AI对肺结节良恶性鉴别及浸润程度的诊断价值分析

刘鲜艳 单法成 李 珊 朱建波

肺癌具有极高的发病率及死亡率，且呈逐年上升的趋势[1-2]。然而在临床工作中，初次来就诊的肺癌患者常常处于疾病的中晚期，已经错过最佳治疗时机。因此肺癌的早期筛查显得尤为重要。随着医学技术的进步，肺部双源低剂量螺旋CT常规用于早期肺癌的筛查[3-4]。早期肺癌常常表现为肺结节，形态多样，缺乏临床症状及体征，同时由于影像科医生诊断水平的差异及工作的繁忙，导致肺癌的误诊率及漏诊率较高[5]。早期鉴别肺结节良恶性，及时干预，可彻底治愈早期肺癌[6]，降低国家医疗卫生负担及医疗资源的浪费。因此如何安全有效诊断肺结节的良恶性成为近期研究的热点及难点。

人工智能技术(AI)可以精准扫描到肺部双源低剂量螺旋CT中的可疑病变，判断肺结节的良恶性及浸润程度，指导临床医生做出临床诊治方案[7-9]，弥补了临床工作不足，减轻了工作负担。本文通过回顾性分析肺结节患者病理结果，探讨人工智能(AI)在肺结节良恶性鉴别诊断及浸润程度中的应用价值。

1 资料与方法

1.1 研究对象

选取2019年至2020年滨州市人民医院经肺部双源低剂量螺旋CT检查发现肺结节患者246例，年龄14～83 岁，平均年龄( 54.5±12.7) 岁，男性118例，女性128例。经过多学科会诊，建议178例随访，68例手术或者穿刺活检;其中35例患者选择手术或穿刺活检。35例患者手术或活检后病理证实肺良性疾病11例，分别为非典型腺瘤样增生4 例，真菌1例，炎性结节6例;恶性疾病24 例，包括21例肺腺癌，1例肺鳞癌,1例淋巴瘤，1例小细胞肺癌。

1.2 研究方法

肺部双源低剂量螺旋CT图像采集:64排双源低剂量螺旋CT常规扫描，取仰卧位，扫描范围自肺尖至肺底部。所有图像均进行薄层扫描后处理重建。

肺结节AI 分析:将患者标准DICOM格式CT 图像导入天池医疗公司提供的人工智能软件分析系统中，软件自动识别肺结节部位、大小、特征(磨玻璃、亚实性、实性) 等，并提供肺结节的风险概率AI 数值和浸润分类。

1.3 统计学方法

2 结果

2.1 患者的基本资料

35例患者年龄、性别、吸烟史、家族史、疾病史、结节特征( 磨玻璃、亚实性、实性) 及病理结果，见表1。

2.2 良恶性结节AI风险概率比较

35例肺结节患者中，良性结节者为11 例，其结节AI 风险概率为( 67.0±17.9) %，恶性结节者为24例，其结节的AI 风险概率为( 80.6±12.1) %，两组比较，风险概率差异具有统计学意义(t=-2.7，P=0.01) 。

表1 35例患者一般资料情况

2.3 肺结节特征及浸润程度与AI风险概率的相关性

不同肺结节特征之间AI风险概率比较具有统计学意义(P<0.05)，其中亚实性结节风险概率高于磨玻璃及实性结节，且差异具有统计学意义(P<0.05)；肺结节浸润程度之间比较无统计学意义(P>0.05)，但风险概率呈递增趋势，见表2。

表2 肺结节特征及浸润分类与AI风险概率的相关性分析

3 讨论

随着经济水平的升高，人们对健康的认识提升，越来越多的人常规进行健康查体，肺结节的检出率越来越高，不合理的诊断给患者带来巨大的精神负担[10-11]，不合理的治疗极大的浪费医疗资源，因此如何区分肺结节良恶性显得尤为重要。诊断肺结节良恶性的金标准为病理学诊断，但对于肺部小结节，甚至微小结节，活检取材的风险高且准确率低[12]。通过肺结节影像学上各种特征的定量分析，以及结合患者病史、吸烟史、家族史、肺肿瘤学标记物等，可预测肺结节的良恶性[13]，不仅给肺结节患者带来了福音，也会大大提高临床医生的工作效率。

人工智能(AI)是一种可延伸、模拟、扩展人类智能的信息科学，通过输入肺结节图像数据，自动获取对应关系，在高通量图像分析领域中具有效率快、效能高的优点[14-15]。AI辅助诊断系统联合胸部CT检查则是通过对图像获取和重组、轮廓分割、特征提取和筛选、建立预测模型和验证等环节，从而鉴别肺结节的良恶性，减少漏诊率及误诊率[16]。AI 在肺结节前后变化比较方面也具有明显优势，能快速对比肺结节大小、密度的变化，效率明显高于临床工作者[17]。AI在多发肺结节中发现新发结节的优势同样显著[18]。

本文收集了我院经胸部CT检查发现的肺结节患者246例，结合人工智能AI风险概率值和多学科会诊意见，对35例肺结节患者进行了手术或者穿刺活检，其中发现非典型腺瘤样增生4 例，真菌1例，炎性结节6例;恶性结节24 例，包括21例肺腺癌，1例肺鳞癌,1例淋巴瘤，1例小细胞肺癌。对良恶性肺结节患者之间AI风险概率比较发现，恶性结节患者AI风险概率明显高于良性结节患者，提示AI风险概率在鉴别肺结节良恶性方面有一定的参考价值，与以往文献报道一致[19-20]。肺结节分为磨玻璃结节、亚实性结节及实性结节，不同密度结节的AI风险概率不同，本研究发现，亚实性结节的恶性程度高于磨玻璃结节及实性结节，且差异有统计学意义，与相关研究一致[21]，进一步证实了AI在肺结节密度方面的分析，可有效判断肺结节的良恶性。本院引进的AI可对肺结节进行一定程度的浸润程度分类，本文首次提出AI在肺结节浸润程度方面的价值分析结果，研究发现随着浸润程度的加重，AI风险概率呈逐渐升高趋势，但却无统计学意义，可能与本研究样本量小有关，且部分患者未进行穿刺或手术得以证实，样本量小存在一定的局限性，不能完全代表AI在肺结节浸润程度方面的应用价值，有待后期进一步的研究。

人工智能联合双源低剂量螺旋CT在肺结节方面的应用仍处于探索阶段，且存在一定的假阳性率，但随着社会发展及人类技术的进步，AI技术将不断成熟，AI将辅助临床医生完善大量的基础性工作，提高肺结节良恶性的诊断，降低肺癌的漏诊及误诊率，提高人们的生活质量，减少医疗资源的浪费，为肺癌早期诊断提供帮助。