人工智能肺結(jié)節(jié)篩查系統(tǒng)檢測(cè)不同類型肺結(jié)節(jié)的效能評(píng)估

胡志宇，張曉琴

（1.內(nèi)蒙古醫(yī)科大學(xué)研究生學(xué)院，內(nèi)蒙古 呼和浩特；2.內(nèi)蒙古自治區(qū)人民醫(yī)院，內(nèi)蒙古 呼和浩特）

0 引言

肺癌是全球癌癥死亡的主要原因，約占18.4%，一項(xiàng)以人群為基礎(chǔ)的篩查項(xiàng)目的結(jié)果顯示，肺癌導(dǎo)致的死亡人數(shù)超過(guò)了宮頸癌、乳腺癌和結(jié)直腸癌的總和[1]。肺癌患者的5年生存率只有15%，這是因?yàn)榇蠹s70%的患者在確診時(shí)病情已經(jīng)惡化[2]。目前早期肺癌篩查的主要手段為低劑量螺旋CT（low-dose computed tomography，LDCT），Ⅰ期肺癌通過(guò)低劑量螺旋CT 篩查檢出后實(shí)施外科手術(shù)治療，其預(yù)期 10年生存率可達(dá) 88%[3]，大型隨機(jī)對(duì)照試驗(yàn)表明與X 線相比LDCT 可降低20%的肺癌死亡率[4-5]。因此肺癌的早期診斷與治療對(duì)患者生存率的提高顯得至關(guān)重要。早期肺癌的主要CT 表現(xiàn)為肺結(jié)節(jié)，但是其檢出結(jié)果受到診斷醫(yī)師主觀影響較大，并且隨著工作量的逐漸增多，意味著缺乏經(jīng)驗(yàn)的低年資影像科醫(yī)師更容易漏診或誤診[6]。人工智能（artificial intelligence，AI）是現(xiàn)今非常受歡迎的話題，其在影像醫(yī)學(xué)診斷領(lǐng)域的研究應(yīng)用深受矚目，其中基于深度學(xué)習(xí)的肺結(jié)節(jié)輔助診斷系統(tǒng)憑借其強(qiáng)大的學(xué)習(xí)及分析能力逐漸受到認(rèn)可。本研究分析AI 肺結(jié)節(jié)篩查系統(tǒng)在臨床使用中對(duì)不同類型肺結(jié)節(jié)的檢出效能，探討其在臨床中的應(yīng)用價(jià)值。

1 研究對(duì)象與方法

1.1 研究對(duì)象

回 顧 性 收 集2018年12月1日 至2019年6月30日于內(nèi)蒙古自治區(qū)人民醫(yī)院進(jìn)行肺部檢查的117例患者為研究對(duì)象。其中男性患者51例（43.6%），女性患者66例（56.4%），年齡31～91歲，平均年齡（58.5±12.9）歲。納入標(biāo)準(zhǔn)：①符合《肺結(jié)節(jié)診治中國(guó)專家共識(shí)（2018年版）》相關(guān)診斷標(biāo)準(zhǔn)[7]；② 所有患者均行低劑量螺旋CT 平掃檢查。排除標(biāo)準(zhǔn)：①直徑≤5mm 的肺結(jié)節(jié)；②彌漫性分布的磨玻璃影；③既往肺結(jié)核患者；④其他部位惡性腫瘤患者。

1.2 研究方法

1.2.1 影像學(xué)掃描

所有患者均使用德國(guó)SIEMENS 炫速雙源CT（SOMATOM Definition Flash）進(jìn)行掃描?；颊呷⊙雠P位、頭先進(jìn)，前臂舉頭上，深吸氣后屏氣開始掃描，掃描范圍為肺尖部到雙側(cè)膈肌底部，低劑量掃描參數(shù)[8]：管電壓為120KV，管電流≤40mAs，掃描層厚為5mm，圖像重建層厚為1.25mm。

1.2.2 閱片方法

本研究主要關(guān)注實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)和胸膜結(jié)節(jié)的檢出情況，因此首先由兩位擁有超過(guò)15年胸部CT 閱片經(jīng)驗(yàn)的放射科專家對(duì)所有CT 圖像進(jìn)行雙盲法判讀，意見(jiàn)不統(tǒng)一時(shí)協(xié)商解決，針對(duì)以上三類肺結(jié)節(jié)共同制定本研究使用的金標(biāo)準(zhǔn)肺結(jié)節(jié)數(shù)。AI 閱片使用北京推想科技提供的InferRead CT 肺結(jié)節(jié)輔助診斷系統(tǒng)，該系統(tǒng)基于深度學(xué)習(xí)，以40 萬(wàn)訓(xùn)練數(shù)據(jù)集為基礎(chǔ)，數(shù)據(jù)庫(kù)的數(shù)據(jù)均來(lái)源于全國(guó)多家大型三甲醫(yī)院，系統(tǒng)能將疑似肺結(jié)節(jié)進(jìn)行標(biāo)記，下方欄目可顯示結(jié)節(jié)直徑、CT 值、結(jié)節(jié)性質(zhì)（實(shí)行結(jié)節(jié)、GGN 或胸膜結(jié)節(jié)）、結(jié)節(jié)征象（毛刺征、分葉征、胸膜凹陷征等）及惡性概率等信息。將所有患者的LDCT 圖像資料上傳至AI 系統(tǒng)進(jìn)行不同性質(zhì)結(jié)節(jié)的檢測(cè)，記錄其檢測(cè)到的相應(yīng)類型肺結(jié)節(jié)數(shù)，然后與金標(biāo)準(zhǔn)進(jìn)行對(duì)比，分析AI 系統(tǒng)檢測(cè)到的真陽(yáng)性結(jié)節(jié)（TP），假陽(yáng)性結(jié)節(jié)（FP）和假陰性結(jié)節(jié)（FN）的數(shù)量，計(jì)算AI 系統(tǒng)檢測(cè)不同結(jié)節(jié)的敏感性和假陽(yáng)性率（FPs/Scan），進(jìn)而對(duì)比其對(duì)不同類型結(jié)節(jié)檢出的效能情況。

1.2.3 統(tǒng)計(jì)學(xué)方法

采用SPSS 23.0 統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。計(jì)量資料先進(jìn)行正態(tài)性檢驗(yàn)，符合正態(tài)分布的數(shù)據(jù)用（±s）表示，分類變量用頻率和百分比表示。率的比較采用χ2檢驗(yàn)，P＜0.05 認(rèn)為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

在入組的117例胸部CT 數(shù)據(jù)中共計(jì)標(biāo)注了310個(gè)實(shí)性結(jié)節(jié)，147個(gè)磨玻璃結(jié)節(jié)和50個(gè)胸膜結(jié)節(jié)作為本研究的金標(biāo)準(zhǔn)。AI 肺結(jié)節(jié)篩查系統(tǒng)檢測(cè)到626個(gè)實(shí)性結(jié)節(jié)，包含270個(gè)真陽(yáng)性實(shí)性結(jié)節(jié)，檢測(cè)敏感性為87.1%。同時(shí)AI 系統(tǒng)檢測(cè)到356個(gè)磨玻璃結(jié)節(jié)，包括133個(gè)真陽(yáng)性磨玻璃結(jié)節(jié)，檢測(cè)敏感性為90.48%。對(duì)于胸膜結(jié)節(jié)而言，AI 系統(tǒng)共計(jì)檢測(cè)到89個(gè)，其中43個(gè)為真陽(yáng)性胸膜結(jié)節(jié)，檢測(cè)敏感性為86%。AI 系統(tǒng)對(duì)三種不同類型的結(jié)節(jié)檢出敏感性無(wú)顯著差異（P＞0.05）。此外，AI系統(tǒng)檢測(cè)實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)和胸膜結(jié)節(jié)的假陽(yáng)性率分別為3.04 FPs/Scan、1.91 FPs/Scan 和0.39 FPs/Scan。

3 討論

由于人口老齡化、環(huán)境污染加劇、慢性感染無(wú)法控制、普遍存在的西方化生活模式（包括吸煙和有害飲酒、不健康飲食和缺乏體育活動(dòng)等）以及遺傳等多方面因素影響，我國(guó)肺癌的發(fā)病率和死亡率呈逐年上升趨勢(shì)。肺癌已經(jīng)成為我國(guó)乃至全世界范圍因癌癥死亡最主要的原因[9-10]。相對(duì)于其他癌癥，肺癌的生物學(xué)特征較為復(fù)雜，早期較少出現(xiàn)臨床癥狀，約70%～80%的患者直到中晚期出現(xiàn)臨床癥狀時(shí)才來(lái)就診，這已經(jīng)錯(cuò)過(guò)了最佳的手術(shù)時(shí)機(jī)[11]，III 期后肺癌的5年生存率低于20%。但有相關(guān)研究表明，確診的I 期肺癌經(jīng)過(guò)手術(shù)治療后的5年生存率超過(guò)90%[12]。早期精準(zhǔn)的檢出肺癌對(duì)指導(dǎo)患者治療、改善預(yù)后等具有非常重要的意義。早期肺癌的主要表現(xiàn)為肺內(nèi)結(jié)節(jié)，因此肺癌的早期篩查主要從肺結(jié)節(jié)入手。目前，CT 是肺結(jié)節(jié)檢出最有效的技術(shù)手段，LDCT 及CT 薄層技術(shù)的廣泛應(yīng)用使CT 肺結(jié)節(jié)篩查成為一種常規(guī)檢查手段。一般而言，一例CT 薄層掃描包含數(shù)百?gòu)垐D像，明顯增多的CT 數(shù)據(jù)需要耗費(fèi)影像科醫(yī)生相當(dāng)長(zhǎng)的時(shí)間進(jìn)行診斷，僅憑醫(yī)生肉眼觀察，檢出準(zhǔn)確率不穩(wěn)定，尤其對(duì)于缺乏經(jīng)驗(yàn)的低年資醫(yī)生，容易產(chǎn)生漏診和誤診，有研究報(bào)道影像科醫(yī)師雙閱片情況下肺結(jié)節(jié)檢出率僅為59.1%[13]。隨著人工智能（AI）的迅速發(fā)展，其高效與便捷的特點(diǎn)給醫(yī)療行業(yè)尤其是以大數(shù)據(jù)為基礎(chǔ)的醫(yī)學(xué)影像領(lǐng)域帶來(lái)了新的前景。人工智能已在心臟血管病變、乳腺腫瘤的診斷中有較好的表現(xiàn)[14-15]，近年來(lái)AI 在肺結(jié)節(jié)篩查中也有較廣泛的應(yīng)用。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，專注于計(jì)算機(jī)算法的開發(fā)，以完成傳統(tǒng)上與人類智能相關(guān)的任務(wù)，比如學(xué)習(xí)和解決部分問(wèn)題的能力。機(jī)器學(xué)習(xí)（Machine learning，ML）是人工智能研究的一部分，側(cè)重于計(jì)算機(jī)算法的開發(fā)，沒(méi)有明確的決策規(guī)則編碼。ML 經(jīng)常被細(xì)分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。在監(jiān)督學(xué)習(xí)中，需要給出用于算法開發(fā)的注釋數(shù)據(jù)（“groundtruth”data）。在非監(jiān)督學(xué)習(xí)中，提供給系統(tǒng)未標(biāo)記的數(shù)據(jù)，系統(tǒng)必須自己進(jìn)行分類[16]。深度學(xué)習(xí)（Deep learning）是機(jī)器學(xué)習(xí)的一個(gè)子集，其中深度卷積神經(jīng)網(wǎng)絡(luò)（CNNs）是DL 中最熱門的一個(gè)研究，它采用基于多層神經(jīng)網(wǎng)絡(luò)的算法結(jié)構(gòu)，這種技術(shù)的強(qiáng)大之處在于它的可拓展性和神經(jīng)網(wǎng)絡(luò)構(gòu)架從數(shù)據(jù)中提取自身相關(guān)特征的能力，而不需要輸入任何方向標(biāo)記的數(shù)據(jù)[17]。本研究所采用的肺結(jié)節(jié)篩查軟件就是基于卷積神經(jīng)網(wǎng)絡(luò)利用深度學(xué)習(xí)進(jìn)行目標(biāo)檢測(cè)。CNNs 在2012年ImageNet 比賽中取得最終勝利，此后以CNNs 為代表的深度學(xué)習(xí)在數(shù)據(jù)分析方面呈現(xiàn)了迅速的發(fā)展趨勢(shì)[18]，并在影像醫(yī)學(xué)廣泛應(yīng)用。基于大規(guī)模訓(xùn)練神經(jīng)網(wǎng)絡(luò)，多用于模式分類、圖像分割、目標(biāo)檢測(cè)、圖像減噪等。有學(xué)者使用該算法進(jìn)行肺結(jié)節(jié)檢出，其檢出敏感度為80.3%，假陽(yáng)性率為4.8 FPs/Scan[19]。

表1 不同類型結(jié)節(jié)檢出情況統(tǒng)計(jì)表

本次實(shí)驗(yàn)中AI 篩查不同類型的肺結(jié)節(jié)總體假陽(yáng)性率稍高，主要是對(duì)于小葉中心結(jié)構(gòu)的誤診，導(dǎo)致誤診的其他原因主要有：①小葉間隔以及小葉內(nèi)間隔的異常增厚；②擴(kuò)張的細(xì)支氣管，支氣管及細(xì)支氣管內(nèi)的粘液栓；③迂曲、增粗的肺血管，增粗的肺門血管；④條索、樹芽征、局限性肺不張等各時(shí)期的感染性病變；⑤胸膜斑塊、凸向肺內(nèi)的局限性骨結(jié)構(gòu)。導(dǎo)致假陽(yáng)性的原因可能與AI 預(yù)設(shè)的分類閾值較低有關(guān)?，F(xiàn)階段AI 學(xué)習(xí)的重點(diǎn)還是對(duì)于陽(yáng)性結(jié)節(jié)的認(rèn)知，對(duì)于假陽(yáng)性結(jié)節(jié)的學(xué)習(xí)還比較欠缺?；谏疃葘W(xué)習(xí)的AI 系統(tǒng)具有較快的學(xué)習(xí)速度，通過(guò)不斷的積累經(jīng)驗(yàn)以及模型的不斷升級(jí)，其診斷的敏感性與特異性也會(huì)不斷提升，假陽(yáng)性也會(huì)得到控制。

本研究的局限性在于實(shí)驗(yàn)的樣本量尚不夠，并且是基于回顧性的病例選取，均為醫(yī)師發(fā)現(xiàn)的陽(yáng)性病例，而臨床中漏診的病例無(wú)法獲得，因此存在一定的選擇性偏移。目前AI 技術(shù)仍然處于深度開發(fā)階段，還不能直接作為檢查診斷方式，得出的結(jié)果還需醫(yī)生進(jìn)行判斷審核。但AI 技術(shù)在病灶檢出率以及檢出耗時(shí)等方面所展現(xiàn)的優(yōu)勢(shì)是有目共睹的。

綜上所述，AI 肺結(jié)節(jié)篩查系統(tǒng)在臨床使用中對(duì)不同類型結(jié)節(jié)均表現(xiàn)出較高敏感性，可以全面有效的輔助臨床肺結(jié)節(jié)篩查工作，對(duì)于肺結(jié)節(jié)早期篩查有具有非常重要的意義。相信隨著AI 技術(shù)的不斷發(fā)展，人工智能在影像診斷領(lǐng)域?qū)l(fā)揮出更重要的作用。