人工智能在提高放射科住培医师诊断肺栓塞效能中的应用

张添辉，钟 正，黄志峰，古志聪，范伟雄（通信作者）

（梅州市人民医院放射科 广东 梅州 514031）

肺栓塞（pulmonary embolism，PE）是临床上常见急症之一，如果不及时采取干预措施，可能导致不良的预后结局。早期、准确识别肺栓塞对临床医生制定诊疗决策具有重要指导价值[1]。肺动脉CT血管成像（computed tomographic angiography，CTA）凭借其快速、便捷、无创及准确的优点，已成为诊断和评估肺栓塞的首选影像学检查方式[2]。住院医师规范化培训（简称“住培”）是医学生毕业后继续教育的重要组成部分，对于培养放射科高层次医师具有重要意义。目前，住培医师是放射科主要教学对象及阅片一线力量，肺动脉CTA是其重要培训及工作内容。然而，由于放射科日益增多的CT阅片工作量，以及住培医师经验积累不足，导致快速识别及诊断肺栓塞存在一定的挑战性。近年来，人工智能（artificial intelligence，AI）技术发展迅猛，并逐渐成为帮助放射科医生解释医学图像的重要工具，在医学影像辅助诊断及教学方面展现出良好的应用前景[3]。因此，本研究将探讨人工智能在提高放射科住培医师检出肺栓塞效能中的价值。

1 资料与方法

1.1 一般资料

回顾性选取2022年10月—2023年2月在梅州市人民医院行肺动脉CTA检查的62例患者资料，其中男性29例，女性33例，年龄为24～90岁，均龄（65.81±15.65）岁。纳入标准：①肺动脉CTA图像质量良好，且具有薄层CTA原始图像；②肺动脉CTA图像满足人工智能软件的处理条件，可被人工智能软件识别及处理。排除标准：①患者临床或影像资料不全；②CTA图像质量不能达到诊断要求者，如存在明显的呼吸伪影或运动伪影。

1.2 方法

检查仪器采用SOMATOM Force、Dedinition As、联影uCT 960+及GE Discovery CT750 HD扫描仪。检查时患者取仰卧位，足先进，双手上举过头顶。扫描范围包括肺尖到肋膈角，扫描参数：管电压为100 kV，自动管电流调制技术，螺距为1.9，矩阵512×512，重建层厚为1 mm。利用高压注射器以4.0～4.5 mL/s流率经肘前静脉注射碘佛醇造影剂30～50 mL，采用造影剂示踪法在肺动脉主干层面选取感兴趣区进行监测，触发阈值达到60 HU后进行扫描，扫描完成后将图像传输至后处理工作站及PCAS系统。

1.3 参照标准

本研究肺栓塞的参照标准通过以下流程进行确定：首先由一名放射科主治医师通过盲法对所有患者的肺动脉CTA图像进行详细分析并记录（包括有无肺栓塞及栓子位置），随后由一名放射科主任医师（具有20年以上影像诊断工作经验）对上述诊断结果进行复核，并以最终诊断结果作为参照标准。根据肺动脉CTA有无肺栓塞的诊断结果，将患者分为肺栓塞组和无肺栓塞组。

1.4 阅片方式

阅片前，由同一名高年资带教老师对两名住培医师（其中，住培医师A为住培二年级，住培医师B为住培三年级）开展肺栓塞CTA影像学和人工智能软件使用方法的培训。培训结束后，住培医师首先采用独立阅片法判读图像，然后间隔两周的洗脱期后，在AI辅助下进行再次阅片。具体阅片方式如下，①独立阅片法：住培医师在不知道患者临床及影像诊断结果的情况下，对患者的肺动脉CTA图像进行观察，并记录肺动脉CTA有无肺栓塞及相应肺栓塞的位置，同时记录对每例患者的诊断时间。诊断时间为从打开肺动脉CTA图像开始计时，至诊断完成并关闭图像停止计时。②AI辅助阅片法：经过两周洗脱期后，住培医师采用肺动脉CTA人工智能软件（联影智能公司：肺动脉CT造影影像处理AI软件，版本号20230130sp1）进行阅片并做出诊断及记录相应诊断时间。该AI软件可提供智能肺栓塞结果，包括全部栓子的位置、体积，并可在相应肺动脉CTA原始图像及后处理重建图像上标注每个病灶的位置及轮廓，见图1。

图1 肺动脉CTA人工智能辅助诊断软件

1.5 统计学方法

采用SPSS 20.0统计软件进行数据分析。符合正态分布的计量资料以（）表示，采用配对t检验；计数资料以频数（n）、百分率（%）表示，采用χ2检验。以P＜0.05为差异有统计学意义。

2 结果

2.1 分组情况

62例患者中，38例（61.29%）为肺栓塞组，包括男性21例，女性17例，年龄为24～90岁，均龄（68.66±13.79）岁；24例（38.71%）为无肺栓塞组，包括男性8例，女性16例，年龄为28～85岁，均龄（61.29±17.57）岁。

2.2 住培医师采用独立阅片法与AI辅助阅片法诊断肺栓塞的效能

住培医师采用独立阅片法及AI辅助阅片法结果与参照标准对照结果详见表1。住培医师A和B采用AI辅助阅片法诊断肺栓塞的灵敏度（分别为94.74%、92.11%）高于独立阅片法（分别为84.21%、86.84%），诊断肺栓塞的特异度（分别为95.83%、91.67%）高于独立阅片法的特异度（分别为91.67%、87.50%），但差异均无统计学意义（P＞0.05）。见表1、表2。

表1 住培医师采用独立阅片法与AI辅助阅片法诊断肺栓塞的结果 单位：例

表2 住培医师采用独立阅片法与AI辅助阅片法诊断肺栓塞的效能比较[%（n/m）]

2.3 住培医师采用独立阅片法与AI辅助阅片法的诊断时间比较

住培医师A和B采用AI辅助阅片法的诊断时间均短于独立阅片法，差异有统计学意义（P＜0.05），见表3。

表3 住培医师采用独立阅片法与AI辅助阅片法的诊断时间比较（，s）

表3 住培医师采用独立阅片法与AI辅助阅片法的诊断时间比较（，s）

方法住培医师A住培医师B独立阅片法280.81±99.19297.90±71.92 AI辅助阅片法193.94±50.51207.13±63.85 t 6.1807.722 P＜0.05＜0.05

3 讨论

肺栓塞是一种临床上较为凶险的疾病，指内源性或外源性栓子堵塞肺动脉主干或其分支引起的肺循环障碍综合征，若不及时处理，可能导致患者死亡。肺动脉CTA是临床上确诊肺栓塞最重要的影像检查，及时、准确的影像报告有助于使肺栓塞患者及时得到最佳治疗，从而提高救治成功率，改善临床结局[1,4]。目前，住培医师是放射科的初学者及主要培养对象，也逐渐成为一线阅片的重要力量，提升他们对肺栓塞的诊断能力至关重要。人工智能辅助诊断系统是基于深度学习算法的新兴技术，近年在各种疾病的筛查、诊断、鉴别诊断及预后评估等方面展现出良好的应用前景[3,5]。研究报道，医学影像人工智能辅助有助于提高住培医师对肺结节、乳腺等疾病的检出效能[3,6]，但对于其辅助住培医师检出肺栓塞的价值尚不清楚。因此，本研究将探讨人工智能在提高放射科住培医师检出肺栓塞效能的价值。

Weikert等[7]纳入1 465例患者的研究显示，人工智能算法能够正确识别232例肺栓塞患者中的215例（灵敏度为92.7%）和1 233例非肺栓塞患者中的1 178例（特异性95.5%），提示人工智能算法对检出肺栓塞具有较高的诊断准确性。Cheikh等[8]纳入1 202例患者的研究显示，人工智能诊断肺栓塞的灵敏度（92.6%）高于放射科医生（90.0%），而特异度（95.8%）低于放射科医生（99.1%），但差异均无统计学意义。本研究结果与上述报道文献类似，结果显示住培医师A和B采用AI辅助阅片法诊断肺栓塞的灵敏度（分别为94.74%、92.11%）高于独立阅片法（分别为84.21%、86.84%），诊断肺栓塞的特异度（分别为95.83%、91.67%）亦高于独立阅片法的特异度（分别为91.67%、87.50%），但差异均无统计学意义（P＞0.05）。分析原因为：肺栓塞AI通过图像分割技术及深度学习算法，能够对肺栓塞栓子进行全面、快速、准确的识别，并生成智能肺栓塞结果，详细列出全部肺栓塞的分布位置及体积供阅片者参考[7-9]。同时，肺栓塞AI还能够在原始图像上对栓子的病灶区域及轮廓线进行标注，并提供VR/MIP等多种后处理重建图供阅片者参考，从而辅助住培医师进行诊断决策，提升肺栓塞的检出灵敏度和特异度。

本研究结果还显示，住培医师采用AI辅助阅片法的诊断时间短于独立阅片法，且差异具有统计学意义（P＜0.05）。分析原因为：①当住培医师独立阅片法时，为了减少病灶漏诊，通常需要对肺动脉CTA原始薄层图像进行逐层细致的观察，而CTA原始薄层图像数据量巨大，使得阅片及诊断时间显著延长。②而当住培医师采用AI辅助阅片法时，由于AI能够通过深度学习算法快速识别所有可疑的栓子，同时在原始图像及后处理图像上呈现并标注出所有可疑病灶，使得住培医师能够快速、精准地对可疑区域进行重点观察，而对于非可疑区域则可快速浏览筛查，从而做到主次分明，重点突出，提高阅片效率，缩短诊断时间。

本研究存在一定不足。首先，本研究样本量相对较小，且为单中心回顾性分析，将来需开展前瞻性、多中心的大样本研究论证结果；其次，本研究只使用了单一品牌的人工智能软件进行研究，将来应探讨不同品牌或厂家的AI软件对肺栓塞检出的辅助价值。

综上所述，人工智能在一定程度上有助于提高放射科住培医师诊断肺栓塞的灵敏度和特异度，并显著缩短诊断时间，值得在放射科临床及教学工作中推广。