基于人工智能技术的肺部CT扫描在肺结节筛查中的应用分析*

刘亚龙 安小康 郭明杰 慕 明 洪震浩 张国瑜

河南大学第一附属医院胸外科,河南省开封市 450052

肺癌是发病率和死亡率最高的肿瘤,早期发现和诊断肺部疾病,对肺部结节进行定位是非常重要的。随着CT和薄层技术的广泛应用,低剂量肺部检查已经成为一种常见的方法。人工智能(ArtificialIntelligence, AI)技术被定义为一种精确的医学模型,其在治疗、学习和分析方面的巨大潜力被逐渐认识到[1-6]。人工智能的应用可为影像学检查提供许多诊断依据。本研究通过对本院收治的130例行肺部CT扫描患者的临床资料进行回顾性研究,旨在分析AI对于肺结节诊断的价值,现报道如下。

1 资料与方法

1.1 一般资料 选取本院2021年1月—2022年1月收治的130例行肺部CT扫描患者的临床资料,其中男78例,女52例;就诊时年龄38～87岁,平均年龄(62.70±12.21)岁。

1.2 选择标准 (1)纳入标准：①均进行肺部CT检查和病理学检查;②临床资料完整;③影像学资料完整。(2)排除标准：①有其他恶性肿瘤患者;②合并有精神疾病患者;③哺乳妊娠期妇女。

1.3 方法 CT检查：使用美国GE750宝石能谱CT进行肺部CT检查,患者取俯卧位、从胸廓至肺底部进行扫描,扫描采用螺旋扫描,管电压120kV,层间隔5mm,层厚0.625mm,螺距0.85,图像矩阵512×512,采用两种方法对CT图像进行回顾性分析。

AI技术：采用AI技术(锐影肺结节智能辅助筛查系统)对肺结节进行分析,并分析肺结节的检查情况。将130例肺结节患者术前的胸部低剂量CT图像导入AI分析软件中,由软件自动识别并标记肺结节。

医师人工：采用双盲法,由两位以上具有丰富经验的影像科医生进行影像学分析,当出现意见不一致时,由第三位医生进行分析,当三者意见均不一致时,以最高资历影像学医生为主。记录每个结节的最大直径、密度。根据最大直径将肺结节分为<5mm、5～10mm、>10～20mm、>20～30mm,根据结节密度不同将其分为实性结节、磨玻璃结节、部分实性结节。

2 结果

2.1 AI和人工诊断肺结节良恶性价值 130例患者中共经病理学检测诊断出169个病灶,其中95个为恶性,74个为良性。其中AI诊断出98个恶性,71个良性;人工诊断出95个恶性,74个良性。详见表1。

表1 AI与人工诊断肺结节良恶性价值

2.2 AI和人工诊断肺结节比较 诊断肺结节良恶性的敏感度、特异度、准确率、误诊率、漏诊率、阳性预测值和阴性预测值详见表2。

2.3 AI和人工诊断真阳性结节情况 病理学检测共发现575个真阳性结节,AI诊断的检出率明显高于医师人工诊断,漏诊率明显低于医师人工诊断,但医师人工诊断的误诊率明显低于AI诊断,详见表3。

表3 AI和人工诊断真阳性结节情况[n(%)]

3 讨论

随着螺旋CT的广泛应用,对于肺结节的早期诊断有所帮助[7]。Ⅱ～Ⅳ期肺癌5年的存活率不到20%[5],但肺癌患者术后5年以上的存活率可达到90%[8]。早期肺癌的生存率明显高于晚期肺癌[9],因此早期发现、早期诊断和早期治疗是改善预后的重要手段[10]。这表明肺部检查对患者的进一步治疗和生存至关重要。CT是诊断肺部疾病的有效方法,与其他现有设备相比,CT在测量速度方面具有优势[11-12]。通过CT分析可以确定肺结节的位置、形状、大小、边缘、密度和内部特征[13-14]。目前最重要的诊断方法是由影像学专家单独查找图像[15]。在人工读片的情况下,医疗检查的工作量大大增加,长时间在高负荷和高压条件下进行工作会增加医师的疲劳,增加微小病灶漏诊的风险。而AI可以准确捕捉节点的阴影,对于微小病灶也可以诊断,但可能存在误诊。因此,为了提高诊断成像的准确性,需要影像学医师进行复查来提高准确性。

本研究发现,AI诊断的检出率明显高于医师人工诊断(96.35% VS 45.91%,P<0.05),漏诊率明显低于医师人工诊断(3.65% VS 54.09%,P<0.05)。这说明与AI相比较,人工诊断容易出现漏诊的情况,认为这主要与微小病灶以及特殊位置的结节有关,过小的病灶和位置比较特殊的病灶导致人工观察容易忽略,造成误诊和漏诊,而AI可以对微小病灶进行有效的标记,减少漏诊。同时本研究发现医师人工诊断的误诊率明显低于AI诊断(0.86% VS 49.83%,P<0.05)。说明AI对于诊断为结节的阈值过低,虽然可以诊断出微小病灶,但容易将局部血管交叉点比较饱满的部分也视为结节,因而导致假阳性率高,而为了提高诊断成像的准确性,需要影像学医师进行复查来提高准确性,这也造成工作量的增加。与AI诊断相比,医师人工诊断可以将部分良性结节进一步诊断为错构瘤、结核球,这是由于医师除了详细分析患者结节的大小、密度、位置、临床数据和实验室研究外,还可以通过其他诊断结果综合分析,这是AI辅助诊断所不能完成的,因此AI软件在诊断肺结节方面存在一定的误差。目前,诊断影像学报告无法单独出具,需要进一步人工复核。

本研究具有一定的局限性：首先,这是一项单中心回顾性的研究,病理检查的分析已经在临床诊断和治疗中得到确认,并且在选择中存在一些偏差,这些偏差可以在未来的前瞻性病例中得到确认;其次,样本量检测不足,存在一定误差,有必要在未来扩大采样范围的验证结果。

综上所述,AI诊断肺结节的筛查效果好,对于良恶性的鉴别率高,但是对于结节诊断的假阳性率高,具有一定的临床应用价值。