基于Wagner分級的糖尿病足潰瘍智能分級系統的構建及驗證

葉瑩,趙楠,戴薇薇,韓輝武,羅文靜,李欣儀,許景燦,白姣姣,周秋紅

糖尿病足潰瘍(Diabetic Foot Ulcer, DFU)是糖尿病最常見、最嚴重的慢性并發癥之一，10%～15%的糖尿病患者最終會發展為足潰瘍[1]。糖尿病患者發生足潰瘍不僅會增加其截肢率和病死率，且極易復發。研究顯示，糖尿病足潰瘍患者潰瘍愈合后1、3、5年復發率分別達40%、60%、65%[2]。糖尿病足治療困難，花費巨大，給患者、家庭及社會帶來極大負擔。有文獻報道，糖尿病足潰瘍和截肢所需醫療費用幾乎與其他糖尿病并發癥所需的總費用相當[3]，我國糖尿病足患者次均住院費用已超過2.18萬元[4]。分級評估是處理糖尿病足潰瘍的第一步，準確分級對于糖尿病足的治療和護理至關重要。目前可用于評估糖尿病足潰瘍的分級系統包括Wagner分級系統、Texas分類系統、IDSA/IWGDF感染分類系統、SINBAD系統和WIFI系統等[5]。Wagner分級法簡單實用，依據潰瘍深度將糖尿病足分為0～5級[6]，是目前臨床中最為經典且廣泛使用的糖尿病足潰瘍分級方法[7]。臨床上醫務人員由于診療水平和護理經驗參差不齊，對同一足潰瘍的Wagner評級易受主觀因素影響，導致評估結果不一致。本研究基于Wagner分級，利用深度學習算法對足潰瘍圖片進行分割和識別，構建糖尿病足潰瘍智能分級系統，并對系統進行驗證，以促進臨床足潰瘍分級評估的同質化。

1 資料與方法

1.1一般資料 采取便利抽樣方法，選取2020年1月至2021年1月在中南大學湘雅醫院糖尿病足防治中心就診的患者，對構建的糖尿病足智能分級系統進行驗證。納入標準：①符合糖尿病診斷標準[8]和糖尿病足Wagner分級1～4級[6]的成年人(≥18歲)；②自愿參與本次研究，并簽署知情同意書。排除標準：有潛行、竇道、瘺管的足潰瘍。最終入選糖尿病足患者68例，共拍攝足潰瘍圖像150張。其中男37例，女31例；年齡45～72(58.02±8.73)歲。均為2型糖尿病；病程8～20(13.03±3.98)年。本研究通過中南大學湘雅護理學院倫理委員會批準(E202021)。

1.2方法

1.2.1糖尿病足潰瘍智能分級評估系統的構建

1.2.1.1糖尿病足潰瘍圖片建模資料庫的收集 由經過專業培訓的3名國際傷口治療師收集本中心2012～2020年的足部潰瘍照片并形成圖片集資料庫。對資料庫中的足潰瘍圖片進行篩選，剔除不合格的照片。最終納入362例糖尿病足患者的1 042張足潰瘍圖像構建糖尿病足潰瘍智能分級評估系統。

1.2.1.2人工標注糖尿病足潰瘍圖像 3名本中心的專業國際傷口治療師經過統一培訓后，使用labelme軟件對1 042張足潰瘍圖像進行潰瘍組織及顏色區域的描記標注，潰瘍組織及顏色區分為紅色、黃色、黑色、白色和粉色5個類別，分別與臨床上肉芽、腐肉、壞死、滲出、上皮組織對應，由于肌腱無顏色對應，直接使用“肌腱”作為類別名，標注為多邊形掩膜。由于一些足潰瘍組織分界不清，圖片可能存在多個組織顏色區域嵌套的情況，使人工描點對潰瘍組織范圍的標記無法達到完全精準。

1.2.1.3基于掩膜區域的卷積神經網絡(Mask RCNN)分割建模 對1 042張足潰瘍圖像進行人工標注后，技術人員采用深度學習中的Mask RCNN網絡架構對圖像中的潰瘍組織進行分割建模，將標注好的足潰瘍圖像融入模型中。Mask RCNN采用ResNet101-FPN為主干網絡提取潰瘍區域的特征得到特征圖(Feature Map)，輸出端分別接2個預測頭，1個接全連接層做分類與回歸，將足部潰瘍各區域進行框選；另一個接全卷積網絡做掩膜分割，識別出潰瘍的輪廓。最終合并傷口的2個輸出端結果，對輸入組織顏色嵌套的掩膜區域做差集處理，以避免嵌套的2個掩膜區域在卷積過程中共用交集的像素特征，以提升潰瘍識別的準確度。

1.2.1.4檢測組織顏色，獲取像素點坐標 采用Mask RCNN對潰瘍組織區域進行分割后，利用opencv框架的輪廓檢測區分不同組織顏色區域為1個單獨的掩膜，并獲取輪廓邊界所有的像素點坐標。統計輪廓內部非零像素點，以此為依據計算各顏色的占比。顏色占比反映組織占比，根據各顏色和組織占比數值結合Wagner分級規則得出分級結果。根據1 042張人工標注后的足潰瘍圖像，利用Mask RCNN識別足潰瘍圖像各區域并進行分割，實現對足潰瘍的自動分級。

1.2.2糖尿病足潰瘍智能分級評估系統的驗證

1.2.2.1智能分級評估系統的驗證圖像收集 向研究對象介紹并講解本次研究的目的和內容，取得患者知情同意后，對納入的糖尿病足患者進行足潰瘍創面拍攝。室內拍照時光線適宜、固定，關閉閃光燈。對潰瘍完成清創后，將患肢放于腳托或水平位置，使用一次性傷口尺(推薦聯盟專用傷口尺)測量創面；保持尺子與傷口在同一平面，正向平放至傷口下緣1～2 cm處，傾斜角度小于10°。手持標尺時，保持標尺平直，勿覆蓋標尺上的數字和刻度；拍攝時對焦傷口和標尺區域，傷口背景統一、干凈、整潔為原則，一般使用一次性方巾。若為皮膚皺褶處傷口，人工拉伸皮膚后拍照。按照拍攝規范最終納入68例糖尿足病患者的150張足潰瘍圖像對已構建的糖尿病足潰瘍智能分級評估系統進行驗證。其中Wagner1～4級分別有28、68、16、38張照片。

1.2.2.2智能分級評估系統的驗證方法 整個深度學習框架已完成軟件開發，由專業的IT團隊將糖尿病足智能分級評估系統置入糖尿病足智慧醫療App，即“掌上益足”的“傷口測量”模塊。醫務人員通過App上傳采集符合要求的足潰瘍圖像，系統便自動顯示糖尿病足潰瘍分級結果、傷口顏色占比等內容。由2名國際傷口治療師于2020年1月至2021年1月分別對納入的68例患者的足部潰瘍進行現場Wagner分級，分級結果不一致時由第3名傷口治療師介入，共同商討后決定。分級后按照拍攝規范對潰瘍拍照并記錄分級結果，最后形成150張足潰瘍圖像。由2名護理研究生使用“掌上益足”App識別150張足潰瘍圖片，記錄App的分級結果。

1.2.3統計學方法 對所有資料進行整理，雙人核對后錄入。運用SPSS26.0軟件進行統計分析，計數資料用頻數、百分數(%)進行統計描述，采用加權Kappa檢驗進行兩者分級一致性的比較。檢驗水準α=0.05。

2 結果

傷口治療師與App評估糖尿病足Wagner分級一致98處，不一致52處。不同評價方法糖尿病足等級分布比較，見表1。

表1 不同評價方法糖尿病足等級分布比較 處(%)

3 討論

3.1糖尿病足智能分級評估系統評價結果分析 深度學習是人工智能中一類算法的集合，其靈感來自于大腦中生物神經元的結構，通過建立模擬人腦的分層結構來實現對外部輸入數據進行從低級到高級的特征提取，從而達到解釋外部數據的目的[9]。現在人工智能和深度學習已在疾病預測與診斷、慢病管理、醫學影像識別等方面廣泛應用[10]。Gargeya等[11]采用深度學習方法初步篩查糖尿病患者是否并發視網膜病變，模型具有較高的靈敏度和特異性。這些技術為更高效便捷地實現糖尿病足潰瘍的評估、分級和規范化干預提供了新思路。

本研究結果顯示，糖尿病足智能分級評估系統與傷口治療師對150張足潰瘍圖片的分級結果一致98處，不一致52處。兩者的加權Kappa值為0.643(P<0.01)，說明兩者評估糖尿病足Wagner分級的一致性較強，本研究構建的糖尿病足智能分級評估系統能達到與專業傷口治療師對足潰瘍準確評價與分級的結果基本一致。本研究采用深度學習方法構建糖尿病足智能分級評估系統，將Mask RCNN與opencv框架等融入足潰瘍分級過程，實現了分級的智能化，增加了臨床分級的便利，對促進基層醫療機構糖尿病足同質化診療有重要意義[12]。構建的糖尿病足智能分級評估系統實現了足潰瘍的自動分級，促進臨床同質化評價，以實現疾病診療和管理的同質化。

3.2構建糖尿病足智能分級評估系統的臨床實踐意義 對于經驗豐富的傷口治療師和內分泌專科護士而言，對糖尿病足潰瘍進行分級是比較基礎和簡單的基本功，他們能在較短時間內對足潰瘍準確分級，并根據分級實施護理干預。基層醫務人員對糖尿病足問題的嚴重性、復雜性認識不足，往往不能準確、充分地評估足潰瘍[12]，疾病的診治和管理方面缺乏同質化。本研究構建的智能分級評估系統可以輔助不同層級、不同經驗水平的護士準確地對糖尿病足潰瘍進行Wagner分級，減小主觀差距，還能減輕護士對糖尿病足潰瘍分級的工作負擔，為臨床工作節省時間，提高工作效率。根據糖尿病足潰瘍Wagner等級制訂相應的治療與護理策略，可以有效改善患者臨床癥狀，減少足部潰瘍及復發，降低截肢致殘率，提高患者生存質量[13-15]。基于Wagner分級構建的糖尿病足智能分級評估系統，通過上傳足潰瘍圖片，系統會自動顯示分級結果，提升足潰瘍分級的一致性，促進糖尿病足潰瘍的臨床同質化評價，醫務人員根據分級結果對患者采取針對性的診療護理措施[16]，有利于提高護理質量與護理效果。

3.3本研究的不足 本研究構建的糖尿病足智能分級系統尚處于初步應用階段，后續需進一步提高其分級準確性、使用穩定性和普及率；未來還需要多中心、大樣本、更加全面的研究以進一步驗證該智能分級評估系統在臨床中的應用效果。此外，在臨床推廣中，應特別注意對醫務人員進行糖尿病足傷口拍攝規范的培訓，以確保醫護人員嚴格按規范進行拍照，使智能分級系統的分級結果更具有參考價值，更好地服務于臨床。