人工智能在CT預(yù)測(cè)新型冠狀病毒肺炎轉(zhuǎn)歸中的價(jià)值

呂志彬 關(guān)春爽 閆 鑠 陳七一 李晶晶 張羽君 陳步東 謝汝明*

(1. 首都醫(yī)科大學(xué)附屬北京地壇醫(yī)院放射科，北京 100015； 2. 數(shù)坤(北京)網(wǎng)絡(luò)科技有限公司，北京 100102)

新型冠狀病毒肺炎(COVID-19)診療方案(試行第七版)[1]中新增重型、危重型臨床預(yù)警指標(biāo)，旨在指導(dǎo)臨床早期發(fā)現(xiàn)確診患者中是否有重癥及危重癥發(fā)生的可能性。人工智能(artificial intelligence，AI)基于深度學(xué)習(xí)技術(shù)可以實(shí)現(xiàn)病灶自動(dòng)檢出、病灶分割、精準(zhǔn)量化、自動(dòng)對(duì)比等功能[2]。本研究應(yīng)用AI技術(shù)分析入院診斷COVID-19普通型患者的早期CT表現(xiàn)，探討AI在CT預(yù)測(cè)COVID-19轉(zhuǎn)歸中的價(jià)值。

1 對(duì)象與方法

1.1 研究對(duì)象

選取2020年1月25日至2020年2月17日首都醫(yī)科大學(xué)附屬北京地壇醫(yī)院確診COVID-19的住院患者為研究對(duì)象，確診標(biāo)準(zhǔn)及臨床分型均符合《新型冠狀病毒肺炎診療方案(試行第七版)》[1]。納入標(biāo)準(zhǔn)：①入院臨床診斷為普通型患者；②首次入院即行胸部CT檢查，首次CT 3～5 d后行第二次胸部CT檢查。排除標(biāo)準(zhǔn)：①入院臨床診斷為其他類型(包括輕型、重型、危重型)患者；②入院時(shí)未做胸部CT檢查，或首次CT 3～5 d后未做第二次胸部CT檢查；③胸部CT圖像有偽影者。共納入62例普通型COVID-19患者，男性31例，女性31例，年齡18～76歲，平均年齡(44±14)歲。11例患者在第二次胸部CT檢查1～3 d后，臨床分型由普通型轉(zhuǎn)為重型，記為轉(zhuǎn)重型組；51例患者未出現(xiàn)臨床分型的變化，記為普通型組。

1.2 檢查方法

采用德國(guó)Siemens Emotion 16 CT掃描儀?；颊哐雠P位，頭先進(jìn)，吸氣后屏氣進(jìn)行掃描。掃描參數(shù)：管電壓120 kV，管電流為自動(dòng)毫安，層厚5 mm，層間距5 mm，視野500 mm×500 mm，矩陣512×512，1 mm 高分辨算法重建肺窗，掃描范圍從胸廓入口至肺底。

1.3 圖像分析

CT分析應(yīng)用肺炎輔助診斷AI軟件系統(tǒng)(抗擊疫情特別版)進(jìn)行定量計(jì)算，包括：(1)首次胸部CT肺炎病灶占整肺體積百分比(percentage of inflammatory lesions in the whole lung volume on the initial chest CT，PC1)；(2)復(fù)查胸部CT肺炎病灶占整肺體積百分比(percentage of inflammatory lesions in the whole lung volume on follow-up chest CT，PC2)；(3)兩次胸部CT肺炎病灶占整肺體積百分比變化(changes of the percentage of inflammatory lesions in the whole lung volume in two chest CT scans，CPC)；(4)首次胸部CT肺炎病灶內(nèi)部成分百分比，包括：①磨玻璃密度病灶百分比(percentage of ground glass opacity lesions,PGGO1；CT值區(qū)間-1 000 HU～-449 HU)；②部分實(shí)性病灶百分比(percentage of partial solid lesions，PPS1；CT值區(qū)間-450～-100 HU)；③實(shí)性病灶百分比(percentage of solid lesions,PS1；CT值區(qū)間>-100 HU)；(5)復(fù)查胸部CT肺炎病灶內(nèi)部成分百分比(percentage of internal components of inflammatory lesions in the follow-up chest CT，PGGO2)；(6)兩次胸部CT肺炎病灶內(nèi)部成分比例變化(changes in the proportion of internal components of pneumonia lesions on two chest CT scans，CPPS)。

該軟件AI目標(biāo)分割主要分為兩大模塊，肺實(shí)質(zhì)區(qū)域分割和肺炎區(qū)域分割，兩個(gè)模塊都是使用基于深度學(xué)習(xí)的圖像語義分割，從而進(jìn)行精準(zhǔn)體素級(jí)分割。肺實(shí)質(zhì)區(qū)域分割使用基于Attention機(jī)制的UNet深度神經(jīng)網(wǎng)絡(luò)，肺炎目標(biāo)分割使用基于殘差結(jié)構(gòu)的UNet深度神經(jīng)網(wǎng)絡(luò)。

1.4 統(tǒng)計(jì)學(xué)方法

2 結(jié)果

2.1 2組COVID-19患者基本情況

轉(zhuǎn)重型組患者的平均年齡(49±13)歲,大于普通型組(43±15)歲，兩組患者入院時(shí)的臨床癥狀差異無統(tǒng)計(jì)學(xué)意義(P>0.05)，詳見表1。

2.2 CT表現(xiàn)

首次胸部CT轉(zhuǎn)重型組患者肺炎病灶占整肺體積百分比3.3%,高于普通組1.3%，兩組間差異有統(tǒng)計(jì)學(xué)意義(P<0.05)(圖1、2)，詳見表2。以病灶占整肺體積百分比(2.0%)為界值，約登指數(shù)最高，診斷普通型轉(zhuǎn)重型患者的敏感度、特異度分別為72.7%、66.7%，ROC曲線下面積為0.744(圖3)。

表1 2組COVID-19患者臨床資料比較

GroupNumber of caseAge/aGenderMaleFemaleFeverCoughFatigueMyalgiaCommon type5142.8±14.5242746282316Deteriorated type1149.3±13.17411767t/χ2-1.3610.9951.3830.8720.3182.273P 0.1780.3190.3610.5310.7570.195

圖1 女，20歲，新型冠狀病毒肺炎普通型組病例

圖2 女，41歲，新型冠狀病毒肺炎普通轉(zhuǎn)重型組病例

復(fù)查CT轉(zhuǎn)重型組患者肺炎病灶占整肺體積百分比10.0%,高于普通型組2.3%，轉(zhuǎn)重型組患者病灶內(nèi)部磨玻璃密度灶比例(44.0%±10.2%),低于普通型組(62.3%±18.4%)，而部分實(shí)性密度灶和實(shí)性密度灶比例則高于普通型組，兩組間差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)，詳見表3。

兩次胸部CT轉(zhuǎn)重型組患者肺炎病灶占整肺體積百分比增長(zhǎng)6.7%的幅度明顯高于普通組0.7%，詳見表2，以增加的病灶占整肺體積百分比(2.65%)為界值，約登指數(shù)最高，診斷普通型轉(zhuǎn)重型的敏感度、特異度分別為90.9%、78.4%，ROC曲線下面積為0.896(圖3)。與普通型組相比，轉(zhuǎn)重型組患者病灶內(nèi)部磨玻璃密度灶比例減少(-16.8%±17.8%)，而實(shí)性密度灶比例增加26.5%(16.2%，29.6%)，兩組間差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)，詳見表3。

表2 2組COVID-19患者肺炎病灶占整肺體積百分比及變化

PC1： percentage of inflammatory lesions in the whole lung volume on the initial chest CT；PC2： percentage of inflammatory lesions in the whole lung volume on follow-up chest CT；CPC： changes of the percentage of inflammatory lesions in the whole lung volume in two chest CT scans;CT: computed tomography.

表3 2組COVID-19患者肺炎病灶內(nèi)部成分百分比及變化

GroupNumber of casePGGO1PGGO2CPGGOPPS1PPS2CPPSPS1PS2CPSCommon type5159.5±18.562.3±18.42.8±19.424.9±9.623.7±10.5-1.1±10.711.7(5.0-23.0)10.8(3.4-18.4)-1.6(-8.2-5.7)Deteriorated type1160.8±17.944.0±10.2-16.8±17.826.7±10.631.1±4.54.5±11.912.3(1.7-16.6)26.5(16.2-29.6)13.0(1.2-17.6)t/z-0.2173.1743.073-0.551-2.264-1.533-0.479-3.179-3.566P0.8290.0020.0030.5840.0270.1310.6320.0010.000

PGGO1： percentage of ground glass opacity lesions on the initial chest CT；PGGO2： percentage of ground glass opacity lesions on follow-up chest CT；CPGGO： changes of the percentage of ground glass opacity lesions in two chest CT scans；PPS1： percentage of partial solid lesions on the initial chest CT；PPS2： percentage of partial solid lesions on follow-up chest CT；CPPS： changes of the percentage of partial solid lesions in two chest CT scans；PS1： percentage of solid lesions on the initial chest CT；PS2： percentage of solid lesions on follow-up chest CT；CPS： changes of the percentage of solid lesions in two chest CT scans；CT: computed tomography.

圖3 診斷普通型轉(zhuǎn)重型患者的ROC曲線

3 討論

COVID-19不同臨床分型患者的病程、治療、預(yù)后有明顯區(qū)別。在普通型患者中早期預(yù)警重癥發(fā)生的可能，及時(shí)制定合理的臨床策略，將有利于疾病的轉(zhuǎn)歸[3]。本研究?jī)山M患者入院時(shí)臨床分型均為普通型，隨疾病進(jìn)展11例患者(17.7%)轉(zhuǎn)為重型，入院CT轉(zhuǎn)重型組患者肺炎病灶占整肺體積百分比高于普通組，提示首診CT病變范圍可能是普通型COVID-19的重要預(yù)后因素，相對(duì)廣泛的肺部炎性反應(yīng)更容易發(fā)展為肺功能的損傷。COVID-19早期CT表現(xiàn)主要為斑片、團(tuán)狀磨玻璃密度影，伴或不伴局部實(shí)變[4]。病灶內(nèi)部實(shí)變可能由肺泡內(nèi)炎性滲出增多所致[5]，AI能根據(jù)CT值的范圍計(jì)算不同密度病灶的體積，進(jìn)而計(jì)算出病灶內(nèi)不同密度結(jié)構(gòu)的比例。兩組患者首診CT病灶內(nèi)部均為磨玻璃密度灶比例最大，實(shí)性密度灶比例最小，但兩組內(nèi)部結(jié)構(gòu)比例差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。普通型患者主要的臨床癥狀為發(fā)熱(91.9%，57/62)、咳嗽(68.6%，35/62)，因此可能推遲首次就診時(shí)間，導(dǎo)致首診CT距離病毒感染時(shí)間窗不一致，病灶的密度可能主要反應(yīng)病程所處的階段，而對(duì)臨床分型轉(zhuǎn)變的幫助不大[6]。

短期胸部CT復(fù)查可以觀察病灶變化的趨勢(shì)，本研究患者在首次胸部CT檢查后3～5 d進(jìn)行了胸部CT的復(fù)查，肺內(nèi)病變包括：(1)肺炎病灶占整肺體積百分比的改變:兩組患者均有增加，表明了COVID-19早期炎性反應(yīng)有進(jìn)展[7]。轉(zhuǎn)重型組增加幅度明顯大于普通型組，與COVID-19重型、危重型臨床預(yù)警指標(biāo)(肺內(nèi)病變?cè)诙唐趦?nèi)迅速進(jìn)展)相符合[1]。(2)肺炎病灶內(nèi)部不同密度結(jié)構(gòu)比例的改變：普通型組患者磨玻璃密度灶比例增加，實(shí)性密度灶比例減少；轉(zhuǎn)重型組磨玻璃密度灶比例減少，實(shí)性密度灶比例增加，兩組患者隨病程的進(jìn)展，病變內(nèi)部成分差異增大，進(jìn)而表現(xiàn)為臨床癥狀的不同。因此早期CT復(fù)查病灶范圍的明顯增大、病灶內(nèi)部實(shí)性成分比例的增加均提示重癥發(fā)生的可能。

以深度學(xué)習(xí)為代表的人工智能技術(shù)目前已經(jīng)在醫(yī)學(xué)影像領(lǐng)域取得了一些突破性的進(jìn)展[8],圖像學(xué)習(xí)方法、分割以及在肺部疾病的應(yīng)用是AI在醫(yī)學(xué)影像中的研究熱點(diǎn)[9]，具有良好的臨床應(yīng)用潛力[10]。在本次COVID-19疫情中AI技術(shù)的應(yīng)用不僅能幫助影像科醫(yī)師快速識(shí)別病變的形態(tài)、范圍，還能分析病灶內(nèi)部成分比例，對(duì)于疾病程度的判斷給予客觀的數(shù)據(jù)支持。

綜上所述，人工智能在CT預(yù)測(cè)新型冠狀病毒肺炎轉(zhuǎn)歸中有較高臨床價(jià)值，能早期預(yù)警COVID-19患者重型、危重型的發(fā)生。CT顯示病灶占全肺的體積較大、復(fù)查CT病變體積迅速的增大、內(nèi)部實(shí)性成分的增加的患者更容易發(fā)展為重型，臨床對(duì)這部分患者應(yīng)予以重視。