計算機輔助檢測在數字化胸片診斷中的應用價值

徐麗萍 金莉莉

(杭州市第三人民醫院,浙江 杭州 310009)

肺癌的發生率和死亡率居男性患者之首,在女性為第二癌腫致死原因,是世界上最主要的死亡原因之一。胸部X線攝影因其簡便、易行、經濟,且信息量多,至今依然是日常診療中最常用的檢查方法,特別在早期肺癌的篩選中發揮著重要的作用,但漏診率也較高。計算機輔助檢測(computer-aided detection,CAD)能系統的對比胸片中影像信息,提示肺部病灶的所在部位,可以提高小病灶的檢出率,減少漏診。以往的CAD軟件因檢出病灶的敏感性和特異性不夠理想,較少在臨床應用[1]。最近,Philips公司新開發一款CAD軟件,本文利用這一軟件對相應病例進行分析。

1 資料與方法

1.1 病例選擇 選取2008年7月份在本院行后前位數字化胸片攝影,且在10天內進行胸部CT平掃進一步檢查的患者200例,記錄患者的胸片號碼,隨機分發給三位醫師。篩選胸片有病變者同時剔除胸部術后改變、大量胸腔積液及明顯間質性病變等病例。入選病例男113例,女87例。年齡 14～83歲,平均57.3歲。

1.2 影像學檢查方法 數字化胸片采用Philips Digital Diagnost TH DR攝片機,所有病例均攝有后前位片,并上傳到PACS系統。CT使用Siemens 4層(Somatom Sensation 4)螺旋CT。掃描參數120 kV,200 mA,準直器寬度1.5～2.5mm,圖像重建層厚5mm,掃描結束圖像重建后也自動傳至PACS上。分別用肺窗(窗寬1500HU,窗中心—600HU)、縱隔窗(窗寬350HU,窗中心40HU)觀察。CAD系統為Philips xLNA 2.0。在本組中,CAD軟件只應用于胸部后前位片,且醫師也只讀胸部后前位片,以免側位片對診斷的影響。PACS終端讀片系統為碼藍(Maroland PACS),版本5.0。由三位臨床經驗不同的放射科醫師各自在不受干擾的安靜環境下在不同的PACS終端機上閱讀胸部后前位片。醫師甲從事放射診斷工作20年,醫師乙從事放射診斷工作10年,醫師丙為放射診斷在讀研究生。為避免影響診斷結果,患者姓名及臨床資料均不提示,僅提供胸片號碼。先進行普通閱片,并記錄疑似病變的位置及大小,位置標記使用肺野九分法;然后應用CAD,記錄CAD所標記的疑似病變的位置和大小,將這兩次結果進行比較,以確定對第一次觀察結果是否作修改,并記錄修改后的結果。CT由兩位20年以上臨床經驗的放射診斷醫師共同閱片,并用為本次實驗的檢驗標準、CT診斷要求記錄病變位置、大小、可能的診斷,并對照三位醫師的胸片觀察結果,確定是否與CT一致,同時記錄CAD假陽性、假陰性的可能原因。

1.3 統計學處理 采用SPSS13.0統計軟件分析,所測數據以均數±標準差表示。組間比較采用 t檢驗,兩組間率的比較采用 χ2檢驗。

2 結 果

2.1 CAD的重復性 三位醫師在三臺不同的PACS終端機上統計的CAD提示陽性數目、位置相同,數目均為 501個,各位醫師間無差異(P＞0.05)。同一機器在不同時間(間隔1～2天)重復應用,其結果也完全相同(P＞0.05)。

2.2 使用CAD前后三位醫師對總體病灶檢測的準確率 使用CAD前后每位放射科醫師發現可疑病變的數目(包括片狀影、鈣化、腫塊及結節影等,但不包括體外金屬異物)為501個,經CT確認的明確陽性病灶213個(圖1～3),直徑在3～35mm。使用CAD前甲、乙、丙三位醫師病灶檢出準確率分別為45.5%、39.4%及26.3%;使用CAD后其準確率分別為50.7%、49.3%及27.2%,醫師乙使用CAD后準確率有顯著提高(P＜0.05),但醫師甲與丙的準確率無明顯提高(P＞0.05),見表1。

2.3 CAD的假陽性 在本組病例中,CAD自行發現剛性灶平均每幅圖像2.51個,其中假陽性400個。在假剛性結果的分析中,肋骨重疊區假陽性最高。

2.4 CAD的工作效率 通過閱讀100份胸片,對使用CAD前后的閱片時間進行了記錄。使用CAD前所需的總閱片時間甲乙丙二位醫師分別是65、69、75分鐘。使用CAD后所需總時間分別是103、110、108分鐘,相當于每份片子平均增加了22.4秒左右時間。

表1 三位醫師使用CAD前后發現病灶準確率比較

圖1a CAD提示兩肺多發小結節影

圖1b 圖1同一患者,CT證實CAD提示兩肺下結節影

圖2a CAD提示左肺門旁結節影

圖2b 同一患者,CT證實左肺門旁結節影19.15mm

圖3 CAD提示兩中上肺野可疑病變,CT證實為假陽性,其原因為肋骨重疊,肺血管橫斷面

3 討 論

3.1 CAD的應用 肺癌發生率和死亡率之高,已嚴重威脅人類健康,其早期發現、早期診斷已日益受到重視,而胸片是早期發現肺癌的主要手段。放射科醫師常常因為疲勞閱片、個人評判標準不一等原因,對肺部小病灶的漏診、誤診的可能性很高[2-3]。日前,國外已有大量的研究表明計算機輔助診斷系統能提高放射科醫師對小病灶的診斷準確率[4-5]。本組中,中年資醫師乙使用CAD后,對胸部病變診斷準確率有明顯提高,由使用CAD前的39.4%提高到49.3%,接近于高年資醫師甲的水平,這與Marten等[6]的研究結果基本相同。Marten等認為,一定經驗的放射科醫師在某種程度上比缺乏經驗的放射科醫師更能得益于CAD,這可能是由于該段醫師對病變模棱兩可,漏診較多,而使用CAD后,可發現更多的可疑病變;而在低年資醫師中,由于缺乏經驗,可能不能準確的辨認正常及異常結構,對某些CAD提供的信息不能準確的分辨,所以使用CAD后,其準確率的提高不如中年資醫師:而對于高年資醫師來說,由于經驗豐富,在使用前其準確率已較高。故中年資醫師若能合理的利用CAD,其準確率的提高將很有意義。并且在本組中,醫師甲乙丙的真陽性中包括了對大于 20mm及大片的炎癥性病變,而CAD的設計初衷是為了發現肺部的小結節灶,因為對于肺部大于20mm及大片炎癥性病灶,平常工作中是不容易漏診而不加以提示。所以在使用中,各位醫師使用CAD后對小病變檢出率的提高應該比實際的統計更有意義。在本觀察中,CAD發現了大于20mm的病灶3個,可能與病變密度不均,部分病變呈結節狀更高密度影有關。

3.2 CAD局限性 目前CAD最大的局限性是假陽性較高。在本觀察中,平均每幅圖像的剛性為2.51個,與Bley等[7]統計的平均每幅2.5個基本相仿,因此要求醫師必須仔細甄別真剛性和假剛性。但若CAD的假陽性減低,勢必會影響其檢出病灶的敏感性。而且CAD人的假剛性部分都是有規律可循、比較容易辨別,如肋骨交叉、血管橫斷面、血管與肋骨重疊等。

另外,根據本組統計,使用CAD并不能節約時間,提高工作流程效率。其主要的時間增加在于打開CAD軟件和醫師對所有CAD顯示區域的甄別上。如CAD系統能在打開患者影像時直接提示,則可節約不少時間。但對于CAD系統使用的合理次序(即與放射科醫師同時閱片還是作為第2次閱片)目前還存有分歧[8]。

總之,CAD是影像診斷學發展的方向之一,可重復性好,且不會疲勞。且可明顯提高中年資放射科醫師對數字化胸片診斷的準確性,極大地擴展中年資醫師有限的個人知識和經驗,使診斷變得更為精確。尤其對肺部小病變的早期發現有很大的幫助,并且使用簡單,對PACS環境中的工作流程妨礙也較小。

[1] 陳自謙,張碧云,陳建新,等.計算機輔助診斷在肺結節診斷中的應用價值.中國醫學計算機成像雜志,2006,12(1):66

[2] Quekel L G,Kessels A G,Goei R,et al.Miss rate of lung cancer on the chest radiograph in clinical practice.Chest,1999,115:720

[3] Shah P K,Austin J H,White C S,et al.Missed non-small cell lung cancerradiographic findings of potentially resectable lesions evident only in retrospect.Radiology,2003,226:235

[4] Kobayashi T,Xu X W,MacMahon H,et al.Effect of a computer-aided diagnosis scheme on radiologists'performance in detection of lung nodules on radiographs.Radiology,1996,199:843

[5] Katsuragawa S,Doi K.Computer-aided diagnosis in chest radiography.Comput Med lmaging Graph,2007,31:212

[6] Marten K,Seyfarth T,Auer F,et al.Computer-assisted detection of pulmortary nodules;performance evaluation of an expert knowledge based delection system in consensus reading with experienced and inexperienced chest radiologists.Eur Radiol,2004,14:1930

[7] Bley T A,Baumann T,Saueressig U,et al.Comparison of radiologist and CAD performance in the detection of CT-confirmed Subtle pulmonary nodules on digital chest radiographs.Invest Radiol,2008,43:343

[8] 王曉華,馬人慶.計算機輔助診斷在肺結節中的應用進展.中華放射學雜志,2006,40(4):443