基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測算法對不同大小肺結(jié)節(jié)的檢出效果

王 娟，唐麗麗，于明川，那曼麗，張 濱

(北京大學(xué)首鋼醫(yī)院影像科，北京 100144)

肺癌是癌癥相關(guān)死亡的主要原因[1]。2012年全球約有159萬人死于肺癌[2]。據(jù)我國國家癌癥中心統(tǒng)計，2014年我國肺癌發(fā)病率和死亡率均居惡性腫瘤首位，其中新發(fā)病例約78.1萬，死亡病例約62.6萬[3]。約75%肺癌患者就診時已是局部晚期或出現(xiàn)遠(yuǎn)處轉(zhuǎn)移[4]，患者平均5年生存率僅約18%[5]。

肺癌篩查有利于早期檢測腫瘤，提高總體治愈率，同時能在更小范圍內(nèi)手術(shù)切除病變[6]。美國國家肺癌篩查試驗(National Lung Screening Trial, NLST)研究[7]表明，相比單視角的X線胸片，接受低劑量CT篩查的群體肺癌死亡率下降20%。目前低劑量CT逐漸成為各國篩查肺癌的主要手段，但由于篩查人群巨大而缺乏有經(jīng)驗的影像學(xué)醫(yī)師，使得普及肺癌篩查面臨巨大挑戰(zhàn)[8]。

近年來，以深度學(xué)習(xí)(deep learning, DL)為內(nèi)核的人工智能方法在計算機視覺任務(wù)方面取得了突破性進(jìn)展，并逐漸滲透到醫(yī)學(xué)影像分析的各個領(lǐng)域[9]。研究[10-11]表明，DL模型已在低劑量CT肺結(jié)節(jié)檢測中展現(xiàn)出較高的精度，臨床應(yīng)用潛力巨大。然而這類檢測模型并非完美，預(yù)測結(jié)果仍會出現(xiàn)偏差。本研究旨在探討DL模型對不同大小肺結(jié)節(jié)的檢出效果。

1 資料與方法

1.1 一般資料 回顧性分析2019年3—5月于我院接受胸部CT平掃的344例肺結(jié)節(jié)患者，男218例，女126例，年齡25～68歲，平均(45.6±19.3)歲。排除圖像質(zhì)量差、存在彌漫性病變及多發(fā)結(jié)節(jié)(10個及以上)患者。

1.2 儀器與方法

1.2.1 CT檢查 采用Toshiba Aquilion One(重建卷積核包括FC03/FC13/FC51)、Philips Ingenuity Core 128(重建卷積核包括B/YA/YB)多排螺旋CT。囑患者仰臥，掃描范圍自肺尖至肺底。掃描參數(shù)：固定管電壓120 kV，管電流為自動毫安，層厚1 mm，矩陣512×512，圖像分辨率0.782 mm×0.782 mm。

1.2.2 肺結(jié)節(jié)診斷及結(jié)節(jié)大小計算 由1名具有5～10年工作經(jīng)驗的影像科醫(yī)師標(biāo)注所有CT圖像中的肺結(jié)節(jié)，并逐層勾勒肺結(jié)節(jié)輪廓；由另1名高年資(工作10～15年)影像科醫(yī)師對上述初標(biāo)結(jié)果進(jìn)行審核，并將復(fù)審結(jié)果作為醫(yī)師最終臨床診斷結(jié)果。

由計算機根據(jù)醫(yī)師的邊緣勾勒自動計算得到肺結(jié)節(jié)大小。計算流程：①于軸位圖像上找到肺結(jié)節(jié)最大層面(面積最大)；②在最大層面上測量結(jié)節(jié)最長徑(距離最遠(yuǎn)的2個輪廓點之間的距離)和最短徑(結(jié)節(jié)內(nèi)垂直于長徑的最長距離)；③以最長徑和最短徑的平均值作為結(jié)節(jié)大小，精確到小數(shù)點后2位，單位為mm。

1.2.3 DL模型(以下稱模型)檢測肺結(jié)節(jié) 將CT資料傳至深睿醫(yī)療研發(fā)的Dr.Wise肺結(jié)節(jié)輔助診斷系統(tǒng)，以深度卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，配合特征金字塔和圖像金字塔，融合全局結(jié)構(gòu)和局部細(xì)節(jié)信息，自動檢測結(jié)節(jié)大小。

1.3 統(tǒng)計學(xué)分析 采用Scipy統(tǒng)計分析軟件。以χ2檢驗比較模型對不同大小肺結(jié)節(jié)的檢出率(相對于醫(yī)師診斷結(jié)果)。P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

344份CT圖像中，醫(yī)師共診斷710個0～30 mm肺結(jié)節(jié)，其中0～4 mm者93個(93/710，13.10%)，0～5 mm者264個(264/710，37.18%)，0～6 mm者425個(425/710，59.86%)，5～10 mm者389個(389/710，54.79%)，>10～20 mm者56個(56/710，7.89%)，>20～30 mm者1個(1/710，0.14%)。根據(jù)結(jié)節(jié)密度，其中536個(536/710，75.49%)為實性結(jié)節(jié)，54個(54/710，7.61%)為純磨玻璃結(jié)節(jié)，10個(10/710，1.41%)部分實性結(jié)節(jié)，110個(110/710，15.49%)為鈣化結(jié)節(jié)。

DL檢測模型共檢出2 495個候選肺結(jié)節(jié)，相對于醫(yī)師診斷結(jié)果，模型診斷真陽性675個(圖1～3)，模型對結(jié)節(jié)的檢出率為95.07%(675/710)，陽性預(yù)測值為27.05%(675/2 495)。模型對不同大小肺結(jié)節(jié)的檢出率如下：0～4 mm者82.80%(77/93)，0～5 mm者90.15%(238/264)，0～6 mm者92.94%(395/425)，5～10 mm者97.94%(381/389),10～20 mm者98.21%(55/56),20～30 mm組100%(1/1)。模型對0～4 mm、0～5 mm、0～6 mm、5～10 mm、10～20 mm、20～30 mm肺結(jié)節(jié)的檢出率差異無統(tǒng)計學(xué)意義(χ2=21.72，P>0.05)。

為進(jìn)一步確認(rèn)模型中假陽性結(jié)節(jié)的具體分布，上述2名醫(yī)師重新針對這些假陽性結(jié)節(jié)進(jìn)行逐一復(fù)審。假陽性結(jié)節(jié)中，50.38%(917/1 820)為醫(yī)師最初漏診者(圖4)，32.53%(592/1 820)為血管斷面，其余為局灶性胸膜增厚(164個)、斑片(73個)、條索(55個)、黏液栓(13個)、肺實變(4個)和腫塊(2個)等，平均每例醫(yī)師漏診肺結(jié)節(jié)2.67個(917/344)，血管斷面的平均假陽性數(shù)為1.72個(593/344)。

圖1 患者男，87歲，模型檢出28 mm×27 mm部分實性結(jié)節(jié)(箭)，為真陽性結(jié)節(jié) 圖2 患者女，57歲，模型檢出8 mm×7 mm磨玻璃結(jié)節(jié)(箭)，為真陽性結(jié)節(jié) 圖3 患者女，51歲，模型檢出12 mm×12 mm實性結(jié)節(jié)(箭)，為真陽性結(jié)節(jié) 圖4 患者男，53歲，模型檢出2 mm×2 mm實性結(jié)節(jié)(箭)，為假陰性結(jié)節(jié)(醫(yī)師未檢出)

3 討論

基于DL的肺結(jié)節(jié)檢測模型預(yù)測精度高，低劑量CT對于0～30 mm肺結(jié)節(jié)的檢出敏感度達(dá)到95.07%。本研究發(fā)現(xiàn)檢測模型的預(yù)測精度不受肺結(jié)節(jié)大小的影響，證實了DL檢測模型在肺結(jié)節(jié)檢測中的一致性。在中華醫(yī)學(xué)會肺癌臨床診療指南2018版[3]中，以5 mm作為陽性肺結(jié)節(jié)的分界值；在2005版Fleishner指南[12]中，將4 mm作為肺結(jié)節(jié)隨訪的分界線，在其2013版[13]中，將此分界線提高到5 mm，在2017版[14]中進(jìn)一步將其提高到6 mm。本研究結(jié)果表明，臨床上不管使用哪種診斷標(biāo)準(zhǔn)，基于DL的肺結(jié)節(jié)檢測方法均表現(xiàn)出良好的泛化性能。

除肺結(jié)節(jié)大小以外，影響檢測模型效果的因素還有很多。既往計算機輔助診斷研究觀察圖像采集參數(shù)對于類似肺結(jié)節(jié)檢測模型的影響，證實DL對肺結(jié)節(jié)檢出效果的一致性良好。Den Harder等[15]前瞻性納入25例肺結(jié)節(jié)隨訪患者，分別進(jìn)行4種劑量(45%、60%、75%和100%的標(biāo)準(zhǔn)管電流)CT掃描，并以3種方式(FBP、iDose4及IMR3)進(jìn)行重建，發(fā)現(xiàn)3種重建方式下計算機輔助診斷對于4 mm以上肺結(jié)節(jié)的檢出率幾乎相當(dāng)，但假陽性率方面，最低劑量下的FBP優(yōu)于iDose4和IMR3。Takahashi等[16]前瞻性觀察55例肺結(jié)節(jié)患者，分別進(jìn)行常規(guī)劑量(120 kV)及低劑量(100 kV)CT掃描，結(jié)果顯示計算機輔助診斷在常規(guī)劑量下獲得的結(jié)節(jié)檢出敏感度為76%，低劑量下敏感度為71%。

進(jìn)一步分析本研究中模型檢出的假陽性肺結(jié)節(jié)，其中50.38%(917/1 820)為醫(yī)師初次診斷漏檢的肺結(jié)節(jié)，提示醫(yī)師和輔助診斷系統(tǒng)可互相補充、各取所長；臨床工作中，判斷腫瘤肺轉(zhuǎn)移時，檢出微小轉(zhuǎn)移灶對診斷及治療均具有重要意義，此時輔助診斷系統(tǒng)能夠高效幫助醫(yī)師減少漏診微小轉(zhuǎn)移灶；但另一方面，引入DL可能增加過度診斷的概率。DL系統(tǒng)會額外發(fā)現(xiàn)很多被醫(yī)師漏掉的肺結(jié)節(jié)，普通篩查人群中這些肺結(jié)節(jié)大多為良性，即使是惡性肺結(jié)節(jié)，未獲發(fā)現(xiàn)也不影響患者終生發(fā)病率和死亡率[17]，故過度診斷是DL肺結(jié)節(jié)檢測模型實現(xiàn)大規(guī)模臨床應(yīng)用前亟待解決的問題。本研究中醫(yī)師漏診的大多是5 mm以下微小肺結(jié)節(jié)，對此中華醫(yī)學(xué)會指南[3]建議處理的方式是長期隨訪，可能對患者造成較大心理負(fù)擔(dān)，以至于采取不必要的激進(jìn)治療方案。此外，人工智能方法檢出的過多肺結(jié)節(jié)也可能增加醫(yī)師的工作量。

本研究的局限性：樣本量相對不足，未能定量評估其他因素(機型/重建算法等)以及醫(yī)師標(biāo)注誤差對于結(jié)果的影響，有待進(jìn)一步完善。