人工智能对肺磨玻璃结节的良恶性分析

邓传颂，杜巧玲

（佛山市高明区人民医院放射科 广东 佛山 528500）

近年来，随着人们健康意识的提高及高分辨胸部CT的普遍应用，肺磨玻璃结节（ground glass nodule，GGN）的检出率越来越高。肺GGN的病因多种多样，比如局部间质纤维化、炎症、出血、结核、癌前病变或恶性肿瘤等均可以发展或导致肺GGN[1]。肺GGN的病理结果可以为良性病变，如局灶炎症、局灶性纤维化等；也可以为恶性病变，如不典型腺瘤样增生、原位腺癌、微浸润性腺癌或浸润性腺癌[2]。既往研究结果表明持续存在的肺GGN病理上常为早期肺腺癌或者癌前病变，因此通过影像学技术手段早期发现恶性GGN，可以改善患者的生存质量，降低患者的死亡率[3]。肺GGN形态模糊，在肺窗上表现为磨玻璃样的密度增高影，在纵隔窗上不能显示或仅能显示病灶的实性成分，不如肺部实性结节放射学特征明显。因此，放射科医师通过肉眼对肺GGN的观察费时费力，且由于个人差异，判断结果往往会有所不同，对于肺GGN良、恶性的鉴别较为困难[4]。因此，本研究探讨基于高分辨胸部CT通过人工智能技术分析肺磨玻璃结节，为肺GGN良、恶性的定性分析提供帮助。

1 资料与方法

1.1 一般资料

选取2020年9月—2021年3月于佛山市高明区人民医院放射科因肺结节行高分辨胸部CT检查的462例患者，其中男性245例（53.0%），女性217例（47.0%），平均年龄为67.12±7.45岁。纳入标准：①18岁＜患者年龄＜80岁；②高分辨胸部CT表现为肺磨玻璃结节；③患者经手术切除或者穿刺病理诊断证实；④患者及家属均知情同意并签署知情同意书。排除标准：①既往行肺部手术者；②合并其他肺部疾病者（如肺结核、支气管扩张、严重肺气肿、肺不张等等）；③随访过程中依从性较差或失访者；④高分辨胸部CT图像质量欠佳者。

1.2 方法

高分辨胸部CT扫描：采用西门子64排螺旋CT进行扫描，采集参数：矩阵为512×512，层厚为1.25 mm，管电压为20 kV，管电流为180 mAs，螺距为0.562，重建间隔为1.25 mm。采用肺窗对高分辨胸部CT图像进行分析，肺窗的窗宽为1 500 HU，窗位为-600 HU。扫描后深吸气末屏气，扫描范围从肺尖扫描至肋膈角下2～3 cm。所得影像图像均使用配套后处理工作站进行分析。

图像分析：462例患者的高分辨胸部CT图像分别由人工智能（AI）阅片和放射科医师阅片对肺部磨玻璃结节进行良、恶性的结果判读。AI阅片是将462例高分辨胸部CT数据分别传输至由医疗公司提供的基于深度学习模型的AI软件,自动分析出肺GGN的数量、部位、大小、形态、边界以及相应的CT数值。放射科医师阅片是由两位经验丰富的对病理结果不知情的放射科医师（分别具有5年和10年的胸部CT判读经验）独立对放射学特征（如：位置、大小、形态、边界等）进行良、恶性分析评估。对每个GGN分析的放射学特征进行分析。所有CT结果均基于高分辨率胸部CT图像进行评估、解读和分析。

1.3 观察指标

通过AI阅片、放射科医师阅片及病理诊断结果这三种不同的诊断方式对肺磨玻璃结节的良恶性诊断率及一致性进行对比分析。

1.4 统计学方法

采用SPSS 25.0统计软件进行数据分析。计数资料以频数（n）、百分率（%）表示，采用χ2检验。一致性评价指标采用Kappa检验，Kappa≥0.75说明两种方法诊断结果一致性较好，若0.4≤Kappa＜0.75说明一致性一般，Kappa＜0.4表明一致性较差。P＜0.05为差异具有统计学意义。

2 结果

2.1 患者的肺磨玻璃结节情况

所有患者的肺磨玻璃结节均经术后或者穿刺病理诊断证实，最终恶性病变168（36.3%）例，良性病变294（63.6%）例。包括浸润性腺癌48枚、微浸润性腺癌32枚、原位腺癌60枚、不典型腺瘤样增生28枚、良性磨玻璃结节294枚。

AI阅片判读结果显示良性病变317（68.6%）例，恶性病变145（31.4%）例。放射科医师阅片判读结果显示良性病变341（73.8%）例，恶性病变121（26.2%）例。

2.2 AI阅片和放射科医师阅片肺GGN良恶性的比较

AI阅片肺GGN良恶性的诊断阳性率31.4%（145/462）高于放射科医师肺GGN良恶性的诊断阳性率26.2%（121/462），但差异无统计学意义（χ2=3.041，P=0.081＞0.05）。同时，Kappa检验结果显示AI阅片与放射科医师阅片这两种诊断方法存在一致性，但一致性一般（Kappa=0.695）。见表1。

表1 AI阅片和放射科医师阅片肺GGN良恶性的比较 单位：例

2.3 AI阅片和放射科医师阅片肺GGN良恶性与病理结果的比较

病理诊断肺GGN良恶性的诊断率（36.3%）高于AI阅片肺GGN良恶性的诊断阳性率（31.4%），差异具有统计学意义（χ2=214.494，P＜0.001）。同时，Kappa检验结果显示病理诊断与AI阅片这两种诊断方法存在一致性，但一致性一般（Kappa=0.677，P＜0.001）。

同时，病理诊断肺GGN良恶性的诊断率高于放射科医师肺GGN良恶性的诊断阳性率（26.2%），差异具有统计学意义（χ2=135.919，P＜0.001）。同时，Kappa检验结果显示病理诊断与放射科医师阅片这两种诊断方法存在一致性，但一致性一般（Kappa=0.527，P＜0.001）。见表2。

表2 影像阅片和病理诊断肺GGN良恶性的比较 单位：例

3 结论

在全球范围内，肺癌是男性最常见的癌症和癌症死亡的主要原因，是女性的第三常见癌症和第二常见癌症死因[5]。随着人口老年化的发展及空气污染的严重，肺癌的发病率也在逐年增高，给社会卫生和经济带来了巨大的负担[6]。研究显示2020年，国内肺癌的发病率和死亡率位居全世界第一，且肺癌是中国男女癌症死亡的主要原因，占全球肺癌死亡人数的40%[7]。由于肺癌早期的患者不会出现明显的临床表现，并且之前由于影像学设备的限制和不普及，肺部结节不易被早期识别，导致确诊时多为晚期，治疗费用较高，预后较差，生存率较低。所以，恶性肺玻璃结节的早期发现和及时治疗对提高肺癌患者的生存率及改善晚期生存质量至关重要。现随着影像学技术的提高，国民健康意识的增强，早期可通过高分辨胸部CT进行筛查，并进行积极处理，晚期确诊率和死亡率将明显降低。

研究表明肺磨玻璃结节是早期肺癌的主要表现形式之一[8]。肺GGN是一种非特异性的放射学表现，表现为圆形、小圆形磨玻璃样的密度增高影，边界欠清，其内可见细支气管和肺血管影，但不阻塞肺血管或支气管结构。随着高分辨胸部CT和人工智能技术的应用，肺GGN越来越容易被发现，并进行诊断。然而，肺GGN的形态不如实性结节显著，增加了诊断难度，人工阅片时需要耗费大量的时间和精力，且性质难以鉴别。目前，研究表明AI阅片不仅使检测速度提高，还增强了其对于肺GGN良、恶性诊断的灵敏性和特异性[9]。

本次研究中运用到的人工智能分析软件采用了三维卷积神经网络，可自动选择出最佳的三维图像特征，获得更多的肺磨玻璃结节的放射性特征，提高良、恶性的检出率，结果表明AI阅片的准确性远远大于放射科医师阅片的诊断结果，且差异具有统计学意义，与以往的研究结果基本一致[10]。相比于放射科医师阅片，AI阅片可以提高将近50%的诊断速度，缩短诊断时间，且不容易受周围环境的影响，不会产生视觉疲劳。然而，当肺GGN位于小叶间隔增厚、局部胸部增厚或炎性病变附近时，极其容易误诊并造成诊断结果的假阳性。杨金生等团队[11]研究结果显示AI阅片在肺结节的检出时间、检出速度、检出率及良恶性的鉴别诊断率均显著优于人工阅片，但假阳性率较高，尤其是当肺结节位于正常肺组织周围或慢性炎症病变周围。赵正凯等团队[12]发现AI阅片联合人工阅片可以取长补短，提高GGN的总体诊断效能，优于AI阅片或人工阅片的单一诊断方式。因此，未来在临床上，应该将两者联合起来，可以显著提高对于肺GGN良、恶性的定性诊断分析。

同时，本研究显示相对比放射科医师阅片，AI阅片与病理诊断这两种诊断方式的一致性较高。原因可能是因为放射科医师阅片时，主要是根据个人的以往阅片经验，没有对结节的形态、密度、边缘等放射学特征进行具体量化分析，从而导致诊断良恶性的准确率下降。然而，AI阅片是基于对整个病灶乃至整幅影像图像的全面具体量化分析，可以提高诊断速度及缩短观察时间，不容易受到胸廓结构及结节的复杂程度的影响，不容易受到主观因素和疲劳状态等因素的影响，分析结果更加客观。

最新研究表明AI阅片不仅可以提高肺GGN良、恶性的诊断效能，还可以预测早期GGN肺癌的浸润程度，为后续的临床治疗提供一定的借鉴价值[13]。梁云等团队[14]研究发现相比对非浸润组，浸润组中实性成分明显增多，表明实性成分占比是鉴别肺癌浸润和侵袭有效影像学指标之一。这一影像学指标为以后的临床诊断工作提供一个有效依据，未来需进一步进行研究验证。

然而，本研究尚存在一定的局限性。第一，本研究是一个小样本、单中心的回顾性研究，缺乏大样本及外部中心的验证。第二，本研究仅采用了一家公司的人工智能辅助诊断技术，存在一定的假阳性率，且与其他公司的人工智能技术存在一定的误差。第三，本研究没有采用AI辅助诊断系统联合放射科医师阅片手段，即先使用AI对图像进行初步筛查，针对可疑的病灶，再请经验丰富的放射性医生进行判读。此方法可以大大提高工作效率及诊断的准确性，未来在临床上可以采取此方法进行阅片。最后，本研究只进行了肺磨玻璃结节的良恶性分析，未进行其浸润程度的预测和分析，在未来仍需进一步进行研究。

综上所述，人工智能可以有效提高对肺磨玻璃结节的良恶性诊断效能及诊断效率，减轻了放射科医师繁重的阅片工作强度。在未来，应合理地将AI辅助诊断系统和放射科医师阅片两者结合起来，能够有效地提高诊断效率，进一步提高高分辨胸部CT对肺磨玻璃结节的综合诊断效能。