AI識別技術在早期肺癌診斷中的應用價值分析

張治佳 植萱奇 黎聯弟

【摘要】 目的 研究人工智能（AI）識別技術對早期肺癌的診斷價值。方法 選取60例經病理檢驗確診為早期肺癌的患者和同期50例病理檢驗為良性肺結節的患者， 患者均給予CT拍攝胸片， 分別進行AI識別技術讀片和人工讀片。對比AI識別技術讀片、人工讀片對早期肺癌的敏感性、特異性、準確性及總讀片時間。結果 AI識別技術讀片對早期肺癌的敏感性為96.67%（58/60）， 特異性為80.00%（40/50）， 準確性為89.09%（98/110）。人工讀片對早期肺癌的敏感性為83.33%（50/60）， 特異性為96.00%（48/50）， 準確性為89.09%（98/110）。AI識別技術讀片對早期肺癌的敏感性高于人工讀片， 特異性明顯低于人工讀片， 總讀片時間明顯短于人工讀片， 差異具有統計學意義（P<0.05）;兩種讀片方式對早期肺癌的準確性比較差異無統計學意義（P>0.05）。結論 相對于人工讀片， AI識別技術可有效提高早期肺癌的診斷敏感性， 輔助醫師更有效、快速地篩查早期肺癌， 值得臨床推廣。

【關鍵詞】 人工智能識別技術;早期肺癌;診斷

DOI：10.14163/j.cnki.11-5547/r.2020.22.023

肺癌是常見的肺部原發性惡性腫瘤， 早期可通過手術治愈， 進展期腫瘤則需同步進行放療、化療， 晚期肺癌主要以減輕癥狀， 延長生存時間為主[1]。目前臨床主要采用胸部CT掃描醫師閱片進行早期篩查， 隨著CT檢查普遍應用， 大量的可疑結節如實性結節、部分實性結節等為臨床醫師區分早期肺結節帶來了困難[2]。近年， 谷歌健康和美國西北大學醫學院共同研發了可根據胸部CT圖像檢測出惡性肺結節的AI系統， 其通過深度學習技術構建模型， 將AI技術應用于CT讀片中， 輔助醫師提高篩查準確性[3]。因此， 本次研究旨在分析AI識別技術在早期肺癌診斷中的應用價值， 現報告如下。

1 資料與方法

1. 1 一般資料 選擇本院2018年12月～2019年10月收治的60例經病理檢驗確診為早期肺癌患者， 另選取同期50例病理檢驗為良性肺結節的患者作為研究對象。參與研究的患者中， 男69例， 女41例;平均年齡（47.23±6.45）歲。所有肺癌患者均符合《肺癌的診斷和分期臨床指引》[4]中關于早期肺癌的診斷標準。納入標準：①所有患者均經胸部CT檢測顯示有肺結節， 并經病理檢查確診;②胸部CT檢測顯示肺結節直徑<3 cm;③所有患者及家屬對此次研究均知情同意。排除標準：①對碘佛醇類試劑有過敏史者;②肺部鈣化或有空洞者;③臨床病例資料不全者等。本院醫學倫理委員會已對此次研究進行審核并批準實施。

1. 2 方法 采用美國GE 16排CT對選取的110例患者進行掃描。患者實施平躺仰臥位， 掃描肺尖到肋膈角處。人工讀片：選擇4名本院具有5年以上資深醫師， 使用6-ITK-SNAP醫學影像處理軟件對胸部CT片進行人工標記。AI識別技術：基于深度學習技術， 使用谷歌健康和美國西北大學醫學院共同研發的AI系統， 使AI系統自動學習肺癌結節的識別特征及分類， 構建最優模型進行AI識別技術讀片。

1. 3 觀察指標 ①觀察并計算AI識別技術讀片、人工讀片對早期肺癌的敏感性、特異性及準確性。敏感性=真陽性/（真陽性+假陰性）×100%。特異性=真陰性/（真陰性+假陽性）×100%。準確性=（真陽性+真陰性）/總例數×100%。②對比AI識別技術讀片、人工讀片對早期肺癌的敏感性、特異性、準確性及總讀片時間。

1. 4 統計學方法 采用SPSS20.0統計學軟件對研究數據進行統計分析。計量資料以均數±標準差（ x-±s）表示， 采用t檢驗;計數資料以率（%）表示， 采用χ2檢驗。P<0.05表示差異具有統計學意義。

2 結果

2. 1 良性結節與早期肺癌結節CT掃描圖片展示 患者， 女， 57歲， 早期肺癌， 胸部CT掃描發現右肺上葉尖段見直徑13 mm實性結節影， 呈淺分葉狀， 邊緣見短毛刺。見圖A， 圖B。患者， 男， 37歲， 良性肺結節， 胸部低劑量CT掃描發現左肺上葉前段見直徑約6 mm亞實性結節， 邊緣光整， 病灶中內見點狀稍高密度灶， AI建議6～12個月復查。見圖C， 圖D。

2. 2 AI識別技術讀片對早期肺癌的敏感性、特異性及準確性 AI識別技術讀片對早期肺癌的敏感性為96.67%（58/60）， 特異性為80.00%（40/50）， 準確性為89.09%（98/110）。見表1。

2. 3 人工讀片對早期肺癌的敏感性、特異性及準確性人工讀片對早期肺癌的敏感性為83.33%（50/60）， 特異性為96.00%（48/50）， 準確性為89.09%（98/110）。見表2。

2. 4 AI識別技術讀片、人工讀片對早期肺癌的敏感性、特異性、準確性及總讀片時間對比 AI識別技術讀片對早期肺癌的敏感性高于人工讀片， 特異性明顯低于人工讀片， 總讀片時間明顯短于人工讀片， 差異具有統計學意義（P<0.05）;兩種讀片方式對早期肺癌的準確性比較差異無統計學意義（P>0.05）。見表3。

3 討論

臨床中通常將肺癌分為四期， 分別是Ⅰ期、Ⅱ期、Ⅲ期和Ⅳ期。Ⅰ期和Ⅱ期相對來說惡性腫瘤發現較早， 被稱為早期肺癌， 其腫瘤的半徑小、沒有遠端或局部淋巴結的轉移， 可通過手術實施治療， 延長患者的生存期， 甚至治愈， 而臨床上70%以上肺癌患者均是在中晚期發現， 對其治療康復十分不利， 因此早期肺癌的篩查對患者的康復具有重大意義[5]。

AI亦稱智械、機器智能， 指由人制造出來的機器所表現出來的智能， 其核心問題包括建構能夠跟人類似甚至超卓的推理、知識、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等[6]。隨著計算機技術、人工智能技術、人工神經網絡技術等的發展和成熟， 使開發出新的醫學專家系統成為現實。目前肺結節CT圖像錯綜復雜， 而臨床醫師主要依靠閱片檢驗來進行診斷篩查， 具有較大主觀意識， 而AI識別技術的應用可實現多參數聚類分析， 從而幫助醫師篩查早期肺癌[6]。有研究表明[7]， 通過行處理方式、自學習能力、記憶功能、預測事件發展能力等方面采取深度學習技術來改變醫療行業， AI系統由使用者和輸入數據等處獲得知識， 進行深度學習， 可幫助人類解決問題， 減少錯誤， 提高解決問題的效率通過此次研究發現， AI識別技術讀片對早期肺癌篩查的敏感性高于人工讀片， AI識別技術讀片的特異性明顯低于人工讀片， 兩種讀片方式準確性差異不明顯;而AI識別技術讀片所用總時間明顯短于人工讀片。這說明， AI識別技術通過深度學習， 在臨床輔助醫師進行CT閱片， 可幫助醫師完成大量的基礎性工作， 解放醫師的時間， 讓醫師能有更多的時間進行創造性的醫學研究， 同時也可提高對早期肺癌的敏感性。

綜上所述， AI識別技術可有效提高早期肺癌的診斷敏感性， 輔助醫師更有效、快速的篩查出早期肺癌， 值得臨床推廣。

參考文獻

[1] 朱燕燕， 懷建國， 蔣艷， 等. 細胞DNA定量分析結合液基細胞學檢測在肺癌診斷中的價值. 臨床與實驗病理學雜志， 2016， 32（5）： 573-575.

[2] 韓志萍， 唐興， 楊庭義， 等. 人工智能時代下的影像組學在肺癌中的應用研究進展. 國際呼吸雜志， 2019， 39（9）： 692-695.

[3] 譚培蘭， 張曉林， 柏輝， 等. 計算機輔助CT圖像特征在磨玻璃結節早期肺癌診斷中的應用. 癌癥進展， 2019， 17（16）： 1946-1948.

[4] 吳一龍， 張明和， 廖美琳， 等. 肺癌的診斷和分期臨床指引. 中國肺癌雜志， 2003， 6（5）： 330-334.

[5] 楊蘊， 阮春陽， 裴朝翰， 等. 引入人工智能構建肺癌中醫處方系統探索. 世界科學技術-中醫藥現代化， 2019， 21（5）： 977-982.

[6] 李欣菱， 郭芳芳， 周振， 等. 基于深度學習的人工智能胸部CT肺結節檢測效能評估. 中國肺癌雜志， 2019， 22（6）： 336-340.

[7] 劉曉鵬， 周海英， 胡志雄， 等. 人工智能識別技術在T1期肺癌診斷中的臨床應用研究. 中國肺癌雜志， 2019， 22（5）： 319-323.

[收稿日期：2020-02-17]