人工智能在监测不同性质肺内稳定结节与不稳定结节对比分析

朱红伟,马士华

(1.保定市第二医院 医学影像科,河北 保定071051;2.保定市第一医院 医学影像科,河北 保定071000)

肺结节是指长径≤3 cm的局灶性、类圆形、密度增高的实性或亚实性肺部阴影[1]。《胸部CT肺结节数据标注与质量控制专家共识(2018)》[2]将肺内结节定义为实性结节(solid-nodules SN)、部分实性结节(partial- solid nodules,PSN)、纯磨玻璃结节(pure ground-glass nodules,pGGN)和钙化结节。肺部CT是筛查和观察肺结节变化的常用检查方法之一,此外不断发展和完善的人工智能(artificial intelligence,AI)对肺结节的检出和随访也发挥重要作用。不同性质的肺结节受自身及外界环境多种因素的影响会存在多种演变方式,部分结节成分、体积的变化加重患者的心理负担,甚至危及患者的生命。所以本文进行肺内SN、PSN、pGGN三类结节的随访,将连续3次常规体检者纳入研究对象,应用同一AI软件辅助观察,以总结肺结节的演变方式,有无规律可循,哪种方式更应该引起重视等。

1 资料与方法

1.1 临床资料

收集2017年8月1日至2020年12月31日在保定市第二医院肺部体检筛查的病例。纳入标准:①成年人;②肺内非钙化结节,其中≤3 mm结节以图像显示清晰、与气管、血管可分辨为标准;③连续3次在保定市第二医院初次进行肺部CT体检(如果存在连续4次记录只取前3次)。排除标准:①有任一恶性肿瘤病史、肺内转移瘤、经影像学或化验室检查疑似肿瘤或典型恶性肿瘤;②肺结核、职业病等以肺结节为主要影像表现相关疾病;③影响图像评价的情况:如严重脊柱及胸廓畸形、胸腔积液及纵膈病变挤压肺组织等。经筛选共80例,其中男性32例,女性48例,平均年龄(52.00±7.28)岁。

1.2 检查设备

飞利浦Brilliance 128层CT机。扫描体位:仰卧位,双手上举,去除金属异物,扫描范围肺尖至肺底部肋膈角水平。扫描条件:据被检者体重、体型,管电压80～120 kV,自动毫安秒,低剂量扫描(辐射剂量0.7～2.6 mSv)。层厚/层距1 mm,以标准肺窗(窗宽1600 HU 窗位600HU)为基本观察条件,适当调窗观察结节成分。软件支持:北京推想科技公司肺结节筛查软件。

1.3 图像观察与质控

参照金晨望等[3]对低剂量肺结节筛查的质控标准,将所有原始数据(层厚/层距1 mm,标准肺窗)以DICOM格式导入AI分析软件。在此软件肺窗上测量结节的长径、短径、长/短径比值、体积、标记肺结节性质、最低CT值、最高CT值、平均CT值、危险度分级、有无恶变征象(毛刺征、分叶征、胸膜凹陷征);随访结节有无手术及病理结果等。所有图像观察与数据测量、记录由两位高年资副主任医师分别完成,并核对两遍。所有肺内结节根据实性成分和磨玻璃成分随访变化情况分为稳定和不稳定两种。根据3次随访时间间隔分为第一随访期和第二随访期。

1.4 统计学方法

采用SPSS25.0统计软件。三类肺结节计数资料以例(%)表示,计量资料以(均数±标准差)表示。肺内结节稳定和不稳定结节的比较采用t检验。肺内结节不稳定3次随访指标的比较采用单因素方差分析(SNK法)。两次随访期肺结节指标值变化的比较采用t检验。以P<0.05为差异有统计学意义。

2 结果

2.1 三类肺结节的特征、演变方式及手术相关随访情况

共计1 249天随访时间内,随访到341个符合纳入排出标准的肺内结节,以第1次AI记录肺结节信息为准,SN 285个(83.28%),PSN 37个(10.85%),pGGN 19个(5.57%,右肺11个,左肺8个)。随访时间内SN中不稳定结节14个(4.91%),PSN中不稳定结节30个(81.08%);pGGN中其中不稳定结节8个(42.10%),见图1。

图1 随访三类肺结节构成示意图及不稳定肺结节演变方式

SN随访到6种如下演变方式①SN→SN→SN;②SN→SN→PSN;③SN→PSN→PSN;④SN→pGGN→pGGN;⑤SN→pGGN→SN;⑥SN→PSN→SN。第②～⑥为SN不稳定结节的演变方式,以第②种方式肺结节数量最多(35.71%,5/14),随访过程中7个出现分叶征象,2个出现毛刺、胸膜凹陷征象。随访末以SN和PSN为主。随访到病理证实3例,均为腺癌,演变方式分别为①(2个)和②(1个),见图2。

图2 体检者,男,右肺上叶后段实性结节,3次低剂量CT随访的演变方式为SN→SN→SN,①结节大小2.6 mm×1.7 mm,体积30 mm3;②结节大小6.0 mm×4.7 mm,体积201 mm3;③结节大小9.0 mm×6.0 mm,体积614 mm3。④随访末手术病理证实腺癌。

PSN随访到6种如下演变方式:①PSN→PSN→PSN;②PSN→PSN→pGGN;③PSN→PSN→SN;④PSN→pGGN→pGGN;⑤PSN→SN→PSN;⑥PSN→SN→SN。第②～⑥为PSN中不稳定结节的演变方式,以第⑥种方式肺结节数量最多(32.43%,12/37)。随访过程2例稳定结节存在分叶征,3次随访未发生变化。随访末以为SN和pGGN为主。随访到病理证实2例,均为腺癌,演变方式分别为②(1个)和④(1个)。

pGGN随访到5种如下方式:①pGGN→pGGN→pGGN;②pGGN→PSN→PSN;③pGGN→PSN→pGGN;④pGGN→pGGN→PSN;⑤pGGN→SN→SN。第②～⑤为pGGN中不稳定结节的演变方式,以第②、④种方式的肺结节数量最多(15.79%,3/19)。随访过程中2例出现短毛刺和实性成分的增加,随访末以SN和pGGN为主。随访到病理证实2例,1例腺癌,1例浸润腺癌,演变方式分别为①(1个)和④(1个)。

2.2 三类性质不稳定结节3次随访指标的比较

SN的最高CT值、平均CT值3次比较存在统计学意义(P<0.05),均以第2次值最低,结节长径、短径、长/短径比值及体积值、最低CT值的变化情况不具有统计学意义。PSN仅在最高CT值3次比较存在统计学意义(P<0.05),其他值的变化不具有统计学意义。pGGN的各指标3次随访均不具有统计学意义,见表1。

表1 不稳定结节3次随访各指标的对比

2.3 三类肺结节两次随访期评价指标值变化情况

SN的长径、最高CT值、平均CT值的变化第一随访期和第二随访期存在统计学意义(P<0.05),长径值变小以随访末显著,最高CT值、平均CT值随着随访时间延长密度值逐渐增大;短径、长/短径比值、体积、最低CT值的变化情况不具有统计学意义(P>0.05)。PSN的长径、短径、长/短径比值、体积、最低CT值、平均CT值的变化随着随访时间的变化不具有统计学意义(P>0.05)。pGGN的长径、体积、短径、最高CT值的变化对比结果存在统计学意义(P<0.05),而长/短径比值、最低CT值、平均CT值的变化随着随访时间的变化不具有统计学意义(P>0.05),见表2。

表2 三类肺结节各评价指标值变化情况对比

3 讨论

AI对肺结节的各指标进行了准确的量化,可减少人工测量的误差,具有提高阅片效率、可操作性强、重复性高等优点,可使随访者肺结节评价指标的多次比较更优化[4-8]。

肺结节受宿主自身因素、外界环境等[9]影响,其性质会发生一定的转化。在本组随访结节中分为稳定结节和不稳定结节,将前者定义为初次肺部CT筛查经AI分析量化后确定肺结节性质且3次随访定性未变化,将后者定义为经AI分析量化后肺结节性质且3次随访定性至少发生1次变化。SN比例(83.28%,285/317)略高于徐国厚等[10]的研究,发生性质变化的结节所占比例(4.91%,14/285)远小于PSN及pGGN,分析原因可能是:其一,SN结节基数较大,其二,SN实性成分相对多于后两者,性质相对稳定。随着外界和自身因素的影响SN内实性成分的吸收量不同,其具有向PSN和pGGN转变的可能性。在三类不稳定肺结节中,结节性质一次变化比例[SN(64.28%,9/14)、PSN(90.0%,27/30)、pGGN(87.5%,7/8)]均高于两次变化[SN(35.72%,5/14)、PSN(10.0%,3/30)、pGGN(12.5%,1/8)],发生两次性质变化的结节都转归为初次随访时肺结节的性质。PSN其自身成分的构成要比SN和pGGN复杂,一次变化比例及不稳定结节比例(81.08%,30/37)较高,而且多种演变方式也都证明了PSN本身的活跃程度较高,在对第一随访期及第二随访期结节性质的对比分析发现,三类性质不稳定结节第一随访期性质变化个数所占比例[SN(78.57%,11/14)、PSN(63.3%,19/30)、pGGN(62.5%,5/8)]均高于相应第二随访期比例[SN(21.43%,3/14)、PSN(36.7%,11/30)、pGGN(37.5%,3/8)],以SN不稳定结节所占比例较高,随其结节内实性成分的增减可转归pGGN和PSN的可能性。SN不稳定结节随访初到随访中性质保持一致的有6个,未随访到“SN→PSN→pGGN”此转归类型。经随访病理证实的7个肺结节,6例腺癌、1例浸润腺癌,其转归方式如下:SN中2个SN→SN→SN和1个SN→SN→PSN、PSN中1个 PSN→PSN→pGGN和1个PSN→pGGN→pGGN、GGN中1个pGGN→pGGN→GGN和1个pGGN→pGGN→PSN的转归方式。上述结节随访末转归性质多为PSN和pGGN,已有文献[11]证实pGGN恶变率高于PSN,但由于本组可随访到的病理结果数量较少缺乏有力的数据支持,有待进一步追踪。

肺结节的大小[12](长径、短径、长/短比值)、密度(最高CT值、最低CT值和平均CT值)和体积的改变也是肺结节转归的评价指标。SN、pGGN中稳定与不稳定结节对比发现,最高CT值和平均CT值均存在统计学差异,并且3种性质不稳定结节的3次随访评价指标中,SN不稳定结节只表现在最高CT值和平均CT值、PSN不稳定结节在最高CT值的比较结果具有统计学意义,此点与文献报道[13]相同。由于结节的密度并不是很均匀,尤其是在PSN和pGGN中,其内往往含有正常肺组织,因此最低CT值诊断效能较低,可信度不高,这可能也是本组上述情况中最低CT值均不具有统计学意义的原因。肺结节评价指标值的增减分析中最高CT值和平均CT值均存在统计学意义,本研究认为可以将这两个指标的变化作为不稳定结节的随访评价指标。三类性质结节的各自3次长径、短径及长/短比值对比结果无统计学意义,与国外经病理证实的文献报道[14]结论不一致,但在各指标值的变化比较中发现,SN和pGGN各自不稳定结节的长径值的变化有统计学意义外,SN不稳定结节的短径值的变化也随着随访时间延长呈增长趋势。pGGN体积第二随访期比第一随访期呈增长趋势,此结果与MIN[15]等报道结果一致,而其他两种性质结节体积变化无统计学意义。随访2个病理证实的pGGN直径在5～6 mm之间,小于YANG等[16]报道的临界值,此结节由于出现细短毛刺恶变征象采取手术治疗。

本研究不足之处:①对于能连续多次在同一家医疗机构进行常规体检的人数较少,并且在随访期间患者可能会因为某些疾病住院治疗,所应用的药物对肺结节生长有无影响不能预测;②随访的结节多数长径在10 mm以下,体积小,成分相对不复杂,以随访为主,且缺乏大数据病理结果对于定性的支持诊断。③对于结节性质的随访转归方式易于分类,但是密度较浅且位于胸膜下的pGGN是AI容易漏诊的,所以pGGN类结节数量少于其他两类,转归方式也少于理论推测的类型。

综上所述,非钙化肺结节的评价指标在随访过程中是动态变化的,由于影响因素较多,应增强对不稳定性质结节的重视和随访观察,AI在评估肺结节指标变化情况具有优势性,但是对于胸膜下或血管旁等特殊位置及密度较浅的结节有可能未检出,从而导致这类结节的漏诊及漏访。

作者简介：朱红伟(1981-),女,副主任医师,研究方向:血管疾病及胸部疾病的影像诊断。