AI 軟件在孤立性肺結節(jié)良惡性診斷中的應用

邱文，陳任政，張文浩

陽江市人民醫(yī)院 1 放射科，2 產科 （廣東陽江 529500）

目前，肺癌是全球發(fā)病率及病死率均較高的惡性腫瘤之一，早期很難被發(fā)現(xiàn)，一旦被發(fā)現(xiàn)基本已到晚期。臨床研究發(fā)現(xiàn)，孤立性肺結節(jié)的檢出對診斷肺癌意義重大[1]。孤立性肺結節(jié)（solitary pulmonary nodules，SPN）是直徑≤3 cm、界限清楚的圓形或橢圓形病灶，周圍有正常的實質，與肺不張、淋巴結病、肺炎和胸腔積液無關[2]。臨床上與SPN相關的臨床信息和影像學在良惡性SPN 中存在部分重疊，極難分辨孤立性肺結節(jié)的良惡性情況。近年來，新型支氣管鏡、高分辨力CT、胸片、MRI 等檢查診斷手段逐漸被用于SPN 的早期診斷中，隨著AI 技術的發(fā)展，基于深度學習的計算機輔助檢測與診斷系統(tǒng)在SPN 的診斷中也不斷取得進步[3]。基于此，本研究探討AI 軟件在SPN 良惡性診斷中的應用，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料

收集2019年4－11月于我院呼吸內科、胸外科、腫瘤科等科室經臨床和手術病理證實的，100例結節(jié)直徑≤3 cm 的SPN患者的臨床資料。其中，良性腫瘤50例，男26例，女24例；年齡32～74歲，平均（49.30±11.27）歲。惡性腫瘤50例，男28例，女22例；年齡38～79歲，平均（59.60±11.35）歲。本研究已獲得醫(yī)院醫(yī)學倫理委員會的審核批準。

1.2 方法

所有患者均行CT 掃描：使用飛利浦Brillance 64排CT、西門子Balance 16排CT（Light Speed VCT，Discovery HDCT，Optima）螺旋CT，從胸廓入口至肺底，設定電壓120 kV、電流200～340 mA，采用骨重建1.25 mm 層厚軸位圖像法進行吸氣后屏氣完成全肺掃描，獲得CT 影像。

1.3 觀察指標

比較低年資、高年資醫(yī)師及AI 軟件診斷SPN 良惡性的準確度及總準確度。在未被告知臨床診斷結果的情況下，分別由兩名低年資（5年以內）及兩名高年資（5年以上）影像醫(yī)師閱片并判斷SPN 良惡性；此外，將100例胸部CT 影像原始數(shù)據(jù)上傳至基于深度學習模型的AI 軟件（深睿醫(yī)療公司），并由系統(tǒng)軟件自動批量進行SPN 良惡性的識別和標記。

1.4 統(tǒng)計學處理

采用SPSS 22.0統(tǒng)計軟件進行數(shù)據(jù)分析，計數(shù)資料以率表示，采用χ2檢驗，P＜0.05為差異有統(tǒng)計學意義。

2 結果

AI 軟件與高年資醫(yī)師診斷SPN 良惡性的準確度及總準確度比較，差異無統(tǒng)計學意義（P＞0.05）；AI 軟件、高年資醫(yī)師診斷SPN 良惡性的準確度及總準確度均高于低年資醫(yī)師，差異有統(tǒng)計學意義（P＜0.05），見表1。

表1 低年資、高年資醫(yī)師及AI 軟件診斷SPN 良惡性的準確度及總準確度比較[例（%）]

3 討論

SPN 中多數(shù)惡性結節(jié)位于肺上葉，且多見于右肺，而位于肺周圍區(qū)域的SPN 約占60%[4]。有研究指出，在結節(jié)邊緣有不同的征象如不規(guī)則、毛刺、分葉、光滑等，良性和惡性病變之間存在較大的重疊[5]。良性結節(jié)大部分特征邊緣光滑，而惡性結節(jié)大部分為密集毛刺結節(jié)、分葉狀的表現(xiàn)。AI 技術基于深度學習、神經網絡、算法、大數(shù)據(jù)等基礎，利用數(shù)據(jù)模擬構建相應的虛擬模型結構。目前，AI 輔助肺部結節(jié)影像診斷不僅可以幫助醫(yī)師確定肺部結節(jié)發(fā)生部位，還能更智能化地輔助醫(yī)師對肺部結節(jié)進行良惡性的定性診斷[6]。隨著深度學習的不斷發(fā)展，基于深度學習的計算機輔助診斷技術診斷肺結節(jié)的靈敏度及準確度也得到了提高[7]。深度學習模型多種多樣，應用在SPN 的檢測系統(tǒng)及模型中的主要有多維卷積神經網絡（convolutional neural network，CNN）、自編碼（auto-encoder，AE）、深度信念網絡（deep belief network，DBN）、自主神經功能網絡、仿生模式識別等，其中，以CNN 最常用。

CNN 是一種受生物學啟發(fā)，多用于解決圖像分類問題的監(jiān)督學習算法[8]。最近，深度CNN 在圖像處理方面取得了巨大成功并被引入醫(yī)學圖像領域，特別是受到阿諾德基金會的100萬美元資助美國國家癌癥研究所的肺癌自動檢測與診斷挑戰(zhàn)賽，參加這項挑戰(zhàn)賽中的所有頂級團隊都使用CNN 來自動檢測和診斷肺部病變，這也證實了CNN 在AI 醫(yī)療中的應用價值[9]。目前，研究較多的有多維CNN 的肺結節(jié)檢測與分類，基于二維、三維CNN 對肺結節(jié)進行檢測，主要針對的是在檢測過程中出現(xiàn)的假陽性高的問題。安增平[10]提出了一種基于深度學習的肺部結節(jié)檢測方法，并以此為基礎，設計開發(fā)了一個肺結節(jié)輔助檢測系統(tǒng)，該系統(tǒng)具有讀取與顯示CT 信息、整肺初步分割、提取ROI 區(qū)域、顯示結節(jié)區(qū)域等功能，可提高診斷SPN 的靈敏度，降低假陽性率。王祥等[11]利用三維CNN 的肺結節(jié)深度學習算法模型檢出的靈敏度為90%，準確度為71%。本研究結果顯示，AI 軟件與高年資醫(yī)師診斷SPN 良惡性的準確度及總準確度比較，差異無統(tǒng)計學意義（P＞0.05）；AI 軟件、高年資醫(yī)師診斷SPN 良惡性的準確度及總準確度均高于低年資醫(yī)師，差異有統(tǒng)計學意義（P＜0.05）；表明經過深度學習的AI 軟件對于SPN 良惡性診斷的準確度較高，可達到高年資醫(yī)師水平。

4 總結與展望

AI 是蓬勃發(fā)展的新興科技，具有巨大的應用前景及廣闊的發(fā)展空間。AI 軟件通過學習和研究大量醫(yī)學數(shù)據(jù)、醫(yī)學影像和病歷資料，能夠提高診斷的準確度，從而為疾病提供早期預警。目前，深度學習AI 已經被應用于肺癌診斷、治療、預防、隨訪等疾病診療過程中，大大提高了醫(yī)師的診斷效率、降低了漏診及誤診的風險，同時，還能夠減輕醫(yī)師的工作量。AI 軟件在診斷SPN 良惡性方面的應用效果較好，將會成為臨床醫(yī)師不可或缺的得力助手，但在應用過程中不斷出現(xiàn)新的挑戰(zhàn)，如機器倫理、法律及智能化標準等問題。業(yè)界對肺結節(jié)智能化的診斷還需不斷的完善與更新，醫(yī)師應不斷學習與更新知識，使AI 在輔助醫(yī)者診斷中發(fā)揮重要作用。