人工智能輔助診斷系統(tǒng)對(duì)肺腺癌亞型的預(yù)測(cè)價(jià)值

楊建麗，牛海亞，于 靜，韓文倩，祁馬莉亞，穆學(xué)濤

肺癌是影響人類(lèi)健康的重大疾病，肺腺癌的亞型與肺結(jié)節(jié)的生長(zhǎng)方式及成分相關(guān)[1]。根據(jù)磨玻璃結(jié)節(jié)(ground glass nodule, GGN)是否含有實(shí)性成分分為純磨玻璃結(jié)節(jié)(pGGN)和混合磨玻璃結(jié)節(jié)(mGGN)。GGN通常生長(zhǎng)緩慢，但也有些結(jié)節(jié)在隨訪期間生長(zhǎng)迅速，導(dǎo)致對(duì)這些結(jié)節(jié)的治療難以作出規(guī)劃[2]。肺腺癌根據(jù)浸潤(rùn)程度可分為癌前病變[非典型增生性肺腺癌(atypical adenomatous hyperplasia，AAH)、原位癌(adenocarcinoma in situ，AIS)]、微浸潤(rùn)性腺癌(microinvasive adenocarcinoma，MIA)和浸潤(rùn)性腺癌(invasive adenocarcinoma，IAC)[3,4]?，F(xiàn)階段GGN診療方案一般根據(jù)肺腺癌亞型進(jìn)行制定，許多胸外科醫(yī)師更愿意直接手術(shù)切除來(lái)進(jìn)行診斷和治療，主要原因是手術(shù)能更好地發(fā)現(xiàn) CT 特征和組織病理學(xué)之間的相關(guān)性[5]。而非手術(shù)活檢仍作為可疑結(jié)節(jié)明確性質(zhì)的診斷標(biāo)準(zhǔn)，在放射診斷基礎(chǔ)上經(jīng)皮 CT 引導(dǎo)下對(duì) GGN的活檢具有高特異度和敏感度，但磨玻璃成分較少或直徑<1 cm 的GGN 診斷準(zhǔn)確性往往較低，這使得胸外科醫(yī)師不愿對(duì)這些小GGN 進(jìn)行術(shù)前活檢[6,7]。如果能夠根據(jù)CT量化參數(shù)對(duì)肺腺癌亞型做出預(yù)判，對(duì)后續(xù)的治療決策非常重要。人工智能(artificial intelligence，AI)技術(shù)在基于醫(yī)學(xué)影像的肺結(jié)節(jié)輔助診斷(檢測(cè)和分類(lèi))領(lǐng)域已有廣泛研究，一定程度上提高了醫(yī)師的工作效率[8]。目前的深度學(xué)習(xí)算法可解釋性問(wèn)題仍然是AI領(lǐng)域亟待解決的問(wèn)題，對(duì)于肺結(jié)節(jié)分類(lèi)(良性/惡性)的區(qū)分不是很好[9]。本研究旨在探討AI肺結(jié)節(jié)輔助診斷軟件分析GGN的CT定量參數(shù)預(yù)判對(duì)肺腺癌亞型的診斷效能，為GGN的臨床處理提供參考。

1 資料與方法

1.1 一般資料 回顧性選取新疆醫(yī)科大學(xué)第一附屬醫(yī)院昌吉分院2017-01至2021-12經(jīng)手術(shù)病理證實(shí)的肺內(nèi)磨玻璃結(jié)節(jié)患者97例。納入標(biāo)準(zhǔn)：(1)患者術(shù)前30 d內(nèi)行胸部CT檢查；(2)連續(xù)薄層掃描，所有病灶在CT圖像上大小為0.5～3 cm；(3)病理切片保存完整，能夠復(fù)審。納入本研究患者93例，共97個(gè)結(jié)節(jié)，90例1個(gè)結(jié)節(jié)，2例2個(gè)結(jié)節(jié)，1例3個(gè)結(jié)節(jié)。年齡27～82歲，平均(59.08±11.35)歲。

1.2 寶石能譜CT掃描 均使用 HDCT 掃描儀(Discovery HD750，General Electric Company，GE，US)進(jìn)行胸部掃描，從胸廓入口到肺基底部。掃描參數(shù)設(shè)定：120 kV，100～200 mA，重建層厚0.625 mm，層間距0.125 mm。同時(shí)采用標(biāo)準(zhǔn)算法、高分辨算法進(jìn)行圖像重建，并行多平面重組。

1.3 圖像分析 依據(jù)GGN病灶病理診斷上的浸潤(rùn)程度設(shè)立非浸潤(rùn)組(AAH、AIS、MIA)和浸潤(rùn)組(IAC)，將術(shù)前胸部CT圖像導(dǎo)入AI肺結(jié)節(jié)輔助診斷軟件(北京推想醫(yī)療科技股份有限公司3.0版)分析GGN：在推想配置后臺(tái)可選擇AI肺結(jié)節(jié)輔助診斷軟件自動(dòng)測(cè)量的GGN的CT定量參數(shù)，配置后對(duì)全局成效。病灶列表即可顯示結(jié)節(jié)最大徑、體積、實(shí)性成分所占比和平均CT值。

1.4 病理診斷標(biāo)準(zhǔn) (1)AAH，局灶性病變(≤0.5 cm)，上皮細(xì)胞輕、中度不典型增生，沿肺泡或呼吸性支氣管壁生長(zhǎng)，無(wú)間質(zhì)性炎性反應(yīng)和纖維增生；(2)AIS，局灶性病變(≤3.0 cm)，腫瘤細(xì)胞沿肺泡壁伏壁式生長(zhǎng)，無(wú)間質(zhì)、血管或胸膜浸潤(rùn)；(3)MIA，局灶性病變(≤3.0 cm)，腺癌細(xì)胞以伏壁式生長(zhǎng)為主且浸潤(rùn)灶≤0.5 cm；(4)IAC，局灶性病變(≤3.0 cm)，病變浸潤(rùn)范圍>0.5 cm[10]。由兩名具有中級(jí)職稱(chēng)的病理科醫(yī)師共同認(rèn)定。

2 結(jié) 果

2.1 CT及病理結(jié)果 典型病例CT圖像及病理切片見(jiàn)圖1、2。

圖1 右肺上葉前段浸潤(rùn)性腺癌(女，68歲)

圖2 磨玻璃結(jié)節(jié)病理切片(HE，×200)

2.2 AI分析兩組GGN診斷指標(biāo)的比較 經(jīng)檢驗(yàn)非浸潤(rùn)組44例(AAH 7例，AIS 14例，MIA 23例)和浸潤(rùn)組(IAC 53例)，兩組間性別及年齡無(wú)統(tǒng)計(jì)學(xué)差異(P>0.05)；最大徑、體積、平均CT值及實(shí)性成分占比差異均有統(tǒng)計(jì)學(xué)意義(P<0.05，表1)。

表1 AI分析兩組GGN診斷參數(shù)指標(biāo)的比較

2.3 ROC曲線分析 各CT定量參數(shù)對(duì)GGN侵襲性的預(yù)測(cè)價(jià)值從高到低依次是實(shí)性成分占比(AUC=0.925)、平均CT值(AUC=0.897)、最大徑(AUC=0.837)、體積(AUC=0.800)，差異有統(tǒng)計(jì)學(xué)意義(P<0.05，表2、圖3)。綜合分析GGN的實(shí)性成分占比、平均CT值、最大徑及體積可明顯提高預(yù)測(cè)價(jià)值。

表2 各CT定量參數(shù)預(yù)測(cè)肺腺癌亞型的價(jià)值

圖3 GGN的受試者各項(xiàng)診斷指標(biāo)工作特征ROC曲線

2.4 二元Logistic回歸分析 GGN的實(shí)性成分占比(OR=1.264，P<0.05)和平均CT值(OR=1.010，P<0.05，表3)為預(yù)測(cè)侵襲程度的獨(dú)立影響因子。

表3 肺腺癌亞型CT參數(shù)二元Logistics回歸分析

3 討 論

近年來(lái)，由于環(huán)境因素的改變、人口老齡化的加劇及民眾健康意識(shí)增強(qiáng)，肺結(jié)節(jié)的發(fā)病率及檢出率明顯上升。值得注意的是，部分肺結(jié)節(jié)患者，具有肺癌高危風(fēng)險(xiǎn)[11]。GGN是早期肺腺癌或癌前病變的一種表現(xiàn)形式，而CT作為肺部檢查的重要手段，對(duì)肺癌早期篩查及臨床診療有重要意義，尤其近年來(lái)CT結(jié)合AI技術(shù)應(yīng)用于肺結(jié)節(jié)的檢出和評(píng)估[12]。

3.1 AI分析GGN的長(zhǎng)徑和體積的預(yù)測(cè)效能 目前，關(guān)于GGN的大小對(duì)病灶病理類(lèi)型的診斷價(jià)值存在爭(zhēng)議，有學(xué)者認(rèn)為惡性GGN的平均直徑長(zhǎng)于AAH，GGN越小，密度越低，良性可能性越大[13]。但也有學(xué)者認(rèn)為GGN的大小對(duì)其良惡性的診斷無(wú)價(jià)值[14]。本研究數(shù)據(jù)經(jīng)檢驗(yàn)最大徑、體積在非浸潤(rùn)組和浸潤(rùn)組間差異均有統(tǒng)計(jì)學(xué)意義。鄧靈波等[15]指出，與測(cè)量GGN直徑長(zhǎng)短相比，體積測(cè)量的可重復(fù)性和準(zhǔn)確性更高，能夠反映GGN在三維空間內(nèi)的變化，更加準(zhǔn)確地評(píng)估GGN大小及有無(wú)生長(zhǎng)。然而，本研究結(jié)果通過(guò)ROC曲線分析在GGN侵襲性的預(yù)測(cè)價(jià)值方面，GGN的體積相較直徑長(zhǎng)短并沒(méi)有顯示出優(yōu)勢(shì)，不排除與樣本量較小且分組后數(shù)據(jù)出現(xiàn)偏倚有關(guān)。

3.2 AI分析GGN的平均CT值、實(shí)性成分占比的預(yù)測(cè)效能 本研究納入的97例GGN中，根據(jù)GGN實(shí)性成分進(jìn)一步分類(lèi)，包括26例pGGN和71例mGGN。其中浸潤(rùn)前病變44例中，AAH 7例中包括6例pGGN，1例mGGN；AIS 14例中有12例pGGN，2例mGGN；MIA 23例中8例pGGN，15例mGGN；IAC 53例均為mGGN。AAH、AIS在CT圖像上多為pGGN，而MIA和IAC多為mGGN，少量為pGGN。這可能與pGGN病灶較小，血供不如實(shí)性結(jié)節(jié)豐富，易受呼吸、心臟、大血管及血流偽影、體積等因素的影響有關(guān)。并初步證實(shí)平均CT值和實(shí)性成分占比對(duì)預(yù)測(cè)肺腺癌的浸潤(rùn)具有一定的價(jià)值，這與胡小琴等[16]和梁云等[17]的研究基本一致。

目前已有研究表明CT定量參數(shù)可以預(yù)判肺腺癌的侵襲性，最常用的定量參數(shù)是平均CT值。據(jù)報(bào)道AAH和AIS的CT值-500～-400 HU范圍內(nèi)的平均CT值作為臨界密度值，提示GGN的平均CT值在其良惡性判斷中有一定價(jià)值。CT值小于-700可能為良性，隨CT值漸進(jìn)性增高時(shí)，惡性率也逐漸增大，這是Eguchi等[18]對(duì)pGGN的動(dòng)態(tài)隨訪中得出的結(jié)論。本研究中非浸潤(rùn)組的CT值范圍為-812～-499 HU，浸潤(rùn)組的CT值范圍為-604～-50 HU。

腫瘤組織的浸潤(rùn)在CT圖像上多表現(xiàn)為實(shí)性成分，目前在CT圖像上如何測(cè)量GGN內(nèi)實(shí)性成分比例的相關(guān)標(biāo)準(zhǔn)尚不明確[19]。目前研究發(fā)現(xiàn)mGGN中體積、平均CT值的升高與病理分級(jí)相關(guān)，是診斷IAC的有效預(yù)測(cè)因子[20]，這與本研究結(jié)果基本相符。有些GGN在隨訪時(shí)直徑長(zhǎng)短沒(méi)變甚至縮短，但密度增加，即其內(nèi)實(shí)性成分增加，對(duì)于這樣的結(jié)節(jié)單純測(cè)量直徑長(zhǎng)短和體積可能會(huì)誤判。故相比GGN的體積和直徑長(zhǎng)短，平均CT值及實(shí)性成分所占比能夠更加全面地反映GGN有無(wú)生長(zhǎng)變化。提示術(shù)前通過(guò)AI在CT圖像上分析所顯示出GGN的平均CT值及實(shí)性成分百分比，對(duì)預(yù)判肺腺癌亞型具有一定的可行性，與病理診斷基本相符，結(jié)果顯示診斷正確率較高。

目前人工智能肺結(jié)節(jié)輔助診斷系統(tǒng)已廣泛應(yīng)用于臨床。AI分析CT定量參數(shù)預(yù)測(cè)肺腺癌的研究已有大量文獻(xiàn)，對(duì)肺腺癌的診斷效能已被不斷證實(shí)。比較此類(lèi)不同文獻(xiàn)發(fā)現(xiàn)也存在相互矛盾的結(jié)果，提示個(gè)體或者軟件分析中存在一定的差異，這需要進(jìn)一步通過(guò)大數(shù)據(jù)證實(shí)。本研究存在一定的局限性：首先在病例選擇方面小于5 mm的GGN未入組，但這種選擇可以最大限度地減少因容積效應(yīng)的干擾而引起的平均CT值和實(shí)性成分占比的測(cè)量誤差；其次研究樣本量相對(duì)較小且分布不均勻，可能會(huì)存在統(tǒng)計(jì)差異，在后期的研究中，需要進(jìn)一步完善。

綜上所述，本研究結(jié)果表明，AI用于臨床影像肺結(jié)節(jié)的診斷明顯提高了GGN的檢出率和敏感度，并且AI可通過(guò)分析GGN的實(shí)性成分占比和平均CT值對(duì)肺腺癌亞型作出有效預(yù)判，值得臨床推廣應(yīng)用。