CT 与AI 肺结节诊断系统对诊断肺结节及鉴别分型的临床价值

蔡少辉，林巧娟，杨树木，陈尚昆，苏良宝

安溪县医院 （福建安溪 362400）

肺结节是指发生在肺部的一种类圆形病灶，少数患者的病灶呈不规则形状；若患者未能及时得到有效治疗，不仅会加重咳嗽、咯痰、胸痛等临床症状，还会增加肺癌的发生风险，故如何提高肺结节的诊断准确率尤为重要[1-2]。CT 检查是临床诊断肺结节的常见方式，在进行影像学图像分析的过程中，主要依靠临床医师人工阅片，但受图像资料数量、清晰度等因素的影响，部分阅片经验较少的临床医师易出现误诊、漏诊等情况[3-4]。近年来，随着我国科技水平的不断提高，AI 肺结节诊断系统逐渐被应用于肺结核的诊断中，可以帮助临床医师更全面、清晰地观察患者肺部的实际情况，降低误诊率和漏诊率[5]。既往有研究显示，AI 在肺结节良恶性鉴别方面具有一定的应用价值，但其对肺结节的浸润分型的诊断效果欠佳[6]。基于此，本研究分析100 例肺结核患者的影像学资料，旨在探讨CT 与AI 肺结节诊断系统对肺结节的诊断价值，现报道如下。

1 资料与方法

1.1 一般资料

选择2021 年1 月至2022 年6 月于医院经手术病理检查确诊为肺结节的100 例患者为研究对象。纳入标准：均符合《肺部结节诊治中国专家共识》[7]中关于肺结节的临床诊断标准，且均已经手术病理检查确诊；淋巴结均正常；均无其他先天性肺部疾病；均存在咳嗽、咯痰、胸痛等临床症状；临床资料均完整。排除标准：合并其他恶性肿瘤疾病；肺部存在弥漫性病变；图像噪声过多或存在运动伪影；对造影剂过敏；身体内安装有心脏起搏器、电子耳蜗、金属止血夹；合并认知功能障碍或其他精神疾病，无法配合临床检查。100 例肺结节患者中，男57 例、女43 例；年龄28～63 岁，平均（38.63±2.74）岁；病程6 个月至3 年，平均（1.23±0.15）年。本研究已获医院医学伦理委员会审批通过（伦理审批号：20201016），患者均自愿参与本研究且已签署知情同意书。

1.2 方法

100 例患者均采用CT 检查和AI 肺结节诊断系统。CT 检查。检查前嘱患者禁食禁饮4 h ，扫描前5 min 饮水1 000 ml。采用Somatom Definition AS型号的64 排螺旋CT 和联影64 排螺旋CT 进行检查。参数设置：管电压为120 kV，管电流为300 mA，扫描时间为6～7 s，重建层厚为5.0 mm，FOV 为360 mm×400 mm，重建间隔设置为5.0 mm，矩阵设置为512×512。指导患者取仰卧位，保持屏息状态，将其肺尖部作为扫描的起始位置，持续平扫至肺底，并将其双侧腋窝和胸壁纳入扫描范围。待扫描结束后，通过肺窗进行图像分析，由2 名具有丰富影像学经验的临床医师阅片；如阅片过程中发生争议，需由影像科主任进行分析，得出最后诊断结果。

AI 肺 结 节 诊 断。将Somatom Definition AS 型号的64 排螺旋CT 和联影64 排CT 层厚设置为1 mm，随后进行无间隔重建，将窗宽设置为1 450 HU，窗位设置为-831.1HU，确保可以准确识别病灶。相关数据（如通信数据、医学数字成像等）导入完成相关的影像学检查后，AI 肺结节诊断系统中，将识别与检查2 个阶段整合，随后采用计算机辅助定量参数系统数据完成预处理、单箱探测器模拟训练、结节测算等操作，自动勾选结节边缘，并在三维状态下测定结节的长径、短径、体积、最大截面积等参数。AI肺结节诊断系统共运行3次，将3 次运行结果中发现结节最多的1 次作为最终诊断结果。

1.3 观察指标

（1）以手术病理检查结果作为金标准，比较CT 检查和AI 肺结节诊断系统在良性结节和恶性结节中的诊断符合率。良性结节：当病灶呈无分叶，边缘光整，密度均匀；恶性结节：当病灶出现实性成分，呈胸膜凹陷征、分叶征、毛刺征、血管集束征、支气管节段。（2）以手术病理检查结果作为金标准，比较CT 检查和AI 肺结节诊断系统在不同结节性质中的诊断符合率，主要包括实性结节、部分实性结节和磨玻璃结节3 种性质。CT 诊断符合率=CT 检查确诊例数/手术病理检查确诊例数×100%；AI 诊断符合率=肺结节诊断系统确诊例数/手术病例检查确诊例数×100%。

1.4 统计学处理

采用SPSS 19.0 统计软件进行数据分析。计量资料以±s表示，采用t检验。计数资料以率表示，采用χ2检验。P<0.05 为差异有统计学意义。

2 结果

2.1 CT 与手术病理检查在良恶性结节中的诊断价值

CT 检查恶性结节和良性结节的诊断符合率分别为75.00%（60/80）、75.00%（30/40），见表1。

表1 CT 检查与手术病理检查在良性、恶性结节中的诊断结果比较

2.2 AI 肺结节诊断系统与手术病理检查在良性、恶性结节中的诊断结果比较

AI 肺结节诊断系统恶性结节和良性结节的诊断符合率分别为97.50%（78/80）、97.50%（39/40），见表2。

表2 AI 肺结节诊断系统与手术病理检查在良恶性结节中的诊断结果比较

2.3 CT 检查与手术病理检查在不同结节性质中的诊断结果比较

CT 检查的实性结节、部分实性结节和磨玻璃结节的诊断符合率分别为62.50%（25/40）、66.67%（20/30）、60.00%（30/50），见表3。

表3 CT 检查与手术病理检查在不同结节性质中的诊断结果比较

2.4 AI 肺结节诊断系统与手术病理检查在不同结节性质中的诊断结果比较

AI 肺结节诊断系统的实性结节、部分实性结节和磨玻璃结节的诊断符合率分别为95.00%（38/40）、96.67%（29/30）、96.00%（48/50），见表4。

表4 AI 肺结节诊断系统与手术病理检查在不同结节性质中的诊断结果比较

2.5 CT 与AI 肺结节诊断系统在肺结节中的诊断符合率比较

AI 肺结节诊断系统恶性结节、良性结节、实性结节、部分实性结节和磨玻璃结节的诊断符合率均高于CT 检查，差异有统计学意义（P<0.05），见表5。

表5 CT 与AI 肺结节诊断系统在肺结节中的诊断符合率[例数（%）]

3 讨论

肺结节是临床较常见的一种呼吸系统疾病，主要包括良性结节和恶性结节2 种类型。通常情况下，因该病在发病早期并未出现典型症状，易导致漏诊，错失最佳的治疗时机。肺结节不仅会对患者的肺功能造成较大的损伤，且会对其他器官功能造成不同程度影响。因此，尽早诊断对于肺结节患者的治疗和预后具有重要意义。CT 是临床上较为常见的一种影像学检查方法，但在实际的诊断过程中，临床医师可以将CT 检查结果中的毛刺征、胸膜凹陷征、分叶征等典型征象作为判断依据，以此完成肺结节良恶性的鉴别诊断[8-9]。肺结节的CT检查结束后，需要由经验丰富的影像科医师进行阅读，但在实际的人工阅片过程中会因影像科医师主观因素影响出现漏检、误检等情况。肺结节的CT 影像学资料较复杂，影像科医师在阅片过程中主要依靠自身经验进行判断，具有一定的主观性，且在分析和处理CT 影像学图像时，影像科医师需认真观察和分析患者肺部的气管、血管等影像特征，阅片时间较长，因此，为了确保肺结节CT 检查的准确率及效率，需借助先进的技术手段进行阅片。

AI 肺结节诊断系统是近年来新兴的一种检查方式，通过分析输入的肺结节图像数据和病理检查结果，自动获取对应关系作出诊断，以此缩短检测时间，提高检测效能[10-11]。基于此，本研究对100 例肺结节患者采用AI 肺结节诊断系统和CT 检查，结果显示，AI 肺结节诊断系统的良恶性结节、实性结节、部分实性结节和磨玻璃结节的诊断符合率均高于CT 检查，说明AI 肺结节诊断系统可以显著提高结节的诊断准确率。本研究结果与徐珂等[12]报道的的观点基本一致。分析其原因为，AI 肺结节诊断系统可通过构建优质检测模型的方式，准确选定患者的肺结节区域，随后对该区域进行三维影像重构，并将检测图像分为多个2D 影像，将相关的影像数据传送至神经网络，以此明确该区域的阴影部位是否为结节，从而提高肺结节的诊断准确率[13-14]。AI 肺结节诊断系统将图像结果传输至3 个不同设计理念的工作站中，通过卷积神经网络互相融合的作用机制，将数据量不断扩大，进而诊断出微小病灶，以减少漏诊的发生[15-16]。

AI 肺结节诊断系统不仅可以通过图像获取与重组、分割轮廓、提取筛选特征、建立预测模型、验证等方式鉴别诊断良恶性结节，有效提高影像学图像的高可靠性、独立性和高区分度，进一步明确肺结节的性质，提高实性结节、部分实性结节和磨玻璃结节的诊断准确率[17-18]。除此之外，AI 肺结节诊断系统可以维持稳定运行，有效提高低年资医师的诊断水平，避免临床医师在阅片过程中出现疲劳的情况，降低其工作强度，提高诊断准确率。在肺结节的诊断过程中，AI 肺结节诊断系统仅用数秒即可完成肺结节的自动检测、病灶自动隔离、测量定量和定性参数，以此判断结节的良恶性。但该系统也存在一定的不足，根据既往的临床实践，针对直径超过3 mm 的肺结节，AI 肺结节诊断系统的检出率接近100.00%；针对直径3 mm 以内的肺结节，AI 肺结节诊断系统的检出率下降至70.00%左右，因此，临床需不断扩大和优化该系统的软件和计算方法，不断提高恶性结节和微小结节的诊断准确率[19-20]。

综上所述，AI 肺结节诊断系统对肺结节和分型的鉴别诊断价值高于CT 检查，有利于提高良恶性结节的诊断符合率，值得临床推广和应用。