人工智能系统在CT肺小结节筛查中的准确率及检出时间分析

于广浩 李为民 高 杨 董 默 李彩娟 朱险峰 李莲娣

1.牡丹江医学院影像设备教研室，黑龙江牡丹江 157011；2.牡丹江医学院附属第二医院麻醉科，黑龙江牡丹江 157009

随着人们对于体检的重视程度越来越高，肺结节检出率也越来越高[1]。对于肺结节的早期发现、早期定性及早期治疗，是预防肺结节癌变的重要手段[2]。目前随着CT技术的飞速发展，图像质量及分辨率也越来越高[3]。对于肺结节的检出率也在逐步升高，而常规的人工CT阅片耗费时间长，由于医生的视觉疲劳也容易造成肺结节漏诊的情况出现[4]。随着近年来人工智能（artificial intelligence，AI）技术的逐步成熟，将AI联合人工的阅片方法也逐渐兴起。本研究依托于AI技术，分析AI技术、人工技术及人工与AI联合对于肺结节筛查的应用效果，分析AI智能系统的有效率，引导其发展方向。特选择于牡丹江医学院附属红旗医院进行高分辨率CT体检筛查的患者，分别运用不同方法进行肺结节筛查。现报道如下。

1 资料与方法

1.1 一般资料

回顾性选取2019年1—12月于牡丹江医学院附属红旗医院进行肺高分辨率CT检查的1316例患者，以金标准诊断出的198例患者的230个肺结节作为研究对象。其中男102例，女96例，平均年龄（67.69±21.32）岁。分别运用AI检测法、人工检测法及AI+人工的检查方法对肺结节进性分析。

1.2 纳入及排除标准[5]

纳入标准：①患者年龄≤85岁；②患者身体健康，无并发其他呼吸系统疾病；③患者意识状态良好，能配合进行呼气屏气动作；④无心脏起搏器等不可去除装置者。

排除标准：①患者已确诊肺癌；②患者伴发其他呼吸系统疾病影响图像质量者；③患者意识状态不清，不能配合呼气屏气者；④图像质量较差影响诊断者。

1.3 方法

对患者进行高分辨率CT扫描，于检查前对患者均行呼吸练习，以保证入组患者呼吸幅度相近。研究使用AQUILION系列64排螺旋CT（日本东芝公司），嘱患者头先进，双手交叉置于头顶，充分暴露胸部，扫描选用管电压120 kV，管电流150 mA，层厚5 mm，层距5 mm，矩阵512×512，扫描后行骨算法0.5 mm重建。将扫描后图像选取我院三名主任医师级别影像诊断医生对CT图像进行细致阅片诊断，将所得结果记为本研究金标准，该三名诊断医师将不参与以下人工阅片研究。将重建后所得容积数据分别传至PACS系统及sigma discover Lung AI智能肺结节分析系统。分别选取两名副主任医师及以上高年资影像诊断医生进行常规阅片，并进行AI联合人工阅片及AI自主阅片。分别记为AI组、人工组及AI联合人工组，记录各组发现结节个数、计算假阳性率及漏诊率，并记录阅片时间，并对以上数据进行统计学分析。假阳性率=误检结节数/检出结节数×100%；漏诊率=漏检结节数/金标准结节数×100%。

1.4 统计学方法

运用SPSS 18.0统计学软件进行数据处理，计量资料用（）表示，两组比较采用t检验，三组间比较采用方差分析，计数资料采用χ2检验，P＜0.05为差异有统计学意义。

2 结果

2.1 各组肺结节检出情况比较

AI组假阳性率明显高于AI联合人工组及人工组（χ2=6.067，5.596；P=0.002，0.004）；人工组漏诊率明显高于AI联合人工组及AI组（χ2=5.511，4.996；P=0.004，0.009）。见表1。

表1 各组肺结节检出情况比较

2.2 各组肺结节检出时间比较

AI组 平 均 阅 片 时 间 为（24.35±7.37）s；人工组平均阅片时间为（633.45±212.37）s；AI联合人工组平均阅片时间为（189.84±61.28）s，AI组阅片时间明显短于AI联合人工组及人工组（t=7.701，13.389；P=0.001，0.000），差异有统计学意义（F=9.962，P=0.001）。

2.3 各组肺结节检出准确率比较

AI组分析低至中度恶性概率结节114个，经病理证实17个结节为低至中度恶性结节，准确率为14.91%；AI组分析高度恶性概率结节14个，经病理证实8个结节为高度恶性结节，准确率为57.14%；AI联合人工组分析低至中度恶性概率结节24个，准确率为70.83%；AI联合人工组分析高度恶性概率结节10个，经病理证实8个结节为高度恶性结节，准确率为80.00%，AI联合人工组检测低至中度恶性概率结节及高度恶性概率结节准确率高于单纯AI组（χ2=6.643，5.896；P=0.002，0.003）。

3 讨论

目前医学影像学在医学中发挥着越来越重要的作用。但目前医学影像诊断方式主要还是传统的人工阅片，因此医生在阅片诊断时常常会受到情绪、精力、环境、经验、主观局限性、理解能力等因素的影响，从而造成诊断结果的偏差[6]。而近几年AI技术在医学影像学中的应用备受关注[7]，AI的引入不仅仅提高了医生的工作效率及影像诊断的发现率，而且直接改变了医生的工作方式，从一定程度上引起了医学影像行业人力资源结构的变化[8-9]。

本研究基于目前影像诊断的现状，基于目前拥有的AI智能平台，设计了AI同人工阅片的对比研究，分析各自的优势及弊端，为今后的AI阅片发展指出方向。本研究结果显示，AI智能阅片的结节检出率最高、用时最短，但是误诊率也为三种方法之最；传统人工阅片结节检出率相对较低，但结节的误诊率较低，用时较长；而AI联合人工阅片的误诊率最低，用时适中，假阳性率也最低。就目前研究结果来看，AI联合人工阅片是最适合用于肺结节CT诊断的阅片方法，既节省时间，也提高检出率，降低误诊率。

AI在医学的应用开发步伐将会进一步加快[10]，系统更加完善，功能更加强大，帮助医生提高诊疗水平，使患者得到早期救治，提高生存率，改善生命质量。同时，AI也会推进医学影像行业的变革，推动相关制度的制定与完善[11]。AI的优势凸显，未来逐步代替医生是大势所趋，定会增加医学影像学专业毕业生的就业压力，改变医学影像行业人力资源的结构，改变医学影像学专业的培养规模及培养模式，同时需要大量的医学影像技术专业人才[12]。

本研究结果显示，AI方法检测肺结节时间最快，但误诊率最高；人工检测肺结节漏诊率较高，但误诊率低，时间较慢；人工联合AI检测肺结节的误诊率、漏诊率均最低。充分说明了AI在医疗领域的应用潜力及广阔前景，借助AI，可实现精准诊疗，提高医生的诊断准确率和工作效率，降低医学诊断失误[13-15]。AI技术还能有效弥补偏远地区、基层医院的医学影像诊疗资源，有助于医疗资源均衡化，对解决百姓看病难、看病贵问题意义重大。但AI在诊断准确率方面还有待提升。AI在以后的体检筛查中可以作为一项有效手段，对于肺结节的检出作用十分明显。在今后的发展中，提高AI的诊断准确率应是发展的主要方向。