妊娠期COVID-19病人的临床特征、CT表现及AI分析

吴小青 谢元亮 张树桐 陈建普 王翔

新型冠状病毒肺炎（COVID-19）是一种传染性极强、传播途径多样的呼吸道疾病，以飞沫传播为主，也可发生接触传播、气溶胶和粪便传播[1-3]。随着COVID-19疫情全球化，感染人数每日激增，孕妇在所难免，而妊娠期合并呼吸道感染的致死、致畸风险极高[4]。目前孕妇感染COVID-19研究较少，且主要集中在母婴传播及妊娠结局等方面[5-6]。因此，本文尝试探究妊娠期发生COVID-19的CT表现及临床特征，并与普通COVID-19病人进行比较，同时通过人工智能（artificial intelligence,AI）辅助工具对病灶进行定量描述，旨在为临床诊疗提供更多有价值的影像信息。

1 资料与方法

1.1 研究对象 回顾性收集武汉市中心医院2019年12月31日—2020年4月1日间确诊COVID-19女性病人70例，年龄22～39岁。其中处于妊娠期的连续病人 30 例（妊娠组），年龄 22～37 岁，平均（29.4±4.7）岁；普通病人 40 例（普通组），年龄 22～39 岁，平均（29.6±3.9）岁。纳入标准：①符合《新型冠状病毒肺炎诊疗方案（试行第七版）》[7]；②首诊临床资料完整；③均行CT检查并进行AI分析。排除核酸阳性但CT无异常表现的轻型病人。

1.2 检查方法 所有病人均采用128层Philips Brilliance iCT扫描，病人仰卧位，于吸气末期扫描，扫描范围从肺尖到肺底。扫描参数：管电压120 kV，管电流 40 mA，螺距为 1.0，层厚 1.5 mm，层间距1.0 mm。采用高分辨骨算法肺窗重建影像，矩阵512×512。肺窗窗位-600～-450 HU，窗宽 1 000～1 500 HU，纵隔窗位35～40 HU，窗宽300～350 HU。 所有CT影像均采用数坤科技肺炎辅助诊断系统Version 1.20.0分析处理。

1.3 影像分析 由2名高年资（20年以上CT影像诊断经验）的放射科医师共同阅片，观察并记录病灶特征（形态、密度）及数量、位置（周边/中心）、累及的肺叶以及伴随征象，最终结果由2人讨论确定。根据首诊CT表现判断所有病人分期（早期、进展期、重症期）和临床分型（轻型、普通型、重型、危重型）。所有病例CT影像经AI后处理得到各肺叶、段的感染病灶 3D虚拟现实（virtual reality，VR）影像，观察CT影像与VR图上各肺叶感染病灶对应情况，分析AI与放射科医生对不同CT特征诊断的一致性。

1.4 统计学方法 采用SPSS 22.0统计软件进行数据分析。正态分布的计量资料以均数±标准差（x±s）表示，2组间比较采用t检验；非正态分布的计量资料以中位数（四分位数间距）[M（P25，P75）]表示，2 组间比较采用Wilcoxon检验。计数资料以例 （%）表示，2组间比较采用χ2检验。采用Kappa检验分析AI与放射科医生诊断的一致性，κ≤0.4表示一致性差，0.4＜κ≤0.8表示一致性一般，κ＞0.8 表示一致性良好。P＜0.05表示差异有统计学意义。

2 结果

2.1 2组病人的临床特征 2组病人均为普通型，妊娠组无临床症状者 （21/30例，70%）多于普通组（4/40 例，10%），且发热及其他症状（胸闷、胸痛、乏力）低于普通组病人（均P＜0.05）。2组年龄、密切接触史、首诊CT检查间隔及咳嗽症状差异均无统计学意义（均P＞0.05），见表1。妊娠组首诊时淋巴细胞百分比、中性粒细胞百分比、D-二聚体和C反应蛋白均高于普通组（均 P＜0.05），见表 2。

表1 2组病人临床资料比较

表2 2组病人首诊实验室结果比较

2.2 2组病人CT分期及其表现 妊娠组病人多为早期，普通组多为进展期，2组差异有统计学意义（P＜0.05）。2组病人的病灶均以多发磨玻璃密度影（ground-glass opacity,GGO）为主，多沿支气管血管束和胸膜下区分布，部分伴空气支气管征、铺路石征、实变及纤维条索（图1）。妊娠组单一GGO比普通组更多，而多发GGO比普通组要少（均P＜0.05）；2组的累及肺叶情况、其他影像表现及并发症的差异无统计学意义（P＞0.05），见表 3。

2.3 AI与放射科医生诊断的一致性分析 AI与放射科医生观察感染病灶的CT征象及VR图体积变化并作一致性分析（图2），两者对大部分征象的判定一致性良好（均κ＞0.8），包括结节及斑片状病灶、实性及合并部分实性的GGO、分布于中心、累及单个/多个肺叶；对分布于外周和GGO病灶的诊断一致性一般（κ为0.41～0.80）；对纤维条索的诊断一致性不佳（κ=0.268）。 见表 4。

3 讨论

COVID-19临床症状以发热、咳嗽、乏力为主，少数以鼻塞、咽痛、头晕及腹泻等症状就诊[8]。根据新型冠状病毒肺炎诊疗方案（试行第七版）[7]提出的临床分型，本研究中2组临床分型均为普通型，表现为发热、呼吸道等临床症状或以无症状就诊，影像均有异常改变。本文主要探讨妊娠合并COVID-19的CT表现，因此排除了临床症状轻微、影像未见异常的COVID-19轻型病人。由于2组病人均较年轻，首诊症状较轻、就诊及时且无基础疾病，因此首诊入院时未进展到重型、危重型。不同的是，妊娠组中70%病人是无症状的，而普通组中无症状患者仅为10%。妊娠组绝大多数是定期产检或先兆临产入院时早期发现、确诊，而普通组主要是以异常的临床症状就诊，无症状体检病人较少。2组有症状的病人主要表现有发热、咳嗽、胸闷、胸痛、乏力等，这些临床表现与前期文献[9]报道一致。由于妊娠期的生理及解剖结构的改变，母体的免疫系统处于相对抑制状态，使呼吸道病毒更容易感染机体，增加了孕产妇感染COVID-19风险和不良结局[10-11]。Chen等[6]研究指出妊娠期伴COVID-19病人绝大多数白细胞计数正常，C反应蛋白升高，与本文结果相仿。此外，本研究中妊娠组首诊时淋巴细胞、中性粒细胞、D-二聚体和C反应蛋白均高于普通组（均P＜0.05），可能与两组的免疫应答机制不同有关；并且妊娠组D-二聚体明显高于普通组，提示与孕期体内高凝状态有关。

COVID-19影像表现以单发或多发斑片状GGO为主，病灶多沿支气管血管束或胸膜下分布，多数伴有实变、铺路石征、空气支气管征，少数合并纤维条索及小叶间隔增厚[12-14]。本研究中2组病人首诊CT特征符合COVID-19影像表现。根据中华医学会放射学分会专家推荐意见[15]将COVID-19的CT表现分为早期、进展期、重症期。妊娠组首诊CT以早期为主，感染病变局限，以斑片状或节段性GGO为主；普通组大多数首诊影像多已发展至进展期，病灶数目增多、感染范围更广泛，伴发实变及纤维条索。这些差异可能与就诊时临床症状有关，普通组多以临床症状就诊，首诊时影像多已进展；而妊娠组由于孕期的特殊性，无症状产检发现较多，影像表现中病灶均较局限，未见实变等进展期表现。

表3 2组病人CT分期及表现比较 例（%）

表4 AI与放射科医生对病人影像诊断结果的一致性分析 n=70，例（%）

图1 妊娠期COVID-19病人的CT分期及特征。A图，32岁，孕38周，早期；可见右肺下叶GGO（白框），直径3.5 mm。B图，28岁，孕39周+1 d，早期；右肺散在斑片状GGO。C图，30岁，孕35周+4 d，进展期；右中肺GGO伴少许实变。D图，29岁，孕37周+6 d，进展期；左肺多发斑片状GGO，伴铺路石征（细箭头）、空气支气管征（粗箭头）。E图，33岁，孕38周+6 d，进展期；右下肺斑片状GGO伴纤维条索。F图，30岁，孕周40周，首诊后7 d随访CT可见双肺散在GGO伴广泛渗出，表现为吸收期改变。

图2 妊娠期COVID-19病人，28岁，孕38周+5 d。A、B图分别为入院首诊CT影像和对应的3D VR图，CT上可见左下肺斑片状GGO，VR图可见对应感染病灶（红色），AI计算左下肺病灶体积约38.5 mL。C、D图分别为首诊3 d后复查CT影像和对应的3D VR图，CT上可见双下肺病灶较前范围扩大、密度增高，VR图可见感染病灶较前范围扩大（红色），AI计算左下肺病灶体积约40.3 mL，右下肺病灶体积43.6 mL。

此外，本研究在常规CT诊断基础上，同时采用了AI辅助识别系统进行诊断，比较了AI与放射科医生在COVID-19病人中诊断的一致性。AI辅助识别系统能够快速获取薄层CT影像，自动计算感染病灶的体积及差值，可以为临床提供更精确的影像信息。我们发现AI和放射科医生对病灶的大部分影像特征诊断一致性均较好，只有当病灶位于外周区域或为GGO时诊断一致性一般。AI对纤维条索的诊断弱于放射科医生，可能由于纳入病例的纤维条索征象较少，而AI需计算机大样本数据支持。由于妊娠合并COVID-19病人的CT分型以早期为主，且单一GGO相对于普通组更多，所以AI辅助系统可以提高放射科医生的诊断效率，减少早期小病灶的漏诊率。

由于孕妇是特殊群体，与感染人群接触的相对机会要少，总体孕妇感染人数较少。本研究所纳入的病例数较少，仍缺少大样本统计学数据支持，因此后期需大样本的流行病学及影像学研究证实。