人工智能在新型冠状病毒肺炎患者胸部CT病变范围评估中的应用价值

黄亚男 毛海佳 杨民霞 汤伟 赵丽 赵振华

新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）诊疗方案（试行第五版）中，将胸部影像学表现列入湖北地区COVID-19临床诊断标准[1]。目前所有患者都需要进行胸部CT检查，同时动态对比同一例患者的多次检查结果，这大大增加了影像诊断医师工作压力。为了减轻诊断医师负担，国内开发的人工智能（artificial intelligence，AI）软件能对COVID-19患者的胸部CT检查结果进行智能诊断。笔者通过分析AI软件对病变累及范围和不同时间变化趋势的诊断准确性，并与人工CT评分比较，探讨AI在COVID-19患者影像学诊断及病情评估中的应用价值。

1 对象和方法

1.1 对象 收集绍兴市人民医院2020年1月22日至3月8日经RT-PCR检测确诊为COVID-19患者25例，男14例，女11例，年龄26～70（47.9±13.9）岁。其中湖北旅居史19例，与确诊病例密切接触史6例，临床表现以发热和呼吸道症状为主，发热24例，咳嗽14例，畏寒14例，胸闷、气促2例，乏力2例，恶心、呕吐2例，全身酸痛、头痛、咳痰、胸痛、咽痛各1例。根据国家卫生健康委员会《新型冠状病毒感染的肺炎诊疗方案（试行第七版）》标准进行分型[2]，其中危重型4例，重型7例，普通型10例，轻型4例，将危重型和重型归为A组11例，普通型和轻型归为B组14例。A组男7例，女4例，平均年龄（49.9±13.6）岁；B组男7例，女7例，平均年龄（46.4±14.5）岁，两组性别、年龄比较差异均无统计学意义（均P＞0.05）。本研究经本院伦理委员会批准（批准文号：2020伦审论第25号）。

1.2 方法 所有患者入院前及入院期间在发热门诊与隔离病房专用机房行胸部CT平扫。采用ScintCare CT 16（中国明峰公司）和Duo Emotion 2排CT（德国Siemens公司），患者平卧于检查床，头先进，扫描范围自肺尖至肺底，屏气方式进行扫描。扫描参数：管电压120 kV，管电流160 mAs，矩阵512×512，ScintCare CT层厚2 mm，Duo Emotion 2排CT层厚5 mm）。

1.3 图像后处理

1.3.1 图像收集 收集两组患者入院期间的所有胸部CT检查图像资料，共计85次85份图像，其中A组54份，B组31份。以患者出现症状的日期记为第一天，分别记录两组患者在第1～3天（1～）、第4～6天（第4～）、第7～9天（第7～）、第10～12天（第10～）、第13～15天（第13～）、第16～18天（第16～）、第19～21天（第19～）、第22～24天（第22～）、第25～27天（第25～）及第28天以后（第28～）的CT检查次数（由于第28天之后进行CT检查的次数跨度较大，因此最后分组时间截止为第28天之后）。

1.3.2 CT评分及所需时间 由2位有10年以上工作经验的放射科医师对CT影像资料进行评分，评分不一致时经协商讨论决定；记录2位医师完成人工CT评分所需时间。CT评分方法：总分为肺部病变受累范围之和，共5个肺叶，每个肺叶病变范围0～5分，0分，无病变；1分，病变范围＜5%；2分，病变范围5%～25%；3分，病变范围26%～50%；4分，病变范围51%～75%；5分，病变范围＞75%[3]；总分0～25分。

1.3.3 AI软件后处理及处理时间 使用COVID-19 AI软件（BioMindRCOVID-19精确诊断特别版，北京安德医智科技有限公司）进行图像后处理；该AI软件的病灶及肺叶分割网络以高分辨率深度神经网络HRNet_v2（High-Resolution Representations for Labeling Pixels and Regions，高分辨率表示标记像素和区域）为基础，根据标注数据进行监督学习，实现肺叶及病灶的自动定位分割，并根据分割结果自动测量病变总体积及肺叶体积，进而计算病变累及范围。由1位低年资放射科医师在PACS系统中将所有图像上传至后处理工作站，记录应用AI软件完成85份图像所需时间和评估病变累及范围（病变总体积及占全肺体积的百分比）结果。

2 结果

2.1 两组患者AI评估病变累及范围、人工CT评分的比较 A组AI评估病变累及范围、人工CT评分均高于B组，两组间差异均有统计学意义（均P＜0.01），见表1。两组患者不同时间进行胸部CT平扫次数及AI评估病变累及范围、人工CT评分见表2、图1，结果发现两种评价方式对病变范围随时间变化的评估趋势吻合度高。

图1 两种评估方式对两组患者的病变累及范围变化评估折线图

表1 两组患者AI病变累及范围、人工CT评分的比较

表2 两组患者不同时间胸部CT平扫次数、AI评估病变累及范围与人工CT评分的比较

2.2 AI评估病变累及范围与人工CT评分的所需时间采用AI软件评估病变累及范围所需时间共计2.5 h，明显短于人工CT评分所需时间的6 h。

2.3 AI评估病变累及范围与人工CT评分之间的相关性分析 结果显示，人工CT评分与AI评估病变累及范围呈正相关（r=0.902，P＜0.01），见图2。

图2 人工CT评分与人工智能（AI）评估病变累及范围的散点图

3 讨论

随着COVID-19的发展，临床上对CT检查的需求性日益增加，影像科医师不仅需要对肺部病变范围进行评估，还需要对不同时间段病变变化情况进行评估，以指导临床精准治疗。如何减轻影像诊断医师的工作负荷并提高影像诊断的效率是目前亟待解决的问题。

本研究发现，AI评估病变累及范围与人工CT评分之间呈正相关。使用AI软件对COVID-19患者进行肺部病变累及范围的评价具有如下优势：（1）AI软件所得的结果具有高度可信性；（2）对病变范围评价所需医师年资要求低，本研究仅1位低年资医师利用AI软件即可较准确完成2位高年资医师的工作内容，可以缓解高年资医师的工作量压力；（3）评估时间缩短：AI评估病变累及范围所需时间明显短于人工CT评分所需时间；（4）评价结果定量化：由于医师在对影像资料进行评价的过程中，可能由于人为因素如经验、疲劳等造成误差，AI可替代完成程序化和机械性的重复工作，并提供客观的定量评价标准。本研究还发现，两种评估方法均提示危重-重型患者在出现症状后的10～12 d内，胸部CT病变范围达到顶峰。有研究报道52例危重症患者从出现症状到入住ICU的中位时间为9.5 d（7.0～12.5）[4]。与本研究时间相近，其时间稍短于本研究，可能是由于本研究包含了重症患者，对结果稍有影响。同样，在普通-轻型患者组中，两种评价方式均提示普通-轻型患者在出现症状后的7～10 d内，胸部CT病变范围达到最高，且两种评价方式对病变范围随时间变化的评估趋势吻合度高。

综上所述，AI不仅能较精准完成COVID-19患者病变累及范围动态定量评估，而且可以明显缩短评估所需时间，提高工作效率。