人工智能對肺磨玻璃結(jié)節(jié)的良惡性分析

鄧傳頌，杜巧玲

（佛山市高明區(qū)人民醫(yī)院放射科 廣東 佛山 528500）

近年來，隨著人們健康意識的提高及高分辨胸部CT的普遍應用，肺磨玻璃結(jié)節(jié)（ground glass nodule，GGN）的檢出率越來越高。肺GGN的病因多種多樣，比如局部間質(zhì)纖維化、炎癥、出血、結(jié)核、癌前病變或惡性腫瘤等均可以發(fā)展或?qū)е路蜧GN[1]。肺GGN的病理結(jié)果可以為良性病變，如局灶炎癥、局灶性纖維化等；也可以為惡性病變，如不典型腺瘤樣增生、原位腺癌、微浸潤性腺癌或浸潤性腺癌[2]。既往研究結(jié)果表明持續(xù)存在的肺GGN病理上常為早期肺腺癌或者癌前病變，因此通過影像學技術(shù)手段早期發(fā)現(xiàn)惡性GGN，可以改善患者的生存質(zhì)量，降低患者的死亡率[3]。肺GGN形態(tài)模糊，在肺窗上表現(xiàn)為磨玻璃樣的密度增高影，在縱隔窗上不能顯示或僅能顯示病灶的實性成分，不如肺部實性結(jié)節(jié)放射學特征明顯。因此，放射科醫(yī)師通過肉眼對肺GGN的觀察費時費力，且由于個人差異，判斷結(jié)果往往會有所不同，對于肺GGN良、惡性的鑒別較為困難[4]。因此，本研究探討基于高分辨胸部CT通過人工智能技術(shù)分析肺磨玻璃結(jié)節(jié)，為肺GGN良、惡性的定性分析提供幫助。

1 資料與方法

1.1 一般資料

選取2020年9月—2021年3月于佛山市高明區(qū)人民醫(yī)院放射科因肺結(jié)節(jié)行高分辨胸部CT檢查的462例患者，其中男性245例（53.0%），女性217例（47.0%），平均年齡為67.12±7.45歲。納入標準：①18歲＜患者年齡＜80歲；②高分辨胸部CT表現(xiàn)為肺磨玻璃結(jié)節(jié)；③患者經(jīng)手術(shù)切除或者穿刺病理診斷證實；④患者及家屬均知情同意并簽署知情同意書。排除標準：①既往行肺部手術(shù)者；②合并其他肺部疾病者（如肺結(jié)核、支氣管擴張、嚴重肺氣腫、肺不張等等）；③隨訪過程中依從性較差或失訪者；④高分辨胸部CT圖像質(zhì)量欠佳者。

1.2 方法

高分辨胸部CT掃描：采用西門子64排螺旋CT進行掃描，采集參數(shù)：矩陣為512×512，層厚為1.25 mm，管電壓為20 kV，管電流為180 mAs，螺距為0.562，重建間隔為1.25 mm。采用肺窗對高分辨胸部CT圖像進行分析，肺窗的窗寬為1 500 HU，窗位為-600 HU。掃描后深吸氣末屏氣，掃描范圍從肺尖掃描至肋膈角下2～3 cm。所得影像圖像均使用配套后處理工作站進行分析。

圖像分析：462例患者的高分辨胸部CT圖像分別由人工智能（AI）閱片和放射科醫(yī)師閱片對肺部磨玻璃結(jié)節(jié)進行良、惡性的結(jié)果判讀。AI閱片是將462例高分辨胸部CT數(shù)據(jù)分別傳輸至由醫(yī)療公司提供的基于深度學習模型的AI軟件,自動分析出肺GGN的數(shù)量、部位、大小、形態(tài)、邊界以及相應的CT數(shù)值。放射科醫(yī)師閱片是由兩位經(jīng)驗豐富的對病理結(jié)果不知情的放射科醫(yī)師（分別具有5年和10年的胸部CT判讀經(jīng)驗）獨立對放射學特征（如：位置、大小、形態(tài)、邊界等）進行良、惡性分析評估。對每個GGN分析的放射學特征進行分析。所有CT結(jié)果均基于高分辨率胸部CT圖像進行評估、解讀和分析。

1.3 觀察指標

通過AI閱片、放射科醫(yī)師閱片及病理診斷結(jié)果這三種不同的診斷方式對肺磨玻璃結(jié)節(jié)的良惡性診斷率及一致性進行對比分析。

1.4 統(tǒng)計學方法

采用SPSS 25.0統(tǒng)計軟件進行數(shù)據(jù)分析。計數(shù)資料以頻數(shù)（n）、百分率（%）表示，采用χ2檢驗。一致性評價指標采用Kappa檢驗，Kappa≥0.75說明兩種方法診斷結(jié)果一致性較好，若0.4≤Kappa＜0.75說明一致性一般，Kappa＜0.4表明一致性較差。P＜0.05為差異具有統(tǒng)計學意義。

2 結(jié)果

2.1 患者的肺磨玻璃結(jié)節(jié)情況

所有患者的肺磨玻璃結(jié)節(jié)均經(jīng)術(shù)后或者穿刺病理診斷證實，最終惡性病變168（36.3%）例，良性病變294（63.6%）例。包括浸潤性腺癌48枚、微浸潤性腺癌32枚、原位腺癌60枚、不典型腺瘤樣增生28枚、良性磨玻璃結(jié)節(jié)294枚。

AI閱片判讀結(jié)果顯示良性病變317（68.6%）例，惡性病變145（31.4%）例。放射科醫(yī)師閱片判讀結(jié)果顯示良性病變341（73.8%）例，惡性病變121（26.2%）例。

2.2 AI閱片和放射科醫(yī)師閱片肺GGN良惡性的比較

AI閱片肺GGN良惡性的診斷陽性率31.4%（145/462）高于放射科醫(yī)師肺GGN良惡性的診斷陽性率26.2%（121/462），但差異無統(tǒng)計學意義（χ2=3.041，P=0.081＞0.05）。同時，Kappa檢驗結(jié)果顯示AI閱片與放射科醫(yī)師閱片這兩種診斷方法存在一致性，但一致性一般（Kappa=0.695）。見表1。

表1 AI閱片和放射科醫(yī)師閱片肺GGN良惡性的比較 單位：例

2.3 AI閱片和放射科醫(yī)師閱片肺GGN良惡性與病理結(jié)果的比較

病理診斷肺GGN良惡性的診斷率（36.3%）高于AI閱片肺GGN良惡性的診斷陽性率（31.4%），差異具有統(tǒng)計學意義（χ2=214.494，P＜0.001）。同時，Kappa檢驗結(jié)果顯示病理診斷與AI閱片這兩種診斷方法存在一致性，但一致性一般（Kappa=0.677，P＜0.001）。

同時，病理診斷肺GGN良惡性的診斷率高于放射科醫(yī)師肺GGN良惡性的診斷陽性率（26.2%），差異具有統(tǒng)計學意義（χ2=135.919，P＜0.001）。同時，Kappa檢驗結(jié)果顯示病理診斷與放射科醫(yī)師閱片這兩種診斷方法存在一致性，但一致性一般（Kappa=0.527，P＜0.001）。見表2。

表2 影像閱片和病理診斷肺GGN良惡性的比較 單位：例

3 結(jié)論

在全球范圍內(nèi)，肺癌是男性最常見的癌癥和癌癥死亡的主要原因，是女性的第三常見癌癥和第二常見癌癥死因[5]。隨著人口老年化的發(fā)展及空氣污染的嚴重，肺癌的發(fā)病率也在逐年增高，給社會衛(wèi)生和經(jīng)濟帶來了巨大的負擔[6]。研究顯示2020年，國內(nèi)肺癌的發(fā)病率和死亡率位居全世界第一，且肺癌是中國男女癌癥死亡的主要原因，占全球肺癌死亡人數(shù)的40%[7]。由于肺癌早期的患者不會出現(xiàn)明顯的臨床表現(xiàn)，并且之前由于影像學設(shè)備的限制和不普及，肺部結(jié)節(jié)不易被早期識別，導致確診時多為晚期，治療費用較高，預后較差，生存率較低。所以，惡性肺玻璃結(jié)節(jié)的早期發(fā)現(xiàn)和及時治療對提高肺癌患者的生存率及改善晚期生存質(zhì)量至關(guān)重要。現(xiàn)隨著影像學技術(shù)的提高，國民健康意識的增強，早期可通過高分辨胸部CT進行篩查，并進行積極處理，晚期確診率和死亡率將明顯降低。

研究表明肺磨玻璃結(jié)節(jié)是早期肺癌的主要表現(xiàn)形式之一[8]。肺GGN是一種非特異性的放射學表現(xiàn)，表現(xiàn)為圓形、小圓形磨玻璃樣的密度增高影，邊界欠清，其內(nèi)可見細支氣管和肺血管影，但不阻塞肺血管或支氣管結(jié)構(gòu)。隨著高分辨胸部CT和人工智能技術(shù)的應用，肺GGN越來越容易被發(fā)現(xiàn)，并進行診斷。然而，肺GGN的形態(tài)不如實性結(jié)節(jié)顯著，增加了診斷難度，人工閱片時需要耗費大量的時間和精力，且性質(zhì)難以鑒別。目前，研究表明AI閱片不僅使檢測速度提高，還增強了其對于肺GGN良、惡性診斷的靈敏性和特異性[9]。

本次研究中運用到的人工智能分析軟件采用了三維卷積神經(jīng)網(wǎng)絡(luò)，可自動選擇出最佳的三維圖像特征，獲得更多的肺磨玻璃結(jié)節(jié)的放射性特征，提高良、惡性的檢出率，結(jié)果表明AI閱片的準確性遠遠大于放射科醫(yī)師閱片的診斷結(jié)果，且差異具有統(tǒng)計學意義，與以往的研究結(jié)果基本一致[10]。相比于放射科醫(yī)師閱片，AI閱片可以提高將近50%的診斷速度，縮短診斷時間，且不容易受周圍環(huán)境的影響，不會產(chǎn)生視覺疲勞。然而，當肺GGN位于小葉間隔增厚、局部胸部增厚或炎性病變附近時，極其容易誤診并造成診斷結(jié)果的假陽性。楊金生等團隊[11]研究結(jié)果顯示AI閱片在肺結(jié)節(jié)的檢出時間、檢出速度、檢出率及良惡性的鑒別診斷率均顯著優(yōu)于人工閱片，但假陽性率較高，尤其是當肺結(jié)節(jié)位于正常肺組織周圍或慢性炎癥病變周圍。趙正凱等團隊[12]發(fā)現(xiàn)AI閱片聯(lián)合人工閱片可以取長補短，提高GGN的總體診斷效能，優(yōu)于AI閱片或人工閱片的單一診斷方式。因此，未來在臨床上，應該將兩者聯(lián)合起來，可以顯著提高對于肺GGN良、惡性的定性診斷分析。

同時，本研究顯示相對比放射科醫(yī)師閱片，AI閱片與病理診斷這兩種診斷方式的一致性較高。原因可能是因為放射科醫(yī)師閱片時，主要是根據(jù)個人的以往閱片經(jīng)驗，沒有對結(jié)節(jié)的形態(tài)、密度、邊緣等放射學特征進行具體量化分析，從而導致診斷良惡性的準確率下降。然而，AI閱片是基于對整個病灶乃至整幅影像圖像的全面具體量化分析，可以提高診斷速度及縮短觀察時間，不容易受到胸廓結(jié)構(gòu)及結(jié)節(jié)的復雜程度的影響，不容易受到主觀因素和疲勞狀態(tài)等因素的影響，分析結(jié)果更加客觀。

最新研究表明AI閱片不僅可以提高肺GGN良、惡性的診斷效能，還可以預測早期GGN肺癌的浸潤程度，為后續(xù)的臨床治療提供一定的借鑒價值[13]。梁云等團隊[14]研究發(fā)現(xiàn)相比對非浸潤組，浸潤組中實性成分明顯增多，表明實性成分占比是鑒別肺癌浸潤和侵襲有效影像學指標之一。這一影像學指標為以后的臨床診斷工作提供一個有效依據(jù)，未來需進一步進行研究驗證。

然而，本研究尚存在一定的局限性。第一，本研究是一個小樣本、單中心的回顧性研究，缺乏大樣本及外部中心的驗證。第二，本研究僅采用了一家公司的人工智能輔助診斷技術(shù)，存在一定的假陽性率，且與其他公司的人工智能技術(shù)存在一定的誤差。第三，本研究沒有采用AI輔助診斷系統(tǒng)聯(lián)合放射科醫(yī)師閱片手段，即先使用AI對圖像進行初步篩查，針對可疑的病灶，再請經(jīng)驗豐富的放射性醫(yī)生進行判讀。此方法可以大大提高工作效率及診斷的準確性，未來在臨床上可以采取此方法進行閱片。最后，本研究只進行了肺磨玻璃結(jié)節(jié)的良惡性分析，未進行其浸潤程度的預測和分析，在未來仍需進一步進行研究。

綜上所述，人工智能可以有效提高對肺磨玻璃結(jié)節(jié)的良惡性診斷效能及診斷效率，減輕了放射科醫(yī)師繁重的閱片工作強度。在未來，應合理地將AI輔助診斷系統(tǒng)和放射科醫(yī)師閱片兩者結(jié)合起來，能夠有效地提高診斷效率，進一步提高高分辨胸部CT對肺磨玻璃結(jié)節(jié)的綜合診斷效能。