基于深度學習的人工智能胸部CT肺結節檢測效能評估

李欣菱 郭芳芳 周振 張番棟 王卿 彭志君 蘇大同 范亞光 王穎

肺癌是對人類健康和生命威脅最大的惡性腫瘤之一[1]。降低肺癌死亡率、提高生存質量的關鍵是早診早治。肺結節是肺癌的早期表現，其檢出率隨著薄層計算機斷層掃描（computed tomography, CT）技術的發展而提高，但明顯增多的CT數據也增加了醫師的閱片負擔，從而可能導致肺結節的漏診[2]。應用人工智能（artificial intelligence, AI）技術對海量CT圖像進行初步篩查并標記可疑病變，可以幫助醫師減少工作量并提高診斷準確率[3,4]。

本研究旨在評估基于深度學習的人工智能軟件在胸部CT惡性及非鈣化結節檢測中的應用價值。

1 資料與方法

1.1 研究對象 自天津醫科大學總醫院自建肺結節病例庫中隨機抽取200例CT數據，包含有病理結果或隨訪兩年以上無變化的結節病例。圖像納入標準：①至少包含1枚非鈣化結節；②有薄層胸部CT圖像（層厚≤1.25 mm）；③排除患有彌漫性轉移、間質性肺病，廣泛瘢痕形成、肺炎、纖維化、肺水腫和具有嚴重運動偽影的圖像。

1.2 CT掃描技術 所有檢查由16排（General Electric Company, GE）或64排（Light Speed VCT, Discovery HDCT,Optima）螺旋CT機進行掃描。掃描范圍自胸廓入口至肺底部，患者一次吸氣后屏氣完成全肺掃描。掃描方式：螺旋掃描；管電壓120 kV或140 kV；管電流：200 mA-340 mA；螺距：1.375:1；層厚：5.0 mm；圖像矩陣：512×512；視野（ field of view, FOV）：360 mm。使用標準算法重建1.25 mm層厚軸位圖像。

1.3 肺結節檢測 基于深度學習模型的人工智能軟件（Deepwise healthcare, V190120）由深睿醫療公司提供，將200例胸部CT原始數據傳輸至工作站，軟件系統自動批量進行肺結節識別和標記。影像醫師的結節檢測基于存檔的影像報告，報告由高年資醫師對低年資醫師的初始報告進行審核后完成。……