郭和合 詹鹤凤 张永高 高剑波

郑州大学第一附属医院放射科（郑州450052）

新型冠状病毒肺炎（COVID-19）具有极强的传染性［1］。胸部CT 是COVID-19 的重要筛查手段之一［2］。COVID-19 的胸部CT 表现多样，最常见的征象为双肺外带多发磨玻璃密度影（ground glass opacity，GGO），可伴实性成分［3-5］。深度学习算法下［6］的人工智能肺炎辅助诊断系统可对COVID-19疑似病例的胸部CT 做出“是否为病毒性肺炎”的初步诊断，并可实现对肺炎感染区域的自动识别，和定量计算感染区域的体积和密度。本研究通过回顾性分析2020年1-3月我院收治的206 例COVID-19 疑似患者的胸部CT 及临床资料，初步探索肺炎辅助诊断系统对COVID-19 的辅助筛查价值。

1 资料与方法

1.1 一般资料回顾性分析2020年1-3月郑州大学第一附属医院收治的206 例COVID-19 疑似患者的胸部CT 及临床资料（排除因肺部疾病行手术治疗的患者）。所有患者均于入院24 h 内行病史采集、胸部CT 及实验室检查等筛查手段。COVID-19 的诊断标准参考国家卫生健康委员会《新型冠状病毒肺炎诊疗方案》（试行第七版）［7］，结合流行病学史、临床表现、CT 影像学特征和新型冠状病毒核酸检测结果等最终确诊。共纳入61 例COVID-19 确诊病例及145 例非COVID-19 患者（85例为其他类型肺炎，60 例胸部CT 未见明显异常），其中男116 例（56.3%），女90 例（43.7%），年龄13 ～94 岁，平均（46.2 ± 17.5）岁。61 例COVID-19 确诊病例包括轻型1 例（1.6%），普通型29 例（47.5%），重型19 例（31.1%），危重型12 例（19.7%），其中3 例有慢性阻塞性肺疾病、肺结核病史，16 例有高血压病史，11例有糖尿病史。

1.2 胸部CT 检查方法采用256 层CT 扫描仪（Revolution CT，GE healthcare，美国或SOMATOM Force 开源CT，Siemens，德国）。患者常规取仰卧位，扫描范围均为从肺尖扫描至双侧肋膈角，于吸气末屏气完成扫描。采用横断面螺旋扫描，开启自动管电压或固定管电压（BMI＜25 kg/m2的管电压100 kV，BMI ≥25 kg/m2的管电压为120 kV）；使用管电流自动调制系统，范围是50～200 mAs；采集层厚5 mm，常规以1 mm 层厚重建出薄层（高分辨率）肺窗图像（肺窗：窗宽1 000～1 500 Hu，窗位-750～-600 Hu）和纵隔窗图像（纵隔窗：窗宽300～350 Hu，窗位50～70 Hu）。

1.3 肺炎辅助诊断系统对COVID-19 疑似患者进行初步诊断应用数坤科技公司授权的肺炎辅助诊断系统（Version 1.20.0）对206 例COVID-19 疑似患者的胸部CT 做出是否为病毒性肺炎的初步诊断。定量分析61 例COVID-19 确诊病例胸部CT的全肺病灶体积、全肺病灶平均CT 值和全肺病灶体积占全肺容积的百分比。由2 名从事胸部影像诊断的高年资医师分别对肺炎辅助诊断系统自动勾画的肺炎感染区域进行核验，有误者进行手动勾画。勾画区域有意见分歧时经讨论协商取得一致。影像结果示例见图1。

1.4 统计学方法采用SPSS 25.0统计软件进行统计学分析处理。符合正态分布的计量资料采用均数±标准差表示，非正态分布的数据以M（P25，P75）表示。采用受试者工作特征曲线（received operating characteristic curve，ROC）计算曲线下面积（area under curve，AUC），结合灵敏度、特异度、Youden指数、阳性预测值等，衡量肺炎辅助诊断系统在COVID-19 疑似病例CT筛查中的价值。P＜0.05 为差异有统计学意义。

2 结果

2.1 肺炎辅助诊断系统在COVID-19 疑似患者CT筛查中的价值人工智能肺炎辅助诊断系统在COVID-19 疑似患者CT 筛查中的灵敏度为75.4%，特异度为53.1%，Youden 指数为0.285，阳性预测值为40.4%。利用ROC 曲线，得到曲线下面积AUC为0.643，95%CI为0.562～0.723。见表1。

表1 肺炎辅助诊断系统的诊断试验结果Tab.1 The diagnostic test results of pneumonia assistant diagnosis system 例

2.2 定量评价COVID-19确诊患者的CT特征肺炎辅助诊断系统可为COVID-19 确诊患者提供客观的量化评价指标：全肺病灶体积、全肺病灶体积占全肺容积的百分比及全肺病灶平均CT 值等。见表2。

图1 人工智能肺炎辅助诊断系统自动识别肺炎感染区域Fig.1 The pneumonia assistant diagnosis system identifies pneumonia infected area automatically

2.3 随访结果经过2 ～34 d 的随访，有3 例危重型患者死亡，末次胸部CT 的全肺病灶体积占全肺容积的百分比分别为54.5%、74.0%及84.6%，3 例患者随访期间血清C 反应蛋白和降钙素原始终高于正常值上限，其中2 例有慢性支气管炎或糖尿病病史。

表2 肺炎辅助诊断系统定量评价COVID-19 确诊患者CT 特征Tab.2 CT features of COVID-19 patients were evaluated quantitatively by the pneumonia assistant diagnosis system M（P25，P75）

3 讨论

根据国家卫生健康委员会发行的《新型冠状病毒肺炎诊疗方案》（试行第七版）［7］，COVID-19 确诊的主要依据是新型冠状病毒核酸检测，但相关研究［8-10］报道核酸的检出率很低（30% ～50%），临床上常需重复多次检测，易造成延误诊疗。有研究［11］发现胸部CT 对COVID-19 的敏感性大于病毒核酸检测的敏感性。胸部CT 可快速检测出肺部微小病灶，是目前COVID-19 筛查及评估病情严重程度的首选影像学检查方法［12-15］。

结合了大数据的深度学习技术使精准医疗成为可能，可辅助影像诊断医师对肺部病灶进行初步的定性及定量分析。本研究结果显示，人工智能肺炎辅助诊断系统对COVID-19 疑似患者有一定的筛查价值，较高的灵敏度可以帮助影像诊断医师降低漏诊率，有助于疫情的早期防控。较低的特异度及阳性预测值提示临床医生在进行COVID-19 的筛查工作时，还应结合患者的病史、临床表现及实验室检查等资料进行综合评估，以减少误诊。

肺炎辅助诊断系统对肺部病变的定量分析有利于评估患者的病情严重程度。在随访过程中，有3 例患者最终死亡，其末次胸部CT 的全肺病灶体积占全肺容积的百分比均大于50%，提示当全肺病灶体积进展到一定程度时，患者可能有死亡风险，这一观点还需扩大样本量以进一步研究验证。此3 例患者均出现C 反应蛋白和降钙素原的升高，这可能是合并了细菌感染［16-18］，从而加快了疾病的进展。

本研究尚存在一些不足之处：临床实践显示目前人工智能肺炎辅助诊断系统对磨玻璃影、实变影、条索影及小叶间隔增厚等主要征象的识别并不理想，有待于今后继续完善；本研究为单中心小样本，尚需多中心大样本的研究予以验证。

综上所述，人工智能肺炎辅助诊断系统对COVID-19 疑似患者的胸部CT 有一定的筛查价值，且可以定量评估患者肺炎感染区域的体积，为患者病情评估或随访提供客观的量化指标。