人工智能在體檢肺CT中檢出的假陽性結(jié)節(jié)研究

左玲子，黃艷

沈陽市大眾醫(yī)院 放射科，遼寧 沈陽 110141

引言

人工智能（Artificial Intelligence，AI）是一門新興的科學(xué)技術(shù)，在醫(yī)學(xué)領(lǐng)域中已經(jīng)被廣泛應(yīng)用[1]。目前已經(jīng)有很多國內(nèi)外學(xué)者采用AI技術(shù)對肺結(jié)節(jié)的檢測進行了深入的研究[2]，目前以卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）為代表的深度學(xué)習(xí)法在肺結(jié)節(jié)的檢測中得到廣泛關(guān)注[3-4]，通過測試顯示2D CNN與3D CNN在肺結(jié)節(jié)檢測的靈敏度上都能達到95%左右[5-6]。但是與此同時，AI在肺CT上檢出的假陽性結(jié)節(jié)也很多，據(jù)文獻報道采用深度學(xué)習(xí)法的假陽性率多在每例肺CT掃描4～22個假結(jié)節(jié)[7]，這些假陽性結(jié)節(jié)的識別不但增加了診斷醫(yī)生的工作負擔，也容易被誤判為真結(jié)節(jié)，增加了患者的負擔及醫(yī)療資源的浪費，所以本研究將從影像角度詳細分析假陽性肺結(jié)節(jié)（False Positive Pulmonary Nodule，F(xiàn)PPN）分布與成因，將有助于放射診斷醫(yī)生提高假陽性結(jié)節(jié)的識別能力，為AI在降低假陽性結(jié)節(jié)方面提供參考。

1 資料與方法

1.1 研究對象

連續(xù)收集2020年8至9月來我院做肺CT檢查的體檢者500例，男309例，女191例，年齡26～84歲，平均（58.2±11.0）歲。樣本納入時排除了肺內(nèi)彌漫性病變、胸膜多發(fā)病變、廣泛瘢痕及纖維化病變。

1.2 儀器與方法

采用GE optima CT670 128層螺CT機，體檢者取仰臥位、頭先進，掃描范圍從肺尖至肺底。掃描參數(shù)：管電壓80 kV，采用自動毫安管電流技術(shù)。掃描層厚5 mm，重建層厚1.25 mm，重建間隔1.25 mm，F(xiàn)OV 300～350 mm，矩陣 512×512，肺窗算法重建，窗寬：1500 HU，窗位：-600 HU；軟組織窗算法重建，窗寬：350 HU，窗位：40 HU。

1.3 假陽性結(jié)節(jié)認定與分析方法

將500例肺CT數(shù)據(jù)依次傳輸至由依圖公司提供的基于深度學(xué)習(xí)模型的AI軟件，AI檢出的肺結(jié)節(jié)經(jīng)兩名醫(yī)師進行真假結(jié)節(jié)的認定，以兩名醫(yī)師達成的一致性意見作為最終認定結(jié)果，記錄假結(jié)節(jié)的數(shù)量、大小和密度，并識別和分析假結(jié)節(jié)的成因。FPPN按大小分為三組：<5 mm、5～l0 mm和10～30 mm，假結(jié)節(jié)的大小取結(jié)節(jié)最長徑和最短徑的平均值，并計算各組假陽性結(jié)節(jié)的檢出率；FPPN按密度分為三組：實性、部分實性和純磨玻璃密度，并計算三種密度假陽性結(jié)節(jié)的檢出率，以及比較三種密度結(jié)節(jié)之間的假陽性預(yù)測值。500例體檢者按年齡段分為六組：25～34歲、35～44歲、45～54歲、55～64歲、65～74歲、75歲及以上，并統(tǒng)計各年齡段假陽性結(jié)節(jié)的檢出率。

1.4 統(tǒng)計學(xué)分析

應(yīng)用SPSS 22.0統(tǒng)計軟件，對實性、部分實性和純磨玻璃三種密度結(jié)節(jié)的假陽性預(yù)測值進行多個樣本率的χ2檢驗及兩兩比較，P<0.05為差異有統(tǒng)計學(xué)意義。對體檢者的年齡與假陽性結(jié)節(jié)的檢出率進行Spearman等級相關(guān)性檢驗，計算相關(guān)系數(shù)rs，P<0.05為相關(guān)有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 FPPN檢出結(jié)果

500例肺CT通過AI檢測出1518個肺結(jié)節(jié)，其中真結(jié)節(jié)740個（圖1），假結(jié)節(jié)778個，平均每例肺CT中檢出1.6個假結(jié)節(jié)。<5 mm假結(jié)節(jié)534個，平均每例檢出1.1個；5～10 mm假結(jié)節(jié)202個，平均每例檢出0.4個；>10 mm假結(jié)節(jié)42個，平均每例檢出0.1個。實性假結(jié)節(jié)353個，平均每例檢出0.7個；純磨玻璃密度假結(jié)節(jié)402個，平均每例檢出0.8個；部分實性假結(jié)節(jié)23個，平均每例檢出0.1個（表1）。實性結(jié)節(jié)的假陽性預(yù)測值為48.3%（353/731），純磨玻璃密度結(jié)節(jié)為53.3%（402/754），部分實性結(jié)節(jié)為69.7%（23/33），兩兩比較之后發(fā)現(xiàn)部分實性結(jié)節(jié)的假陽性預(yù)測值顯著高于實性結(jié)節(jié)的假陽性預(yù)測值，有統(tǒng)計學(xué)差異（χ2=8.346，P<0.05），部分實性與純磨玻璃密度以及純磨玻璃密度與實性之間比較無統(tǒng)計學(xué)差異（表2）。隨著年齡的增長每例肺CT假陽性結(jié)節(jié)檢出率也逐漸增加，Spearman等級相關(guān)系數(shù)rs=0.986，P<0.05，二者有顯著的正相關(guān)關(guān)系（表3）。

圖1 AI檢出的真陽性結(jié)節(jié)

表1 不同大小和密度的FPPN檢出結(jié)果

表2 不同密度結(jié)節(jié)的假陽性預(yù)測值比較

表3 不同年齡組FPPN的檢出結(jié)果

2.2 FPPN成因分析

AI檢出778個FPPN的成因有14種，按成因多少分為：胸膜結(jié)節(jié)167個，索條影139個，血管增粗107個，血管分叉95個、肺小葉結(jié)構(gòu)70個，胸膜斑42個，葉間胸膜局部肥厚35個、片狀實變或滲出影35個、支氣管擴張并管壁增厚24個、瘢痕影20個，血管彎曲19個，樹芽征13個，支氣管內(nèi)黏液潴留8個、縱隔血管4個（表4）。實性FPPN以胸膜結(jié)節(jié)、索條影、血管增粗較為常見，純磨玻璃密度FPPN以索條影、血管分叉、肺小葉結(jié)構(gòu)、血管增粗和胸膜結(jié)節(jié)較為常見；部分實性FPPN見于片狀影、聚集的支氣管擴張和樹芽征（圖2）。

圖2 AI檢出的假陽性結(jié)節(jié)

表4 FPPN的成因分類

3 討論

AI肺結(jié)節(jié)檢測系統(tǒng)一般分為兩個階段：① 檢測候選結(jié)節(jié)；② 在候選結(jié)節(jié)中篩查假陽性，其中假陽性篩查是肺結(jié)節(jié)檢測的關(guān)鍵。怎樣減少AI假陽性一直是自動化肺結(jié)節(jié)檢測系統(tǒng)中最具有挑戰(zhàn)的任務(wù)，也在肺癌的診斷和早期治療中起著重要的作用[8]。目前，以2D CNN和3D CNN為代表的深度學(xué)習(xí)技術(shù)在降低假陽性方面已有很多報道[9-12]，由于3D CNN能在CT圖像內(nèi)學(xué)習(xí)肺結(jié)節(jié)空間信息，進行一系列的鑒別特征提取，極大地提高了識別準確率，在使用相同網(wǎng)絡(luò)參數(shù)設(shè)置、對相同的數(shù)據(jù)集進行分類識別時，3D CNN在肺結(jié)節(jié)假陽性篩查中比2D CNN 具有更好的效果[13]，但3D CNN 在肺結(jié)節(jié)檢測上的應(yīng)用研究依舊處于初級階段，研究成果較少。本研究從影像角度對AI檢測出的FPPN進行識別和分析，發(fā)現(xiàn)假陽性結(jié)節(jié)在大小、密度及年齡上有一定的分布規(guī)律，構(gòu)成原因與多種組織結(jié)構(gòu)有關(guān)。

本研究對假陽性結(jié)節(jié)大小和密度分類參照了影像學(xué)上肺結(jié)節(jié)的分類方法[14]。研究中發(fā)現(xiàn)<5 mm的假結(jié)節(jié)構(gòu)成假陽性結(jié)節(jié)的68.6%，平均每例CT檢出1.1個假結(jié)節(jié)；5～10 mm假結(jié)節(jié)構(gòu)成假陽性結(jié)節(jié)的26%，平均每例CT檢出0.4個假結(jié)節(jié)；>10 mm假結(jié)節(jié)構(gòu)成假陽性結(jié)節(jié)的5.4%，平均每例CT檢出0.1個假結(jié)節(jié)，總體假結(jié)節(jié)檢出率為每例CT1.6個，如果排除<5 mm的假結(jié)節(jié)，假結(jié)節(jié)檢出率將降至0.5個/例，與文獻報道的假陽性率減少2/3相近[15]。<5 mm的微小結(jié)節(jié)假陽性多的原因主要與肺小血管結(jié)構(gòu)、肺內(nèi)索條影有關(guān)，這些結(jié)構(gòu)在尺寸上與微小結(jié)節(jié)相似，形態(tài)上多為2 mm×3 mm及2 mm×4 mm的長條形，這類小結(jié)節(jié)的識別需要診斷醫(yī)生結(jié)合上下層面和毗鄰結(jié)構(gòu)進行判斷，有時還需要從不同方位進行全面觀察。5～10 mm假結(jié)節(jié)可以與多種原因有關(guān)，最常見的是胸膜結(jié)節(jié)，下文會詳細介紹。>10 mm假結(jié)節(jié)多與肺內(nèi)片狀炎性病灶有關(guān)，常把炎性病灶的一部分誤診為結(jié)節(jié)，通過全面觀察病變范圍和形態(tài)可以識別，同時要注意與不規(guī)則真結(jié)節(jié)進行鑒別，尤其是部分實性結(jié)節(jié)，因為其惡性概率高于其它兩種密度結(jié)節(jié)[16]，并且在AI檢出的部分實性結(jié)節(jié)中假陽性預(yù)測值也是最高的，即在AI檢出的部分實性結(jié)節(jié)中有69.7%的結(jié)節(jié)是不真實的，高于實性結(jié)節(jié)的48.3%和純磨玻璃密度結(jié)節(jié)的53.3%，并且在與實性結(jié)節(jié)的比較中，有統(tǒng)計學(xué)差異。實性和純磨玻璃密度假結(jié)節(jié)的檢出率分別為0.7個/例、0.8個/例，要明顯高于部分實性假結(jié)節(jié)的0.1個/例，即在假結(jié)節(jié)的數(shù)量上前兩種結(jié)節(jié)明顯占優(yōu)勢，對于診斷醫(yī)師更需要有耐心地去識別。

本研究統(tǒng)計了不同年齡組的AI FPPN的檢出率，我們發(fā)現(xiàn)隨著年齡的增長，假結(jié)節(jié)的檢出率也隨之增加，并且二者有著顯著的正相關(guān)，這與文獻報道的隨著年齡的增長肺結(jié)節(jié)的檢出率也增加相一致[17-18]。肺結(jié)節(jié)檢出率的升高與年齡增長所積累的慢性感染、肉芽腫、瘢痕形成和反應(yīng)性淋巴結(jié)增大有關(guān)[14]，同樣由積累的慢性感染和其它病變所引起的瘢痕、纖維化、胸膜結(jié)節(jié)等病變也會導(dǎo)致假陽性率的升高。從表2可以看出55歲以后假結(jié)節(jié)的檢出率有了明顯的升高，這與中國肺癌低劑量螺旋CT篩查2018年版指南[19]推薦的肺癌高危人群最低年齡50歲有著相似之處。所以年齡不光是肺結(jié)節(jié)的危險因素之一[20]，也和假陽性結(jié)節(jié)密切相關(guān)。

胸部CT肺結(jié)節(jié)數(shù)據(jù)標注與質(zhì)量控制2018版專家共識[21]指出肺結(jié)節(jié)包括肺內(nèi)實性結(jié)節(jié)、純磨玻璃密度結(jié)節(jié)、部分實性結(jié)節(jié)和肺內(nèi)鈣化結(jié)節(jié)（本研究鈣化結(jié)節(jié)被納入實性結(jié)節(jié)），而胸膜結(jié)節(jié)、斑塊、鈣化病變屬于胸膜病灶，本研究結(jié)果顯示胸膜病變是AI上引起FPPN最常見原因，占誤診原因的31.4%，包括：胸膜結(jié)節(jié)、胸膜斑和葉間胸膜局部肥厚，其中胸膜結(jié)節(jié)是胸膜病變中引起假陽性最常見原因，主要原因是胸膜結(jié)節(jié)向肺內(nèi)延伸時被AI誤診成肺內(nèi)結(jié)節(jié)，影像上鑒別依據(jù)是胸膜結(jié)節(jié)向肺內(nèi)延伸時，周圍往往存在一定的胸膜增厚，病灶與胸膜的夾角相對更大。其次造成假陽性結(jié)節(jié)的常見原因是血管結(jié)構(gòu)，包括血管增粗、分叉和彎曲，占誤診原因的28.4%，其中前兩者相對更常見，分別占13.8%和12.2%，主要是因為小血管結(jié)構(gòu)在斷層CT的形態(tài)上與肺結(jié)節(jié)有相似之處。除了胸膜病變和小血管結(jié)構(gòu)容易被誤診為肺內(nèi)結(jié)節(jié)，其它較常見的還有索條影和肺小葉結(jié)構(gòu)，索條影一般是肺感染性病變殘留的纖維化病變，在肺邊緣的小索條影更容易被AI誤診為肺結(jié)節(jié)。肺小葉是被結(jié)締組織間隔包圍的最小肺單位，當結(jié)締組織增生，即小葉間隔增厚時，使肺小葉形成類似花環(huán)狀樣結(jié)構(gòu)，也容易被AI誤診為肺結(jié)節(jié)。剩下相對少見的原因還有片狀實變影或滲出影、支氣管擴張并管壁增厚、瘢痕影、樹芽征、支氣管內(nèi)黏潴留、縱隔凸向肺野的血管，鑒別這些原因時需要結(jié)合毗鄰結(jié)構(gòu)和仔細辨認病變內(nèi)部形態(tài)。

另外，引起實性FPPN的原因以胸膜結(jié)節(jié)、索條影、血管增粗較為常見，引起純磨玻璃密度假陽性肺結(jié)節(jié)的常見原因除了胸膜結(jié)節(jié)、索條影、血管增粗外，還有血管分叉和肺小葉結(jié)構(gòu)。血管分叉和肺小葉結(jié)構(gòu)也可以是實性FPPN的原因，但相對純磨玻璃密度假陽性結(jié)節(jié)少見。同一種組織結(jié)構(gòu)可以形成兩種密度的假結(jié)節(jié)，可能與組織本身密度有關(guān)，也可能與組織結(jié)構(gòu)與掃描的角度有一定關(guān)系。引起部分實性FPPN的原因見于斑片影、聚集的支氣管擴張和樹芽征，與各種炎性病變有關(guān)。

本研究選擇的是健康體檢者，并排除了肺內(nèi)彌漫性病變、廣泛瘢痕及纖維化病變、胸膜多發(fā)病變，在AI上平均每例肺CT檢出的假陽性結(jié)節(jié)是1.1個，低于李欣菱等[15]研究的每例CT4.9個，應(yīng)該與選擇的研究對象不同有關(guān)。我們在選取樣本時發(fā)現(xiàn)一些彌漫性、多發(fā)性肺內(nèi)及胸膜病變，會明顯增加肺內(nèi)結(jié)節(jié)檢出的假陽性率，少量這樣的數(shù)據(jù)就會對結(jié)果造成較大的不同，所示本次研究排除了這部分病變數(shù)據(jù)，在選擇上存在一定的偏倚。

綜上所述，導(dǎo)致AI FPPN的原因很多,但是這些假陽性結(jié)節(jié)存在一定的分布與構(gòu)成規(guī)律，掌握這些規(guī)律，有助于放射科醫(yī)生在利用AI輔助診斷時對真假結(jié)節(jié)的識別。