基于深度學習人工智能在肺結節定性診斷中的臨床應用研究

葉文衛，劉碧華（通信作者），郭天暢

（1 廣東醫科大學研究生學院 廣東 東莞 523808）

（2 東莞市松山湖中心醫院放射科 廣東 東莞 523326）

（3 南方醫科大學附屬東莞醫院<東莞市人民醫院>放射科 廣東 東莞 523039）

肺癌是中國乃至全球發病率和死亡率最高的一種惡性腫瘤[1]，其主要原因是肺癌在早期缺乏特異癥狀，早期確診率只有10%～15%[2]。據統計，Ⅰ期肺癌患者在發現惡性結節后1 個月內接受手術等治療，其5 年生存率可達92%[3]。因此對患者進行早期肺癌篩查是必要的。肺癌篩查計劃及人工智能（artificial intelligence，AI）的積極推廣顯著提高了肺結節的檢出率。AI 在CT 掃描圖像中識別肺結節的靈敏度明顯高于放射科醫生已成為國內外專家的共識[4]。然而，篩查出的肺結節數量多并且定性困難。近年來，基于深度學習AI 在協助肺結節定性方面已取得了一定進展[5]。本研究旨在探討基于深度學習人工智能在肺結節定性診斷中的臨床應用價值，報道如下。

1 資料與方法

1.1 一般資料

回顧性分析2020 年1 月—2022 年12 月東莞市松山湖中心醫院符合納入標準的230 例患者的325 個肺結節的資料。其中男性103 例，女性127 例，年齡25 ～75 歲，平均（49.95±10.13）歲，肺結節共325 個。

納入標準：（1）均于松山湖中心醫院病理學檢查結果是孤立性肺結節；（2）肺內非鈣化結節直徑≤3 cm；（3）CT 圖像層厚≤1 mm 的高分辨率薄層圖像；（4）患者臨床資料完整。排除標準：（1）肺部彌漫性病變；（2）圖像有嚴重偽影；（3）伴有血液系統疾病者。

1.2 方法

1.2.1 CT 掃描方法 采用量子雙源CT（Siemens SOMATOM Drive）或64 排螺旋CT（廠家：GE）進行胸部HRCT 掃描，患者仰臥，雙手上舉，采取吸氣末單次屏氣掃描，掃描范圍為肺尖至肋膈角尖端水平，兩側包括胸壁、腋窩。掃描參數：（1）Siemens SOMATOM Drive 量子雙源CT Flash 模式：管電壓120 kV，Carek V semi，自動管電流調制，矩陣512×512，螺距0.6 mm，重建卷積函數采用T20 f，重建層厚1 mm，層距1 mm。（2）GE 64 排螺旋CT：管電壓120 kV，電流160 ～280 mA，矩陣512×512，高分辨率掃描層厚0.625 mm，層距0.625 mm。圖像分析采用肺窗（窗寬：1 500 HU，窗位：-400 HU）。

1.2.2 CT 圖像分析 A 組：雙人閱片，由兩名主治以上放射診斷醫師觀察胸部CT 肺結節的大小、密度、邊界及與血管和支氣管關系，并進行肺結節良惡性評估，導出報告并存檔。

B 組：AI 單獨閱片，基于深度學習人工智能（Dr.wise V201130 fix，由深睿醫療公司提供），將符合納入標準病例的胸部CT 原始數據傳輸至工作站，軟件系統自動批量進行肺結節識別和標記，得到相關量化參數：結節大小、體積、平均CT 值及良惡性評估（低危結節、高危結節），導出結構性報告并存檔。

C 組：雙人+AI 綜合閱片，由兩名主治以上放射診斷醫師借助深睿醫療公司AI 進行肺結節檢測、分類，并根據患者年齡及肺結節大小、密度、邊界，與血管和支氣管關系進行良惡性評估，導出報告并存檔。

1.3 觀察指標

A、B、C 三組閱片、分析后，統計每組平均閱片時間及肺結節檢出數，根據2018 年《肺結節診治中國專家共識》[6]診斷標準進行肺結節良惡性評估。肺結節良惡性的金標準：基于支氣管纖維鏡活檢、經穿刺活檢或手術后的病理報告。

分別計算A、B、C 三組的診斷靈敏度、特異度、陽性預測值、陰性預測值、準確率；以病理檢查結果為金標準，計算A、B、C 三組對肺結節良惡性評估的符合率。

1.4 統計學方法

采用SPSS 21.0 統計軟件處理數據。符合正態分布的計量資料以均數±標準差（± s）表示，兩組間比較采用獨立樣本t檢驗，多組間采用方差分析；計數資料以頻數（n）、百分率（%）表示，采用χ2檢驗。以P＜0.05 代表差異有統計學意義。

2 結果

2.1 肺結節患者病理診斷結果

230 例患者經病理確診共有325 個肺結節，其中惡性278 個（腺癌153 個，鱗癌83 個，腺鱗癌17 個，小細胞肺癌11 個，大細胞癌10 個，癌肉瘤2 個，類癌1 個，腺樣囊性癌1 個）；良性47 個（非典型腺瘤性增生13 個，原位腺癌8 個，原位鱗癌5 個，硬化性肺泡細胞瘤9 個，錯構瘤5 個，結核球2 個，慢性炎癥3 個，霉菌感染2 個）。見表1。

表1 肺結節患者病理診斷結果

2.2 三組平均閱片時間比較

A 組閱片時間（14.37±2.12）min，B 組閱片時間（1.34±0.12）min，C 組閱片時間（8.34±1.26）min，B 組閱片時間短于A 組和C 組，C 組閱片時間短于A 組，差異具有統計學意義（P＜0.05）。見表2。

表2 三組平均閱片時間比較（ ± s，min）

表2 三組平均閱片時間比較（ ± s，min）

組別例數閱片時間A 組325 14.37±2.12 B 組325 1.34±0.12①C 組325 8.34±1.26①②F 6 800.824 P＜0.001

注：①與A 組比較，P ＜0.05；②與B 組比較，P ＜0.05。

2.3 三組檢查結果

A 組檢出惡性269 例，良性56 例；B 組檢出惡性280 例，良性45 例；C 組檢出惡性272 例，良性53 例。見表3。

表3 三組患者檢查結果 單位：例

2.4 三組良惡性鑒別診斷情況

A 組診斷的靈敏度、特異度、陽性預測值、陰性預測值、準確率分別為85.97%、36.17%、88.85%、30.36%、78.76%，B 組分別為91.01%、42.55%、90.36%、44.44%、84.00%，C 組分別為90.29%、55.32%、92.27%、49.27%、85.23%，各組差異有統計學意義（P＜0.05）。見表4。

表4 三組患者診斷效能比較[%（n/m）]

3 討論

近年來，肺癌在臨床的發病率逐年升高，嚴重威脅國民的健康。臨床研究顯示，早期肺癌，特別是Ⅰ期肺癌經手術根治后，5 年生存率接近100%[7]。這意味著早發現、早治療能有效治療肺癌，提高遠期生存率。人工智能系統輔助醫學影像診斷可使閱片速度達到毫秒級，對肺結節定性做出準確診斷[8]。近年來，AI 在醫學放射影像領域的應用逐漸增多，有效協助醫師鑒別肺結節的良惡性，且診斷速度快，可在數秒內篩查肺結節，判斷結節性質，大大縮短了閱片時間，為臨床醫師閱片提供了有效支持和幫助[9]。

本研究中，B 組閱片時間短于A 組和C 組，C 組閱片時間短于A 組，差異有統計學意義（P＜0.05），說明人工智能診斷系統輔助醫師閱片能夠有效縮短閱片時間，提高工作效率，能助力智能醫療的發展前景[10]。本研究中，A 組檢出惡性269 例，良性56 例；B 組檢出惡性280 例，良性45 例；C 組檢出惡性272 例，良性53 例；A 組診斷的靈敏度、特異度、陽性預測值、陰性預測值、準確率分別為85.97%、36.17%、88.85%、30.36%、78.76%，B 組分別為91.01%、42.55%、90.36%、44.44%、84.00%，C 組分別為90.29%、55.32%、92.27%、49.27%、85.23%，各組差異有統計學意義（P＜0.05），說明肺結節良惡性的診斷需要聯合AI 和臨床醫師閱片，AI 無法取代醫師閱片，僅能作為醫師閱片的輔助和支持手段。人工閱片是以往主要的閱片方式，但受到閱片者主觀因素的影響以及肺結節篩查人數不斷增多，臨床閱片醫師相對短缺，且容易對直徑較小、密度較低的純磨玻璃結節發生漏診，導致人工閱片的診斷效果并不能令人滿意，存在一定漏診、誤診率。

綜上所述，AI 在肺結節定性診斷中有較好的輔助診斷作用，臨床應聯合醫師閱片，可以縮短閱片時間，有效提高診斷的靈敏度、特異度和準確率。