計 數(shù)（Neutrophilicgranulocyte，N）、中性 粒細胞百 分比（N%）、淋巴細胞計數(shù)（Lymphocyte，L）、淋巴細胞百分比（L%）、谷草轉氨酶/谷丙轉氨酶（Aspartate/Alanine aminotransferase，AST/ALT）、乳酸脫氫酶（Lactate Dehydrogenase，LDH）及CRP等臨床資料。配對樣本t檢驗提示患者治療前后各項臨床資料無明顯統(tǒng)計學意義（P＞0.05），相關統(tǒng)計結果如表2所示。

表2 19例COVID-19患者實驗室檢查情況表

2.2 人工常規(guī)閱片法與單純AI自動生成法患者檢出率的比較

分別使用常規(guī)閱片法與單純AI自動生成報告法對28例初診COVID-19患者進行診斷。采用Kappa檢驗法對比兩種方法得到的診斷結果。一致性檢驗提示Kappa=0.708，P＜0.05，兩者具有較好的診斷一致性。其中1例患者常規(guī)閱片法診斷為陰性，AI輔診系統(tǒng)輔助診斷時提示該患者存在若干微小結節(jié)灶，局部邊緣欠清，診斷為陽性，后期復查該患者肺部病變體積明顯增多、病變范圍增大；另有一例患者6歲，因呼吸偽影較重AI診斷為陰性，常規(guī)閱片法診斷為陽性，具體如表3所示。

表3 人工常規(guī)閱片法與單純AI自動生成法對28例初診COVID-19患者檢出率的比較（例）

2.3 人工常規(guī)閱片法與AI輔助下診斷用時的比較

本研究28例患者78次檢查中，兩位高年資主治醫(yī)師常規(guī)閱片方式平均診斷耗時（2.77±0.90）min，使用AI輔助診斷方式后（AI+常規(guī)）平均耗時（0.78±0.40）min，對其進行配對t檢驗，發(fā)現(xiàn)具有明顯統(tǒng)計學差異（t=17.845，P＜0.001），見圖 1。

圖1 常規(guī)閱片與AI輔助閱片平均用時比較

2.4 COVID-19患者復查轉歸情況

COVID-19患者病情變化快，需要經(jīng)常復查，本研究納入的患者均進行至少兩次CT檢查，兩次CT檢查間隔時間為3～19 d，平均11.4 d。本研究納入的28例患者的CT復查情況如表4所示。28例患者第一次檢查（初診）：有陰性1例（AI可疑陽性，最終副主任醫(yī)師核定為陰性，3 d后復查表現(xiàn)為小斑片、結節(jié)樣磨玻璃密度影），早期16例，進展期10例，轉歸期1例；第一次復查21例好轉、其中3例表現(xiàn)為陰性，有2例仍表現(xiàn)為早期，5例處于進展期，表現(xiàn)為病變范圍增大、部分實變，其內見支氣管氣相；有15例患者進行了第二次復查，均有好轉，其中7例表現(xiàn)為陰性；7例患者進行了第三次復查，其中6例表現(xiàn)為陰性，1例患者胸膜下仍見少許索條影。轉歸期總數(shù)為影像轉歸期和復查陰性總和。

表4 28例COVID-19患者復查情況表及AI定量分析情況

2.5 AI輔診系統(tǒng)對COVID-19的定量評估作用

本研究使用AI輔診系統(tǒng)對納入患者的早期、進展期和轉歸期的CT影像學結果進行定量評估分析。分析結果顯示，在新型冠狀病毒肺炎患者中，肺內平均CT值、全肺感染體積占比、全肺感染體積、HU[-570，-170）及HU[-70，70）體積占比在早期、進展期及影像轉歸期之間具有顯著變化（P＜0.05）。其中全肺感染體積占比、全肺感染體積在早期、進展期和影像轉歸期兩兩比較均具有顯著變化，肺內平均CT值、HU[-570，-170）體積占比在早期與轉歸期和進展期與轉歸期組間比較具有顯著變化，HU[-70，70）體積占比在早期與進展期和進展期與影像轉歸期兩兩比較具有顯著差異（P＜0.05）。具體結果如表5所示。對其中1例患者使用AI輔診系統(tǒng)進行定量評估分析，結果見圖2。

圖2 AI輔診系統(tǒng)對COVID-19患者治療前后3次的定量評估分析結果

表5 使用AI輔診系統(tǒng)對28例患者77次檢查分期定量分析結果

3 討論

COVID-19輕癥患者的初期臨床表現(xiàn)多以不明原發(fā)熱為主，出現(xiàn)奧密克戎變異后，無癥狀感染者比例逐漸上升，是境外輸入新冠肺炎的主要流行病學特征之一[10]，實驗室檢查大部分缺乏特異性，本研究對19例患者臨床治療前后實驗室檢查進行了對比分析，發(fā)現(xiàn)常用觀察指標WBC、N、N%、L、L%、AST/ALT、LDH及CRP前后對比均無明顯統(tǒng)計學意義（P＞0.05），這為臨床早期診斷及治療造成了困擾，胸部CT可以成為輔助診斷和治療COVID-19的重要影像學評估手段[11]。

AI是一門不斷發(fā)展的基于數(shù)學和計算機技術的新興學科。其中深度學習等技術為CT、MRI等醫(yī)學影像問題的分割、檢測和分析提供了理論保障，為包括腫瘤、炎癥、外傷等各類疾病的病情評估、療效明確、預后判斷等諸多方面提供了新思路和新方法[12-14]。CT是一種臨床常見的影像學評估工具，具有時間短，簡單方便的特點，服務于臨床輔助診斷[15]。

本研究中AI輔助診斷閱片與常規(guī)閱片法具有較好的診斷一致性，且使用AI輔助診斷平均診斷耗時為（0.78±0.40）min，顯著低于常規(guī)閱片診斷耗時（2.77±0.90）min，明顯減輕了影像診斷醫(yī)師的工作負擔（為了保持與AI的一致性，診斷用時為單純?yōu)g覽肺野內病變所用時間），這與筆者的前期研究結果相一致[16]。本研究結果提示AI輔助閱片方式除診斷耗時顯著減少外，其肺部病灶檢出率也顯著高于常規(guī)閱片法，表明AI輔助診斷也具備良好的敏感性。本研究其中1例患者的CT影像學資料在人工智能系統(tǒng)輔助診斷時提示存在數(shù)個小磨玻璃結節(jié)，進展期再行CT檢查發(fā)現(xiàn)病灶增多、部分病灶增大，但在使用常規(guī)閱片方式中并未發(fā)現(xiàn)陽性病灶。可見，對于病灶變化不顯著的輕癥新冠肺炎患者，人工智能輔助診斷系統(tǒng)有較為明顯的改善作用，可以提高臨床醫(yī)師的診斷效率。

目前對COVID-19患者的影像學特征描述仍以基礎圖像為主[17-18]，AI輔診系統(tǒng)可以對肺部炎性病變進行自動定位、定量分析，對比病灶數(shù)量、范圍變化和密度、體積變化等，但缺乏詳細的應用場景，臨床所需的由人工智能軟件所得到的客觀數(shù)據(jù)還沒有被廣泛報道[19-21]。本研究發(fā)現(xiàn)除診斷用時和肺葉檢出率較常規(guī)閱片明顯改善外，AI輔助閱片還可以對全肺及各個肺葉在COVID-19早期、進展期及轉歸期的感染體積占比和感染區(qū)域內的CT值分布進行對比分析，進一步明確了AI輔助診斷系統(tǒng)的定量分析水平。對可疑COVID-19患者，AI輔助診斷系統(tǒng)可向診斷醫(yī)師匯報肺部定量分析情況，報告中包含肺內平均CT值、感染區(qū)域體積等定量分析結果，并可以進一步得出前后兩次檢查的對比變化情況，為對輕癥COVID-19患者治療前后的定量對比分析提供了可能。本研究中輕癥COVID-19患者在病情早期、進展期和影像轉歸期之間，肺內平均CT值、全肺感染體積、全肺感染體積及HU[-570，-170）及HU[-70，70）體積占比等指標上進行分析均出現(xiàn)顯著差異（P＜0.05），進一步對比發(fā)現(xiàn)，全肺感染占比、全肺感染體積，在前兩期（早期、進展期）和后兩期（進展期、轉歸期）之間都出現(xiàn)統(tǒng)計學差異，這與前期研究中對肺部病灶體積占比的分析結果相吻合。筆者認為對于COVID-19輕癥患者肺內感染體積及體積占比的變化是比較直觀且敏感的指標，而肺內平均CT值、HU[-570，-170）體積占比在轉歸期的定量評估結果同時低于最初兩期，而這兩期之間無顯著差異；HU[-70，70）體積占比則是進展期最高，前后兩期較進展期低，這與前期研究中HU（-270，30）和HU（＞60）在前兩期（早期、進展期），后兩期（進展期、轉歸期）之間存在顯著差異不同[16]，筆者推測可能的原因有：① 本研究中均為輕癥患者，即使為進展期肺內實變范圍及程度仍較輕，因此早期與進展期肺內平均CT值和低密度CT值區(qū)間范圍內無明顯變化，不具有統(tǒng)計學意義，僅在相對較高密度CT值區(qū)間范圍HU[-70，70）體積占比進展期高于早期，該區(qū)域反映了病灶的實際情況；② 本研究病例數(shù)較少，且早期、進展期與轉歸期數(shù)量相差大（轉歸期中陰性患者較多），存在一定偏倚。綜上，輔助診斷系統(tǒng)定量特征指標的變化量能夠更為直接地反映疾病的變化，隨著患者癥狀的發(fā)展，肺內病灶平均CT值、全肺感染體積及占比出現(xiàn)上升；反之，病情減輕、炎癥吸收，則為降低趨勢。

CT在COVID-19患者初期檢查中具備獨有的優(yōu)點，AI輔助診斷系統(tǒng)可以明顯提高COVID-19輕型患者診斷的靈敏度和特異度，使診斷更準確，既往也出現(xiàn)了許多人工智能輔助診斷工具[22]，并可對肺部病變進行定量分析，對前后檢查進行對比分析，形成分析報告，對COVID-19患者的臨床診斷和評估具有重要的參考價值。

本研究存在以下不足之處：本研究存在一定觀察偏倚；對COVID-19的定量特征研究還缺乏更多數(shù)據(jù)的支持，需在更多的場景得到進一步的重復；尚缺乏遠期CT復查結果進行驗證。