基于深度學(xué)習(xí)的新型冠狀病毒肺炎轉(zhuǎn)歸胸部CT 評(píng)價(jià)

趙建華 柴 軍 張曉琴 賀燕林 劉 瑞 孫德俊

1 內(nèi)蒙古自治區(qū)人民醫(yī)院影像醫(yī)學(xué)科，呼和浩特 010017；2 內(nèi)蒙古自治區(qū)人民醫(yī)院國家衛(wèi)生健康委慢阻肺診治重點(diǎn)實(shí)驗(yàn)室，呼和浩特 010017

目前在全球多國蔓延的新型冠狀病毒肺炎（corona virus disease 2019，COVID-19），其病毒屬于β 屬冠狀病毒[1]。胸部CT 對(duì)COVID-19 的診斷具有較高價(jià)值[2-3]。根據(jù)《新型冠狀病毒感染的肺炎診療方案（試行第五版）》[4]可將患者臨床分型分為輕型、普通型、重型和危重型。COVID-19 病死者多為重癥（重型、危重型）患者，因此，對(duì)普通型患者臨床轉(zhuǎn)歸的研究就顯得尤為重要。人工智能（artificial intelligence，AI）技術(shù)強(qiáng)大的數(shù)據(jù)分析和特征識(shí)別能力可為影像醫(yī)師提供快速有效的幫助。本研究基于深度學(xué)習(xí)的AI 技術(shù)對(duì)42 例不同臨床轉(zhuǎn)歸的普通型COVID-19 患者的胸部CT 資料進(jìn)行回顧性分析，以提高對(duì)COVID-19 轉(zhuǎn)歸的影像認(rèn)識(shí)。

1 資料與方法

1.1 一般資料

回顧性分析2020 年1 月25 日至3 月29 日來自內(nèi)蒙古自治區(qū)COVID-19 病例庫的42 例COVID-19 患者（臨床分型為普通型）入院后第一次胸部CT 資料，其中男性20 例、女性22 例，年齡17 個(gè)月～86 歲[（48.74±17.18）歲]。所有患者均有流行病學(xué)史（均為疫區(qū)旅居人員或與之有密切接觸者）。初診時(shí)發(fā)熱36 例、咳嗽29 例、無臨床癥狀4 例，實(shí)驗(yàn)室檢查結(jié)果示W(wǎng)BC 和淋巴細(xì)胞計(jì)數(shù)減少。根據(jù)是否轉(zhuǎn)為重癥（重型或危重型）將患者分為未轉(zhuǎn)為重癥的A 組（n=29）和轉(zhuǎn)為重癥的B 組（n=13）。納入標(biāo)準(zhǔn)：內(nèi)蒙古自治區(qū)臨床確診臨床分型為普通型的COVID-19 患者；排除標(biāo)準(zhǔn)：所有未確診病例（包括無癥狀感染者）和首診臨床分型為輕型、重型和危重型病例。

本研究獲得了內(nèi)蒙古自治區(qū)人民醫(yī)院倫理學(xué)委員會(huì)的批準(zhǔn)，批準(zhǔn)文號(hào)為202000107L。

1.2 影像學(xué)檢查方法

使用美國GE 公司的Light Speed VCT 64 層和荷蘭Phillips 公司的Brilliance 16 層CT 機(jī)。掃描參數(shù)：管電壓120 kV，管電流30～70 mA，層厚5.00 mm，重建層厚1.0～1.3 mm，螺距0.99～1.20，矩陣512×512。患者均采取仰臥位，深吸氣后在屏氣狀態(tài)下完成1 次胸部掃描，掃描范圍由肺尖至肺底。在肺窗（窗寬1100～1300 HU，窗位?430～530 HU）和縱隔窗（窗寬350～400 HU，窗位40 HU）進(jìn)行圖像分析。

1.3 圖像分析與模型檢測(cè)

由影像醫(yī)學(xué)科心胸組2 位副主任醫(yī)師共同對(duì)胸部CT 薄層圖像的模型檢測(cè)結(jié)果進(jìn)行分析，意見不一致時(shí)，由第3 位心胸組主任醫(yī)師審核，最終協(xié)商達(dá)成一致意見。

應(yīng)用AI 肺炎輔助診斷系統(tǒng)（北京推想科技有限公司，Inferead CT Pneumonia）進(jìn)行肺炎病灶分割和密度、體積的測(cè)量，該系統(tǒng)利用遷移學(xué)習(xí)技術(shù)和大量標(biāo)記好的COVID-19 數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練完成后，通過深度學(xué)習(xí)分割模型勾畫肺病灶區(qū)域，通過計(jì)數(shù)像素個(gè)數(shù)和像素點(diǎn)體積計(jì)算肺炎病灶的密度（CT 值）、體積、占肺葉和整肺體積的百分比。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS22.0 軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。計(jì)量資料采用Shapiro-Wilk 方法進(jìn)行正態(tài)分布檢驗(yàn)，對(duì)符合正態(tài)分布的計(jì)量資料用±s表示，年齡比較采用兩獨(dú)立樣本t 檢驗(yàn)（方差齊）；對(duì)非正態(tài)分布的影像組學(xué)參數(shù)采用M（P25，P75）表示；各肺葉感染體積及不同CT 閾值范圍內(nèi)占比的比較采用Mann-Whitney U 非參數(shù)檢驗(yàn)。性別、感染肺葉分布及感染肺葉數(shù)采用例數(shù)（構(gòu)成比）表示，采用卡方檢驗(yàn)或Fisher's確切概率法進(jìn)行比較，檢驗(yàn)水準(zhǔn)α=0.05。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 2 組患者性別、年齡及病灶特點(diǎn)的比較

由表1 可知，A、B2 組患者的性別差異無統(tǒng)計(jì)學(xué)意義（χ2=0.016，P=1.000），B 組患者的年齡（t=5.64，P＜0.001）和中位年齡（Z=4.261，P＜0.001）均高于A 組，且差異有統(tǒng)計(jì)學(xué)意義。

由表2 可知，B 組患者感染肺葉數(shù)以及各肺葉感染體積占比（各肺葉感染體積占相應(yīng)肺葉總體積的百分比）、總感染體積占比（總感染體積占總肺葉體積的百分比）均高于A 組，且差異有統(tǒng)計(jì)學(xué)意義（Z=2.505～3.605，均P＜0.05），以雙肺下葉感染較多，右肺中葉較少（表1、2）。

2 組患者的肺部總體積差異無統(tǒng)計(jì)學(xué)意義（Z=1.456，P=0.146）；B 組患者右肺上葉、中葉、下葉，左肺上葉、下葉感染體積及雙肺總感染體積均高于A 組，且差異有統(tǒng)計(jì)學(xué)意義（Z=2.301～3.254，均P＜0.05）（表3）。B 組患者在不同CT 值閾值范圍內(nèi)的肺部感染體積占比均高于A 組患者，且差異有統(tǒng)計(jì)學(xué)意義（Z=3.115～3.578，均P＜0.05）（表4）。

2.2 2 組患者病灶的影像學(xué)特點(diǎn)

CT 顯像結(jié)果顯示，B 組病灶均為雙肺分布，A 組有2 例患者的早期胸部CT 無異常，后復(fù)查出現(xiàn)肺炎表現(xiàn)；2 組患者的病灶均以雙肺分布的磨玻璃密度影（ground glass opacity，GGO）實(shí)變?yōu)橹?。A 組患者CT 的主要表現(xiàn)為以雙肺或單側(cè)肺2 個(gè)及2 個(gè)以上肺葉分布為主、呈大小不等的片狀GGO和實(shí)變影，部分較淡薄，病灶形態(tài)多不規(guī)則，部分呈扇形、楔形、類圓形病灶（圖1、2），胸膜下、肺葉外周帶分布多見，右肺中葉受累相對(duì)少見，亦可僅見于一個(gè)肺葉（圖1 中C、D）；均未見胸腔積液及縱隔、肺門淋巴結(jié)腫大。B 組均呈現(xiàn)出以雙肺胸膜下及肺野外周帶分布為主的GGO（圖3、4 中A、B）和實(shí)變影，由于患者機(jī)體抵抗力不同，病變進(jìn)展為重型、危重型，肺泡內(nèi)滲出增多，密度增高，部分形成肺實(shí)變，病變范圍擴(kuò)大，表現(xiàn)為雙肺分布的斑片狀、大片狀實(shí)變和GGO，以胸膜下為主，在后期修復(fù)愈合過程中，纖維成分形成多發(fā)纖維條索（圖4 中C）。

表 1 42 例COVID-19 患者的一般資料Table 1 General information of 42 patients with COVID-19

3 討論

COVID-19 是由嚴(yán)重急性呼吸綜合征冠狀病毒2 引起的肺部感染性疾病，傳染性較強(qiáng)，人群普遍易感，以呼吸道飛沫傳播和接觸傳播為主要傳播途徑[5-7]。

病毒核酸檢測(cè)、基因測(cè)序、病毒抗體血清學(xué)檢測(cè)是《新型冠狀病毒肺炎診療方案（試行第七版）》[8]中確診COVID-19 的“金標(biāo)準(zhǔn)”。病毒核酸檢測(cè)和基因測(cè)序耗時(shí)較長(zhǎng)，假陰性率較高[9-10]，往往不能及時(shí)確診；而病毒血清學(xué)檢測(cè)作為一種新的診斷方法，其特異度和靈敏度有待進(jìn)一步的臨床試驗(yàn)證實(shí)。而胸部CT 特別是薄層高分辨率CT 可準(zhǔn)確顯示胸部病灶的細(xì)微結(jié)構(gòu)，診斷陽性率達(dá)88%～98%[9]，是目前對(duì)COVID-19 患者篩查、診斷及評(píng)估病程轉(zhuǎn)歸推薦的首選檢查方法之一[11]。近年來，隨著AI 的發(fā)展，其與醫(yī)學(xué)影像學(xué)技術(shù)的結(jié)合對(duì)部分疾病的診斷取得了突破性進(jìn)展[12]?；谏疃葘W(xué)習(xí)的計(jì)算機(jī)輔助診斷技術(shù)在提高醫(yī)師讀片速度和準(zhǔn)確率的同時(shí)，還可以進(jìn)行自我學(xué)習(xí)，不斷優(yōu)化讀片效果[13]。針對(duì)COVID-19 的特殊影像學(xué)表現(xiàn)進(jìn)行算法的迭代和優(yōu)化，進(jìn)而計(jì)算出肺炎病灶的密度、體積和占肺葉或整肺體積百分比。目前已開發(fā)的COVID-19 相關(guān)AI 模型的診斷準(zhǔn)確率為94.00%～95.24%[14]。Yang 等[14]的研究結(jié)果顯示，深度學(xué)習(xí)可識(shí)別COVID-19，并可將其與細(xì)菌性感染相鑒別，診斷靈敏度為96%，且單例患者的診斷時(shí)間可縮短至30 s 內(nèi)完成。

表 2 2 組COVID-19 患者感染肺葉數(shù)和各肺葉感染體積占比的比較[M（P25，P75）]Table 2 Statistical table of the number of infected pulmonary lobes and the proportion of infected pulmonary lobes in 2 groups of COVID-19 (M (P25, P75))

表 3 2 組COVID-19 患者各肺葉感染體積的比較[M（P25，P75），cm3]Table 3 Comparison of infection volume of each lobe in 2 groups of patients with COVID-19 (M (P25, P75), cm3)

表 4 2 組COVID-19 患者在不同CT 閾值范圍的肺部感染體積占比的比較[M（P25，P75），%]Table 4 Statistical table of infected proportion with different CT thresholds in 2 groups of COVID-19 (M (P25, P75), %)

圖 1 普通型新型冠狀病毒肺炎未轉(zhuǎn)歸重癥患者的胸部CT（A、C、E、G）及其AI 病灶識(shí)別勾畫圖像（B、D、F、H） 圖中，A、B：雙肺下葉條片狀、斑片狀密度增高磨玻璃密度影及條索，肺野外周帶為主（女性，47 歲）；C、D：病灶僅分布于右肺下葉胸膜下，呈斑片狀磨玻璃密度影，可見小血管穿行（男性，42 歲）；E、F：雙肺下葉片狀、右肺中葉有小片狀淡薄磨玻璃密度影（男性，45 歲）；G、H：右肺片狀磨玻璃密度影伴局部實(shí)變，左肺小片狀磨玻璃密度影（男性，77 歲）。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能Fig. 1 Chest CT（A, C, E, G）and artificial intelligence focus recognition delineation（ B, D, F, H） images of COVID-19 common type that were not converted to severe case

圖 2 普通型新型冠狀病毒肺炎未轉(zhuǎn)歸重癥患者（女性，24歲）的胸部CT 及其AI 病灶識(shí)別勾畫圖像 圖中，A：2020年1 月23 日胸部CT 示右肺下葉呈斑片狀磨玻璃密度影，邊緣模糊、內(nèi)可見增粗小血管；B：圖A 的AI 病灶識(shí)別勾畫圖像；C：2020 年1 月29 日胸部CT 示右肺下葉呈片狀密度增高磨玻璃密度影，可見小葉內(nèi)間隔增厚；D：2020 年2 月4 日胸部CT 示右肺下葉病灶較之前明顯吸收，呈淡薄磨玻璃密度影，可見小血管增粗。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能Fig. 2 Chest CT and artificial intelligence focus recognition delineation images of COVID-19 common type that was not converted to severe case（female，24 years old）

圖 3 普通型新型冠狀病毒肺炎轉(zhuǎn)歸重癥患者（男性，67 歲）的胸部CT（A）及其AI 病灶識(shí)別勾畫圖像（B） 圖中，雙肺外周帶分布磨玻璃密度影, 沿支氣管血管束分布。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能Fig. 3 Chest CT (A) and artificial intelligence focus recognition delineation images (B) of COVID-19 common type that was converted to severe case（male，67 years old）

本研究結(jié)果顯示，普通型COVID-19 患者的胸部CT 圖像多呈不同形態(tài)的GGO 和實(shí)變病灶，單發(fā)少見，以雙肺下葉分布為主，右肺中葉受累略少；以肺野外周帶、下肺背側(cè)胸膜下區(qū)及肺底多見，可能與嚴(yán)重急性呼吸綜合征冠狀病毒2 主要定植于下呼吸道的細(xì)支氣管和肺泡上皮細(xì)胞有關(guān)，其發(fā)病基礎(chǔ)有可能與其他冠狀病毒相似，由炎性細(xì)胞因子風(fēng)暴引起不同程度的彌漫性肺泡損傷[7]。而肺泡內(nèi)滲出和水腫并不明顯，胸部CT 表現(xiàn)為邊緣模糊的GGO[15]。本研究中，A 組病灶累及雙肺多個(gè)肺葉，病灶多呈小片狀、不規(guī)則斑片狀、楔形，也可呈類圓形，密度不均，多呈淡薄的GGO，內(nèi)可見支氣管血管束增粗或局部小葉內(nèi)間隔增厚，隨著病變進(jìn)展表現(xiàn)為呈雙側(cè)非對(duì)稱性胸膜下楔形或扇形分布的斑片狀密度增高病灶，以雙肺下野分布為主；GGO 在肺泡內(nèi)滲出液增多時(shí)可實(shí)變，呈節(jié)段性或小葉性分布的軟組織密度影或致密條索。轉(zhuǎn)為重癥（重型或危重型）的B 組平均年齡較A 組高，AI 示感染肺葉數(shù)以及各肺葉感染體積占比、總感染體積占比均高于A 組，可見感染較重者易短期內(nèi)轉(zhuǎn)為重癥，胸部CT 多表現(xiàn)為以雙肺實(shí)變影為主，合并GGO 的彌漫性病變，可見多發(fā)條索及空氣支氣管征，病灶分布和累及肺段數(shù)量隨病情進(jìn)展先沿胸膜下、再向肺門方向播散進(jìn)行性增多[16]，右肺上葉、中葉、下葉，左肺上葉和下葉感染體積及雙肺總感染體積均高于A 組；可見年齡較長(zhǎng)、胸部CT 感染肺葉數(shù)多、感染體積較大、占比較高者容易進(jìn)展為重癥。A、B 組患者均未見胸腔積液、縱隔和肺門淋巴結(jié)腫大。本研究A 組中的4 例患者無臨床癥狀，部分患者胸部CT 可見斑片狀GGO，出現(xiàn)這種CT 表現(xiàn)早于臨床癥狀的可能原因是由于病毒定植于肺泡和呼吸性細(xì)支氣管上皮[17]，而早期病例病灶以右肺下葉較常見，這可能與病毒更容易進(jìn)入粗而短的右肺下葉支氣管有關(guān)[18]。

COVID-19 主要需與其他病毒性肺炎如嚴(yán)重急性呼吸綜合征（severe acute respiratory syndrome，SARS）和中東呼吸綜合征（middle east respiratory syndrome，MERS）相鑒別。SARS 的主要臨床表現(xiàn)為干咳和呼吸急促，可表現(xiàn)為單側(cè)、雙側(cè)的GGO或?qū)嵶冇?；MERS 患者病情進(jìn)展較SARS 更為迅速，可發(fā)生急性呼吸窘迫綜合征、多器官功能衰竭甚至死亡，可表現(xiàn)為雙側(cè)胸膜下片狀GGO。有研究報(bào)道，SARS 患者單側(cè)病灶發(fā)病率為54.6%[19]。另外，SARS 患者常伴有胸腔積液[20]，MERS 患者后期常出現(xiàn)氣胸和少量胸腔積液[21]。細(xì)菌性肺炎主要表現(xiàn)為沿支氣管分布的斑片、片狀甚至大片高密度影，以實(shí)性為主，實(shí)驗(yàn)室檢查結(jié)果顯示W(wǎng)BC 增高，比較容易與其他肺炎相鑒別。

本研究的局限性為樣本量小，特別是轉(zhuǎn)為重癥COVID-19 的患者較少，神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型效果欠佳，CT 閾值區(qū)間采用湖北地區(qū)早期接觸COVID-19 患者的醫(yī)師的建議，采用CT 值100 HU為一個(gè)區(qū)間單位進(jìn)行統(tǒng)計(jì)，具有一定的主觀性，且圖像來源于不同品牌的CT 設(shè)備，對(duì)病灶細(xì)節(jié)的觀察略有影響。

綜上所述，基于深度學(xué)習(xí)的AI 可快速準(zhǔn)確地測(cè)量胸部CT 病灶，影像醫(yī)師通過CT+AI 模式可更好地評(píng)估COVID-19 不同臨床轉(zhuǎn)歸患者病灶的特點(diǎn)。盡早快速評(píng)估有重癥轉(zhuǎn)歸傾向的患者有助于COVID-19 重癥率的控制。

利益沖突本研究由署名作者按以下貢獻(xiàn)聲明獨(dú)立開展，不涉及任何利益沖突。

作者貢獻(xiàn)聲明趙建華負(fù)責(zé)數(shù)據(jù)的收集與分析、論文的撰寫；柴軍、張曉琴負(fù)責(zé)診斷報(bào)告的書寫；賀燕林、劉瑞負(fù)責(zé)圖像的采集與處理；孫德俊負(fù)責(zé)命題的提出與設(shè)計(jì)、論文的修訂。