基于人工智能技術的肺部CT掃描在肺結節篩查中的應用分析*

劉亞龍 安小康 郭明杰 慕 明 洪震浩 張國瑜

河南大學第一附屬醫院胸外科,河南省開封市 450052

肺癌是發病率和死亡率最高的腫瘤,早期發現和診斷肺部疾病,對肺部結節進行定位是非常重要的。隨著CT和薄層技術的廣泛應用,低劑量肺部檢查已經成為一種常見的方法。人工智能(ArtificialIntelligence, AI)技術被定義為一種精確的醫學模型,其在治療、學習和分析方面的巨大潛力被逐漸認識到[1-6]。人工智能的應用可為影像學檢查提供許多診斷依據。本研究通過對本院收治的130例行肺部CT掃描患者的臨床資料進行回顧性研究,旨在分析AI對于肺結節診斷的價值,現報道如下。

1 資料與方法

1.1 一般資料 選取本院2021年1月—2022年1月收治的130例行肺部CT掃描患者的臨床資料,其中男78例,女52例;就診時年齡38～87歲,平均年齡(62.70±12.21)歲。

1.2 選擇標準 (1)納入標準：①均進行肺部CT檢查和病理學檢查;②臨床資料完整;③影像學資料完整。(2)排除標準：①有其他惡性腫瘤患者;②合并有精神疾病患者;③哺乳妊娠期婦女。

1.3 方法 CT檢查：使用美國GE750寶石能譜CT進行肺部CT檢查,患者取俯臥位、從胸廓至肺底部進行掃描,掃描采用螺旋掃描,管電壓120kV,層間隔5mm,層厚0.625mm,螺距0.85,圖像矩陣512×512,采用兩種方法對CT圖像進行回顧性分析。

AI技術：采用AI技術(銳影肺結節智能輔助篩查系統)對肺結節進行分析,并分析肺結節的檢查情況。將130例肺結節患者術前的胸部低劑量CT圖像導入AI分析軟件中,由軟件自動識別并標記肺結節。

醫師人工：采用雙盲法,由兩位以上具有豐富經驗的影像科醫生進行影像學分析,當出現意見不一致時,由第三位醫生進行分析,當三者意見均不一致時,以最高資歷影像學醫生為主。記錄每個結節的最大直徑、密度。根據最大直徑將肺結節分為<5mm、5～10mm、>10～20mm、>20～30mm,根據結節密度不同將其分為實性結節、磨玻璃結節、部分實性結節。

2 結果

2.1 AI和人工診斷肺結節良惡性價值 130例患者中共經病理學檢測診斷出169個病灶,其中95個為惡性,74個為良性。其中AI診斷出98個惡性,71個良性;人工診斷出95個惡性,74個良性。詳見表1。

表1 AI與人工診斷肺結節良惡性價值

2.2 AI和人工診斷肺結節比較 診斷肺結節良惡性的敏感度、特異度、準確率、誤診率、漏診率、陽性預測值和陰性預測值詳見表2。

2.3 AI和人工診斷真陽性結節情況 病理學檢測共發現575個真陽性結節,AI診斷的檢出率明顯高于醫師人工診斷,漏診率明顯低于醫師人工診斷,但醫師人工診斷的誤診率明顯低于AI診斷,詳見表3。

表3 AI和人工診斷真陽性結節情況[n(%)]

3 討論

隨著螺旋CT的廣泛應用,對于肺結節的早期診斷有所幫助[7]。Ⅱ～Ⅳ期肺癌5年的存活率不到20%[5],但肺癌患者術后5年以上的存活率可達到90%[8]。早期肺癌的生存率明顯高于晚期肺癌[9],因此早期發現、早期診斷和早期治療是改善預后的重要手段[10]。這表明肺部檢查對患者的進一步治療和生存至關重要。CT是診斷肺部疾病的有效方法,與其他現有設備相比,CT在測量速度方面具有優勢[11-12]。通過CT分析可以確定肺結節的位置、形狀、大小、邊緣、密度和內部特征[13-14]。目前最重要的診斷方法是由影像學專家單獨查找圖像[15]。在人工讀片的情況下,醫療檢查的工作量大大增加,長時間在高負荷和高壓條件下進行工作會增加醫師的疲勞,增加微小病灶漏診的風險。而AI可以準確捕捉節點的陰影,對于微小病灶也可以診斷,但可能存在誤診。因此,為了提高診斷成像的準確性,需要影像學醫師進行復查來提高準確性。

本研究發現,AI診斷的檢出率明顯高于醫師人工診斷(96.35% VS 45.91%,P<0.05),漏診率明顯低于醫師人工診斷(3.65% VS 54.09%,P<0.05)。這說明與AI相比較,人工診斷容易出現漏診的情況,認為這主要與微小病灶以及特殊位置的結節有關,過小的病灶和位置比較特殊的病灶導致人工觀察容易忽略,造成誤診和漏診,而AI可以對微小病灶進行有效的標記,減少漏診。同時本研究發現醫師人工診斷的誤診率明顯低于AI診斷(0.86% VS 49.83%,P<0.05)。說明AI對于診斷為結節的閾值過低,雖然可以診斷出微小病灶,但容易將局部血管交叉點比較飽滿的部分也視為結節,因而導致假陽性率高,而為了提高診斷成像的準確性,需要影像學醫師進行復查來提高準確性,這也造成工作量的增加。與AI診斷相比,醫師人工診斷可以將部分良性結節進一步診斷為錯構瘤、結核球,這是由于醫師除了詳細分析患者結節的大小、密度、位置、臨床數據和實驗室研究外,還可以通過其他診斷結果綜合分析,這是AI輔助診斷所不能完成的,因此AI軟件在診斷肺結節方面存在一定的誤差。目前,診斷影像學報告無法單獨出具,需要進一步人工復核。

本研究具有一定的局限性：首先,這是一項單中心回顧性的研究,病理檢查的分析已經在臨床診斷和治療中得到確認,并且在選擇中存在一些偏差,這些偏差可以在未來的前瞻性病例中得到確認;其次,樣本量檢測不足,存在一定誤差,有必要在未來擴大采樣范圍的驗證結果。

綜上所述,AI診斷肺結節的篩查效果好,對于良惡性的鑒別率高,但是對于結節診斷的假陽性率高,具有一定的臨床應用價值。