人工智能技術(shù)在新型冠狀病毒肺炎患者應(yīng)用中需要注意的問題

沈聰 郭佑民

目前，新型冠狀病毒肺炎(簡(jiǎn)稱“新冠肺炎”)已經(jīng)成為威脅全球的重要公共健康衛(wèi)生事件[1-2]。新冠肺炎的主要確診手段為實(shí)時(shí)逆轉(zhuǎn)錄聚合酶鏈?zhǔn)椒磻?yīng)(real-time reverse transcription polymerase chain reaction, RT-PCR)，但由于各種原因(試劑盒靈敏度、咽拭子或鼻拭子取材操作、取材時(shí)機(jī)與病毒載量等)導(dǎo)致其檢測(cè)敏感度僅為60%～70%[3-4]。CT作為主要的影像學(xué)檢查手段，在新冠肺炎患者的病變檢出[5]、輔助確診[4,6]、病情嚴(yán)重程度評(píng)估[7]、鑒別診斷[8]、隨診復(fù)查[9]及預(yù)后預(yù)測(cè)[10]中發(fā)揮著很重要的作用。

疫情早期，有研究在CT圖像上通過人工讀片對(duì)病變征象及病變嚴(yán)重程度進(jìn)行分析[11-13]。即在軸面CT圖像上將病變密度分為：0，透亮度正常；1，磨玻璃樣密度；2，實(shí)變。根據(jù)每個(gè)肺葉的受累程度分為6層次：0，無(wú)病變；1，<5%; 2，5%～<25%；3，25%～<50%；4，50%～75%；5，>75%。然后分別將5個(gè)肺葉的病變性質(zhì)分?jǐn)?shù)和肺葉受累分?jǐn)?shù)相乘，后相加以獲得最終的CT分?jǐn)?shù)，則：最大病變分?jǐn)?shù)為5(個(gè)肺葉)×5(肺葉受累范圍)×2(實(shí)變)=50。也有研究者將病變的性質(zhì)分為4個(gè)程度：1，磨玻璃樣密度；2，實(shí)變；3，實(shí)變與磨玻璃樣密度混合，磨玻璃樣密度占比>50%；4，實(shí)變與磨玻璃樣密度混合，實(shí)變密度占比>50%。Lyu等[12]通過對(duì)病變的CT征象分析，發(fā)現(xiàn)病變累及的肺段數(shù)和肺葉數(shù)越多、病變內(nèi)實(shí)性成分越高，病變?cè)絿?yán)重。Li等[11]使用人工評(píng)價(jià)的方法鑒別重型新冠肺炎患者，曲線下面積達(dá)到0.918。半定量評(píng)價(jià)方法在短期內(nèi)解決了患者快速分流的問題，但具有一定的主觀性，耗時(shí)耗力且受觀察者本身的經(jīng)驗(yàn)影響。

隨著疫情的擴(kuò)大，確診的患者例數(shù)激增，且確診患者的首選檢查及多次隨診復(fù)查均采用CT，需要分析大量的影像學(xué)圖片，對(duì)于影像科的讀片工作是一個(gè)巨大的挑戰(zhàn)。在此緊迫需求的基礎(chǔ)上，大量影像學(xué)計(jì)算機(jī)輔助的病變檢測(cè)及定量[12,14-18],以及各種人工智能診斷系統(tǒng)輔助檢測(cè)病變得到廣泛應(yīng)用[19-22]，包括部分發(fā)表在網(wǎng)絡(luò)預(yù)印本(MedRxiv)上的深度學(xué)習(xí)或人工智能技術(shù)應(yīng)用于新冠肺炎的檢測(cè)及嚴(yán)重程度判斷[23-26]。關(guān)于人工智能技術(shù)在新冠肺炎患者CT讀片中的應(yīng)用，仍然需要注意以下幾點(diǎn)問題。

一、對(duì)病變的準(zhǔn)確分割是病變定量及深度學(xué)習(xí)的關(guān)鍵

不論是病變定量分析，還是病變的特征提取，都基于對(duì)病變的準(zhǔn)確分割。分割包括手動(dòng)分割、半自動(dòng)分割及自動(dòng)分割。手動(dòng)分割在圖像深度學(xué)習(xí)領(lǐng)域被認(rèn)為是金標(biāo)準(zhǔn)，往往需要由專業(yè)的影像科醫(yī)師讀片時(shí)標(biāo)注感興趣區(qū)，整個(gè)過程費(fèi)時(shí)費(fèi)力，且不能避免讀片者對(duì)病灶勾勒的主觀性，因此手動(dòng)分割結(jié)果需要更高級(jí)的醫(yī)師進(jìn)行審核。

二、基于經(jīng)驗(yàn)和知識(shí)的定量指標(biāo)兼具快速、精準(zhǔn)、定量的特點(diǎn)

根據(jù)醫(yī)師對(duì)新冠肺炎患者CT征象[27]的認(rèn)識(shí)，研究者設(shè)計(jì)了一些病變的定量特征，包括病變的體積、密度、百分比、分布、病變內(nèi)的磨玻璃樣成分、病變質(zhì)量等[14-15,17]。Shen等[14]和Cheng等[15]比較了人為設(shè)計(jì)的定量指標(biāo)與人工評(píng)價(jià)的相關(guān)性，發(fā)現(xiàn)二者相關(guān)性較高，且定量指標(biāo)能更真實(shí)地反映病變的情況。Yu 等[28]在準(zhǔn)確分割病變的基礎(chǔ)上，采用密度直方圖分析病變內(nèi)的密度組成成分及比例。結(jié)果發(fā)現(xiàn)，病情早期，病變密度較淡薄且均一，密度直方圖呈靠左的單峰；隨著病變進(jìn)展，病變密度增高，直方圖的峰值右移；隨著病變吸收，病變不同位置消散程度不一致，直方圖由單峰變?yōu)殡p峰，峰值逐漸向左移。Yu等[17]納入421例新冠肺炎患者，經(jīng)計(jì)算機(jī)自動(dòng)分割病變后，計(jì)算不同肺葉病變的體積及密度；結(jié)果發(fā)現(xiàn)，雙肺上葉病變密度較實(shí)是患者預(yù)后差的獨(dú)立危險(xiǎn)因素。Liu等[18]采用人工智能技術(shù)自動(dòng)分割病變，計(jì)算病變內(nèi)的磨玻璃狀影部分的體積、半實(shí)性部分的體積和實(shí)性部分的體積，計(jì)算病程首日和病程第4天的以上指標(biāo)的差值，可以較好地鑒別出重型新冠肺炎患者。因此，定量影像學(xué)兼具了精準(zhǔn)定量與有監(jiān)督學(xué)習(xí)的特點(diǎn)，其結(jié)果具有可解釋性，容易理解且被臨床所接受，準(zhǔn)確性和時(shí)效性均高于人工評(píng)價(jià)方法。

三、基于人工智能技術(shù)對(duì)新冠肺炎患者CT圖像識(shí)別中的價(jià)值

醫(yī)學(xué)圖像復(fù)雜度及精確度高，且多為容積成像，需要采用三維(3D)的卷積核進(jìn)行特征識(shí)別，因此需要更高的計(jì)算機(jī)處理能力和更快的處理速度。在此次疫情中，一些學(xué)者(或聯(lián)合廠商)做了一些深度學(xué)習(xí)的探索性研究。Li等[19]收集了1296例新冠肺炎患者、1735例社區(qū)獲得性肺炎患者和1325例非肺炎患者的CT圖像。使用Res-Net50作為深度學(xué)習(xí)的模型骨架，使用3D卷積核提取2D及3D特征，對(duì)以上患者進(jìn)行分類[29]；但文中使用深度學(xué)習(xí)模型分割得到的結(jié)果，未經(jīng)過多方專家的審閱與矯正，可能會(huì)高估深度學(xué)習(xí)算法的智能性。

在Bai等[21]的研究中，包括了521例新冠肺炎患者和665例非新冠病毒感染的肺炎患者的CT圖像。在病變分割中，首先對(duì)肺部組織進(jìn)行分割，且肺組織的分割允許醫(yī)師手動(dòng)修改不滿意的地方。病變的每一層均采用手動(dòng)分割結(jié)果作為深度訓(xùn)練的輸入層。如前所述，手動(dòng)分割費(fèi)時(shí)費(fèi)力，因此納入的患者例數(shù)有限，作者通過翻轉(zhuǎn)、旋轉(zhuǎn)、隨機(jī)噪聲、模糊、人為調(diào)節(jié)對(duì)比度等多種方法增加輸入樣本量。再者該深度模型采用了ImageNet上訓(xùn)練所得的參數(shù)作為初始參數(shù)，該數(shù)據(jù)集的分辨率及分割的精準(zhǔn)要求與醫(yī)學(xué)圖像相去甚遠(yuǎn)，訓(xùn)練的結(jié)果仍然具有一定的局限性。

Murphy等[22]以RT-PCR為金標(biāo)準(zhǔn)，在肺結(jié)核胸片的自動(dòng)檢測(cè)[30]基礎(chǔ)上進(jìn)一步用于胸片上對(duì)RT-PCR陽(yáng)性患者與陰性患者的鑒別，與人工讀片的結(jié)果進(jìn)行對(duì)比發(fā)現(xiàn)，使用人工智能技術(shù)鑒別RT-PCR患者的曲線下面積高于人工讀片，敏感度和特異度分別為85%和61%。該方法使用醫(yī)學(xué)圖像(22 184 張胸片，包括7851張正常胸片和5012張肺炎胸片)的訓(xùn)練結(jié)果作為預(yù)估參數(shù)，再將其應(yīng)用于新冠肺炎患者(416例RT-PCR檢測(cè)陽(yáng)性和191例RT-PCR檢測(cè)陰性)的模型訓(xùn)練，最后使用外部驗(yàn)證(994張新冠肺炎患者的圖像，其中40張用于檢驗(yàn))，較前所述文獻(xiàn)報(bào)告提高了結(jié)果的可信度。

四、醫(yī)學(xué)影像學(xué)的人工智能技術(shù)需結(jié)合臨床及實(shí)驗(yàn)室檢查

影像學(xué)表現(xiàn)與臨床表現(xiàn)、實(shí)驗(yàn)室檢查的改變往往具有不一致性，出現(xiàn)“癥征不符”。一般來(lái)說(shuō)，影像學(xué)改變晚于外周血淋巴細(xì)胞的降低。隨著患者的增加，越來(lái)越多的無(wú)癥狀感染者也被發(fā)現(xiàn)[31]。系統(tǒng)回顧研究發(fā)現(xiàn)，年齡、多臟器功能綜合評(píng)價(jià)指數(shù)、高血壓及心血管慢性病、低淋巴細(xì)胞計(jì)數(shù)、高D-二聚體等都是新冠肺炎患者預(yù)后不良的危險(xiǎn)因素[32]。將影像學(xué)特征與臨床表現(xiàn)、實(shí)驗(yàn)室檢查結(jié)果相結(jié)合有助于對(duì)新冠肺炎患者進(jìn)行早期診斷及預(yù)后評(píng)估。

總之，目前醫(yī)學(xué)影像學(xué)在逐步進(jìn)入大數(shù)據(jù)研究時(shí)代。而大數(shù)據(jù)的應(yīng)用具有厚積薄發(fā)的特點(diǎn)，往往需要我們經(jīng)過長(zhǎng)期大量的基礎(chǔ)準(zhǔn)備工作后，才能使數(shù)據(jù)更好地發(fā)揮其潛在價(jià)值，將其應(yīng)用于醫(yī)師的臨床工作中。