基于人工智能的CT 影像加權評分系統對肺結節良惡性鑒別的價值

李志平 張永勝 徐輝景 陳文 康書朝 李煥國 張育 崔鳳 楊勇

肺癌是全球第二大最常見的癌癥，也是癌癥死亡的主要原因，約占確診癌癥的11.4%和癌癥死亡的18.0%[1]。隨著CT 在肺部疾病患者中的使用越來越頻繁，特別是高風險人群的大規模CT 篩查，大量CT 圖像分析容易造成放射科醫師的視覺疲勞，使得肺結節的誤診和漏診幾乎不可避免。區分良性和惡性肺結節是一項具有挑戰性的任務，需要結合視覺評估和測量，不同的醫師也可能有不同的解釋。放射科醫師準確識別和分類良惡性肺結節的靈敏度在30%～97%，診斷的假陽性率高達2.1%[2]。人工智能（artificial intelligence，AI）輔助診斷系統利用計算機提取和分類算法來識別和分類疾病，近年來已被廣泛應用于臨床實踐。AI 可以幫助放射科醫師在影像學上識別、分析和預測肺結節，可以用于肺結節的分類和良惡性鑒別[3-5]。AI 肺結節影像輔助診斷系統對肺結節良惡性鑒別的靈敏度較高，但是假陽性也較高，有待進一步改進[6-8]。因此，本研究旨在提出一種基于AI 肺結節CT 影像輔助診斷系統的可靠且易于使用的評分系統，用于鑒別肺結節的良惡性，現將結果報道如下。

1 對象和方法

1.1 對象 回顧性分析2021 年1 月至2022 年9 月在浙江中醫藥大學附屬杭州市中醫院經手術治療并確診的肺結節患者187 例，其中男88 例，女99 例，中位年齡59（48，68）歲。共215 個肺結節，實性結節83 個，亞實性結節132 個。良性肺結節69 個，分別為炎癥51個，錯構瘤7 個，結核3 個，隱球菌8 個；惡性結節146個，分別為原位腺癌32 個，微浸潤性腺癌63 個，浸潤性腺癌46 個，鱗狀細胞癌5 個。納入標準：（1）術前接受本院CT 檢查且至少存在1 個肺結節；（2）經胸腔鏡下部分肺切除或穿刺活檢病理證實；（3）CT 檢查后1個月內獲得肺結節的病理結果。排除標準：（1）胸部CT 檢查病灶直徑＞3 cm；（2）不能使用AI 肺結節CT 影像輔助診斷系統進行結節分析或數據不全；（3）有原發惡性腫瘤病史，經病理證實為轉移瘤的患者。本研究經本院醫學倫理委員會審查通過（批準文號：2023KLL078），免除患者知情同意。

1.2 檢查方法 采用Siemens SOMATOM Force 2×96排螺旋CT、Philips Ingenuity Flex 64 排螺旋CT 和GE Revolution ACE ES 64 排螺旋CT 進行肺部掃描，掃描參數：管電壓為120 kV，管電流為自動mAs，層厚5 mm，層間隔5 mm，螺距0.758，矩陣512×512，視野330×330，窗寬1 500 Hu，窗 位-400 Hu，進行Lung 算法1.5 mm 薄層重建。患者取仰臥位，檢查前常規對患者進行吸氣屏氣訓練，盡量使其屏氣程度一致，于深吸氣末屏氣進行掃描。掃描范圍從肺尖到肺底。

1.3 肺結節AI分析 所有患者的CT圖像（層厚1.5 mm）以DICOM 格式，導入AI 肺結節CT 影像輔助診斷系統，該系統的核心算法是基于深度神經網絡開發的，可以自動識別肺結節，得到結節的相關量化參數：結節數量、部位、類型、平均直徑、體積等，并提供每個肺結節的AI 危險程度和AI 惡性概率數值。

1.4 醫師閱片分析 2 名有胸部疾病CT 診斷經驗的放射科醫師（10、12 年）為閱片者，在不知道病理和AI結果的情況下，分別對納入患者的CT 圖像進行分析，根據結節大小、位置和形態特征，給出良性和惡性印象評估結果，當2名醫師意見不一致時，共同協商決定。

1.5 統計學處理 采用SPSS 25.0 和Medcalc 15.10.0統計軟件。不符合正態分布的計量資料以M（P25，P75）表示，組間比較采用Wilcoxon 秩和檢驗。計數資料組間比較采用χ2檢驗。在確認無多重共線性后，將單因素分析中差異有統計學意義的變量進行多因素logistic回歸分析，采用基于最大似然估計向后逐步回歸法來確定良惡性肺結節的獨立影響因素，基于這些獨立影響因素構建初級模型。采用Hosmer-Lemshow 檢驗初級模型的校準性。用以下公式得到初值：β/βmin（β為各變量的回歸系數，βmin為回歸系數的最小值），四舍五入到最接近的整數，得到每個變量的最終得分。總分由相關變量對應的個體分數相加計算得出[9-10]，由此得到最終的綜合加權評分。采用ROC 曲線評估各個變量、初級模型和綜合加權評分等相關指標對良惡性肺結節鑒別診斷的效能，采用DeLong 檢驗評價AUC 間的差異。P＜0.05 為差異有統計學意義。

2 結果

2.1 良惡性肺結節患者的特征比較 良惡性肺結節患者年齡、結節特征、平均CT 值、AI 結節性質、AI 惡性概率、醫師閱片、高血壓比例和嗜酒比例比較，差異均有統計學意義（均P＜0.05）；而性別、平均直徑、體積、糖尿病比例和嗜煙比例比較，差異均無統計學意義（均P＞0.05），見表1。

表1 良惡性肺結節患者的特征比較

2.2 良惡性肺結節的多因素回歸分析和初級模型的構建 在進行多因素logistic 回歸分析前，通過檢驗容忍度（＞0.1）和方差膨脹因子（＜10），證實這些因素之間不存在多重共線性。多因素logistic 回歸分析顯示亞實性結節、AI 惡性概率＞0.6、醫師閱片惡性是鑒別良惡性肺結節的獨立影響因素（均P＜0.01），見表2。基于這些獨立影響因素構建初級模型，P=ex/（1+ex），X=-2.865+（1.554×亞實性結節）+（1.723×AI 惡性概率＞0.6）+（3.355×醫師閱片惡性），其中e 為自然對數，P為根據所給特征計算出的肺結節惡性概率。Hosmer-Lemshow 檢驗顯示初級模型具有良好的校準性（χ2=4.455，P=0.486）。

2.3 評分系統的建立和相關指標對良惡性肺結節鑒別診斷的效能 在多因素logistic 回歸分析中，對差異有統計學意義變量的β值進行加權評分，結果顯示亞實性為2 分，AI 惡性概率＞0.6 為2 分，醫師閱片惡性為4 分，見表2。將各單項得分相加，得到0～8 分的綜合加權評分。綜合加權評分、初級模型、結節特征、醫師閱片、AI 惡性概率的診斷效能比較中，綜合加權評分的AUC 最高，為0.929。綜合加權評分與初級模型的AUC 比較差異無統計學意義（P＞0.05），綜合加權評分與醫師閱片、結節特征、AI 惡性概率的AUC 比較差異均有統計學意義（均P＜0.01），見表3～4 和圖1。為了簡化放射科醫師評估肺結節惡性風險的流程，將綜合加權評分分成3 個區間分數（＜4 分、4～6 分、＞6分）。隨著綜合加權評分的升高，肺結節被診斷為惡性的可能性也相應增加，見表5。典型病例見圖2。

圖1 AI 惡性概率、結節特征、醫師閱片、綜合加權評分和初級模型在良惡性肺結節診斷中的ROC 曲線

圖2 4 例肺結節患者行肺部CT 檢查后AI 惡性概率、醫師閱片和綜合加權評分的診斷結果[A：57 歲女性，右肺中葉磨玻璃結節（箭頭），邊界不清，AI 惡性概率0.57，醫師閱片良性，綜合加權評分為2+0+0=2 分，病理證實炎癥；B：65 歲女性，左肺上葉實性結節（箭頭），邊緣模糊，AI 惡性概率0.14，醫師閱片良性，綜合加權評分為0+0+0=0 分，病理證實為肺隱球菌病；C：72 歲女性，右肺上葉磨玻璃結節（箭頭），內見血管穿行，AI 惡性概率0.89，醫師閱片惡性，綜合加權評分為2+2+4=8 分，病理證實為微浸潤性腺癌；D：50 歲女性，左肺下葉磨玻璃結節（箭頭）伴空泡征象，AI 惡性概率0.81，醫師閱片惡性，綜合加權評分為2+2+4=8 分，病理證實為原位腺癌]

表4 各相關指標對良惡性肺結節的鑒別診斷效能比較

表5 惡性肺結節患者綜合加權分數分組

3 討論

AI 在給定任務條件下，具有自動學習圖像和特征提取的優勢，減少了醫師對診斷過程的參與，避免了主觀偏差，并提高了分析的效率和客觀性。隨著AI 在肺結節診斷領域的臨床應用越來越多，目前多項研究結果表明，AI 可以提高肺結節診斷的準確性和放射科醫師的工作效率，其診斷價值也得到了臨床的極大認可，但與臨床實踐的結合仍然有限[11-14]。

Hu 等[15]對89 個磨玻璃結節396 個定量紋理特征進行分析，訓練集在鑒別良惡性磨玻璃肺結節的AUC為0.792，靈敏度和特異度分別為86.10%和65.20%。驗證集的AUC 為0.729，靈敏度和特異度分別為86.70%和60%。Ardila 等[16]提出了一種深度學習算法，使用結節的體積來預測肺癌的風險，該模型的AUC 為0.944。Hu 等[17]建立了一種基于放射組學特征和深度學習特征融合的分類方法，融合模型在區分良性和惡性肺磨玻璃結節的AUC 為0.73，高于深度神經網絡模型和放射組學模型。然而，如上所述，使用這些紋理、組學特征或深度學習算法在臨床上并不方便。對于普通放射科醫師來說，這些技術在成熟并廣泛應用于臨床實踐之前，可能還需要大數據的驗證和完善。

在一項多中心研究中，Massion 等[18]發現，與Brock（AUC=0.856）和Mayo（AUC=0.852）模型相比，AI 的診斷效能更高（AUC=0.921）。AI 臨床模型可以正確地區分良惡性肺結節，縮短了患者額外的隨訪時間。Du等[19]對152 例患者194 個結節的研究表明，AI 對肺結節良惡性鑒別的準確度、靈敏度、特異度和約登指數分別為89.69%、92.98%、65.22%和58.20%；醫師閱片的準確度、靈敏度、特異度和約登指數分別為85.57%、88.30%、65.22%和53.52%。AI 可以通過分析CT 圖像來區分良性和惡性肺結節，從而提高肺癌早期診斷的準確率和符合率。相比傳統的人工分析方法，AI 可以大大縮短平均檢測時間，為臨床決策提供更準確的信息，這對于常規臨床治療來說具有重要的意義[20]。本研究中，當AI 惡性概率的閾值＞0.6 時，其對肺結節良惡性鑒別的AUC 為0.776，靈敏度為0.883，特異度為0.638，陽性預測值為0.838，陰性預測值為0.721，與大部分研究的診斷效能是類似。

Wan 等[21]研究了AI 在鑒別良惡性肺結節方面的性能，通過運用血管抑制功能和基于深度學習的計算機輔助檢測分析儀，AI 和放射科醫師在區分良惡性肺結節方面的靈敏度和特異度分別為93.6%、89.4%和39.3%、82.1%。盡管AI 在良惡性肺結節診斷中顯示出比放射科醫師更高的靈敏度，但這種差異并無統計學意義。本研究中，醫師閱片對肺結節良惡性診斷的靈敏度為0.856，特異度為0.899，初級模型和綜合加權評分的靈敏度均為0.829，特異度均為0.942。

Gürsoy ?oruh 等[22]研究表明，融合AI 算法對肺結節良惡性鑒別的診斷效能略低于放射科醫師的診斷效能，AI 可能起輔助作用，特別是對缺乏經驗的放射科醫師。Wang 等[23]在一項研究中使用了3 種不同的AI 方法來區分良性和惡性肺磨玻璃結節，結果顯示，這些模型的診斷能力優于放射科醫師，AUC 總體在0.75～0.80。總體而言，AI 表現與放射科醫師相當，這取決于訓練所用的算法和數據。但是，AI 算法可能會在胸部CT 上出現胸膜增厚、周圍血管、瘢痕、偽影和黏液樣嵌套等假陽性結果。當AI 作為第二閱讀器在胸部CT 上檢測結節時，放射科醫師和AI 算法的綜合性能優于單獨的任何一方[24-25]。

本研究建立了一個可靠、使用方便的評分系統，包括3 個可評估因素，用于區分肺結節的良惡性。該評分系統對良惡性肺結節的AUC 為0.929。且綜合加權評分與醫師閱片、結節特征、AI 惡性概率的AUC 比較，差異均有統計學意義。該評分系統使用簡單，診斷效能高，便于廣泛應用。在該評分系統的3 個范圍中，第1 個范圍（＜4 分）僅15.2%患者檢出惡性肺結節，第2 個范圍（4～6 分）81.8%患者檢出惡性肺結節，第3 個范圍（＞6 分）高達96.8%的患者檢出惡性肺結節，這表明當觀察到2 個以上的關鍵因素時，更容易診斷惡性肺結節。

本研究存在一定局限性。第一，本研究是單中心回顧性研究，樣本量有限，將來還需更多中心、更大樣本的前瞻性研究來驗證。第二，本研究納入的惡性肺結節組中，大部分為腺癌，分組可能存在一定偏倚。第三，AI 對結節檢測的準確性受到多種因素的影響，如學習模型算法、結節特征提取、結節周圍結構等。

綜上所述，本研究分析了肺結節AI、臨床及CT 征象的特征，并結合了結節特征、醫師閱片和AI 惡性概率3 個最有意義的因素構建了一個基于AI 簡便易用的評分系統。該評分系統對肺結節的良惡性鑒別具有一定價值，為臨床決策提供了重要的輔助工具。