人工智能AI 联合低剂量肺部CT 扫描在肺结节诊断中的应用价值分析

梁付奎，傅晓琴，李彩琴（通信作者），刘 芸，刘山波

（昌乐县人民医院影像科 山东 潍坊 262400）

肺癌患者早期无明显症状，易错失治疗最佳时机，影响患者预后，发病率与病死率在男性恶性肿瘤均位居首位，在女性恶性肿瘤中位于第二位[1]。故早期准确诊断至关重要。与传统CT 相比，低剂量CT（low-dose computed tomography，LDCT）可在不叠加辐射量的前提下清晰显示肺部结构，逐渐被应用于早期肺癌筛查。但极易受到结节位置、大小、密度、形态等因素影响，易出现漏诊现象[2]。另外，影像学医生大量阅片易出现精神或视觉疲劳，可能引起临床误诊，降低诊断准确率。近年来，随着计算机性能的持续迭代升级、大数据模型技术的应用、算法不断进步与改进等，人工智能（artificial intelligence，AI）逐渐被应用于辅助诊断和治疗、医学统计、机器人手术等医疗行业的各个领域[3-4]。本研究分析AI 联合LDCT 扫描在肺结节诊断中的应用价值，旨在为临床筛查与诊断提供新的思路。

1 资料与方法

1.1 一般资料

回顾性分析2020 年1 月—2023 年2 月就诊于昌乐县人民医院的96 例肺结节患者（结节124 个）的临床资料，其中男60 例，女36 例；年龄46 ～64 岁，平均（54.62±3.14）岁；体质量指数20 ～28 kg/m2，平均（23.85±2.05）kg/m2。纳入标准：①有明确的胸腔镜病理结果；②年龄≥18 岁；③患者均签署知情同意书。排除标准：①病理诊断为转移或肺部结节直径≥2 cm；②既往有胸外科手术史者；③严重伪影，影响肺结节判断；④存在多发钙化灶、肺大泡、严重纤维化等影响肺结节诊断的图像。

1.2 方法

使用德国西门子公司双源CT（SIEMENS SOMATOM FLASH）对入组患者行LDCT 检查，患者取仰卧位，根据正常胸部扫描摆位，扫描范围为肺尖到肺底，设置扫描参数为管电流30 mA，管电压120 kV，矩阵512×512，螺距≤1，重建层厚1 mm。扫描时嘱患者吸气末一次屏气完成。在影像AI 工作站中输入扫描获取的数据，由两名工作经验丰富的影像科主治医师以双盲法阅片，意见不一致时，对可疑部分增加1 名副高以上医师再次阅片，三人商讨形成最终意见。AI 阅片：用树坤科技有限公司的AI 辅助诊断系统经神经网络自动分割识别并统计肺部结节区，结果由2 名影像科工作经验丰富的主治医师审核，对于有疑问结节处（AI 假阴性灶、假阳性灶）由科室副高以上职称的医师综合诊断评定。

1.3 观察指标

①对比AI 联合DCT 诊断与单纯LDCT 检测的平均阅片时间和图像质量评分。其中图像质量评分分值为0～3 分，图像模糊不清，伪影较大且噪声大为0 分，图像勉强清楚，噪声较大且有伪影为1 分，图像清楚，噪声小且无伪影为3 分。②以胸腔镜病理结果为金标准，分析AI 联合LDCT 诊断与单纯LDCT 诊断肺癌性能及其与病理诊断的一致性。阳性表示恶性结节，阴性表示良性结节，总例数以n表示，a表示真阳性，b表示假阳性，c表示假阴性，d表示真阴性。阳性预测值=a/（a+b） ×100%，灵敏度=a/（a+c）×100%，准确率=（a+d） /n×100%，特异度=d/（b+d）×100%，阴性预测值=d/（c+d） ×100%。

1.4 统计学方法

采用SPSS 21.0 统计软件分析数据，符合正态分布的计量资料以均数±标准差（± s）表示，采用t检验；计数资料以频数（n）、百分率（%）表示，采用χ2检验或费希尔（Fisher）精确检验；一致性使用Kappa检验，Kappa值≥0.75 表示一致性良好，0.4 ～＜0.75 表示一致性尚可，＜0.4 表示一致性不佳。以P＜0.05 为差异有统计学意义。

2 结果

2.1 AI 联合LDCT 诊断与单纯LDCT 检测的平均阅片时间和图像质量评分比较

AI 联合LDCT 检测的平均阅片时间短于单纯LDCT检测，图像质量评分高于单纯LDCT 检测，差异有统计学意义（P＜0.05）。见表1。

表1 AI 联合LDCT 诊断与单纯LDCT 检测的平均阅片时间和图像质量评分比较（± s）

表1 AI 联合LDCT 诊断与单纯LDCT 检测的平均阅片时间和图像质量评分比较（± s）

检查方式例数平均阅片时间/s 图像质量评分/分LDCT96444.65±98.632.49±0.43 AI 联合LDCT96144.21±26.752.70±0.21 t 28.8054.300 P＜0.001＜0.001

2.2 AI 联合LDCT 诊断与单纯LDCT 诊断肺癌性能及其与病理诊断的一致性

124 个结节经病理诊断显示恶性52 个（41.94%），良性72个（58.06%）。LDCT诊断恶性结节78个（62.90%），良性结节46 个（37.10%）；AI 联合LDCT 诊断恶性结节50 个（40.32%），良性结节74 个（59.68%）；AI 联合LDCT 诊断早期肺癌的特异度、准确率和阳性预测值高于LDCT，差异有统计学意义（P＜0.05）；两种检查方式的灵敏度和阴性预测值差异不显著（P＞0.05）。见表2。Kappa检验显示，LDCT 诊断与病理结果的一致性尚可（Kappa值=0.443）；AI 联合LDCT 诊断与病理结果的一致性极好（Kappa值=0.933）。

表2 AI 联合LDCT 诊断与单纯LDCT 结果 单位：个

表3 AI 联合LDCT 诊断与单纯LDCT 诊断肺癌效能[%（n/m）]

3 讨论

肺癌发病机制复杂，可能与电离辐射、大气污染、遗传因素、既往肺部慢性感染等因素有关，若能早期接受有效的诊治，可有效延长患者生存期，对改善患者预后具有积极意义[5]。LDCT 可良好的显示肺结节形态、密度、位置、边缘、大小、内部特征等，是临床诊断肺部疾病的重要手段，但诊断结果会受到结节边缘不清、直径小、中心位置靠近血管等特征影响，易出现漏诊[6-7]。另外，传统检查多采用人工读片模式，即依赖影像医师调取图像逐幅浏览，医师检查工作负荷明显增加，且长期处于高紧张度、高负荷的工作状态下，提高了影像医师的疲劳度，也会增加微小病灶漏诊概率[8-9]。

近年来，AI 辅助诊断系统逐渐被应用于影像学诊断，其能够对获得的CT 图像初筛，标记可疑病灶，便于影像学医师诊断，能够有效提高临床工作效率及结节检出率。本课题研究中，AI 联合LDCT 检测的平均阅片时间短于单纯LDCT 检测，图像质量评分高于单纯LDCT 检测（P＜0.05）；AI 联合LDCT 诊断早期肺癌的特异度、准确率和阳性预测值高于LDCT（P＜0.05），且Kappa检验显示，LDCT 诊断与病理结果的一致性尚可，AI 联合LDCT 诊断与病理结果的一致性极好，提示AI联合LDCT 扫描能够提高肺癌检出率且诊断准确率与病理结果一致性较高。AI 辅助诊断系统可直接通过大数据模型分析肺癌核心特征，经切割、扭转等方式将数据量扩大，并在短时间内标记结节形态、位置、密度和恶性征象等信息，高效、精准地对肺结节良恶性做出鉴别诊断，能够减少主观因素的干扰，降低微小病灶的漏诊率，还能大大减轻人工阅片的工作繁琐性，工作效率明显提高[10-11]。针对疑似肺结节，可借助AI 实施原始图像多层面薄层重建、容积再现、表面阴影成像、曲面重建等后处理操作，获取更充分的诊断信息，准确定性肺结节，同时AI 计算能力强大，计算机设备可24 h 高强度工作，能够使人工工作强度降低，并提高病灶检出率，提高疾病诊断准确性。另外，AI 具备深度的学习能力，运用大量影像基础数据集实施反复学习并寻找总结规律，依靠计算机大数据模型分析对比，对特征性影像学表现进行精确提取，有助于提高图像和病灶分类的灵敏度、特异度和准确率[12]。

综上所述，AI 联合LDCT 扫描能够提高肺癌检出率且诊断准确率较高，临床可将AI 应用于肺结节的筛查与定性诊断，以期提高肺癌检出率。