人工智能对肺小结评估的价值

谢宏刚

【摘  要】目的：探讨人工智能对肺小结评估的价值。方法：从2018年1月-2019年1月我院自建获得的CT扫描检查肺结节数据库当中，随机选取100例胸部的CT扫描检查数据，包括随访结节病例及经病理证实后的肺癌病例。将所有病例数据导入至人工智能识别（肺结节）系统当中，自动识别，然后跟原始影像结果相比较，观察比较放射科医生及AI在不同结节尺寸方面的检出情况。结果：入选100例CT图像通过两位经验丰富的影像专家确认，共包含真结节444个，包括恶性结节66例（14.9%）。AI在结节尺寸<3mm及结节尺寸≥3mm时的检出率均显著高于放射科医生（P>0.05）;放射科医生在结节尺寸≥3mm的检出率显著高于结节尺寸<3mm（P<0.05）;AI在结节尺寸<3mm时的检出率略低于结节尺寸≥3mm，但无显著差异（P>0.05）。AI在不同结节密度：实性结节、部分实性结节及磨玻璃结节方面的检出率均显著高于放射科医生（P<0.05）。AI在不同位置结节：与胸膜相连、周围性结节、肺门区结节及中心性结节方面的检出率高于放射科医生（P<0.05）。AI在肺结节总体检测灵敏度方面显著比放射科医师高（98.9%（439/444） vs45.9%（204/444），X2=6.142，P<0.05）。结论：人工智能能够提高对肺小结节的检出比率，與临床放射科医师相比，检出灵敏度更高;但是在肺小结节方面依旧存在一定的假阳性率。

【关键词】肺小结节;肺结节;人工智能

【中图分类号】R563;R816.41      【文献标识码】A      【文章编号】672-3783（2020）08-0278-02

肺结节属于早期肺癌的表现之一，伴随着临床计算机断层扫描（computed tomograpb，简称CT）设备及技术的不断发展，其在临床中的检出率也随之提高[1]。但是显著增多的CT检查数据大大的加重了放射科医师的负担，而在疲劳状态下阅片会导致出现漏诊的风险[2]。人工智能（artificial intelligence，AI）技术能够对临床中海量的CT扫描检查图像实施初步筛查，且对可疑病变进行标记，从而为临床医师提供帮助，降低工作量的同时使得准确率得到有效提高[3]。从2018年1月-2019年1月我院自建获得的CT扫描检查肺结节数据库当中，随机选取100例胸部的CT扫描检查数据，观察人工智能在肺小结方面的评估价值。

1资料与方法

1.1一般资料

从2018年1月-2019年1月我院自建获得的CT扫描检查肺结节数据库当中，随机选取100例胸部的CT扫描检查数据。

图像纳入标准：（1）最少包含非钙化结节1枚;（2）有层厚≤1.0mm的薄层胸部CT扫描检查图像。图像排除标准：（1）合并弥漫性转移。（2）合并间质性肺病。（3）形成广泛瘢痕。（4）合并肺炎。（5）合并肺纤维化。（6）合并肺水肿。（7）运动伪影严重。

1.2方法

CT扫描检查方法：仪器：64排螺旋CT检查仪，厂家：西门子。扫描范围：从胸廓入口开始直至肺底部;所有扫描全部在一次吸气之后进行屏气的状态下完成。扫描方式：视野设置：407mm;图像矩阵设置：512×512;层厚设置：5.0mm;采集64x0.6mm;管电流设置：260mA;管电压设置：110kv。

AI软件：医准。将所有100例胸部的原始CT检查数据上传到AI软件工作站当中，系统会批量自动对肺结节进行标记及识别。放射科医师检测结节时在影像报告的基础上进行评估，且报告必须经高年资（副高职称以上）的医师审核。

结节认定标准：由胸部影像科专家2名在充分的参考影响报告及AI评估结果的情况下，观察横断面，对可疑病灶的位置进行确定之后，再充分的参考相关结果，如：最大密度投影、多平面重建等，进一步的确定所标注的结果跟肺结节是否一致并进行判断，将2名专家的一致意见当作金标准，并对所有结节的密度、位置及大小进行记录。

1.3观察指标

1.3.1 观察比较放射科医生及AI在不同结节尺寸方面的检出情况。

1.3.2 观察比较放射科医生及AI在不同结节密度方面的检出情况。结节密度主要分为3个：磨玻璃密度结节：在肺内十分模糊且密度比肺组织相比较大，且没有对肺纹理结构掩盖的结节;部分实性结节：结节当中有磨玻璃密度的成分，还有软组织实性密度成分的结节[4]。

1.3.3 观察比较放射科医生及AI在不同位置结节方面的检出情况。结节位置主要分为4个：与胸膜相连、不跟胸膜发生相连且距离胸膜尺寸<2cm的周围性结节、距肺门尺寸<2cm的肺门区结节、位置在肺门区结节与周围性结节间的中心性结节。

1.4统计学方法

应用SPSS21.0进行所有数据的整合分析，（%）类的计数类数据，行X2检验检测;（ ±S）类的计量类数据，行T检验检测;P<0.05时，提示存在着统计学方面的区别及差异。

2结果

2.1 入选100例CT图像通过两位经验丰富的影像专家确认，共包含真结节444个，包括恶性结节66个（14.9%），所有恶性结节全部经过病理检测证实。对于所有66例恶性结节，放射科医生与AI的检出率都为100%，均全部检出。

2.2 AI在结节尺寸<3mm及结节尺寸≥3mm时的检出率均显著高于放射科医生（P>0.05）;放射科医生在结节尺寸≥3mm的检出率显著高于结节尺寸<3mm（P<0.05）;AI在结节尺寸<3mm时的检出率略低于结节尺寸≥3mm，但无显著差异（P>0.05），具体见表1。

2.3 AI在不同结节密度：实性结节、部分实性结节及磨玻璃结节方面的检出率均显著高于放射科医生（P<0.05），具体见表2。

2.4 AI在不同位置结节：与胸膜相连、周围性结节、肺门区结节及中心性结节方面的检出率高于放射科医生（P<0.05），具体见表3。

入选100例CT检查图像通过2名专家确认，共有真结节444个;而AI在肺结节总体检测灵敏度方面显著比放射科医师高（98.9%（439/444） vs45.9%（204/444），X2=6.142，P<0.05）。

3讨论

肺小结节指的是在肺脏当中直径尺寸小于3cm且边缘十分清晰的一种类圆形或圆形状肿块影。据研究指出，肺小结节当中约有60%左右会属于恶性病变，剩余的40%左右为良性病变。伴随着社会的不断进步，环境污染也不断加剧，临床中发生原发肺部恶性肿瘤的比率也持续升高，成为导致人类死亡的一个重要及主要疾病类型。同时，因为肺组织当中血运十分丰富且生理结构具有一定的特点，使得肺部成为恶性腫瘤好发的一个转移位置。所以，有效的检出肺小结节对临床中继发性及原发性肿瘤的尽早诊疗具有十分重要的积极意义。

在早期肺癌患者中并不存在显著性的症状体征及表现，但是患者的肺结节是早期肺癌的一种主要影像学表现，医生能够通过对患者的肺部CT扫描检查图像进行阅读来评估并发现肺结节。但医生一次性阅读海量CT扫描检查图像需要耗费极大的精力及时间，同时还医生诊断的结果还存在一定的主观依赖性，增加临床中发展漏诊的风险;尤其是在肺小结方面，因为其尺寸较小，十分容易被临床医生所忽略。本次研究结果提示，放射科医生在结节尺寸<3mm方面的检出率仅为17.0%，进而会有可能导致肺癌患者错失早期诊断及治疗的最佳时机。

本次研究结果提示，而AI在肺结节总体检测灵敏度方面显著比放射科医师高（98.9%（439/444） vs45.9%（204/444），X2=6.142，P<0.05）。结果提示，AI在肺结节，特别是肺小结方面的检出率及灵敏度显著更高，但是在肺小结方面依旧存在一定的漏诊比率。分析其原因为：（1）气管。如细支气管的扩张及增厚，气管内存在的分泌物等。（2）血管。如血管肺门增粗、交叉、迂曲及增粗等。（3）感染性病灶。不同感染时期，如磨玻璃密度影、片状实变、树芽状及索条等。（4）其他原因。如胸膜斑块、气体潴留及骨性结构（局部凸向肺野）等。

AI技术当前发展较为广泛且饱受关注的一种科学技术，在医学领域相关的前沿学科当中也被广泛应用，而通过AI技术来检测评估肺小结节是当下医疗人工智能的一个主要发展趋势及方向。相信伴随着不断积累的丰富临床经验，不断迭代的模型，AI的临床诊断准确率及敏感性也会持续升高，从而避免出现漏诊现象。

综上所述，人工智能能够提高对肺小结节的检出比率，与临床放射科医师相比，检出灵敏度更高;但是在肺小结节方面依旧存在一定的假阳性率。

参考文献

[1] 欧阳雨晴，倪连芳，刘新民.对近3年稳定的磨玻璃样肺小结节的长期随访[J].中华结核和呼吸杂志，2017，40（4）：315-315.

[2] 黄大钡，李晓群，张健，etal.C臂CT在肺小结节胸腔镜切除术前定位中的应用[J].介入放射学杂志，2017，26（9）：843-846.

[3] 李囡，曹中良.102例肺内单发小结节性病灶诊治分析[J].中华实验外科杂志，2019，36（4）：776-777.

[4] Purandare N C， Pramesh C S， Agarwal J P， et al. Solitary pulmonary nodule evaluation in regions endemic for infectious diseases： Do regional variations impact the effectiveness of fluorodeoxyglucose positron emission tomography/computed tomography[J]. 2017， 54（1）：271.