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。
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。
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。
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)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。
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。
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)]
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(%)]
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)。
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。