人工智能肺結節輔助診斷系統預測亞實性肺結節惡性概率

陳疆紅，鐘朝輝，江桂蓮，楊正漢*，王振常，王大為

(1.首都醫科大學附屬北京友誼醫院放射科，北京 100050；2.北京推想科技有限公司全球臨床科研合作學院，北京 100025)

低劑量CT篩查早期肺癌是降低患者死亡率的有效手段。腺癌在檢出的早期肺癌中占比超過50%[1]，CT表現常為亞實性結節(subsolid nodule, SN)，其發展過程通常依次為浸潤前病變[包括不典型腺瘤樣增生(atypical adenomatous hyperplasia, AAH)和原位癌(adenocarcinoma in situ, AIS)]、微浸潤腺癌(microinvasive adenocarcinoma, MIA)及浸潤性腺癌(invasive adenocarcinoma, IAC)[2-3]。既往研究[4-6]指出，結節大小、密度、實性成分等因素與其侵襲程度密切相關。

隨著以深度學習為代表的人工智能(artificial intelligence, AI)技術的發展，AI肺結節輔助診斷系統(以下簡稱AI系統)的臨床應用日益成熟，多項研究[7-9]表明其在輔助檢測肺結節方面具備良好效能。本研究采用觀察AI系統預測良惡性肺結節的效果以及增強CT對其預測結果的影響，以探索適當應用模式。

1 資料與方法

1.1 一般資料 收集2017年7月—2019年7月86例于首都醫科大學附屬北京友誼醫院接受手術治療的肺占位病變患者，男26例，女60例，年齡31～82歲，平均(61.3±11.7)歲。納入標準：①術前接受胸部CT平掃及增強檢查，并有薄層圖像(層厚1.25 mm)；②至少存在1個肺SN；③病理證實切除SN為腺癌浸潤前病變或IAC。排除彌漫性肺疾病患者及圖像有明顯移動偽影者。根據病理結果分為3組：組1為浸潤前病變(包括AAH及AIS)，組2為MIA，組3為IAC。

1.2 儀器與方法 采用GE Revolution 256排螺旋CT機，囑患者每次掃描屏氣程度一致，于其吸氣末屏氣掃描。采用寶石能譜CT(gemstone spectral imaging, GSI)模式進行平掃及增強掃描，管電壓為 80、140 kVp瞬時切換，自動管電流調節，最大管電流為260 mA，螺……