醫學影像人工智能技術評價腦出血準確性研究

姜 雪 呂發金 李昱侖 謝雄飛 李信友

腦出血致死致殘率高，而出血的部位、體積與治療方式密切相關［1］。腦出血的定量分析離不開影像學的輔助。目前影像學使用較為廣泛的是圖像存檔及通信系統（picture archiving and communications system，PACS），涉及腦出血定量分析時往往是診斷醫師通過PACS 進行手動容積測量。但隨著醫學影像方面人工智能（artificial intelligence，AI）技術的發展，其因操作簡便、快捷已逐漸應用于影像醫學的各個方面，國內外也因此開展了多項AI 相關的討論與研究，目前主要涉及阿爾茨海默病的MRI 診斷、肺小結節的CT診斷、乳腺癌的鉬靶X 線攝影篩查等方面［2-5］。但醫學影像方面AI 對于腦出血的研究較少，主要集中在國外，且多與算法相關［6-8］，而國內未有AI用于對腦出血的研究，且AI 和PACS 系統相對比，其診斷的準確性如何猶未可知，故本研究將初步探索比較PACS系統和AI對于腦出血定量的應用情況。

方 法

1. 臨床資料

回顧性分析2018年11—12月在我院行頭部CT檢查并發現腦出血患者的影像學資料。納入標準：①腦出血入院后的首次CT檢查；②CT掃描包括頭部平掃以及包含有平掃的頭部增強、CTA（包括頭或頭頸）檢查；③AI 軟件可識別圖像。排除標準：①硬膜外血腫（位于顱骨與腦實質之間的梭形稍高密度影）、硬膜下血腫（位于顱骨與腦實質之間的新月形稍高密度影）；②腦出血術后檢查；③運動或金屬偽影干擾。

共納入50 例患者，平均年齡為（58.88±14.47）歲；男性40 例，平均年齡為（57.50±14.73）歲；女性10例，平均年齡為（64.40±12.55）歲。

2. 儀器與方法

采用GE Discovery HD750 CT 機，平掃無須對比劑，所有增強和CTA 均使用高壓注射器（Medrad Stelant）經肘靜脈先注射對比劑碘普羅胺（含碘370 mg/ml），后跟注生理鹽水。頭部增強為對比劑注射后90 s 掃描，對比劑和生理鹽水的速率均為2.5 ml/s，對比劑用量50 ml，生理鹽水30 ml。CTA的掃描為先用小劑量團注測試，后按照頭部或頭頸部VCT DSA的順序掃描患者［9］。掃描參數：管電壓100 kV（平掃）、120 kV（增強）；管電流250～450 mA；層厚及層間距5 mm；螺距0.531（頭部）、0.969（頭頸部）；FOV 20～24 cm。流速均為4.0 ml/s，小劑量團注測試、CTA 檢查的對比劑用量分別為4.0 ml、50.0 ml，生理鹽水用量分別為20.0 ml、50.0 ml。

一方面，將原始圖像導入PACS，由兩名有經驗的住院醫師分別通過該系統判斷腦出血部位、腦室是否受壓，意見不一致時協商解決；然后手動測量出血最大面積（長、短徑）、勾畫血腫邊緣并進一步計算血腫體積、中線結構的偏移程度，后取其平均值。另一方面，將原始圖像數據導入AI 軟件（推想醫療科技股份有限公司）進行上述指標的自動識別。基于PACS 判別的腦出血部位主要分為腦葉、半卵圓中心、外囊、基底節、丘腦、小腦、腦干等區域；最大面積為人工確定腦出血的最大面積層面，并據此測量出最大長、短徑。腦出血體積測量：先由人工逐層勾畫血腫邊緣，測出血腫每層的體積，最后由系統算出總體積（圖1）。中線結構偏移程度的測量平面與AI識別時采用的測量平面相一致，并以此為基準測量偏移的最大距離（圖2）。側腦室受壓判斷：兩側側腦室不對稱，靠近腦出血的一側變小或變形。

3. 統計學分析

采用SPSS19.0 軟件進行統計學分析。計量資料服從正態分布者，以平均值±標準差表示，不服從正態分布者，以中位數（下四分位數，上四分位數）表示。腦出血最大面積長/短徑符合正態分布者，采用配對樣本t 檢驗。腦出血體積、顱腦中線結構偏移程度不服從正態分布者，采用配對樣本秩和檢驗。腦室受壓情況采用卡方檢驗。P＜0.05 為差異有統計學意義。

結 果

1. 腦出血部位

PACS 容積測量顯示腦出血部位分別為基底節（25例）、腦葉（16例）、丘腦（11例）、外囊（5例）、半卵圓中心（2例）、小腦（2例）和腦干（1例），其中12 例患者腦出血累及多部位。與其相對比，AI 識別結果顯示，28 例（56%）患者腦出血部位判斷準確，15 例多識別了部位，5 例漏識別了部位，2 例既多識別了部位，又漏掉了腦出血實際所累及的部分部位。

圖1 典型病例（女，50歲，突發意識障礙3小時）腦出血體積測量A.PACS手動勾畫腦出血邊緣；B.AI自動勾畫腦出血邊緣。計算體積時，腦出血中心未被累及區域PACS無法勾畫除外，AI可以勾畫除外。

圖2 典型病例（男，82歲，頭痛2小時）中線結構偏移程度的測量A.PACS手動測量；B.AI自動測量。

2. 腦出血體積等指標

PACS 容積測量的腦出血體積為15.47 （7.67，33.05）ml，中線結構偏移0（0，5.88）mm，AI測量腦出血體積為12.94（6.33，31.35）ml，中線結構偏移0（0，2.9）mm，兩者差異均有統計學意義（P＜0.001，P=0.002）。最大面積的短徑，PACS 容積測量為（2.40±1.07）cm，AI 測量為（2.33±0.95）cm，最大面積的長徑，PACS 容積測量為（3.97±1.67）cm，AI 測量為（3.84±1.61）cm，差異均無統計學意義（P=0.155，P=0.086；表1）。

表1 PACS手動容積測量和AI結果對比

3. 腦室受壓情況

將AI 識別腦室受壓情況與PACS 系統判別結果進行對比，兩者間差異有統計學意義（P＜0.001，表2）。在得出腦出血體積所需時間方面：PACS 容積測量 費時（112.38±113） s，而AI 測 量 僅 需（5.27±0.71）s。

表2 AI識別腦室受壓情況與PACS系統判別結果符合情況

討 論

腦出血發生的部位、體積、大小以及對側腦室的壓迫程度等均同治療方式息息相關。有文獻［1］提示：基底節、腦葉的出血，小于30 ml 者首選保守治療，大于50 ml 者首選手術血腫清除術；而小腦出血量小于10 ml 者首選保守治療，大于20 ml 者保守與手術治療效果相似；丘腦出血以及原發性腦室出血多選保守治療，小于10 ml 者效果最好；腦干出血均為保守治療，小于5 ml 者效果較好，但是大于5 ml 者死亡率明顯增高。由此可見，腦出血的定量分析尤為重要。

1. AI技術在腦出血定量分析中的重要性及相關研究

傳統腦出血血腫體積的測量大多采用多田公式［10］計算，即血腫量=血腫長軸（cm）×血腫寬徑（cm）×層面數（cm）×1/2，但由于血腫形態多樣，可伴破入腦室，故該計算公式并不夠精準。而PACS系統的廣泛應用開啟了放射科醫師的新紀元，更改了他們的工作模式，并更精確于腦出血的測量。但人工勾畫腦出血除了會有誤差以外，還很費時。近年來AI 的興起，引起了國內外的熱議［11-15］，而關于腦出血的AI 方面的研究，國外居多，國內目前未見相關報道，尤其是在醫學影像方面。Chilamkurthy 等［6］的研究證明AI 算法在腦出血的5 種類型（腦出血、破入腦室的出血、硬膜下出血、硬膜外出血和蛛網膜下腔出血）的診斷方面有很好的價值，且其在識別中線偏移和占位效應方面也較好。Prevedello 等［7］研究的AI 算法可以在腦出血、腫瘤占位效應、腦積水和腦梗死等多種顱內病變的情況下識別腦出血。Cho［8］等研究提出的AI 算法可以通過深入學習，有效精準地分割血腫。盡管國外研究很多，但是均主要涉及AI算法方面對腦出血的識別診斷，未涉及腦出血定量分析。國內醫學影像方面多使用PACS 手動容積測量，為符合國內學者或臨床的需求，本研究在此初步分析AI技術對于腦出血定量的意義。

2. PACS 手動容積測量和AI技術對于腦出血定量分析的比較

本研究顯示，以PACS容積測量作對比，AI識別腦出血部位的準確度為56%。對于單部位腦出血，AI尚可準確識別，但當腦出血體積較大且累及部位較多時，AI 出現識別錯誤，多識別或漏識別部位，且AI對于半卵圓中心處的腦出血是否累及腦葉的判斷常常出現錯誤。PACS 容積測量腦出血體積大于AI，除了手動勾畫誤差以外，還有兩個可能的原因：一是腦出血中心若有不被累及的區域，PACS 不能將其除外，而AI 可以（圖1）；二是AI 對于慢性腦出血的識別較差（圖3）。而中線結構的偏移程度，AI 測量數據較PACS容積測量小，主要的原因是AI對于偏移透明隔的最遠點識別欠佳。而腦室的受壓情況，AI 識別較PACS人工識別差，故在上述方面AI還有更多的提升空間。AI 的主要優勢：一是速度快，輸入數據直接得出結果，節約了放射科醫師的診斷時間，更能盡快為臨床醫生提供影像信息，及時制訂治療方案；二是學習能力強，目前對于腦出血的測量可能出現失誤，但經過大數據的學習，將來會有更好、更精準的表現。

本研究的局限性：①本研究僅僅是對于PACS 手動容積測量和AI 測量在腦出血定量方面的一個初步對比研究，AI 的結果僅為相對值，并非針對金標準的準確值，這也將會是下一步的研究方向；②AI 運行時間短，樣本較少，有待進一步加大樣本量。下一步研究方向：本研究下一步將制作腦出血模型，評估PACS系統手動容積測量和AI在腦出血定量上的準確性，并將相應加大樣本量。

總之，對于腦出血的定量分析，AI盡管較PACS系統節省時間，但仍有不可忽視的缺陷，有較大的提升空間。AI 識別腦出血的定量情況后仍需診斷醫師進一步審核，尤其是在腦出血部位、體積、中線結構偏移程度及腦室是否受壓幾個方面。

圖3 典型病例（男，51歲，突發肢體麻木伴口齒不清6小時）腦出血邊緣的勾畫A.PACS手動勾畫腦出血邊緣；B.AI自動勾畫腦出血邊緣，可示AI對密度稍低的慢性腦出血識別錯誤。