人工智能辅助阅片的胸部CT 在肺结节良恶性鉴别诊断中的应用研究

杨扬，郭丹丹，徐鹏，王凤

青州市人民医院影像科，山东青州 262500

肺结节有良性、恶性之分，良性肺结节预后良好，恶性肺结节治疗难度大、预后较差，若能早期发现并予以针对性治疗，可在一定程度上改善预后[1-2]。胸部CT是临床诊断肺结节的重要手段，具有操作简单、成本低、耐受性良好等特点，依据肺结节在CT 的影像学征象可对结节性质进行鉴别，便于临床尽早进行针对性治疗[3]。但传统胸部CT 受诊断医师经验、主观意识等影响较大，易出现漏诊、误诊情况。随着现代医学水平的发展，人工智能辅助诊断技术逐渐应用于临床，凭借深度学习记忆及强大图片识别功能，可实现医学影像技术及诊疗体系飞跃性发展，从而进一步提高肺结节诊断质量，降低结节筛查漏诊、误诊率，且大幅提供阅片工作效率[4]。鉴于此，本研究旨在分析2019年1月—2021年6月50例于青州市人民医院采用人工智能辅助胸部CT 鉴别诊断肺结节良恶性的临床价值。现报道如下。

1 资料与方法

1.1 一般资料

选取本院收治的肺结节患者50例作为研究对象。其中男19例，女31例；年龄35~75岁，平均（49.96±5.13）岁。研究经医学伦理委员会批准。

1.2 纳入与排除标准

纳入标准：符合《肺结节诊治中国专家共识（2018年版）》[5]中肺结节诊断者；精神状态正常者；行肺部CT检查者；患者及家属知情同意。排除标准：影像学资料缺失者；伴有其他恶性肿瘤者；存在肺结核病史者。

1.3 方法

所有肺结节患者均行胸部CT 检查，分别采用人工智能辅助阅片与医师阅片，以病理检查为金标准。影像学扫描：选用西门子Definition Flash 双源CT 扫描系统进行检查，参数设置为管电流≤40 mAs，管电压120 kVp，层厚5 mm，重建图像层厚1 mm；纵膈窗：窗位50 HU，窗宽350 HU；肺窗：窗位-600 HU，窗宽1500 HU。阅片方法：①人工智能辅助阅片法。由1 名经验丰富的影像科医师采用肺结节筛查系统辅助诊断，即将所有胸部CT 影像资料导入人工智能辅助系统内，系统根基为40 万训练数据集，数据库资料来源于国内各大三甲医院；该软件可自动标记疑似肺结节的部位，于右侧栏目内显示结节性质、CT 值、结节直径、征象及恶性概率等信息，其中恶性概率70%以上为高危结节，恶性概率50%~70%为中危结节，恶性概率50%以下为低危结节。系统将高危结节判定为恶性肺结节，其他为良性肺结节；若出现可疑肺结节，阅片医师可借助系统更好呈现肺结节形态，三维重建肺结节与周围血管、胸膜等关系，以便于更好地鉴别诊断。②医师阅片法。由两名具有丰富工作经验的影像科医师进行胸部CT 图像阅片，依据肺结节大小、与周围血管关系、密度等多种信息进行良恶性判断，人为划分良性或恶性。最终结果以病理检查为金标准，所有标本均以福尔马林固定，石蜡包埋切片，经特殊方法染色后，由病理医师确定。

1.4 观察指标

①肺结节检出情况：比较两种阅片方法下肺结节检出情况；②诊断效能：比较两种阅片方法诊断恶性肺结节的灵敏度、特异度、准确度、阳性预测值及阴性预测值。

1.5 统计方法

采用SPSS 22.0 软件分析数据，计数资料以百分数表示，采用χ2检验；P<0.05 为差异有统计学意义。

2 结果

2.1 肺结节检出情况

50例肺结节患者，经病理诊断为恶性结节42例，良性结节8例；其中人工智能阅片检出阳性41例，医师阅片检出阳性40例。两组阳性检出率相比，差异无统计学意义（χ2=0.065，P=0.799）。见表1。

表1 两组阅片方法肺结节检出情况对比

2.2 诊断效能

人工智能辅助阅片法灵敏度、特异度、准确度及阴性预测值高于医师阅片法，差异有统计学意义（P<0.05）。见表2。

表2 两组阅片方法诊断效能对比（%）

3 讨论

肺癌为临床常见恶性肿瘤，早期无明显症状，多数患者出现临床症状时已进展至中晚期，错失手术最佳时机，导致整体预后较差，病死率居高不下。因此，早发现、早诊断、早治疗对提高肺癌患者生存率至关重要[6-7]。肺癌早期影像学多表现为肺结节，肺结节又可分为良性肺结节、恶性肺结节，对于存在肺结节征象的患者需准确鉴别良恶性，为临床后续治疗工作的开展提供依据[8-9]。

胸部CT 是临床诊断肺结节的常用影像学手段，具有扫描速度快、软组织分辨率高等特点，可清晰显示肺结节大小、密度及与周围血管组织关系等信息，为临床鉴别诊断良恶性肺结节提供参考数据[10-14]。但传统阅片多由两名经验丰富的影像科医师进行，准确性受医师经验程度、主观意识、视力疲劳等多种因素影响，对于部分病灶小、密度低的肺结节组织易出现漏诊或误诊，且随着肺结节筛查的大规模进行，单纯依靠医师阅片工作量大，已无法满足临床需求。随着科技水平的不断提升，人工智能逐渐应用于医学领域，在影像学领域亦得到广泛应用。本研究结果显示，50例肺结节患者，经病理检查发现恶性结节42例，良性结节8例；其中人工智能辅助阅片检出阳性41例，医师阅片检出阳性40例，两组阳性检出率相比，差异无统计学意义（P>0.05），人工智能辅助阅片法灵敏度、特异度、准确度及阴性预测值为95.24%、87.50%、94.00%、77.78%，高于医师阅片法的80.95%、25.00%、72.00%、20.00%，差异有统计学意义（P<0.05），表明人工智能辅助阅片应用于胸部CT 可提高恶性肺结节诊断效能，以便于临床更准确地区分良恶性肺结节。李甜等[15]研究显示，人工智能辅助阅片灵敏度为91.57%，高于医师阅片的87.2%，提示人工智能阅片有助于提高恶性肺结节诊断效能，与本研究结果具有一致性。人工智能辅助诊断系统能直接挖取肺癌核心特征，通过扭转、切割等多种方式扩大数据量，并在短时间内标记结节位置、形态及恶性征象信息等，以高效率、高效能鉴别诊断良恶性肺结节，避免人工阅片的主观因素影响，且大幅降低人工阅片的工作繁琐性，提高工作效率[16-18]。对于疑似肺结节，医师还可借助人工智能系统进行薄层原始图像、表面阴影成像及容积在现等图像处理操作，从而获取更为充分的肺结节诊断信息，以便于肺结节早期定性。但人工智能仍存在一定缺陷，如训练数据集质量不一、标注质量欠佳、图像处理缺乏统一标准等，还需加强软件数据集的质量管理控制，扩大数据集训练数量，以提高恶性肺结节诊断准确性。

综上所述，人工智能辅助阅片在胸部CT 中应用效果显著，可提高恶性肺结节诊断灵敏度、特异度及准确率，便于临床尽早明确肺结节性质，为后续治疗工作开展提供重要依据。