吕志彬 关春爽 闫 铄 陈七一 李晶晶 张羽君 陈步东 谢汝明*

(1. 首都医科大学附属北京地坛医院放射科，北京 100015； 2. 数坤(北京)网络科技有限公司，北京 100102)

新型冠状病毒肺炎(COVID-19)诊疗方案(试行第七版)[1]中新增重型、危重型临床预警指标，旨在指导临床早期发现确诊患者中是否有重症及危重症发生的可能性。人工智能(artificial intelligence，AI)基于深度学习技术可以实现病灶自动检出、病灶分割、精准量化、自动对比等功能[2]。本研究应用AI技术分析入院诊断COVID-19普通型患者的早期CT表现，探讨AI在CT预测COVID-19转归中的价值。

1 对象与方法

1.1 研究对象

选取2020年1月25日至2020年2月17日首都医科大学附属北京地坛医院确诊COVID-19的住院患者为研究对象，确诊标准及临床分型均符合《新型冠状病毒肺炎诊疗方案(试行第七版)》[1]。纳入标准：①入院临床诊断为普通型患者；②首次入院即行胸部CT检查，首次CT 3～5 d后行第二次胸部CT检查。排除标准：①入院临床诊断为其他类型(包括轻型、重型、危重型)患者；②入院时未做胸部CT检查，或首次CT 3～5 d后未做第二次胸部CT检查；③胸部CT图像有伪影者。共纳入62例普通型COVID-19患者，男性31例，女性31例，年龄18～76岁，平均年龄(44±14)岁。11例患者在第二次胸部CT检查1～3 d后，临床分型由普通型转为重型，记为转重型组；51例患者未出现临床分型的变化，记为普通型组。

1.2 检查方法

采用德国Siemens Emotion 16 CT扫描仪。患者仰卧位，头先进，吸气后屏气进行扫描。扫描参数：管电压120 kV，管电流为自动毫安，层厚5 mm，层间距5 mm，视野500 mm×500 mm，矩阵512×512，1 mm 高分辨算法重建肺窗，扫描范围从胸廓入口至肺底。

1.3 图像分析

CT分析应用肺炎辅助诊断AI软件系统(抗击疫情特别版)进行定量计算，包括：(1)首次胸部CT肺炎病灶占整肺体积百分比(percentage of inflammatory lesions in the whole lung volume on the initial chest CT，PC1)；(2)复查胸部CT肺炎病灶占整肺体积百分比(percentage of inflammatory lesions in the whole lung volume on follow-up chest CT，PC2)；(3)两次胸部CT肺炎病灶占整肺体积百分比变化(changes of the percentage of inflammatory lesions in the whole lung volume in two chest CT scans，CPC)；(4)首次胸部CT肺炎病灶内部成分百分比，包括：①磨玻璃密度病灶百分比(percentage of ground glass opacity lesions,PGGO1；CT值区间-1 000 HU～-449 HU)；②部分实性病灶百分比(percentage of partial solid lesions，PPS1；CT值区间-450～-100 HU)；③实性病灶百分比(percentage of solid lesions,PS1；CT值区间>-100 HU)；(5)复查胸部CT肺炎病灶内部成分百分比(percentage of internal components of inflammatory lesions in the follow-up chest CT，PGGO2)；(6)两次胸部CT肺炎病灶内部成分比例变化(changes in the proportion of internal components of pneumonia lesions on two chest CT scans，CPPS)。

该软件AI目标分割主要分为两大模块，肺实质区域分割和肺炎区域分割，两个模块都是使用基于深度学习的图像语义分割，从而进行精准体素级分割。肺实质区域分割使用基于Attention机制的UNet深度神经网络，肺炎目标分割使用基于残差结构的UNet深度神经网络。

1.4 统计学方法

2 结果

2.1 2组COVID-19患者基本情况

转重型组患者的平均年龄(49±13)岁,大于普通型组(43±15)岁，两组患者入院时的临床症状差异无统计学意义(P>0.05)，详见表1。

2.2 CT表现

首次胸部CT转重型组患者肺炎病灶占整肺体积百分比3.3%,高于普通组1.3%，两组间差异有统计学意义(P<0.05)(图1、2)，详见表2。以病灶占整肺体积百分比(2.0%)为界值，约登指数最高，诊断普通型转重型患者的敏感度、特异度分别为72.7%、66.7%，ROC曲线下面积为0.744(图3)。

表1 2组COVID-19患者临床资料比较

GroupNumber of caseAge/aGenderMaleFemaleFeverCoughFatigueMyalgiaCommon type5142.8±14.5242746282316Deteriorated type1149.3±13.17411767t/χ2-1.3610.9951.3830.8720.3182.273P 0.1780.3190.3610.5310.7570.195

图1 女，20岁，新型冠状病毒肺炎普通型组病例

图2 女，41岁，新型冠状病毒肺炎普通转重型组病例

复查CT转重型组患者肺炎病灶占整肺体积百分比10.0%,高于普通型组2.3%，转重型组患者病灶内部磨玻璃密度灶比例(44.0%±10.2%),低于普通型组(62.3%±18.4%)，而部分实性密度灶和实性密度灶比例则高于普通型组，两组间差异均有统计学意义(P<0.05)，详见表3。

两次胸部CT转重型组患者肺炎病灶占整肺体积百分比增长6.7%的幅度明显高于普通组0.7%，详见表2，以增加的病灶占整肺体积百分比(2.65%)为界值，约登指数最高，诊断普通型转重型的敏感度、特异度分别为90.9%、78.4%，ROC曲线下面积为0.896(图3)。与普通型组相比，转重型组患者病灶内部磨玻璃密度灶比例减少(-16.8%±17.8%)，而实性密度灶比例增加26.5%(16.2%，29.6%)，两组间差异均有统计学意义(P<0.05)，详见表3。

表2 2组COVID-19患者肺炎病灶占整肺体积百分比及变化

PC1： percentage of inflammatory lesions in the whole lung volume on the initial chest CT；PC2： percentage of inflammatory lesions in the whole lung volume on follow-up chest CT；CPC： changes of the percentage of inflammatory lesions in the whole lung volume in two chest CT scans;CT: computed tomography.

表3 2组COVID-19患者肺炎病灶内部成分百分比及变化

GroupNumber of casePGGO1PGGO2CPGGOPPS1PPS2CPPSPS1PS2CPSCommon type5159.5±18.562.3±18.42.8±19.424.9±9.623.7±10.5-1.1±10.711.7(5.0-23.0)10.8(3.4-18.4)-1.6(-8.2-5.7)Deteriorated type1160.8±17.944.0±10.2-16.8±17.826.7±10.631.1±4.54.5±11.912.3(1.7-16.6)26.5(16.2-29.6)13.0(1.2-17.6)t/z-0.2173.1743.073-0.551-2.264-1.533-0.479-3.179-3.566P0.8290.0020.0030.5840.0270.1310.6320.0010.000

PGGO1： percentage of ground glass opacity lesions on the initial chest CT；PGGO2： percentage of ground glass opacity lesions on follow-up chest CT；CPGGO： changes of the percentage of ground glass opacity lesions in two chest CT scans；PPS1： percentage of partial solid lesions on the initial chest CT；PPS2： percentage of partial solid lesions on follow-up chest CT；CPPS： changes of the percentage of partial solid lesions in two chest CT scans；PS1： percentage of solid lesions on the initial chest CT；PS2： percentage of solid lesions on follow-up chest CT；CPS： changes of the percentage of solid lesions in two chest CT scans；CT: computed tomography.

图3 诊断普通型转重型患者的ROC曲线

3 讨论

COVID-19不同临床分型患者的病程、治疗、预后有明显区别。在普通型患者中早期预警重症发生的可能，及时制定合理的临床策略，将有利于疾病的转归[3]。本研究两组患者入院时临床分型均为普通型，随疾病进展11例患者(17.7%)转为重型，入院CT转重型组患者肺炎病灶占整肺体积百分比高于普通组，提示首诊CT病变范围可能是普通型COVID-19的重要预后因素，相对广泛的肺部炎性反应更容易发展为肺功能的损伤。COVID-19早期CT表现主要为斑片、团状磨玻璃密度影，伴或不伴局部实变[4]。病灶内部实变可能由肺泡内炎性渗出增多所致[5]，AI能根据CT值的范围计算不同密度病灶的体积，进而计算出病灶内不同密度结构的比例。两组患者首诊CT病灶内部均为磨玻璃密度灶比例最大，实性密度灶比例最小，但两组内部结构比例差异无统计学意义(P>0.05)。普通型患者主要的临床症状为发热(91.9%，57/62)、咳嗽(68.6%，35/62)，因此可能推迟首次就诊时间，导致首诊CT距离病毒感染时间窗不一致，病灶的密度可能主要反应病程所处的阶段，而对临床分型转变的帮助不大[6]。

短期胸部CT复查可以观察病灶变化的趋势，本研究患者在首次胸部CT检查后3～5 d进行了胸部CT的复查，肺内病变包括：(1)肺炎病灶占整肺体积百分比的改变:两组患者均有增加，表明了COVID-19早期炎性反应有进展[7]。转重型组增加幅度明显大于普通型组，与COVID-19重型、危重型临床预警指标(肺内病变在短期内迅速进展)相符合[1]。(2)肺炎病灶内部不同密度结构比例的改变：普通型组患者磨玻璃密度灶比例增加，实性密度灶比例减少；转重型组磨玻璃密度灶比例减少，实性密度灶比例增加，两组患者随病程的进展，病变内部成分差异增大，进而表现为临床症状的不同。因此早期CT复查病灶范围的明显增大、病灶内部实性成分比例的增加均提示重症发生的可能。

以深度学习为代表的人工智能技术目前已经在医学影像领域取得了一些突破性的进展[8],图像学习方法、分割以及在肺部疾病的应用是AI在医学影像中的研究热点[9]，具有良好的临床应用潜力[10]。在本次COVID-19疫情中AI技术的应用不仅能帮助影像科医师快速识别病变的形态、范围，还能分析病灶内部成分比例，对于疾病程度的判断给予客观的数据支持。

综上所述，人工智能在CT预测新型冠状病毒肺炎转归中有较高临床价值，能早期预警COVID-19患者重型、危重型的发生。CT显示病灶占全肺的体积较大、复查CT病变体积迅速的增大、内部实性成分的增加的患者更容易发展为重型，临床对这部分患者应予以重视。