肺結(jié)節(jié)智能影像診斷的臨床應(yīng)用及進展

鄭伊平，姚兵

（青海大學(xué)附屬醫(yī)院 心胸外科，青海 西寧）

0 引言

現(xiàn)如今，影像學(xué)技術(shù)飛速發(fā)展，高分辨率CT 較普通CT能夠顯示更多的影像學(xué)細節(jié)，使肺結(jié)節(jié)的檢出率逐年升高并受到社會的廣泛關(guān)注。肺結(jié)節(jié)的性質(zhì)及其病因非常復(fù)雜，肺癌、肺結(jié)核、炎性假瘤、錯構(gòu)瘤、支氣管囊腫等均可表現(xiàn)為肺部結(jié)節(jié)病變，其中，倍受關(guān)注的就是肺癌問題，如果能早發(fā)現(xiàn)、早診斷并及時有效治療，其預(yù)后將十分理想，5 年生存率最高可達73%[1]；如果發(fā)現(xiàn)不及時或延誤診斷，則可能進展為晚期肺癌，其手術(shù)后5 年生存率將不足5%[2]，甚至有可能錯失手術(shù)機會。

在醫(yī)學(xué)影像CT 得到廣泛應(yīng)用的時代，影像科醫(yī)生需要處理各種肺結(jié)節(jié)的檢出問題，這些數(shù)據(jù)給他們帶來了繁重的工作壓力，同時，對于肺結(jié)節(jié)未及時定性和長期需要隨診等問題也給廣大患者造成較重的心理負擔(dān)和經(jīng)濟負擔(dān)。因此，早期肺結(jié)節(jié)能夠及時檢出并診斷成為了臨床面臨的難題和學(xué)術(shù)界研究的熱點。近年來，AI 迅速發(fā)展，醫(yī)學(xué)影像識別技術(shù)在智能化診斷研究中發(fā)展尤為迅速，并已經(jīng)取得了初步的成果。智能影像診斷非常適合醫(yī)學(xué)大數(shù)據(jù)，可以用來從中提取有用的知識，這種新的AI 技術(shù)可以進行病變的自動檢測，并撰寫初步的影像報告，各大醫(yī)院已經(jīng)開始引進相應(yīng)的肺部結(jié)節(jié)智能影像診斷軟件，并通過不斷的臨床實踐，逐步完善智能影像診斷技術(shù)，為其將來廣泛應(yīng)用于臨床提供強大的數(shù)據(jù)支持。

1 肺結(jié)節(jié)概述

肺結(jié)節(jié)指的是影像學(xué)上的密度增高影，直徑≤3 cm，單發(fā)的或多發(fā)的，邊界清楚或不清楚的類圓形或不規(guī)則形病灶[3]。有文獻統(tǒng)計[4]，肺結(jié)節(jié)的發(fā)病率在各個地域有著顯著差異，其在東亞約為35.5%，相對較高，在歐洲地區(qū)約為29%，處在中等水平，而北美最低，約為23%。肺結(jié)節(jié)是臨床上的一種常見病，按其密度可分為：（1）非實性結(jié)節(jié)，即單純型肺磨玻璃影（Ground-Glass Nodule, GGN），以磨玻璃樣密度為主，邊緣有正常結(jié)構(gòu)，例如血管；（2）實性結(jié)節(jié)，以實性軟組織密度為主，密度均勻，邊緣的所有正常結(jié)構(gòu)都完全被掩蓋；（3）部分實性結(jié)節(jié)，又稱亞實性結(jié)節(jié)，是含有實性軟組織成分和毛玻璃成分的局灶性結(jié)節(jié)狀占位。人體肺部疾病中大多數(shù)都會導(dǎo)致結(jié)節(jié)的形成，按其基本疾病特征進行分類，肺部結(jié)節(jié)又主要有良性和惡性兩種[5]。有研究表明，在患有肺部結(jié)節(jié)的患者中有近80%～90%屬于良性病變，但一段時間過后，有部分良性結(jié)節(jié)可能會轉(zhuǎn)化為惡性結(jié)節(jié)，最終威脅患者生命安全[6]。因此，患者一經(jīng)發(fā)現(xiàn)存在肺部結(jié)節(jié)，就應(yīng)積極明確其性質(zhì)，并及時選擇相應(yīng)的臨床治療方案，從而幫助患者有效改善疾病的遠期預(yù)后，盡快恢復(fù)健康[7]。

早期肺結(jié)節(jié)以磨玻璃樣改變多見，主要表現(xiàn)為非實性結(jié)節(jié)或部分實性結(jié)節(jié)，其并不具有特異性，常見的病因包括不典型腺瘤樣增生、腺癌、炎性病變、機化性肺炎等[8]。文獻報道表明[9]，單純型GGN 的惡性概率約為59%～73%，而具有一定實性成分的GGN 惡性概率相對較高，可達80%甚至以上，此外，伴有部分磨玻璃成分的亞實性結(jié)節(jié)的惡性概率較完全實性的肺結(jié)節(jié)更高[10]。肺結(jié)節(jié)的病理情況與其影像學(xué)特征有關(guān)[11]，主要包括空泡征、分葉征、毛刺征、胸膜凹陷征、血管集束征等?？张菡魇侵复嬖谟诮Y(jié)節(jié)內(nèi)的直徑＜5 mm 的透亮影，其主要是由尚未被腫瘤破壞的肺結(jié)構(gòu)支架組成，常見于周圍型肺癌，是其早期的重要影像學(xué)表現(xiàn)之一[12]。分葉征的出現(xiàn)主要是因為腫瘤細胞的分化程度不一致導(dǎo)致其增殖速度存在差異，同時，腫瘤細胞的增殖又受周圍肺間隔限制及病變組織內(nèi)纖維組織收縮影響，從而導(dǎo)致結(jié)節(jié)呈分葉生長。毛刺征在CT 上表現(xiàn)為結(jié)節(jié)或腫塊邊緣的小棘狀突起，呈細線狀或密集毛刷狀，在組織學(xué)上與分葉征相似，多指不規(guī)則的肺組織纖維化或不同浸潤程度，常見于惡性病變[13-14]。血管集束征在CT 上表現(xiàn)較為復(fù)雜，可分為四度[15]，Ⅰ度：病灶孤立存在，無血管進入或僅見血管從病灶旁繞行；Ⅱ度：1～2 條血管受病灶的牽拉向結(jié)節(jié)移位、穿行；Ⅲ度：3 條血管穿行于結(jié)節(jié)內(nèi)或貼邊走形；Ⅳ度：3 條以上血管到達結(jié)節(jié)。相關(guān)文獻報道[16]，血管集束征為Ⅰ～Ⅱ度時認為是良性結(jié)節(jié)，而Ⅱ～Ⅳ度的血管集束征則認為是惡性結(jié)節(jié)，此外，當存在Ⅱ度血管集束征時，結(jié)節(jié)的良惡性質(zhì)仍然分辨不清，但當分度為Ⅳ度時，就可以在很大程度上定性為惡性了。胸膜凹陷征為臟層胸膜受靠近胸膜的病變牽拉而產(chǎn)生的胸膜凹陷，肺癌及結(jié)核球均可引起此類改變。肺癌病灶所表現(xiàn)的胸膜凹陷是由于瘤內(nèi)纖維瘢痕的牽拉作用使肺表面支架結(jié)構(gòu)發(fā)生收縮引起位置改變，從而形成胸膜凹陷征[17]，而結(jié)核球的胸膜凹陷是由于病灶周圍發(fā)生纖維化并增生粘連而形成，當除外結(jié)核病灶時，此征象可在一定程度上提示惡性病灶。上述影像學(xué)特征對肺結(jié)節(jié)良惡性質(zhì)的鑒別均具有一定價值，單個肺結(jié)節(jié)表現(xiàn)出的影像學(xué)特征越多，其診斷價值也越大。

2 智能影像診斷概述

在我國，醫(yī)療領(lǐng)域是人工智能發(fā)展相對蓬勃的領(lǐng)域之一。目前，基于深度學(xué)習(xí)的AI 應(yīng)用已經(jīng)覆蓋到臨床診療的各個階段[18-20]，其在醫(yī)療領(lǐng)域已經(jīng)有了舉足輕重的地位。智能影像診斷是一種基于深度學(xué)習(xí)的AI 技術(shù)，是AI 應(yīng)用于醫(yī)療領(lǐng)域的一部分，其發(fā)展還處于初步階段，要想逐步走向成熟，必須在臨床醫(yī)師的反復(fù)使用和反饋下不斷優(yōu)化模型。據(jù)文獻報道，Yanagawa 等[21]于2009 年應(yīng)用智能影像診斷技術(shù)檢測非實性結(jié)節(jié)，當時的檢出率僅為21%，明顯低于影像醫(yī)師（60%～80%）。Song 等[22]也報道過一組臨床患者，其中，有8 個非實性結(jié)節(jié)已得到影像科醫(yī)師的檢測證實，但應(yīng)用智能影像診斷卻全部被漏檢，這些研究結(jié)論均顯示早期智能影像診斷技術(shù)并不成熟，對肺部結(jié)節(jié)的有效檢測還有一定的困難。但隨著AI 的不斷發(fā)展，智能影像診斷技術(shù)不斷被改進，對肺結(jié)節(jié)的檢測能力有了很大的提高。例如，Namin 等[23]用智能影像診斷技術(shù)檢測了LIDC 數(shù)據(jù)庫中63 例肺結(jié)節(jié)，其敏感度達到88%。智能影像診斷不僅在肺結(jié)節(jié)檢出中表現(xiàn)優(yōu)異，在區(qū)分良惡性質(zhì)方面同樣能力突出。Kumar 等[24]對一種基于深度學(xué)習(xí)的智能影像診斷技術(shù)進行測試，用其來診斷LIDC 數(shù)據(jù)庫中4323 個肺結(jié)節(jié)，其精準程度達到了75.01%。

3 智能影像診斷在肺結(jié)節(jié)中的臨床應(yīng)用及進展

智能影像診斷技術(shù)是利用復(fù)雜的計算機算法對醫(yī)學(xué)影像數(shù)據(jù)進行分析，在檢出肺部結(jié)節(jié)的同時對結(jié)節(jié)的形態(tài)信息進行評估，如對密度、分葉征、毛刺征、胸膜凹陷征等進行量化分析，并進行復(fù)雜算法運算，最終得出結(jié)節(jié)的惡性風(fēng)險概率，為臨床肺部結(jié)節(jié)的診療提供指導(dǎo)。目前，臨床上已經(jīng)出現(xiàn)了多種智能影像診斷模型，比如正在試用的兩款智能影像診斷軟件，包括“推想科技”和“Sigma RIS”，它們能夠識別不同肺段的各種結(jié)節(jié)，比如鈣化結(jié)節(jié)、實性結(jié)節(jié)及亞實性結(jié)節(jié)等，并通過智能整合結(jié)節(jié)的形態(tài)信息得出每個結(jié)節(jié)的惡性概率，評估其惡性程度，最后通過放射醫(yī)師的確定，得出最終的影像學(xué)報告；匯醫(yī)慧影的智能醫(yī)學(xué)影像診斷技術(shù)檢測3 mm 肺部結(jié)節(jié)的準確率已經(jīng)高達90%；還有諸如Deep Care、銳達影像、連心醫(yī)療、智影醫(yī)療、圖瑪深維等公司出品的智能影像診斷模型也層出不窮。相對而言，大型醫(yī)療企業(yè)具有豐富的市場經(jīng)驗和醫(yī)療信息化系統(tǒng)整合能力，他們能夠很好地收集和利用各種臨床數(shù)據(jù)。現(xiàn)如今，已經(jīng)有多家三級甲等醫(yī)院合作研發(fā)了各種肺結(jié)節(jié)智能影像診斷模型，并將其投入臨床，均取得了較好的效果。同時，互聯(lián)網(wǎng)企業(yè)也能借助自身的網(wǎng)絡(luò)平臺，整合并處理各種臨床資料，建立較為完善的智能影像診斷模型，提供遠程的醫(yī)療影像檢測和診斷服務(wù)。例如“騰訊覓影”，其是騰訊首款A(yù)I 與醫(yī)學(xué)結(jié)合的AI 醫(yī)學(xué)影像產(chǎn)品，主要的兩大功能包括“AI 醫(yī)學(xué)影像”及“AI 輔助診斷”；還有阿里健康聯(lián)合萬里云創(chuàng)造的智能影像診斷產(chǎn)品“Doctor You”，其是一個遠程影像診斷平臺，目前已為多家基層醫(yī)院提供遠程服務(wù)。國內(nèi)AI 的發(fā)展日新月異，國外同樣不甘落后，例如美國的Google，其人工智能部門與斯坦福、紐約大學(xué)等機構(gòu)充分合作，研究開發(fā)出一種基于深度學(xué)習(xí)的智能影像診斷模型，其檢測微小惡性肺結(jié)節(jié)的準確率可達94%[25]；還有Facebook、Amazon、Apple 等美國科技公司同樣開發(fā)了屬于自己的智能影像診斷模型，其對惡性結(jié)節(jié)診斷的準確率均較高。

智能影像診斷技術(shù)能否全面應(yīng)用于醫(yī)療領(lǐng)域主要取決于醫(yī)學(xué)大數(shù)據(jù)的建立。目前，美國已經(jīng)擁有屬于自己的公共數(shù)據(jù)庫，如美國國家癌癥研究所（National Cancer Institute）發(fā)起收集的，由肺圖像數(shù)據(jù)庫聯(lián)盟 （Lung Image Database Consortium, LIDC）及圖像數(shù)據(jù)庫資源計劃（Image Database Resource Initiative, IDRI）兩者聯(lián)合建立的LIDC/IDRI 數(shù)據(jù)庫[26]，其包含1018 例病例，為推動智能影像診斷技術(shù)在臨床實踐中的發(fā)展提供了大數(shù)據(jù)支持。相比于國外，國內(nèi)的數(shù)據(jù)雖然豐富，但并未建立公共數(shù)據(jù)庫，所需數(shù)據(jù)主要來源于各大醫(yī)院所擁有的肺結(jié)節(jié)CT 數(shù)據(jù)集，無法滿足海量數(shù)據(jù)的要求，且不同醫(yī)院存在設(shè)備及參數(shù)的不同，這將導(dǎo)致數(shù)據(jù)的標準化難以實現(xiàn)。然而，智能影像診斷的發(fā)展離不開大數(shù)據(jù)的支持，因此，建立國內(nèi)公共數(shù)據(jù)庫是目前智能影像診斷發(fā)展的關(guān)鍵。

4 問題與展望

在這個智能化時代，智能影像診斷與放射科醫(yī)師的有效結(jié)合使肺結(jié)節(jié)的檢測和診斷有了雙重保障，對臨床醫(yī)師進行肺結(jié)節(jié)的診療有著重大的意義?，F(xiàn)階段，智能影像診斷的發(fā)展尚未成熟，雖然在肺結(jié)節(jié)檢測及診斷方面己經(jīng)取得了不小的進步，但其仍然面臨著很多困難。智能影像診斷的發(fā)展依賴于標準化大數(shù)據(jù)的建立，若沒有大數(shù)據(jù)的支撐，其在醫(yī)療領(lǐng)域?qū)⒋绮诫y行。目前，國內(nèi)各大醫(yī)院所擁有的數(shù)據(jù)雖然豐富，但卻不能將其標準化，所以，建立全國范圍內(nèi)統(tǒng)一的標準影像數(shù)據(jù)庫勢在必行。同時，AI 在肺結(jié)節(jié)中的應(yīng)用不應(yīng)局限在檢測和診斷中，研究者們還需要繼續(xù)探索其在肺結(jié)節(jié)隨訪跟蹤、臨床治療及預(yù)后中的應(yīng)用。