人工智能CT定量分析肺结节的临床应用价值

谢春晓，顾文豪

（太仓市第一人民医院影像中心 江苏 苏州 215400）

肺部结节是发病率较高的肺部疾病，主要指类圆形或不规则的，直径≤3 cm的病灶，恶性结节占比为18.00%[1]。在患者的病变广泛时，可合并肺气肿、支气管扩张、感染等，同时出现气急、发绀、胸闷等症状，通常在早期时无显著的症状，会累及其他器官，加重患者的病情。有研究报道指出[2]，当前并未确定出肺部结节的发病原因，可能和体液、细胞免疫功能紊乱，以及分枝杆菌侵入等有关。纤维支气管镜活检、活体组织和X线检查等，均是肺部结节的主要诊断方式，手术活检时存在风险，而通过影像学的方式进行诊断检查，可获得较高的准确率，经对患者肺部结节影像学特征和数据的深入研究分析，能够为患者的临床治疗和医师诊断等提供帮助。但是当前并无太多的报道关于肺部结节影像学方面的情况，基于此把人工智能CT定量分析的方式用于2021年1月—12月的共72例肺部结节患者展开诊断检查，现将具体内容报道如下。

1 资料与方法

1.1 一般资料

选取2021年1月—12月太仓市第一人民医院收治的共72例肺部结节患者，定量分析前和定量分析后各72例，定量分析前实施放射科医师阅片诊断法，定量分析后实施人工智能CT定量分析的方式。72例患者中男50例，女22例，年龄32～76岁，平均（56.38±4.11）岁。

排除标准：①妊娠或哺乳期妇女；②患者具有运动伪影的CT图像；③免疫功能严重低下者；④合并精神疾病者；⑤患有严重糖尿病者；⑥合并间质性肺病、肺炎；⑦临床资料不全者。纳入标准：①提供详细资料者；②患者肺结节直径≤2 cm；③意识清楚，行为自主；④胸部单发或多发肺结节者；⑤符合肺部结节诊断标准[3]；⑥患者均签订知情同意书。

1.2 方法

在实施常规胸部扫描时，患者取仰卧位，选择西门子16层（Emotion 16）或128层螺旋CT机（SIMENSSOMATOM Definition AS）或GE 256层螺旋CT（美国 GE Revolution），深吸气后在屏气状态下扫描。参数：矩阵 512×512，层厚5.0 mm，层距5.0 mm，管电压120 kV，管电流150 mAs。并应用自带的软件，在完成扫描后重建0.625～1.5 mm薄层。选择放射科中有5年以上工作经验的3名医师共同完成阅片，观察患者肺部结节的内部结构、密度、边缘、大小、形态和位置等，并给出具体的诊断报告。同时选择基于深度学习模型的人工智能软件，为深睿医疗公司提供，实施辅助阅片。在具体的操作过程中，在人工智能工作站中把胸部CT原始数据传输到上面，经系统对肺部结节进行自行标识和标记，经3名医师筛选出结节之后确认，并给出详细的诊断检测的报告结果。

1.3 观察指标

对比不同性质、不同直径肺结节检出率，以及患者的心理状态评分、生活质量、肺功能指标改善情况。①不同性质肺结节检出率[4]：主要包含磨玻璃样、实性结节，总检出率=（磨玻璃样+实性结节检出例数）/72×100%。②不同直径肺结节检出率[5]：主要包含直径处于0.5～2.0 cm、＜0.5 cm结节的检出率实际情况。③肺功能指标[6]：选择型号科时迈Cosmed的意大利肺功能测试系统展开相关检测，分别是FEV1/FVC、FEV1%pred。④心理状态评分实际情况[7]：焦虑自评量表（SAS）≥50分；抑郁自评量表（SDS）≥53分，且当患者不良情绪越严重相应的评分越高，焦虑、抑郁满分50分。⑤生活质量评分实际情况[8]：选取WHOQOLBREF表，当获得的评分越高则相应的生活质量越好，共包含环境、躯体、心理和社会四个层面，共4个领域，每一领域各35分，26个项目。

1.4 统计学方法

选择SPSS 23.0统计软件进行数据处理。计量资料以均数±标准差（± s）表示，行t检验，方差不齐则选择非参数检验；计数资料以频数（n）、百分比（%）表示，行χ2检验。P＜0.05表示差异具有统计学意义。

2 结果

2.1 对比分析患者的焦虑和抑郁评分

与定量分析前的SAS、SDS相比，定量分析后的心理状态评分均明显较低，说明对患者实施人工智能CT定量分析分析诊断之后，取得的焦虑、抑郁的改善程度更佳，差异有统计学意义（P＜0.05）。见表1。

表1 对比分析患者的焦虑和抑郁评分（ ± s，分）

表1 对比分析患者的焦虑和抑郁评分（ ± s，分）

组别 例数 SDS SAS定量分析后 72 41.32±9.21 40.61±8.83定量分析前 72 49.63±9.96 48.72±10.03 t 2.372 2.246 P 0.017 0.024

2.2 不同性质肺结节的检出率

72例患者中共检出肺部结节98个，包含32个磨玻璃样，66个实性结节，经人工智能CT定量分析诊断后的肺部结节总检出率为95.92%（94/98），明显较高，说明对患者实施人工智能CT定量分析诊断之后，取得的实性和总结节检出率效果较佳。见表2。

表2 不同性质肺结节的检出率分析[n（%）]

2.3 比较不同直径肺结节的检出率

72例患者中共检出肺部结节98个，其中直径为0.5～2.0 cm结节共63个，＜0.5 cm结节35个，定量分析前和定量分析后在直径为0.5～2.0 cm结节时的检出率无显著差异（P＞0.05），且与定量分析前的直径＜0.5 cm结节24个（68.57%）相比，定量分析后的检出率94.29%（33/35）明显更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的直径为＜0.5 cm结节检出率效果更佳，差异有统计学意义（P＜0.05），见表3。

表3 不同直径肺结节的检出率分析[n（%）]

2.4 比较肺功能指标

定量分析后的FEV1/FVC、FEV1%pred较定量分析前更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的肺功能指标改善情况更佳，差异有统计学意义（P＜0.05）。见表4。

表4 对比分析肺功能指标（ ± s，%）

表4 对比分析肺功能指标（ ± s，%）

2.5 对比分析患者的生活质量情况

定量分析后取得社会、环境、躯体和心理较定量分析前的评分更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的生活质量改善情况更佳，差异有统计学意义（P＜0.05）。见表5。

表5 对比分析患者的生活质量情况（ ± s，分）

表5 对比分析患者的生活质量情况（ ± s，分）

3 讨论

在我国的所有肿瘤中，肺癌的病死率居于首位，也是全世界范围中所公认的公共健康问题之一，通过对患者疾病的早发现、诊断和治疗，对降低病死率、改善患者的疾病预后等产生的作用显著[9]。在新时期的发展过程中，在医疗领域中人工智能技术获得极其广泛性的应用，计算机辅助诊断系统能够自动识别和诊断出肺结节，经人工智能深度学习并训练人工智能大数据，有极佳的高效、快速、准确等诊断优势[10]。针对于肺部结节患者，在具体的诊断检测的过程中，人工智能软件辅助阅片，可明确化的检出患者的肺部结节，特别是对微小、实性结节的检出率更为显著，而在磨玻璃样结节的检出中，似乎无较高的优势[11]。

然而，当前需要关注的一点，就是人工智能软件阅片时可能存在较高的假阳性率，分析原因可能和肺门增粗、交叉、迂曲血管等用有关，可能和增厚的支气管、扩张等有关，可能和树芽、索条、片状实变、瘢痕等各时期的感染性病灶等存在关联。所以，在当前人工智能软件依旧需影像诊断医师把关，无法完全取代它们，以便降低假阳性率率为最低的标准。尽管人工智能软件辅助诊断技术需要进一步优化和提升，但是符合未来医学影像学发展方向，在提升结节的检出率，以及放射科医师的工作效率中能够发挥出极大的潜力。此次研究中，与定量分析前的SAS、SDS相比，定量分析后的心理状态评分均明显较低，说明对患者实施人工智能CT定量分析分析诊断之后，取得的焦虑、抑郁的改善程度更佳；72例患者中共检出肺部结节98个，包含32个磨玻璃样，66个实性结节，经实施人工智能CT定量分析诊断后的肺部结节总检出率95.91%（94/98）明显较高，说明对患者实施人工智能CT定量分析诊断之后，取得的实性和总结节检出率效果更佳；其中直径为0.5～2.0 cm结节共63个，＜0.5 cm结节35个，定量分析前和定量分析后在直径为0.5～2.0 cm结节时的检出率无显著差异，且与定量分析前的直径＜0.5 cm结节24个（68.57%）相比，定量分析后的检出率94.28%（33/35）明显更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的直径为＜0.5 cm结节检出率效果更佳；定量分析后的FEV1/FVC、FEV1%pred较定量分析前的肺功能指标更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的肺功能指标改善情况更佳；与定量分析前的社会、环境、躯体和心理相比，定量分析后的生活质量评分均更高，说明对患者实施人工智能CT定量分析分析诊断之后，取得的生活质量改善情况更佳，差异有意义。本研究结果显示出，对肺部结节患者，通过采用人工智能CT定量分析的方式，可明显提升患者的肺部结节检出率，降低不良负性心理情绪，改善肺功能指标，安全性较高，改善患者的生活质量，产生的作用显著。

综上所述，通过在临床上把人工智能CT定量分析的方式用于肺部结节患者中进行干预，可促进疾病的快速恢复，提升对肺部实性和微小结节的检出率，有较高的准确性，同时能够改善患者的肺功能指标，提升生活质量，降低焦虑、抑郁等不良心理情绪，具有临床应用价值。