AI對肺結節(jié)良惡性鑒別及浸潤程度的診斷價值分析

劉鮮艷 單法成 李 珊 朱建波

肺癌具有極高的發(fā)病率及死亡率，且呈逐年上升的趨勢[1-2]。然而在臨床工作中，初次來就診的肺癌患者常常處于疾病的中晚期，已經錯過最佳治療時機。因此肺癌的早期篩查顯得尤為重要。隨著醫(yī)學技術的進步，肺部雙源低劑量螺旋CT常規(guī)用于早期肺癌的篩查[3-4]。早期肺癌常常表現為肺結節(jié)，形態(tài)多樣，缺乏臨床癥狀及體征，同時由于影像科醫(yī)生診斷水平的差異及工作的繁忙，導致肺癌的誤診率及漏診率較高[5]。早期鑒別肺結節(jié)良惡性，及時干預，可徹底治愈早期肺癌[6]，降低國家醫(yī)療衛(wèi)生負擔及醫(yī)療資源的浪費。因此如何安全有效診斷肺結節(jié)的良惡性成為近期研究的熱點及難點。

人工智能技術(AI)可以精準掃描到肺部雙源低劑量螺旋CT中的可疑病變，判斷肺結節(jié)的良惡性及浸潤程度，指導臨床醫(yī)生做出臨床診治方案[7-9]，彌補了臨床工作不足，減輕了工作負擔。本文通過回顧性分析肺結節(jié)患者病理結果，探討人工智能(AI)在肺結節(jié)良惡性鑒別診斷及浸潤程度中的應用價值。

1 資料與方法

1.1 研究對象

選取2019年至2020年濱州市人民醫(yī)院經肺部雙源低劑量螺旋CT檢查發(fā)現肺結節(jié)患者246例，年齡14～83 歲，平均年齡( 54.5±12.7) 歲，男性118例，女性128例。經過多學科會診，建議178例隨訪，68例手術或者穿刺活檢;其中35例患者選擇手術或穿刺活檢。35例患者手術或活檢后病理證實肺良性疾病11例，分別為非典型腺瘤樣增生4 例，真菌1例，炎性結節(jié)6例;惡性疾病24 例，包括21例肺腺癌，1例肺鱗癌,1例淋巴瘤，1例小細胞肺癌。

1.2 研究方法

肺部雙源低劑量螺旋CT圖像采集:64排雙源低劑量螺旋CT常規(guī)掃描，取仰臥位，掃描范圍自肺尖至肺底部。所有圖像均進行薄層掃描后處理重建。

肺結節(jié)AI 分析:將患者標準DICOM格式CT 圖像導入天池醫(yī)療公司提供的人工智能軟件分析系統中，軟件自動識別肺結節(jié)部位、大小、特征(磨玻璃、亞實性、實性) 等，并提供肺結節(jié)的風險概率AI 數值和浸潤分類。

1.3 統計學方法

2 結果

2.1 患者的基本資料

35例患者年齡、性別、吸煙史、家族史、疾病史、結節(jié)特征( 磨玻璃、亞實性、實性) 及病理結果，見表1。

2.2 良惡性結節(jié)AI風險概率比較

35例肺結節(jié)患者中，良性結節(jié)者為11 例，其結節(jié)AI 風險概率為( 67.0±17.9) %，惡性結節(jié)者為24例，其結節(jié)的AI 風險概率為( 80.6±12.1) %，兩組比較，風險概率差異具有統計學意義(t=-2.7，P=0.01) 。

表1 35例患者一般資料情況

2.3 肺結節(jié)特征及浸潤程度與AI風險概率的相關性

不同肺結節(jié)特征之間AI風險概率比較具有統計學意義(P<0.05)，其中亞實性結節(jié)風險概率高于磨玻璃及實性結節(jié)，且差異具有統計學意義(P<0.05)；肺結節(jié)浸潤程度之間比較無統計學意義(P>0.05)，但風險概率呈遞增趨勢，見表2。

表2 肺結節(jié)特征及浸潤分類與AI風險概率的相關性分析

3 討論

隨著經濟水平的升高，人們對健康的認識提升，越來越多的人常規(guī)進行健康查體，肺結節(jié)的檢出率越來越高，不合理的診斷給患者帶來巨大的精神負擔[10-11]，不合理的治療極大的浪費醫(yī)療資源，因此如何區(qū)分肺結節(jié)良惡性顯得尤為重要。診斷肺結節(jié)良惡性的金標準為病理學診斷，但對于肺部小結節(jié)，甚至微小結節(jié)，活檢取材的風險高且準確率低[12]。通過肺結節(jié)影像學上各種特征的定量分析，以及結合患者病史、吸煙史、家族史、肺腫瘤學標記物等，可預測肺結節(jié)的良惡性[13]，不僅給肺結節(jié)患者帶來了福音，也會大大提高臨床醫(yī)生的工作效率。

人工智能(AI)是一種可延伸、模擬、擴展人類智能的信息科學，通過輸入肺結節(jié)圖像數據，自動獲取對應關系，在高通量圖像分析領域中具有效率快、效能高的優(yōu)點[14-15]。AI輔助診斷系統聯合胸部CT檢查則是通過對圖像獲取和重組、輪廓分割、特征提取和篩選、建立預測模型和驗證等環(huán)節(jié)，從而鑒別肺結節(jié)的良惡性，減少漏診率及誤診率[16]。AI 在肺結節(jié)前后變化比較方面也具有明顯優(yōu)勢，能快速對比肺結節(jié)大小、密度的變化，效率明顯高于臨床工作者[17]。AI在多發(fā)肺結節(jié)中發(fā)現新發(fā)結節(jié)的優(yōu)勢同樣顯著[18]。

本文收集了我院經胸部CT檢查發(fā)現的肺結節(jié)患者246例，結合人工智能AI風險概率值和多學科會診意見，對35例肺結節(jié)患者進行了手術或者穿刺活檢，其中發(fā)現非典型腺瘤樣增生4 例，真菌1例，炎性結節(jié)6例;惡性結節(jié)24 例，包括21例肺腺癌，1例肺鱗癌,1例淋巴瘤，1例小細胞肺癌。對良惡性肺結節(jié)患者之間AI風險概率比較發(fā)現，惡性結節(jié)患者AI風險概率明顯高于良性結節(jié)患者，提示AI風險概率在鑒別肺結節(jié)良惡性方面有一定的參考價值，與以往文獻報道一致[19-20]。肺結節(jié)分為磨玻璃結節(jié)、亞實性結節(jié)及實性結節(jié)，不同密度結節(jié)的AI風險概率不同，本研究發(fā)現，亞實性結節(jié)的惡性程度高于磨玻璃結節(jié)及實性結節(jié)，且差異有統計學意義，與相關研究一致[21]，進一步證實了AI在肺結節(jié)密度方面的分析，可有效判斷肺結節(jié)的良惡性。本院引進的AI可對肺結節(jié)進行一定程度的浸潤程度分類，本文首次提出AI在肺結節(jié)浸潤程度方面的價值分析結果，研究發(fā)現隨著浸潤程度的加重，AI風險概率呈逐漸升高趨勢，但卻無統計學意義，可能與本研究樣本量小有關，且部分患者未進行穿刺或手術得以證實，樣本量小存在一定的局限性，不能完全代表AI在肺結節(jié)浸潤程度方面的應用價值，有待后期進一步的研究。

人工智能聯合雙源低劑量螺旋CT在肺結節(jié)方面的應用仍處于探索階段，且存在一定的假陽性率，但隨著社會發(fā)展及人類技術的進步，AI技術將不斷成熟，AI將輔助臨床醫(yī)生完善大量的基礎性工作，提高肺結節(jié)良惡性的診斷，降低肺癌的漏診及誤診率，提高人們的生活質量，減少醫(yī)療資源的浪費，為肺癌早期診斷提供幫助。