王增奎，庞 军，张兆福，徐 锋，李绚梅，魏晓华

沧州市人民医院1影像中心，2呼吸重症科，河北 沧州 061000

2019年12月以来，COVID-19疫情短时间内在国内外爆发流行。CT检查凭借便捷、准确、阳性率高、可重复性好的优势，在COVID-19患者筛查、病情变化评估中具有重要的作用[1-2]。COVID-19的典型影像特点为双肺外围多发磨玻璃影伴或不伴肺实变，早期影像检查以薄层高分辨CT扫描为主[3-4]。因患者短期内病情变化较快，多次复查CT所带来的海量图像会给影像医师的诊断工作带来严峻的考验。近年来，人工智能辅助诊断技术在医学领域中优秀的表现受到了极大的关注，尤其在肺结节的筛查及诊断中该技术具有比影像医师更高的灵敏度，作为辅助诊断技术可以帮助影像医师提高工作效率及诊断准确率[5-7]。本研究通过结合人工智能辅助诊断技术并进行人工复核，分析其在COVID-19病灶筛查及病情评估中的应用价值，现报道如下：

1 资料与方法

1.1 一般资料

收集符合国家卫生健康委员会《新型冠状病毒感染的肺炎诊疗方案》病例确诊标准的27例COVID-19病例。男性14例，女性13例，年龄28～85岁（48.9±14.3岁），临床以发热、咳嗽、乏力为主要表现。

1.2 检查方法

科室固定一台机房具有独立空调的CT专用于COVID-19疑似及确诊患者检查，依据科室布局设置特定的患者进出通道。设置2名操作技师并进行二级及以上防护，1名负责操作，1名负责患者摆位，患者条件允许时尽量隔室操作。患者及陪护人员戴口罩，每名患者检查时均铺设一次性中单使其与检查设备隔离。条件允许的患者扫描前对其进行呼吸训练，于吸气末屏气扫描。扫描范围：自肺尖至肋膈角。扫描参数如下：管电压120 kV、管电流225 mAs、层厚1.5 mm，层间距1.5 mm。扫描完毕后由医院消杀队对设备、机房及患者通道进行消毒。

1.3 COVID-19病灶检测分析

基于深度学习模型的人工智能辅助诊断软件“uAI新冠肺炎智能辅助分析系统”由联影集团提供（产品型号：uAI-Discover-NCP），将27例COVID-19原始CT数据传输至工作站，软件系统自动批量进行肺炎病灶识别和标记，并将计算数据以图片及图表方式呈现，相应数据包括病变总体积、内部磨玻璃影体积（-750～-301 HU）及实变区域体积（-300～49 HU）。所有影像医师均接受过联影集团的相关培训，熟悉软件的操作及应用。初诊影像医师以PACS系统所示图像为基础，对人工智能辅助诊断软件识别病灶进行核对，记录软件识别区域假阳性或假阴性情况。之后由两名诊断经验丰富的高年资诊断医师进行最终复核，通过手动修复少数假阳性或假阴性图像，以最终复核结果为准[8]。

1.4 统计学方法

采用SPSS19.0统计软件进行数据分析，计量数据以均数±标准差表示，对患者年龄的分析采用独立样本t检验，对人工智能辅助诊断软件准确效能的分析采用χ2检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 COVID-19CT表现及检出情况

27例患者CT表现以多个肺叶受累为主，其中左肺上叶受累20例，左肺下叶受累26例，右肺上叶受累18例，右肺中叶受累16例，右肺下叶受累25例。依据国家卫生健康委员会《新型冠状病毒感染的肺炎诊疗方案》临床分型对其进行分型，普通型患者20例，重型患者5例，危重型患者2例。临床普通型患者CT表现为单侧或双肺多发病灶，呈片样或楔形样磨玻璃影，其内可见血管及支气管穿行，常伴有小叶间隔增厚，可见“铺路石”征及支气管充气征，部分病变内部可见肺实变。临床重型及危重型患者CT表现为病变范围广泛，磨玻璃影、实变影及纤维条索影混杂，多伴有“铺路石”征、支气管充气征。

人工智能辅助诊断软件对肺炎病灶进行自动识别和标记，患者病灶总体积、内部磨玻璃影体积及实性区域体积均由软件自动计算得出（图1、表1）。通过人工诊断对人工智能辅助诊断软件标记病灶进行复核显示，病灶标记范围与肉眼观察相比具有较好的一致性（图2～3）。20例临床普通型患者均未见假阳性或假阴性情况出现；重型/危重型患者中，有3例患者可见软件标记病灶局部呈假阳性表现（图4）。以临床患者类型分组对人工智能辅助诊断软件准确效能进行分析显示其差异有统计学意义（P＜0.05，表2）。

2.2 COVID-19治疗后病情评估情况

20例患者经临床治疗3～5 d后复查CT显示病灶范围减小，密度减低，肺实变逐渐好转或消失，部分病灶区域可见残留纤维条索，人工智能辅助诊断软件显示病灶标记区范围减小（图5），病灶总体积、内部磨玻璃影体积及实变区域体积相应减小（表1）。5例患者影像评估进展，人工智能辅助诊断软件显示病灶标记区范围增大，病灶总体积、内部磨玻璃影体积或实变区域体积增大。2例患者影像评估变化不明显。软件提供的随访功能可直观明了的以图片及图表方式呈现两次检查病灶范围及密度变化的对比情况。通过人工诊断对软件标记病灶进行复核显示，2例患者可见假阴性表现（图6），临床普通型及重型患者各1例；重症及危重症患者中有3例患者可见局部软件标记病灶呈假阳性表现。以临床患者类型分组对人工智能辅助诊断软件准确效能进行分析显示其差异有统计学意义（P＜0.05，表2）。

图1 人工智能辅助诊断软件示意图Fig.1 Diagrammatic sketch of artificial intelligence auxiliary diagnostic software

表1 COVID-19患者相关数据分析Tab.1 Data analysis COVID-19 patients

3 讨论

图2 人工智能辅助诊断软件病灶标记范围与人工复核肉眼观察对比Fig.2 Comparison of the range of focal markings of artificial intelligence assisted diagnostic software and artificial review of naked eye observation

图3 人工智能辅助诊断软件病灶标记范围与人工复核肉眼观察对比Fig.3 Comparison of the range of focal markings between artificial intelligence assisted diagnostic software and artificial review of naked eye observation

CT检查凭借便捷、准确、阳性率高、可重复性好的优势，在COVID-19诊断及病情评估中具有重要的作用。基于发病时间及病理分期的新型冠状病毒性肺炎大致可分为早期、进展期、重症期、消散期[9]。肺炎早期以双肺外围及胸膜下多发病灶常见，呈片样或楔形样磨玻璃影，其内可见小血管及支气管穿行，伴有或不伴有小叶间隔增厚[10]。进展期病变范围增大，以多个肺叶/段受累常见，病变范围内小叶间隔增厚，部分病灶合并实变，病灶内常见“铺路石”征、支气管充气征[11]。重症期病变多弥漫分布，表现为多发间质性病变及纤维化，磨玻璃影与实变影或纤维条索共存，少数出现少量胸腔积液，部分病例严重时可呈“白肺”样改变。消散期病灶范围减小，密度减低，肺实变逐渐好转或消失，部分区域可见残留纤维条索影[12-13]。本研究中由于患者入院前发病时间不同，导致无法对其进行准确的影像分期。临床普通型患者中以早期患者为主并包含部分进展期患者，重型及危重型患者大致符合进展期及重症期影像表现。

图4 人工智能辅助诊断软件标注病灶局部呈假阳性表现Fig.4 Local false positive features of lesions marked by artificial intelligence assisted diagnostic software

表2 COVID-19智能辅助分析软件病灶标识与人工诊断复核符合情况（n）Tab.2 Conformance of COVID-19 intelligent assisted analysis software focus identification and artificial diagnosis review

图5 人工智能辅助诊断软件示意图Fig.5 Diagrammatic sketch of the artificial intelligence auxiliary diagnostic software

图6 人工智能辅助诊断软件标记病灶呈假阴性表现Fig.6 The artificial intelligence auxiliary diagnostic software marked false negative manifestations of focal points

COVID-19早期影像检查以薄层高分辨CT扫描为主，因患者病情变化较快，临床治疗期间需通过多次的CT复查来监测病情变化。目前对于COVID-19的CT影像评估多以手动测量及肉眼观察为主，因此测量误差及阅片者的主观因素带来的影响不可避免。部分患者肺内各个病灶影像变化有时也不一致，易给影像医师的诊断评估造成困扰。面对患者多次的CT检查以及海量的图像，如对每个病灶均进行测量及观察，将会大大提高影像医师的工作量。同时，影像医师在长时间关注图像后也容易产生视觉疲劳，这会严重影响诊断的准确率。近年来，人工智能凭借大数据、高性能计算机及互联网的技术支持快速发展，其在医学影像领域中优秀的表现受到了极大的关注，主要应用包括病灶成像检出、临床诊断、病情监测3个方面[14]。目前，基于人工智能的监测技术已初步应用，该技术可以对病变进行多维度的精准测量，分析病变的变化并为临床治疗提供影像依据。在病灶检出及诊断方面，目前临床应用多以肺结节为主，相关研究显示人工智能辅助诊断技术具有比医师更高的灵敏度，作为辅助诊断技术可以帮助影像医师提高工作效率及诊断准确率[15-16]。

尽管多项研究已经证实人工智能辅助诊断技术确实提高了诊断医师的工作效率及准确率，但目前该技术并未得到广泛应用，其原因有以下几方面：大多数三级医院及影像医师对“人工智能辅助诊断的可信度”存在疑虑[17]；目前国内尚未实现图像扫描的规范和质量的统一，不同类型和质量的影像数据会影响人工智能模型的准确性[18]；人工智能辅助诊断软件在提高病灶检测敏感性的同时，其带来的假阳性结果有可能干扰影像诊断医师，从而降低医疗服务质量；另外，影像医师对人工智能辅助诊断领域的相关知识缺乏了解。

本研究显示，人工智能辅助诊断技术在COVID-19中的应用价值较高。CT检查虽是COVID-19确诊病例的诊断标准之一，但其更重要的作用在于病灶检出识别及病情评估方面。在肺炎病灶检出及范围标注方面人工智能辅助诊断技术与肉眼观察相比具有较高的一致性，同时可提供病灶总体积、内部磨玻璃影体积及实变区域体积的相关数据。在患者治疗后CT复查时该技术通过图片及图表的形式可直观的显示病变范围及内部密度差异的变化，极大地减轻了影像医师的工作强度，提高了工作效率，并为临床评效提供了客观的影像数据。本研究中有少部分病例图像出现假阳性情况，均出现于COVID-19重症及危重症患者。分析原因为患者配合较差，扫描时屏气不佳导致图像出现运动伪影及容积伪影而被人工智能辅助诊断软件误认为磨玻璃影。2例患者复查CT图像出现假阴性表现，通过肉眼观察原病灶区复查见轻微片絮状稍高密度影，对应区域软件未予以标记。上述情况均在人工复核阶段进行手动修复，得以保证输出结果的准确性。通过人工智能辅助诊断技术的应用，影像医师的工作量明显减轻，诊断报告出具时间有效缩短，为临床快速评估病情及治疗提供了重要依据。

综上所述，人工智能辅助诊断CT可有效识别COVID-19病灶，提供病灶总体积、内部磨玻璃影及实变体积相关数据信息。在患者CT复查评估中通过图片及图表的形式可直观的显示病变范围及内部密度差异变化，既提高了影像医师的工作效率，又为临床评效提供了客观的影像支持。