人工智能在監測不同性質肺內穩定結節與不穩定結節對比分析

朱紅偉,馬士華

(1.保定市第二醫院 醫學影像科,河北 保定071051;2.保定市第一醫院 醫學影像科,河北 保定071000)

肺結節是指長徑≤3 cm的局灶性、類圓形、密度增高的實性或亞實性肺部陰影[1]。《胸部CT肺結節數據標注與質量控制專家共識(2018)》[2]將肺內結節定義為實性結節(solid-nodules SN)、部分實性結節(partial- solid nodules,PSN)、純磨玻璃結節(pure ground-glass nodules,pGGN)和鈣化結節。肺部CT是篩查和觀察肺結節變化的常用檢查方法之一,此外不斷發展和完善的人工智能(artificial intelligence,AI)對肺結節的檢出和隨訪也發揮重要作用。不同性質的肺結節受自身及外界環境多種因素的影響會存在多種演變方式,部分結節成分、體積的變化加重患者的心理負擔,甚至危及患者的生命。所以本文進行肺內SN、PSN、pGGN三類結節的隨訪,將連續3次常規體檢者納入研究對象,應用同一AI軟件輔助觀察,以總結肺結節的演變方式,有無規律可循,哪種方式更應該引起重視等。

1 資料與方法

1.1 臨床資料

收集2017年8月1日至2020年12月31日在保定市第二醫院肺部體檢篩查的病例。納入標準:①成年人;②肺內非鈣化結節,其中≤3 mm結節以圖像顯示清晰、與氣管、血管可分辨為標準;③連續3次在保定市第二醫院初次進行肺部CT體檢(如果存在連續4次記錄只取前3次)。排除標準:①有任一惡性腫瘤病史、肺內轉移瘤、經影像學或化驗室檢查疑似腫瘤或典型惡性腫瘤;②肺結核、職業病等以肺結節為主要影像表現相關疾病;③影響圖像評價的情況:如嚴重脊柱及胸廓畸形、胸腔積液及縱膈病變擠壓肺組織等。經篩選共80例,其中男性32例,女性48例,平均年齡(52.00±7.28)歲。

1.2 檢查設備

飛利浦Brilliance 128層CT機。掃描體位:仰臥位,雙手上舉,去除金屬異物,掃描范圍肺尖至肺底部肋膈角水平。掃描條件:據被檢者體重、體型,管電壓80～120 kV,自動毫安秒,低劑量掃描(輻射劑量0.7～2.6 mSv)。層厚/層距1 mm,以標準肺窗(窗寬1600 HU 窗位600HU)為基本觀察條件,適當調窗觀察結節成分。軟件支持:北京推想科技公司肺結節篩查軟件。

1.3 圖像觀察與質控

參照金晨望等[3]對低劑量肺結節篩查的質控標準,將所有原始數據(層厚/層距1 mm,標準肺窗)以DICOM格式導入AI分析軟件。在此軟件肺窗上測量結節的長徑、短徑、長/短徑比值、體積、標記肺結節性質、最低CT值、最高CT值、平均CT值、危險度分級、有無惡變征象(毛刺征、分葉征、胸膜凹陷征);隨訪結節有無手術及病理結果等。所有圖像觀察與數據測量、記錄由兩位高年資副主任醫師分別完成,并核對兩遍。所有肺內結節根據實性成分和磨玻璃成分隨訪變化情況分為穩定和不穩定兩種。根據3次隨訪時間間隔分為第一隨訪期和第二隨訪期。

1.4 統計學方法

采用SPSS25.0統計軟件。三類肺結節計數資料以例(%)表示,計量資料以(均數±標準差)表示。肺內結節穩定和不穩定結節的比較采用t檢驗。肺內結節不穩定3次隨訪指標的比較采用單因素方差分析(SNK法)。兩次隨訪期肺結節指標值變化的比較采用t檢驗。以P<0.05為差異有統計學意義。

2 結果

2.1 三類肺結節的特征、演變方式及手術相關隨訪情況

共計1 249天隨訪時間內,隨訪到341個符合納入排出標準的肺內結節,以第1次AI記錄肺結節信息為準,SN 285個(83.28%),PSN 37個(10.85%),pGGN 19個(5.57%,右肺11個,左肺8個)。隨訪時間內SN中不穩定結節14個(4.91%),PSN中不穩定結節30個(81.08%);pGGN中其中不穩定結節8個(42.10%),見圖1。

圖1 隨訪三類肺結節構成示意圖及不穩定肺結節演變方式

SN隨訪到6種如下演變方式①SN→SN→SN;②SN→SN→PSN;③SN→PSN→PSN;④SN→pGGN→pGGN;⑤SN→pGGN→SN;⑥SN→PSN→SN。第②～⑥為SN不穩定結節的演變方式,以第②種方式肺結節數量最多(35.71%,5/14),隨訪過程中7個出現分葉征象,2個出現毛刺、胸膜凹陷征象。隨訪末以SN和PSN為主。隨訪到病理證實3例,均為腺癌,演變方式分別為①(2個)和②(1個),見圖2。

圖2 體檢者,男,右肺上葉后段實性結節,3次低劑量CT隨訪的演變方式為SN→SN→SN,①結節大小2.6 mm×1.7 mm,體積30 mm3;②結節大小6.0 mm×4.7 mm,體積201 mm3;③結節大小9.0 mm×6.0 mm,體積614 mm3。④隨訪末手術病理證實腺癌。

PSN隨訪到6種如下演變方式:①PSN→PSN→PSN;②PSN→PSN→pGGN;③PSN→PSN→SN;④PSN→pGGN→pGGN;⑤PSN→SN→PSN;⑥PSN→SN→SN。第②～⑥為PSN中不穩定結節的演變方式,以第⑥種方式肺結節數量最多(32.43%,12/37)。隨訪過程2例穩定結節存在分葉征,3次隨訪未發生變化。隨訪末以為SN和pGGN為主。隨訪到病理證實2例,均為腺癌,演變方式分別為②(1個)和④(1個)。

pGGN隨訪到5種如下方式:①pGGN→pGGN→pGGN;②pGGN→PSN→PSN;③pGGN→PSN→pGGN;④pGGN→pGGN→PSN;⑤pGGN→SN→SN。第②～⑤為pGGN中不穩定結節的演變方式,以第②、④種方式的肺結節數量最多(15.79%,3/19)。隨訪過程中2例出現短毛刺和實性成分的增加,隨訪末以SN和pGGN為主。隨訪到病理證實2例,1例腺癌,1例浸潤腺癌,演變方式分別為①(1個)和④(1個)。

2.2 三類性質不穩定結節3次隨訪指標的比較

SN的最高CT值、平均CT值3次比較存在統計學意義(P<0.05),均以第2次值最低,結節長徑、短徑、長/短徑比值及體積值、最低CT值的變化情況不具有統計學意義。PSN僅在最高CT值3次比較存在統計學意義(P<0.05),其他值的變化不具有統計學意義。pGGN的各指標3次隨訪均不具有統計學意義,見表1。

表1 不穩定結節3次隨訪各指標的對比

2.3 三類肺結節兩次隨訪期評價指標值變化情況

SN的長徑、最高CT值、平均CT值的變化第一隨訪期和第二隨訪期存在統計學意義(P<0.05),長徑值變小以隨訪末顯著,最高CT值、平均CT值隨著隨訪時間延長密度值逐漸增大;短徑、長/短徑比值、體積、最低CT值的變化情況不具有統計學意義(P>0.05)。PSN的長徑、短徑、長/短徑比值、體積、最低CT值、平均CT值的變化隨著隨訪時間的變化不具有統計學意義(P>0.05)。pGGN的長徑、體積、短徑、最高CT值的變化對比結果存在統計學意義(P<0.05),而長/短徑比值、最低CT值、平均CT值的變化隨著隨訪時間的變化不具有統計學意義(P>0.05),見表2。

表2 三類肺結節各評價指標值變化情況對比

3 討論

AI對肺結節的各指標進行了準確的量化,可減少人工測量的誤差,具有提高閱片效率、可操作性強、重復性高等優點,可使隨訪者肺結節評價指標的多次比較更優化[4-8]。

肺結節受宿主自身因素、外界環境等[9]影響,其性質會發生一定的轉化。在本組隨訪結節中分為穩定結節和不穩定結節,將前者定義為初次肺部CT篩查經AI分析量化后確定肺結節性質且3次隨訪定性未變化,將后者定義為經AI分析量化后肺結節性質且3次隨訪定性至少發生1次變化。SN比例(83.28%,285/317)略高于徐國厚等[10]的研究,發生性質變化的結節所占比例(4.91%,14/285)遠小于PSN及pGGN,分析原因可能是:其一,SN結節基數較大,其二,SN實性成分相對多于后兩者,性質相對穩定。隨著外界和自身因素的影響SN內實性成分的吸收量不同,其具有向PSN和pGGN轉變的可能性。在三類不穩定肺結節中,結節性質一次變化比例[SN(64.28%,9/14)、PSN(90.0%,27/30)、pGGN(87.5%,7/8)]均高于兩次變化[SN(35.72%,5/14)、PSN(10.0%,3/30)、pGGN(12.5%,1/8)],發生兩次性質變化的結節都轉歸為初次隨訪時肺結節的性質。PSN其自身成分的構成要比SN和pGGN復雜,一次變化比例及不穩定結節比例(81.08%,30/37)較高,而且多種演變方式也都證明了PSN本身的活躍程度較高,在對第一隨訪期及第二隨訪期結節性質的對比分析發現,三類性質不穩定結節第一隨訪期性質變化個數所占比例[SN(78.57%,11/14)、PSN(63.3%,19/30)、pGGN(62.5%,5/8)]均高于相應第二隨訪期比例[SN(21.43%,3/14)、PSN(36.7%,11/30)、pGGN(37.5%,3/8)],以SN不穩定結節所占比例較高,隨其結節內實性成分的增減可轉歸pGGN和PSN的可能性。SN不穩定結節隨訪初到隨訪中性質保持一致的有6個,未隨訪到“SN→PSN→pGGN”此轉歸類型。經隨訪病理證實的7個肺結節,6例腺癌、1例浸潤腺癌,其轉歸方式如下:SN中2個SN→SN→SN和1個SN→SN→PSN、PSN中1個 PSN→PSN→pGGN和1個PSN→pGGN→pGGN、GGN中1個pGGN→pGGN→GGN和1個pGGN→pGGN→PSN的轉歸方式。上述結節隨訪末轉歸性質多為PSN和pGGN,已有文獻[11]證實pGGN惡變率高于PSN,但由于本組可隨訪到的病理結果數量較少缺乏有力的數據支持,有待進一步追蹤。

肺結節的大小[12](長徑、短徑、長/短比值)、密度(最高CT值、最低CT值和平均CT值)和體積的改變也是肺結節轉歸的評價指標。SN、pGGN中穩定與不穩定結節對比發現,最高CT值和平均CT值均存在統計學差異,并且3種性質不穩定結節的3次隨訪評價指標中,SN不穩定結節只表現在最高CT值和平均CT值、PSN不穩定結節在最高CT值的比較結果具有統計學意義,此點與文獻報道[13]相同。由于結節的密度并不是很均勻,尤其是在PSN和pGGN中,其內往往含有正常肺組織,因此最低CT值診斷效能較低,可信度不高,這可能也是本組上述情況中最低CT值均不具有統計學意義的原因。肺結節評價指標值的增減分析中最高CT值和平均CT值均存在統計學意義,本研究認為可以將這兩個指標的變化作為不穩定結節的隨訪評價指標。三類性質結節的各自3次長徑、短徑及長/短比值對比結果無統計學意義,與國外經病理證實的文獻報道[14]結論不一致,但在各指標值的變化比較中發現,SN和pGGN各自不穩定結節的長徑值的變化有統計學意義外,SN不穩定結節的短徑值的變化也隨著隨訪時間延長呈增長趨勢。pGGN體積第二隨訪期比第一隨訪期呈增長趨勢,此結果與MIN[15]等報道結果一致,而其他兩種性質結節體積變化無統計學意義。隨訪2個病理證實的pGGN直徑在5～6 mm之間,小于YANG等[16]報道的臨界值,此結節由于出現細短毛刺惡變征象采取手術治療。

本研究不足之處:①對于能連續多次在同一家醫療機構進行常規體檢的人數較少,并且在隨訪期間患者可能會因為某些疾病住院治療,所應用的藥物對肺結節生長有無影響不能預測;②隨訪的結節多數長徑在10 mm以下,體積小,成分相對不復雜,以隨訪為主,且缺乏大數據病理結果對于定性的支持診斷。③對于結節性質的隨訪轉歸方式易于分類,但是密度較淺且位于胸膜下的pGGN是AI容易漏診的,所以pGGN類結節數量少于其他兩類,轉歸方式也少于理論推測的類型。

綜上所述,非鈣化肺結節的評價指標在隨訪過程中是動態變化的,由于影響因素較多,應增強對不穩定性質結節的重視和隨訪觀察,AI在評估肺結節指標變化情況具有優勢性,但是對于胸膜下或血管旁等特殊位置及密度較淺的結節有可能未檢出,從而導致這類結節的漏診及漏訪。

作者簡介：朱紅偉(1981-),女,副主任醫師,研究方向:血管疾病及胸部疾病的影像診斷。