人工智能识别软件辅助阅片在胸部CT肺结节检出中的应用价值
发布时间：2020-12-29 点击：
发布：本期刊
摘 要：目的 探讨肺结节人工智能识别系统在胸部CT肺结节检出中的应用价值。方法 回顾性分析2016年1月至2019年6月静海区医院有病理诊断结果或随访结果的280例肺结节患者的CT检查资料,对扫描后获得的CT图像分别采取放射科医师阅片诊断法以及基于深度学习的人工智能识别软件辅助标记下进行阅片诊断,比较两种阅片方式对不同性质、不同直径肺结节的检出情况。结果 经手术病理证实,280例患者有769个结节,其中实性结节531个,磨玻璃样结节238个;直径<0.5 cm的结节共有473个,直径0.5～2.0 cm的结节共有296个。人工智能识别软件辅助阅片与医师阅片对磨玻璃样结节的检出率比较,差异无统计学意义(P>0.05);人工智能识别软件辅助阅片对实性结节及结节总检出率显著高于医师阅片(P<0.05);人工智能识别软件辅助阅片与医师阅片对直径0.5～2.0 cm的结节检出率比较,差异无统计学意义(P>0.05);人工智能识别软件辅助阅片对直径<0.5 cm结节的检出率明显高于医师阅片(P<0.05)。结论 在肺部CT扫描图像中,人工智能识别软件辅助阅片可提高肺结节的检出率,尤其是对肺部微小结节以及实性结节的检出率更优。
关键词：肺结节 人工智能识别系统 胸部CT 检出率
肺癌是目前发病率以及病死率增长最快的一种恶性肿瘤,对人们的健康以及生命安全造成了严重的威胁[1]。据调查显示,我国每年死于肺癌的人数约为50余万,且未来还可能进一步增加[2]。因此,对于肺癌的早期检查和诊断就显得尤为重要。近年来,人工智能技术在医学领域,尤其是医学影像学领域的应用研究逐渐深入,应用人工智能技术对CT图像进行初筛,并标记可疑病变,有助于减少诊断医师的工作量,并提高诊断准确率[2-3]。本研究旨在探讨肺结节人工智能识别系统在胸部CT肺结节检出中的应用价值,现报道如下。
回顾性分析2016年1月至2019年6月我院有病理诊断结果或随访结果的280例肺结节患者的CT检查资料,抽取的数据资料均包含有病理检查结果或随访2年以上的肺部结节。所有患者为胸部单发或多发性肺结节,肺结节直径≤2 cm,排除合并弥漫性转移、间质性肺病、肺炎、肺纤维化、肺水肿以及具有运动伪影的CT图像。其中,男167例,女113例;年龄33～78岁,平均(55.93±10.27)岁。
1.2 CT检查方法
采用美国GE Discovery HD 750 64层螺旋CT进行常规胸部扫描。患者取仰卧位,深吸气后在屏气状态下扫描,扫描范围包括胸廓入口至肋膈以下包括肾上腺的范围。常规扫描参数为:管电压120 kV,管电流150 mAs,层厚5.0 mm,层距5.0 mm,矩阵512×512;完成扫描后,利用自带软件进行0.625 mm薄层重建。
1.3 阅片方法
(1)医师阅片:由3名具有5年以上工作经验的放射科医师共同完成阅片,对肺结节大小、形态、位置、内部结构、密度、边缘情况进行观察,并给出诊断报告。(2)人工智能识别软件辅助阅片:利用神州德信医学成像技术公司提供的基于深度学习模型的人工智能软件辅助阅片,将胸部CT原始数据传输至人工智能工作站,由系统自行对肺结节标识和标记,由以上3名医师共同对人工智能软件辅助标记的结节进行筛选后确认肺结节,并给出诊断报告。
1.4 统计学分析
采用SPSS 22.0统计软件进行数据分析,计数资料以率表示,组间比较采用χ2检验,P<0.05为差异有统计学意义。
经手术病理或2年以上的随访记录证实,280例患者共有769个结节,其中实性结节531个,磨玻璃样结节238个;直径<0.5 cm的结节共有473个,直径0.5～2.0 cm的结节共有296个。人工智能软件辅助阅片与医师阅片对磨玻璃样结节检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对实性结节及结节总检出率显著高于医师阅片(P<0.05),见表1。
表1 两种阅片方式对不同性质的肺结节 检出率比较[例(%)]
阅片方式 实性结节
(531个) 磨玻璃样结节
(238个) 总检出情况
(769个)
人工智能软件辅助阅片 501(94.35) 227(95.38) 728(94.67)
医师阅片 374(70.43) 219(92.02) 593(77.11)
χ2 104.685 2.277 97.783
P 0.000 0.131 0.000
2.2 两种阅片方式对不同直径肺结节的检出率比较
人工智能软件辅助阅片与医师阅片对直径0.5～2.0 cm结节的检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对直径<0.5 cm结节的检出率明显高于医师阅片(P<0.05),见表2。
表2 两种阅片方式对不同直径肺结节的 检出率比较[例(%)]
阅片方式 直径<0.5 cm结节
(473个) 直径0.5～2.0 cm结节
(296个)
人工智能软件辅助阅片 441(93.23) 287(96.96)
医师阅片 328(69.34) 277(93.58)
χ2 88.746 3.748
P 0.000 0.053
本研究结果显示,人工智能软件辅助阅片与医师阅片对磨玻璃样结节检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对实性结节及结节总检出率显著高于医师阅片(P<0.05);人工智能软件辅助阅片与医师阅片对直径0.5～2.0 cm结节的检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对直径<0.5 cm结节的检出率明显高于医师阅片(P<0.05)。由此提示,人工智能软件辅助阅片可有效提高对肺结节的检出率,尤其是对实性结节以及直径<0.5 cm的微小结节更为敏感,而对于磨玻璃样结节的检出效能无明显优势,与相关研究报道结果相似[5]。
但需要注意的是,人工智能软件阅片假阳性率较高,误诊的原因主要包括:与气管相关,包括扩张、增厚的支气管,气管及细支气管内分泌物等;与血管相关,包括迂曲、增粗、肺门增粗的血管以及交叉的血管等;各时期感染性病灶,如瘢痕、树芽、索条、片状实变等[6]。因此,人工智能软件目前无法完全取代影像诊断医师,仍需有经验的影像诊断医师对其结果进行把关,以将假阳性率降到最低。虽然目前的人工智能软件辅助诊断技术还需要不断优化提升,但其在提高放射科医师工作效率和结节检出率方面显示出巨大的潜力,符合未来医学影像学的发展方向。
综上所述,在肺部CT扫描图像中,人工智能软件辅助下医师阅片虽然导致阅片时间延长,但人工智能软件辅助阅片可提高肺结节的检出率,尤其是对肺部微小结节以及实性结节。
参考文献
[1]马骏,王余椿,孙希文,等.结节病胸部不典型表现的影像学特点分析[J].中华结核和呼吸杂志,2017,40(12):925-930.
[2]江杰,谢晓洁,赵迅冉,等.胸膜改变CT征象对影像学表现不典型肺外周孤立性结节/肿块良恶性的鉴别诊断[J].中华实用诊断与治疗杂志,2018,32(7):681-683.
[3]蓝美红,高明明,侯代伦.超高分辨率CT靶扫描与CT靶重建在肺磨玻璃样结节定性诊断中的价值[J].中国防痨杂志,2018,40(7):702-706.
[4]刘凯,张荣国,涂文婷,等.深度学习技术对胸部X线平片亚实性结节的检测效能初探[J].中华放射学杂志,2017,51(12):918-921.
[5]张晓琴,孙德俊,化晓宇,等.胸部低剂量螺旋CT在体检者肺癌筛查中的应用[J].肿瘤研究与临床,2017,29(5):313-315,321.
[6]程远,王振光,杨光杰,等.18F-FDG PET/CT孤立性肺结节恶性风险预测模型的建立及效能评价[J].中华核医学与分子影像杂志,2019,39(3):129-132.
关键词：肺结节 人工智能识别系统 胸部CT 检出率
肺癌是目前发病率以及病死率增长最快的一种恶性肿瘤,对人们的健康以及生命安全造成了严重的威胁[1]。据调查显示,我国每年死于肺癌的人数约为50余万,且未来还可能进一步增加[2]。因此,对于肺癌的早期检查和诊断就显得尤为重要。近年来,人工智能技术在医学领域,尤其是医学影像学领域的应用研究逐渐深入,应用人工智能技术对CT图像进行初筛,并标记可疑病变,有助于减少诊断医师的工作量,并提高诊断准确率[2-3]。本研究旨在探讨肺结节人工智能识别系统在胸部CT肺结节检出中的应用价值,现报道如下。
1 资料与方法
1.1 一般资料回顾性分析2016年1月至2019年6月我院有病理诊断结果或随访结果的280例肺结节患者的CT检查资料,抽取的数据资料均包含有病理检查结果或随访2年以上的肺部结节。所有患者为胸部单发或多发性肺结节,肺结节直径≤2 cm,排除合并弥漫性转移、间质性肺病、肺炎、肺纤维化、肺水肿以及具有运动伪影的CT图像。其中,男167例,女113例;年龄33～78岁,平均(55.93±10.27)岁。
1.2 CT检查方法
采用美国GE Discovery HD 750 64层螺旋CT进行常规胸部扫描。患者取仰卧位,深吸气后在屏气状态下扫描,扫描范围包括胸廓入口至肋膈以下包括肾上腺的范围。常规扫描参数为:管电压120 kV,管电流150 mAs,层厚5.0 mm,层距5.0 mm,矩阵512×512;完成扫描后,利用自带软件进行0.625 mm薄层重建。
1.3 阅片方法
(1)医师阅片:由3名具有5年以上工作经验的放射科医师共同完成阅片,对肺结节大小、形态、位置、内部结构、密度、边缘情况进行观察,并给出诊断报告。(2)人工智能识别软件辅助阅片:利用神州德信医学成像技术公司提供的基于深度学习模型的人工智能软件辅助阅片,将胸部CT原始数据传输至人工智能工作站,由系统自行对肺结节标识和标记,由以上3名医师共同对人工智能软件辅助标记的结节进行筛选后确认肺结节,并给出诊断报告。
1.4 统计学分析
采用SPSS 22.0统计软件进行数据分析,计数资料以率表示,组间比较采用χ2检验,P<0.05为差异有统计学意义。
2 结果
2.1 两种阅片方式对不同性质的肺结节检出率比较经手术病理或2年以上的随访记录证实,280例患者共有769个结节,其中实性结节531个,磨玻璃样结节238个;直径<0.5 cm的结节共有473个,直径0.5～2.0 cm的结节共有296个。人工智能软件辅助阅片与医师阅片对磨玻璃样结节检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对实性结节及结节总检出率显著高于医师阅片(P<0.05),见表1。
表1 两种阅片方式对不同性质的肺结节 检出率比较[例(%)]
阅片方式 实性结节
(531个) 磨玻璃样结节
(238个) 总检出情况
(769个)
人工智能软件辅助阅片 501(94.35) 227(95.38) 728(94.67)
医师阅片 374(70.43) 219(92.02) 593(77.11)
χ2 104.685 2.277 97.783
P 0.000 0.131 0.000
2.2 两种阅片方式对不同直径肺结节的检出率比较
人工智能软件辅助阅片与医师阅片对直径0.5～2.0 cm结节的检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对直径<0.5 cm结节的检出率明显高于医师阅片(P<0.05),见表2。
表2 两种阅片方式对不同直径肺结节的 检出率比较[例(%)]
阅片方式 直径<0.5 cm结节
(473个) 直径0.5～2.0 cm结节
(296个)
人工智能软件辅助阅片 441(93.23) 287(96.96)
医师阅片 328(69.34) 277(93.58)
χ2 88.746 3.748
P 0.000 0.053
3 讨论
肺癌是世界范围内重大的公共健康问题之一,在我国肺癌病死率位居所有肿瘤的首位。早发现、早诊断以及早治疗对于提高肺癌患者的临床预后、降低患者的病死率具有重要的价值[4]。近年来,人工智能技术在医疗领域广泛应用,其中计算机辅助诊断系统可通过人工智能深度学习技术,从而实现肺结节自动识别和诊断,在计算机辅助下的人工智能大数据的学习与训练,可实现快速、准确及高效的诊断目的[4]。本研究结果显示,人工智能软件辅助阅片与医师阅片对磨玻璃样结节检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对实性结节及结节总检出率显著高于医师阅片(P<0.05);人工智能软件辅助阅片与医师阅片对直径0.5～2.0 cm结节的检出率比较,差异无统计学意义(P>0.05);人工智能软件辅助阅片对直径<0.5 cm结节的检出率明显高于医师阅片(P<0.05)。由此提示,人工智能软件辅助阅片可有效提高对肺结节的检出率,尤其是对实性结节以及直径<0.5 cm的微小结节更为敏感,而对于磨玻璃样结节的检出效能无明显优势,与相关研究报道结果相似[5]。
但需要注意的是,人工智能软件阅片假阳性率较高,误诊的原因主要包括:与气管相关,包括扩张、增厚的支气管,气管及细支气管内分泌物等;与血管相关,包括迂曲、增粗、肺门增粗的血管以及交叉的血管等;各时期感染性病灶,如瘢痕、树芽、索条、片状实变等[6]。因此,人工智能软件目前无法完全取代影像诊断医师,仍需有经验的影像诊断医师对其结果进行把关,以将假阳性率降到最低。虽然目前的人工智能软件辅助诊断技术还需要不断优化提升,但其在提高放射科医师工作效率和结节检出率方面显示出巨大的潜力,符合未来医学影像学的发展方向。
综上所述,在肺部CT扫描图像中,人工智能软件辅助下医师阅片虽然导致阅片时间延长,但人工智能软件辅助阅片可提高肺结节的检出率,尤其是对肺部微小结节以及实性结节。
参考文献
[1]马骏,王余椿,孙希文,等.结节病胸部不典型表现的影像学特点分析[J].中华结核和呼吸杂志,2017,40(12):925-930.
[2]江杰,谢晓洁,赵迅冉,等.胸膜改变CT征象对影像学表现不典型肺外周孤立性结节/肿块良恶性的鉴别诊断[J].中华实用诊断与治疗杂志,2018,32(7):681-683.
[3]蓝美红,高明明,侯代伦.超高分辨率CT靶扫描与CT靶重建在肺磨玻璃样结节定性诊断中的价值[J].中国防痨杂志,2018,40(7):702-706.
[4]刘凯,张荣国,涂文婷,等.深度学习技术对胸部X线平片亚实性结节的检测效能初探[J].中华放射学杂志,2017,51(12):918-921.
[5]张晓琴,孙德俊,化晓宇,等.胸部低剂量螺旋CT在体检者肺癌筛查中的应用[J].肿瘤研究与临床,2017,29(5):313-315,321.
[6]程远,王振光,杨光杰,等.18F-FDG PET/CT孤立性肺结节恶性风险预测模型的建立及效能评价[J].中华核医学与分子影像杂志,2019,39(3):129-132.
