对比人工智能辅助诊断技术与人工阅片对胸部低剂量CT肺小结节的检查效果

杨华园，王 凤（通信作者），颜廷婷，姜文昌，崔永伟

（1 青州市人民医院医学影像科 山东 潍坊 262500）

（2 临朐县人民医院骨一科 山东 潍坊 262600）

（3 临朐县人民医院医学影像科 山东 潍坊 262600）

随着科技的发展以及人们对健康和辐射损伤的关注，胸部低剂量螺旋计算机体层成像（low-dose computed tomography，LDCT）用于肺癌筛查开始在基层医院普及，早期肺癌的影像学多表现为肺结节，在临床实践中，LDCT 是用于检测肺结节病变的主要手段[1]。随着CT 的重建层厚越来越薄，很多微小的病变可以被提前检出和发现，但层厚越薄，输出的图像就会越多，在一定程度上增加了影像科医师的工作负担，致使漏诊、误诊等情况发生[2]。研究发现，大量的CT 图像容易引起阅片医生的视觉疲劳，因疲劳状态导致小结节的漏诊率提高[3]。随着深度学习算法的快速发展，人工智能（artificial intelligence，AI）辅助诊断工具的效能得到了广泛的认可[4]。该技术能辅助影像科医师快速、准确发现肺结节，降低漏诊率，对肺结节筛查有利[5-6]。目前已有研究证实通过智能AI 辅助诊断技术输出的“第二意见”不仅准确性较高，还可减轻影像科医生的阅片压力[7-8]。基于此，本文分析研究基于AI 辅助诊断技术的胸部低剂量CT 对肺小结节灶的检测效能，以评估AI 辅助诊断技术的临床使用价值，现报道如下。

1 资料与方法

1.1 一般资料

选取2021 年10 月—2022 年12 月期间于青州市人民医院行胸部低剂量CT 扫描的肺小结节患者578 例作为研究对象，其中男215 例，女363 例，年龄28 ～75 岁，平均（53.49±9.37）岁。

纳入标准：（1）胸部CT 采用低剂量扫描，图像清晰，采用1 mm 薄层重建肺窗；（2）肺内直径≤10 mm 的结节；（3）肺结节AI 辅助诊断系统能够正常识别输出。排除标准：（1）结节直径＞10 mm；（2）弥漫性肺结节；（3）影像资料不完整。

1.2 方法

检查设备选用西门子Definition Flash 双源CT，管电压120 kV，管电流25 mAs，层厚5 mm，重建图像层厚1 mm。肺窗：窗位-600 HU，窗宽1 500 HU；纵隔窗：窗位50 HU，窗宽350 HU。扫描范围自胸廓入口至肺底部，一次吸气后屏气完成。

1.3 图像评价

所有图像均采用AI 辅助诊断技术和人工阅片两种方法判读。（1）AI 辅助诊断：由推想科技公司的AI 辅助诊断系统对肺小结节进行识别输出，软件能将疑似肺结节的部位进行准确标记，预测病灶结节密度及恶性概率等。人工阅片选择2 名中级职称医生（胸部阅片工作5 ～8 年）分别阅片后商定结果，意见不一致时邀请一名上级医师裁定。（2）诊断标准为可显示结节位置、直径、体积、性质（实性结节或钙化结节或纯磨玻璃结节或混合磨玻璃结节），先在科内进行培训，确定统一诊断标准，然后由2 名副主任医师（胸部阅片工作15 年以上）借助AI 辅助诊断技术共同对图像进行审阅确定肺结节，意见不一致时讨论协商，直至意见一致。

1.4 观察指标

（1）分别记录AI 辅助诊断技术和人工阅片对良恶性结节的诊断效能；（2）分别记录AI 辅助诊断技术和人工阅片对不同直径肺小结节（＜3 mm、3 ～＜5 mm及5 ～＜10 mm）的检出率；（3）分别记录AI 辅助诊断技术和人工阅片对结节性质（实性结节、含钙化结节、混合磨玻璃结节和纯磨玻璃结节）的检出率。

1.5 统计学方法

采用SPSS 22.0 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。以P＜0.05 为差异有统计学意义。

2 结果

2.1 AI 辅助诊断技术与人工阅片对良恶性结节的诊断效果

578 例患者中128 例（肺小结节148 个）经病理诊断，恶性结节102 个，良性46 个。AI 辅助诊断技术对恶性结节的诊断灵敏度为96.08%（98/102），特异度93.48%（43/46），准确率95.27%（141/148），Kappa值=0.890，与病理诊断结果一致性极好；人工阅片对恶性结节的诊断灵敏度为85.29%（87/102），特异性73.91%（34/46），准确率81.76%（121/148），Kappa值=0.582，与病理诊断结果一致性一般。AI 辅助诊断技术对肺小结节的诊断效能优于人工阅片，差异有统计学意义（P＜0.05），见表1、表2。

表1 AI 辅助诊断技术与人工阅片对良恶性结节的诊断结果单位：个

表2 AI 辅助诊断技术与人工阅片对良恶性结节的诊断效能[%（n/m）]

2.2 AI 辅助诊断技术与人工阅片对不同直径肺小结节检出情况

578 例患者共同确定肺小结节2 748 个，AI 辅助诊断技术对直径＜3 mm、3 ～＜5 mm 及5 ～＜10 mm 结节分别检出953 个、1261 个和516 个，检出率分别为98.55%（953/967）、99.68%（1261/1265）、100.00%（516/516）；人工阅片分别检出470 个、904 个和516 个，检出率分别为48.60%（470/967）、71.46%（904/1265）、100.00%（516/516），AI 辅助诊断技术对直径＜3 mm、3 ～＜5 mm 肺结节检出率高于人工阅片，差异有统计学意义（P＜0.01），两者对直径5 ～＜10 mm 肺结节检出率差异无统计学意义（P＞0.05）。见表3。

表3 AI 辅助诊断技术与人工阅片对不同直径肺小结节检出情况比较[n（%）]

不同性质肺结节确诊：实性结节1 506 个，钙化结节417 个，纯磨玻璃结节428 个，混合磨玻璃结节397 个。AI 辅助诊断技术分别漏诊9 个、0 个、4 个、5 个，漏诊率分别为0.60%（9/1 506）、0.00%（0/417）、0.93%（4/428）、1.26%（5/397）；人工阅片分别漏诊535 个、21 个、183 个、119 个，漏诊率分别为35.52%（535/1 506）、5.04%（21/417）、42.76%（183/428）、29.97%（119/397），AI 辅助诊断技术对实性结节、钙化结节、纯磨玻璃结节、混合磨玻璃结节的漏诊率均低于人工阅片，差异有统计学意义（P＜0.05）。见表4。

表4 AI 辅助诊断技术与人工阅片对不同性质肺小结节漏诊情况比较[n（%）]

2.3 两者对肺小结节灶的检出效能比较

两者对肺小结节灶检出的灵敏度、阳性预测率、假阳性率及漏诊率比较，差异均有统计学意义（P＜0.01）。两者对直径≤3 mm、3 ～＜5 mm 结节检出结果差异有统计学意义（P＜0.01），对直径5 ～＜10 mm 结节检出结果差异无统计学意义（P＞0.05）。两者对不同性质肺小结节漏诊情况比较，差异均有统计学意义（P＜0.01）。

3 讨论

目前，肺癌是威胁人类最大的恶性肿瘤之一，早发现、早诊断及早治疗可显著提高患者的生存率。LDCT相比于常规剂量CT，可以在满足早期肺癌的诊断需求、保证图像质量的情况下显著减少辐射剂量，因此LDCT成为早期肺癌筛查的重要技术方法。但由于层厚较薄，图像较多，在肺结节的定量检测、小结节图像显示率等方面增加了阅片难度[9]。近年利用AI 技术算法诊断肺结节，既是科技发展的产物，也是实际工作的急需，对于缓解医疗资源紧张具有重大意义。AI 辅助诊断技术最主要的优势就是肺结节输出速度快，通常医生需要几分钟到十几分钟才能完成的工作，AI 仅需要几秒钟就可以解决，使得医学影像诊疗体系的发展有了实质性的飞跃，提升了工作效率，使较多的肺癌患者在早期得到了病情控制[10]。AI 辅助诊断技术能快速准确地定位疑似肺结节灶，相比人工筛查效率更高、速度更快，大大降低了假阴性的发生率，明显减少了影像科医师的工作量[11]。

本研究中AI 辅助诊断技术对恶性结节的诊断灵敏度为96.08%（98/102），特异度93.48%（43/46），准确率95.27%（141/148），Kappa值=0.890，与病理结果一致性极好；人工阅片对恶性结节的诊断灵敏度为85.29%（87/102），特异度73.91%（34/46），准确率81.76%（121/148），Kappa值=0.582，与病理结果一致性一般。AI 辅助诊断技术对良恶性结节的诊断效能优于人工阅片，差异有统计学意义（P＜0.05），AI 辅助诊断技术对直径＜3 mm、3 ～＜5 mm 肺结节检出率高于人工阅片；AI 辅助诊断技术对实性结节、钙化结节、纯磨玻璃结节、混合磨玻璃结节的漏诊率均低于人工阅片。主要原因是医生可以灵活地对可疑病灶进行连续层面追踪、鉴别，能对假性病灶进行排除，从而减少肺小结节的误诊。但医生在大工作量阅片中会由于视觉疲劳、高强度工作下精力受限等因素出现漏诊，尤其对于直径≤5 mm 的微结节，更是容易漏诊。肺结节AI 辅助诊断技术可在短时间内标记出结节的位置、形态、大小及恶性征象等信息，避免了人工阅片的主观因素偏差。对不同性质肺小结节漏诊情况比较，人工阅片漏诊率明显高于AI 辅助诊断技术，特别是对于纯磨玻璃结节的漏诊尤为显著，可能与这部分结节密度较淡，不容易被人工识别有关[12]。

综上所述，AI 辅助诊断技术对胸部低剂量CT 肺小结节的检出总体价值较高，可在较短时间内识别输出结节，漏诊率低，临床中可结合人工阅片加以鉴别。