人工智能輔助肺結節篩查及定性診斷的應用研究

李娟娟, 劉 敏, 楊 斌, 杜 偉, 楊鴻開,廖艷全, 李峻杭, 王 君

(1. 云南省祥云縣人民醫院/大理大學第九附屬醫院 影像科, 云南 大理, 672100;2. 云南省昆明市第一人民醫院 醫學影像中心, 云南 昆明, 650000;3. 大理大學第一附屬醫院 放射科, 云南 大理, 671000)

肺癌最初診斷時，約55%的患者已處于肺癌晚期，因此提高肺癌生存率的關鍵是早期診斷及治療[1-3]。肺癌最初表現為肺結節，胸部低劑量計算機斷層掃描(LDCT)被認為是肺癌篩查的主要方法[4-5], 雖然LDCT可以在早期發現肺癌[6], 但仍會發生肺結節漏診和誤診的情況[7]。隨著技術的進步，人工智能(AI)輔助診斷系統被用于醫學的諸多領域[8], 可以對肺結節進行快速篩查及標記病變部位，并能對結節進行良惡性分類[9-12]。本研究以病理診斷為金標準，比較AI輔助診斷軟件與放射醫師對肺結節的檢測和診斷效能，探討AI輔助診斷軟件在LDCT肺結節篩查及定性診斷中的臨床應用價值，為臨床診療提供影像理論依據。

1 資料與方法

1.1 一般資料

本研究收集2019年7月—2021年7月祥云縣人民醫院術前行胸部低劑量CT檢查并經手術及活檢后病理確診的103例(108個結節)患者的臨床資料，其中男64例，女39例，年齡40～82歲，平均(62.76±10.60)歲。納入標準: ① 年齡≥40歲的患者; ② 行LDCT檢查的患者; ③ 肺結節最大直徑<30 mm的患者; ④ 經手術或穿刺活檢病理檢查已證實的患者。排除標準: ① 彌漫性肺炎、間質纖維化、肺水腫者; ② 彌漫性肺內轉移結節、多發鈣化灶者; ③ 存在嚴重運動偽影圖像的患者。

1.2 CT圖像采集

所有患者均采用64排螺旋CT(德國西門子SOMATOMD etintiaAS)進行掃描，采用仰臥位頭先進，掃描范圍由胸廓入口至肺底，深吸氣后屏氣完成掃描。掃描采用螺旋掃描，管電壓為120 kV, 管電流根據個人體型自動調整，螺距0.85, 層厚5 mm; 視野(FOV)365 mm, 圖像矩陣512×512。采用標準算法重建1.25 mm薄層軸位圖像。

1.3 閱片方法

① 放射醫師閱片。首先，由2名低年資放射醫師(工作年限3年以內)對影像工作站上存檔的圖像進行閱片，閱片結果由2名臨床經驗豐富的高年資放射醫師(工作年限3年以上)審核后完成。 ② AI輔助軟件閱片。杏脈銳影肺結節AI輔助分析軟件(工程版本s40和算法r4.103)由上海杏脈信息科技有限公司提供，將103例肺結節患者術前的胸部低劑量CT圖像導入AI分析軟件中，由軟件自動識別并標記肺結節。

1.4 肺結節診斷標準

由臨床經驗豐富的2名放射高年資醫師參照AI影像報告在薄層軸位進行觀察，確定病灶位置后，結合三維重建、最大密度投影等技術進一步對肺結節做出判斷，以2名放射高年資醫師的統一意見作為真性結節的金標準，同時記錄每個結節的最大直徑、密度。根據最大直徑將肺結節分為<5 mm、5～10 mm、>10～20 mm、>20～30 mm, 根據結節密度不同將其分為實性結節、磨玻璃結節、部分實性結節。

1.5 肺結節危險分級

利用AI輔助軟件對肺結節進行危險分級，根據2019年更新的肺成像報告和數據系統(Lung- RADS)1.1版將肺結節分為1、2、3、4級，其中4級進一步分為4A、4B、4X。將1、2級肺結節定義為低危結節; 3級和4A級肺結節定義為中危結節; 4B級和4X級肺結節定義為高危結節。

1.6 肺結節病理檢查方法

根據病情差異選擇不同術式，包括經皮肺穿刺活檢術、胸腔鏡下肺段切除術、胸腔鏡下肺楔形切除術、胸腔鏡下肺葉切除術及肺癌根治術。

1.7 統計學分析

采用SPSS 22.0統計軟件對數據進行分析。符合正態分布的計量資料以均數±標準差表示，不符合正態分布的計量資料以中位數表示。計數資料采用[n(%)]進行統計描述。組間比較采用卡方檢驗,P<0.05為差異有統計學意義。

2 結 果

2.1 肺結節篩查及診斷情況

103例患者中, 2名經驗豐富的高年資放射醫師結合AI輔助診斷軟件共篩查出258個真性結節，其中108個結節經病理確診。確診的108個結節中，最大直徑<5 mm 3個, 5～10 mm 22個, >10～20 mm 38個, >20～30 mm 45個; 實性結節57個，磨玻璃結節14個，部分實性結節37個; 惡性結節86個(腺癌58個，鱗癌23個，大細胞癌1個，小細胞癌3個，原位癌1個)，良性結節22個(錯構瘤5個，結核球2個，靜脈血管瘤1個，炎性假瘤2個，其他炎性病變12個)。

2.2 AI與放射醫師對肺結節篩查能力的比較

258個真性結節中, AI輔助診斷軟件閱片共篩查出248個肺結節，放射醫師閱片篩查出231個肺結節，AI與放射醫師檢出肺結節的敏感度分別為96.12%、89.53%。卡方檢驗結果顯示, AI閱片的篩查能力優于放射醫師閱片，差異有統計學意義(P<0.05)，見表1。258個真性結節中，直徑≤4 mm的磨玻璃結節18個，AI閱片共篩查出17個，放射醫師閱片共篩查出13個, AI與放射醫師檢出直徑≤4 mm的磨玻璃肺結節的敏感度分別為94.44%、72.22%, 陽性預測值分別為95.00%、100.00%。AI輔助診斷軟件篩查的假陽性結節13個(假陽性率為5.00%), 其中4例為血管交叉、聚集處, 3例為胸膜增厚, 3例為小葉中心結構, 3例有少許炎癥，放射醫師無假陽性肺結節診斷結果，典型病例見圖1。

表1 AI與放射醫師對真性肺結節篩查能力的比較[n(%)]

2.3 AI與放射醫師對肺結節診斷效能比較

86個惡性結節中, AI輔助軟件顯示高危結節82個，敏感度為95.35%, 放射醫師診斷的惡性結節79個，敏感度為91.86%; 22例良性病變結節中，AI輔助軟件診斷顯示6例為高危結節，特異度為72.73%, 6例高危結節中，放射醫師將4例診斷為疑似錯構瘤，另外2例第一診斷為疑似結核球，最后病理檢查結果證實放射醫師診斷正確，但是放射醫師在22例良性病變中將4例患者首先考慮早期肺癌的可能，特異度為81.82%, 見表2, 典型病例CT、蘇木精- 伊紅(HE)染色法病理圖見圖2。

表2 AI與放射醫師對肺結節診斷效能比較 %

A、B: 右肺下葉良性結節(女,48歲, AI輔助軟件誤診為高危,病理學檢查確診為錯構瘤, HE染色病理圖放大40倍); C、D: 左肺上葉惡性結節(女, 68歲, AI 輔助軟件診斷準確,病理學檢查確診為腺癌, HE染色病理圖放大40倍)。圖2 典型病例CT圖像、HE染色病理圖

3 討 論

本研究結果顯示, AI輔助診斷軟件檢測肺結節的敏感度高于放射醫師，且AI輔助診斷軟件檢測肺結節的假陽性率很低; AI診斷惡性結節的敏感度高于放射醫師，但是特異度低于放射醫師。杏脈銳影肺結節人工智能分析軟件對于肺結節的位置、大小、密度顯示較好，大多可以進行準確標記。本研究發現，杏脈銳影肺結節AI分析軟件對于周邊獨立的結節，特別是直徑≤4 mm的磨玻璃結節檢出效能較好，與彭志強等[13]研究結果相似，但部分血管交叉及聚集處、胸膜增厚、少許炎癥及小葉中心結構AI輔助診斷軟件誤診為肺結節，因此存在一定的假陽性，與李欣菱等[14]研究結果相符，對于這種情況，還需要經驗豐富的放射醫師對結果進行把關，從而提高真性肺結節的篩查檢出率。放射醫師在肺結節檢出中有漏診情況發生，原因主要是放射醫師長期處于高強度、高負荷、高緊張及疲勞的工作狀態，導致微小結節的漏診率增高[15]。AI輔助軟件可以根據結節特征進行準確快速地標記，在一定程度上可以明顯減輕放射醫師的工作負擔，從而提高肺結節的總體檢出率和降低放射醫師對微小結節的漏診率，與蔡雅倩等[16-17]研究結果一致。

本研究結果顯示，與放射醫師診斷比較，AI輔助診斷軟件對惡性結節的危險分級敏感度較高，但在病理檢查證實的22例良性病變中, AI輔助診斷軟件誤診了6例為高危結節，而放射醫師診斷準確，證明AI輔助診斷軟件對于良性結節的特異性不如放射醫師，也表明放射醫師能夠更加準確地判定肺結節的良惡性，從而避免不必要的干預(如增加CT復查的次數，進行不必要的穿刺活檢等)。與AI輔助診斷軟件比較，放射醫師可以將部分良性結節診斷進一步診斷為錯構瘤、結核球，是因為放射醫師除了可以對結節大小、密度、位置以及結合患者的臨床資料及實驗室檢查等進行詳細的綜合分析之外，影像學檢查如CT增強檢查等為進一步診斷提供了條件，這也是目前AI輔助診斷軟件所不能完成的，因此AI輔助軟件在診斷肺結節中存在一定誤差，目前還不能單獨出具影像診斷報告單，仍需放射醫師進一步復審。

本研究存在一定局限性。首先，該研究為單中心回顧性研究，分析的是臨床診療中有病理檢查結果證實的患者，存在一定的選擇偏倚，今后可以在前瞻性病例中進一步驗證; 其次，該研究納入的樣本量不夠充足，存在一定的誤差，還需擴大樣本量對結果進行驗證。

綜上所述, AI輔助軟件在肺結節篩查檢出及良惡性結節診斷方面具有較高的準確性，但對肺結節良惡性鑒別不及放射醫師，因此AI輔助診斷軟件可作為一種輔助手段與放射醫師相結合來提高肺結節的總體診療效能。