對比人工智能輔助診斷技術與人工閱片對胸部低劑量CT肺小結節的檢查效果

楊華園，王 鳳（通信作者），顏廷婷，姜文昌，崔永偉

（1 青州市人民醫院醫學影像科 山東 濰坊 262500）

（2 臨朐縣人民醫院骨一科 山東 濰坊 262600）

（3 臨朐縣人民醫院醫學影像科 山東 濰坊 262600）

隨著科技的發展以及人們對健康和輻射損傷的關注，胸部低劑量螺旋計算機體層成像（low-dose computed tomography，LDCT）用于肺癌篩查開始在基層醫院普及，早期肺癌的影像學多表現為肺結節，在臨床實踐中，LDCT 是用于檢測肺結節病變的主要手段[1]。隨著CT 的重建層厚越來越薄，很多微小的病變可以被提前檢出和發現，但層厚越薄，輸出的圖像就會越多，在一定程度上增加了影像科醫師的工作負擔，致使漏診、誤診等情況發生[2]。研究發現，大量的CT 圖像容易引起閱片醫生的視覺疲勞，因疲勞狀態導致小結節的漏診率提高[3]。隨著深度學習算法的快速發展，人工智能（artificial intelligence，AI）輔助診斷工具的效能得到了廣泛的認可[4]。該技術能輔助影像科醫師快速、準確發現肺結節，降低漏診率，對肺結節篩查有利[5-6]。目前已有研究證實通過智能AI 輔助診斷技術輸出的“第二意見”不僅準確性較高，還可減輕影像科醫生的閱片壓力[7-8]?；诖?，本文分析研究基于AI 輔助診斷技術的胸部低劑量CT 對肺小結節灶的檢測效能，以評估AI 輔助診斷技術的臨床使用價值，現報道如下。

1 資料與方法

1.1 一般資料

選取2021 年10 月—2022 年12 月期間于青州市人民醫院行胸部低劑量CT 掃描的肺小結節患者578 例作為研究對象，其中男215 例，女363 例，年齡28 ～75 歲，平均（53.49±9.37）歲。

納入標準：（1）胸部CT 采用低劑量掃描，圖像清晰，采用1 mm 薄層重建肺窗；（2）肺內直徑≤10 mm 的結節；（3）肺結節AI 輔助診斷系統能夠正常識別輸出。排除標準：（1）結節直徑＞10 mm；（2）彌漫性肺結節；（3）影像資料不完整。

1.2 方法

檢查設備選用西門子Definition Flash 雙源CT，管電壓120 kV，管電流25 mAs，層厚5 mm，重建圖像層厚1 mm。肺窗：窗位-600 HU，窗寬1 500 HU；縱隔窗：窗位50 HU，窗寬350 HU。掃描范圍自胸廓入口至肺底部，一次吸氣后屏氣完成。

1.3 圖像評價

所有圖像均采用AI 輔助診斷技術和人工閱片兩種方法判讀。（1）AI 輔助診斷：由推想科技公司的AI 輔助診斷系統對肺小結節進行識別輸出，軟件能將疑似肺結節的部位進行準確標記，預測病灶結節密度及惡性概率等。人工閱片選擇2 名中級職稱醫生（胸部閱片工作5 ～8 年）分別閱片后商定結果，意見不一致時邀請一名上級醫師裁定。（2）診斷標準為可顯示結節位置、直徑、體積、性質（實性結節或鈣化結節或純磨玻璃結節或混合磨玻璃結節），先在科內進行培訓，確定統一診斷標準，然后由2 名副主任醫師（胸部閱片工作15 年以上）借助AI 輔助診斷技術共同對圖像進行審閱確定肺結節，意見不一致時討論協商，直至意見一致。

1.4 觀察指標

（1）分別記錄AI 輔助診斷技術和人工閱片對良惡性結節的診斷效能；（2）分別記錄AI 輔助診斷技術和人工閱片對不同直徑肺小結節（＜3 mm、3 ～＜5 mm及5 ～＜10 mm）的檢出率；（3）分別記錄AI 輔助診斷技術和人工閱片對結節性質（實性結節、含鈣化結節、混合磨玻璃結節和純磨玻璃結節）的檢出率。

1.5 統計學方法

采用SPSS 22.0 統計軟件分析數據，符合正態分布的計量資料以均數±標準差（± s）表示，采用t檢驗；計數資料以頻數（n）、百分率（%）表示，采用χ2檢驗。以P＜0.05 為差異有統計學意義。

2 結果

2.1 AI 輔助診斷技術與人工閱片對良惡性結節的診斷效果

578 例患者中128 例（肺小結節148 個）經病理診斷，惡性結節102 個，良性46 個。AI 輔助診斷技術對惡性結節的診斷靈敏度為96.08%（98/102），特異度93.48%（43/46），準確率95.27%（141/148），Kappa值=0.890，與病理診斷結果一致性極好；人工閱片對惡性結節的診斷靈敏度為85.29%（87/102），特異性73.91%（34/46），準確率81.76%（121/148），Kappa值=0.582，與病理診斷結果一致性一般。AI 輔助診斷技術對肺小結節的診斷效能優于人工閱片，差異有統計學意義（P＜0.05），見表1、表2。

表1 AI 輔助診斷技術與人工閱片對良惡性結節的診斷結果單位：個

表2 AI 輔助診斷技術與人工閱片對良惡性結節的診斷效能[%（n/m）]

2.2 AI 輔助診斷技術與人工閱片對不同直徑肺小結節檢出情況

578 例患者共同確定肺小結節2 748 個，AI 輔助診斷技術對直徑＜3 mm、3 ～＜5 mm 及5 ～＜10 mm 結節分別檢出953 個、1261 個和516 個，檢出率分別為98.55%（953/967）、99.68%（1261/1265）、100.00%（516/516）；人工閱片分別檢出470 個、904 個和516 個，檢出率分別為48.60%（470/967）、71.46%（904/1265）、100.00%（516/516），AI 輔助診斷技術對直徑＜3 mm、3 ～＜5 mm 肺結節檢出率高于人工閱片，差異有統計學意義（P＜0.01），兩者對直徑5 ～＜10 mm 肺結節檢出率差異無統計學意義（P＞0.05）。見表3。

表3 AI 輔助診斷技術與人工閱片對不同直徑肺小結節檢出情況比較[n（%）]

不同性質肺結節確診：實性結節1 506 個，鈣化結節417 個，純磨玻璃結節428 個，混合磨玻璃結節397 個。AI 輔助診斷技術分別漏診9 個、0 個、4 個、5 個，漏診率分別為0.60%（9/1 506）、0.00%（0/417）、0.93%（4/428）、1.26%（5/397）；人工閱片分別漏診535 個、21 個、183 個、119 個，漏診率分別為35.52%（535/1 506）、5.04%（21/417）、42.76%（183/428）、29.97%（119/397），AI 輔助診斷技術對實性結節、鈣化結節、純磨玻璃結節、混合磨玻璃結節的漏診率均低于人工閱片，差異有統計學意義（P＜0.05）。見表4。

表4 AI 輔助診斷技術與人工閱片對不同性質肺小結節漏診情況比較[n（%）]

2.3 兩者對肺小結節灶的檢出效能比較

兩者對肺小結節灶檢出的靈敏度、陽性預測率、假陽性率及漏診率比較，差異均有統計學意義（P＜0.01）。兩者對直徑≤3 mm、3 ～＜5 mm 結節檢出結果差異有統計學意義（P＜0.01），對直徑5 ～＜10 mm 結節檢出結果差異無統計學意義（P＞0.05）。兩者對不同性質肺小結節漏診情況比較，差異均有統計學意義（P＜0.01）。

3 討論

目前，肺癌是威脅人類最大的惡性腫瘤之一，早發現、早診斷及早治療可顯著提高患者的生存率。LDCT相比于常規劑量CT，可以在滿足早期肺癌的診斷需求、保證圖像質量的情況下顯著減少輻射劑量，因此LDCT成為早期肺癌篩查的重要技術方法。但由于層厚較薄，圖像較多，在肺結節的定量檢測、小結節圖像顯示率等方面增加了閱片難度[9]。近年利用AI 技術算法診斷肺結節，既是科技發展的產物，也是實際工作的急需，對于緩解醫療資源緊張具有重大意義。AI 輔助診斷技術最主要的優勢就是肺結節輸出速度快，通常醫生需要幾分鐘到十幾分鐘才能完成的工作，AI 僅需要幾秒鐘就可以解決，使得醫學影像診療體系的發展有了實質性的飛躍，提升了工作效率，使較多的肺癌患者在早期得到了病情控制[10]。AI 輔助診斷技術能快速準確地定位疑似肺結節灶，相比人工篩查效率更高、速度更快，大大降低了假陰性的發生率，明顯減少了影像科醫師的工作量[11]。

本研究中AI 輔助診斷技術對惡性結節的診斷靈敏度為96.08%（98/102），特異度93.48%（43/46），準確率95.27%（141/148），Kappa值=0.890，與病理結果一致性極好；人工閱片對惡性結節的診斷靈敏度為85.29%（87/102），特異度73.91%（34/46），準確率81.76%（121/148），Kappa值=0.582，與病理結果一致性一般。AI 輔助診斷技術對良惡性結節的診斷效能優于人工閱片，差異有統計學意義（P＜0.05），AI 輔助診斷技術對直徑＜3 mm、3 ～＜5 mm 肺結節檢出率高于人工閱片；AI 輔助診斷技術對實性結節、鈣化結節、純磨玻璃結節、混合磨玻璃結節的漏診率均低于人工閱片。主要原因是醫生可以靈活地對可疑病灶進行連續層面追蹤、鑒別，能對假性病灶進行排除，從而減少肺小結節的誤診。但醫生在大工作量閱片中會由于視覺疲勞、高強度工作下精力受限等因素出現漏診，尤其對于直徑≤5 mm 的微結節，更是容易漏診。肺結節AI 輔助診斷技術可在短時間內標記出結節的位置、形態、大小及惡性征象等信息，避免了人工閱片的主觀因素偏差。對不同性質肺小結節漏診情況比較，人工閱片漏診率明顯高于AI 輔助診斷技術，特別是對于純磨玻璃結節的漏診尤為顯著，可能與這部分結節密度較淡，不容易被人工識別有關[12]。

綜上所述，AI 輔助診斷技術對胸部低劑量CT 肺小結節的檢出總體價值較高，可在較短時間內識別輸出結節，漏診率低，臨床中可結合人工閱片加以鑒別。