AI对肺占位性病变的诊断价值及影像特征分析

纪敬斌,张宸瑜,彭垒,矫文捷

(青岛大学附属医院胸外科,山东 青岛 266003)

近年来,随着人工智能(AI)的快速发展,其在辅助医师对肺部病变(包含肺结节及包块等)的CT结果作出影像学诊断方面得到了广泛的认可和应用[1-2]。多项研究显示,AI在提高肺部病变诊断效率、降低肺部病变漏诊误诊率及改善肺部病变诊断性能等多个方面展示出了较为明显的应用前景[3-7]。2022年首次发表的AI在肺结节诊治中的应用专家共识指出,AI在肺结节识别、良恶性鉴别诊断和病理分型预测等方面均有重要价值,对实现手术前肺癌及亚型精准诊断和提高手术成功率具有重要意义[8]。然而,目前AI对部分亚实性结节等多类结节诊断的假阴性率较高,其准确度也低于人工,仍需要人工阅片以减少漏诊和提升准确度。本文使用目前广泛应用于临床的深睿医疗AI医学影像辅助诊断系统(AI系统),对肺占位性病变病人不同扫描层间距的胸部CT影像资料进行回顾性分析,旨在分析及评价AI系统在两种不同扫描层间距CT检查图像上对肺占位性病变的诊断价值,探讨CT影像学特征和病变大小对AI系统诊断准确度的影响。

1 资料与方法

1.1 研究对象

回顾性分析2021年6月—2022年3月就诊于我院胸外科的821例肺占位性病变病人临床资料。根据病人术前最后一次CT检查影像片的扫描层间距分为厚层CT(≥3 mm)和薄层CT(<3 mm)。所有入组病人均有可供AI分析的厚层CT影像资料,808例病人有可供AI系统分析的薄层CT影像资料。病人纳入标准:①进行手术治疗并于术中取得病理学标本,有对应病灶明确的病理诊断结果;②术前1周内进行过胸部CT检查,若进行过多种或多次检查则以术前最后一次检查方式和检查结果为准;③影像学资料提供了CT影像学特征,可导入AI系统进行诊断分析。本文研究获得青岛大学附属医院医学伦理委员会批准(IRB#QYFYWZLL 27703)。

1.2 研究方法

1.2.1仪器与方法 检查设备为Siemens SOMATOM Definition Flash CT机,检查时病人取仰卧位且头先进,扫描范围自胸廓入口到肺底部。扫描参数:管电压120 kV,管电流200～300 mA,层厚1 mm。注射对比剂为碘海醇(350 g/L)50 mL,注射流量3.5 mL/s。注射对比剂后,启用对比剂团注跟踪技术,采集注入对比剂后60 s的图像。

1.2.2CT影像数据分析 由两位有10年以上工作经验的放射科医师对所有病人胸部CT资料进行分析,意见不同时再与一名有15年以上工作经验的放射科医师讨论后得出最终影像学诊断结果。病人肺部有多个病变或结节影时,对手术切除的主要病变进行分析并记录多发结节影位置和大小。CT资料中部分影像学特征不明的样本,从对应影像学特征的分析中排除。主要观察的影像学指标如下。①大小:测量病变的长径及短径;②单发或多发:病变有无单侧肺部或双侧肺部的多发结节影;③边界:病变的边缘是否清楚;④胸膜牵拉:病变有无胸膜牵拉现象;⑤其他:病变有无毛刺、分叶现象。

1.2.3AI系统诊断准确度的判定 将病人术前所进行的最后一次CT检查图像导入AI系统,以AI系统自动判断结节的危险度分为良性病变及恶性病变。以病人术中送检标本的病理诊断结果为金标准,与AI系统的诊断结果进行比较。判定标准为:①若病理诊断结果为良性病变,AI系统在对应扫描层间距的CT图像上发现该病变并诊断为良性病变,则认定AI系统判定正确;未发现该病变或诊断为恶性病变,则认定AI系统判定错误;②若病理诊断结果为恶性病变,AI系统在对应扫描层间距的CT图像上发现该病变并诊断为恶性病变,则认定为AI系统判定正确;未发现该病变或诊断为良性病变,则认为AI系统判定错误。

1.3 统计学方法

2 结 果

2.1 AI系统对不同扫描层间距肺占位性病变的诊断价值

以病理诊断结果为金标准,AI系统诊断厚层CT组肺占位性病变的灵敏度为92.4%(744/805),特异度为93.8%(15/16),阳性预测值为99.9%(744/745),阴性预测值为19.7%(15/76),符合率为92.4%(759/821),ROC曲线下面积(AUC)为0.931(95%CI=0.854～1.000,P<0.001);AI系统诊断薄层CT组肺占位性病变的灵敏度为94.1%(746/793),诊断特异度为100.0%(15/15),阳性预测值为100.0%(746/746),阴性预测值为24.2%(15/62),符合率为94.2%(761/808),ROC曲线AUC 0.970(95%CI=0.957～0.983,P<0.001)。见表1、2。

表1 AI系统对厚层CT组肺占位性病变的诊断价值

表2 AI系统对薄层CT组肺占位性病变的诊断价值

2.2 AI系统诊断准确度与CT影像学特征关系

AI系统对厚层CT的影像学诊断结果显示,肺部病变的多项CT影像学特征,包括病变的长径、短径、边缘是否清晰、有无胸膜牵拉、有无分叶,对AI系统诊断准确度影响差异有显著意义(χ2=4.747～123.691,P<0.05);AI系统对薄层CT的影像学诊断结果显示,肺部病变有无胸膜牵拉对AI系统诊断准确度影响差异均具有统计学意义(χ2=4.031,P<0.05)。见表3。

表3 AI系统诊断准确度与CT影像学特征关系

2.3 CT上不同大小肺占位性病变AI系统诊断准确度的比较

本研究肺部病变CT影像上的长径为5.0～130.1 mm,平均(19.8±12.7)mm。结合临床和影像学判断标准,将肺部病变按长径分为5.0～8.0、8.1～20.0、20.1～30.0和>30.0 mm 共4组。AI系统基于厚层CT对不同大小肺占位性病变的诊断准确度差异有显著性(Z=-4.237,P<0.001),AI系统基于薄层CT对不同大小肺占位性病变诊断准确度差异无显著性(Z=-0.877,P>0.05)。见表4。

表4 AI系统对胸部CT不同大小肺占位性病变诊断准确度比较

3 讨 论

结合2022年版AI在肺结节诊治中的应用专家共识[8]及近年来相关研究结果,AI系统在临床中可以根据影像学相关资料快速鉴别肺占位性病变(尤其是肺结节病变)良恶性[8-10]。然而,在病理诊断为恶性肿瘤的肺部病变中,AI系统对其恶性程度诊断存在缺陷。有研究显示,对良性病变尤其是表现为亚实性结节等几种特定影像学表现的病变,AI系统诊断的假阳性率较高,需要人工阅片进行进一步的确诊[8,11]。本研究对我院手术治疗的821例肺部疾病病人CT影像学资料,使用目前广泛应用于临床的深睿医疗AI系统进行回顾性分析。结果显示,AI系统诊断两种不同扫描层间距肺占位性病变CT影像资料的灵敏度、特异度、阳性预测值和符合率均超过90%,AUC均超过0.95。本文研究结果高于目前该类研究结果[10,12],显示出了较高的应用价值。本文结果还显示,AI系统对薄层CT组的诊断效果略优于厚层CT组。然而,两组的阴性预测值均较低,这可能是因为本文研究病人均为在胸外科行手术治疗的病人,恶性病变所占比例较高。基于上述研究结果,AI系统对影像科医生的工作具有较强的辅助作用,但人工阅片仍然是对肺占位性病变良恶性鉴别不可缺少的一部分。当AI系统报告肺占位性病变为“高危”时,该病变应引起足够的重视;当AI系统报告肺占位性病变为“低危”时,仍需影像科医生进行人工阅片以减少漏诊。

本文对AI系统诊断准确度与CT影像学特征的关系分析显示,AI系统的诊断准确度在厚层CT和薄层CT图像上有一定的差异,有无胸膜牵拉在两种厚度的CT图像中均会影响AI系统诊断准确度;而肺部病变长短径、边缘清晰度和有无分叶现象等因素则只在AI系统对厚层CT图像的诊断中会产生影响,对薄层CT图像AI系统诊断无明显影响。肿瘤的大小是决定肿瘤分期和处理方式最重要的因素之一。在CT影像学范畴内,肿瘤的长径、短径和体积均可以作为影像学上判定肿瘤大小的依据。而在临床中对肿瘤大小作出判定通常是根据肿瘤的长径。本文研究结合临床和CT影像学判断标准,将肺部病变根据长径不同分为4组,AI系统对4组厚层CT图像的诊断准确度差异有显著性,而对4组薄层CT图像的诊断准确度差异无显著性。

本研究存在以下局限性:①该研究是一项单中心的回顾性研究,本研究取得的CT影像学资料存在一定的滞后性,研究结果可能产生数据偏移;②本研究以病变最终的病理诊断结果作为金标准,纳入研究的结节均为术后病理诊断的肺占位性病变。由于临床上对长径<5 mm肺占位性病变的处理原则通常为优先进行观察而非手术或取活组织检查,故本研究无法评估AI系统对长径<5 mm肺占位性病变的诊断准确度。

综上所述,AI系统评估不同扫描层间距肺占位性病变影像资料的灵敏度、特异度、阳性预测值、符合率和AUC均较高,病灶有无毛刺及分叶在各种扫描层间距的CT片中均会影响AI系统的诊断准确度;AI系统对扫描层间距≥3 mm的厚层CT片上不同大小的肿瘤诊断准确度差异有显著性,而对扫描层间距<3 mm薄层CT片诊断结果差异无显著性。以后的研究中,应在多个使用深睿医疗AI系统的医院收集更多样本,进一步验证AI系统对CT影像诊断的准确度。