王前 何金戈 李玉红 陈明亭 周林

结核病是人类免疫缺陷病毒感染者和艾滋病患者(HIV/AIDS者)最常见的机会感染和最主要的死亡原因，在缺乏有效防控措施的情况下，可占HIV/AIDS者死亡总数的1/3；同时，HIV/AIDS者的免疫抑制状态使得其更容易感染结核分枝杆菌(Mycobacteriumtuberculosis，MTB)和发生结核病，发病风险是其他人群的19倍[1]。在HIV感染者中及时准确诊断结核病，是控制疫情的关键。结核病检查主要采用两种手段，分别为病原学检查和胸部影像学检查[2]。然而，MTB/HIV双重感染者细菌学检查阳性率低，检测标本的收集也常存在困难或是标本质量差。在胸部影像学检查方面，AIDS并发肺结核的影像学表现也主要取决于机体的免疫状态。在HIV感染的早期，多表现为典型肺结核的影像特点。而在HIV感染的中后期，机体处于中度及重度的免疫抑制状态，肺结核的影像学表现多不典型。

人工智能(artificial intelligence，AI)自动化阅片技术通过大量经人工标注的肺结核影像样本进行自主学习，由此构成的肺结核识别方案可对数字X线摄影(digital radiography, DR)图像中的肺结核影像特征进行自动化识别，从而实现基于DR图像的肺结核自动筛查功能[3]。目前，我国宁夏等地均在普通肺结核筛查中采用了AI自动化阅片技术，以提高结核病的检出率[4-5]。为此，笔者拟探讨AI自动化阅片技术在HIV感染者中筛查结核病的可行性。

资料和方法

1.研究对象：采用回顾性研究方法，选取2019年四川省凉山彝族自治州布拖县应用DR进行结核病主动筛查的633例HIV/AIDS者作为研究对象，其中，47例(7.4%)为病原学阳性肺结核患者(痰涂片、结核分枝杆菌分离培养、结核分枝杆菌分子生物学检测任一阳性)。收集研究对象胸部X线摄片(简称“胸片”)，进行人工阅片和AI自动化阅片。

2.诊断标准：(1)HIV/AIDS：参照《WS 293—2019 艾滋病和艾滋病病毒感染诊断》[6]；(2)肺结核：参照《WS 288—2017 肺结核诊断》[2]。

3.人工阅片：(1)阅片人员：邀请3名来自北京市三级甲等医院，具有正高级职称及30年以上结核病相关诊疗经验的临床医师进行阅片；其中，2名为结核病专科医院影像科主任医师，1名为结核病临床科室主任医师。(2)阅片结果分类：①典型肺结核影像：3名阅片专家均诊断为活动性肺结核影像改变；②相对典型肺结核影像：2名阅片专家均诊断为活动性肺结核影像改变；③不典型肺结核影像：仅1名阅片专家诊断为活动性肺结核影像改变。

4.AI自动化阅片：分别采用江西中科九峰智慧医疗科技有限公司、北京推想科技有限公司、北京掌引医疗科技有限公司等3家企业的AI自动化阅片技术进行阅片，均采用网络上传DR胸片，数据平台阅片技术方式。

5.指标定义：(1)肺结核病原学检测阳性患者胸片：筛查对象痰涂片、结核分枝杆菌分离培养、结核分枝杆菌分子生物学检测任一阳性者的胸片。(2)人工阅片诊断疑似活动性肺结核影像改变：3名阅片专家合计判定为疑似活动性肺结核影像改变者的总和。(3)人工阅片诊断病原学阳性肺结核：3名阅片专家合计判定为疑似活动性肺结核影像改变者中，包含的病原学阳性患者的总和。(4)AI自动化阅片诊断疑似活动性肺结核影像改变：3种AI自动化阅片技术合计判定为疑似活动性肺结核影像改变者的总和。(5)AI自动化阅片诊断病原学阳性肺结核：3种AI自动化阅片技术合计判定为疑似活动性肺结核影像改变者中，包含的病原学阳性患者的总和。

表1 阅片专家对47例HIV/AIDS并发病原学阳性肺结核患者的阅片结果 [例(构成比，%)]

6.统计学处理：采用SPSS 20.0软件进行统计分析，计数资料以“百分率(%)”表示。以病原学诊断为参照标准，评价人工阅片与AI自动阅片技术在HIV感染人群中对肺结核的诊断效能，计算公式：敏感度=真阳性例数/(真阳性例数+假阴性例数)×100%；特异度=真阴性例数/(真阴性例数+假阳性例数)×100%；阳性预测值=真阳性例数/(真阳性例数+假阳性例数)×100%；阴性预测值=真阴性例数/(真阴性例数+假阴性例数)×100%；一致率=(真阳性例数+真阴性例数)/总例数×100%。

结 果

1.人工阅片：633例研究对象中，人工阅片诊断疑似活动性肺结核影像改变者198例(31.3%，198/633)，3名阅片专家诊断结果分别为139例(22.0%，139/633)、100例(15.8%，100/633)、90例(14.2%，90/633)。47例并发病原学阳性肺结核患者中，3名阅片专家诊断结果分别为19例(40.4%，19/47)、29例(61.7%，29/47)、21例(44.7%，21/47)；3名阅片专家诊断一致患者有14例(29.8%，14/47)，2名阅片专家诊断一致患者有8例(17.0%，8/47)，仅1名阅片专家诊断为肺结核影像改变者有11例(23.4%，11/47)；共有14例(29.8%，14/47)患者均被阅片专家漏诊。3名阅片专家对病原学阳性肺结核患者不同类型肺结核影像检出结果差异有统计学意义(χ2=14.470，P=0.025)，见表1。

2. AI自动化阅片：AI自动化阅片共检出疑似活动性肺结核影像改变者434例(68.6%)。3家企业AI自动化阅片技术诊断结果分别为260例(41.1%，260/633)、299例(47.2%，299/633)和247例(39.0%，247/633)。47例并发病原学阳性肺结核患者中，3家企业AI自动化阅片技术诊断结果分别为32例(68.1%，32/47)、30例(63.8%，30/47)、33例(70.2%，33/47)，差异有统计学意义(χ2=7.040，P=0.030)，见表2；共有5例(10.6%)均被漏诊。

表2 不同人工智能阅片技术对47例HIV/AIDS并发

3.诊断效能比较：以病原学诊断为参照标准，AI自动阅片技术筛出的异常胸片中，共包括病原学阳性肺结核患者42例(89.4%，42/47)，人工阅片检出的异常胸片中共包括病原学阳性肺结核患者33例(70.2%，33/47)。人工阅片诊断HIV/AIDS并发病原学阳性肺结核的敏感度为70.2%，特异度为71.8%，一致率为71.7%；AI自动阅片技术诊断HIV/AIDS并发病原学阳性肺结核的敏感度为89.4%，特异度为33.1%，一致率为37.3%，见表3。

表3 不同阅片方法以病原学诊断为参照标准对HIV/AIDS并发病原性阳性肺结核的诊断效能

讨 论

世界卫生组织推荐针对结核病高发地区各类人群开展主动筛查，以早期发现患者，控制结核病传播及减轻疾病负担[7]。我国《遏制结核病行动计划(2019—2022年)》也明确要求提高诊疗服务可及性，开展重点人群结核病主动筛查[8]。目前，结核病的诊断主要以综合诊断为主，考虑患者的症状和体征、实验室检查和胸部影像检查结果。研究表明，很大一部分结核病患者没有症状，仅通过DR就可以检测出结核病。通过观察使用DR作为筛查工具，可以开展对普通公众、HIV感染者、15岁以下结核病患者和其他高危人群结核病筛查。在这些人群中，DR被认为是一种高敏感度的筛查工具，尽管缺乏足够的特异度来确认结核病的诊断，但仍然在结核病的早期发现中起着重要的作用[9]。然而，基层放射科医生的短缺[10]限制了胸部X线摄影和DR在资源有限环境下进行结核病筛查的应用[9]。AI的发展为计算机辅助诊断系统的建立提供了新的契机。越来越多的证据表明其在肺结核影像诊断中的价值。2020年世界卫生组织对快速诊断工具的系统综述指出：在筛查和分诊的情况下，AI自动阅片软件的诊断准确性和整体性能与影像科医生对DR胸片的诊断结果相近[10]。计算机辅助诊断系统也许可以作为一种替代影像科医生的方式对普通DR图像进行诊断，以进行肺结核的筛查和分类。王晓林等[4]研究显示，AI自动阅片诊断普通肺结核的敏感度达到93.5%(58/62)、特异度为86.0%(394/458)、准确率达到86.9%(452/520)。国内自主研发用于结核病医学影像辅助诊断的AI技术十分多样化，此类技术的应用在提高诊断准确率的同时，也提升了医务人员影像阅片的工作效率，深受基层医疗机构的欢迎[11]。

HIV感染者存在诊断困难和胸片不典型等问题，因此，诊断难度高于普通结核病患者。本研究对633例HIV/AIDS者进行了筛查，其中，包括病原学阳性肺结核患者、临床诊断肺结核患者、肺部其他病变及肺部正常者。但是由于临床诊断肺结核缺少金标准，因此，本研究以病原学检测结果为标准，对人工阅片与AI自动阅片技术进行了评价。结果显示，3名资深医师在独立看片时，漏诊病原学阳性肺结核患者的构成比分别为59.6%、38.3%、55.3%；3种AI自动阅片技术漏诊病原学阳性肺结核患者的构成比分别为31.9%、36.2%、29.8%。综合结果比较，人工阅片共漏诊14例，AI自动阅片技术共漏诊5例。可见，在HIV感染高发区，AI自动阅片技术的潜在价值很大。人工阅片受到很多主观因素的影响，如连续长时间阅片的疲劳、光线，以及专家既往经验，均会对阅片结果产生影响。而AI自动阅片技术可以避免疲劳等因素的影响，并且对于AI发现患者方面的漏洞可以通过机器学习不断优化。同时，从人工阅片和AI自动阅片技术检出疑似活动性肺结核影像改变患者表现来看，AI自动阅片技术发现疑似活动性肺结核影像改变的能力明显高于人工阅片。究其原因，AI自动阅片技术更加灵敏，能发现肉眼不可见的病灶；也可能是由于AI自动阅片技术作为筛查工具，假阳性率高，而特异度较低所致。由于临床诊断结核病缺乏诊断金标准，这个问题的解答需要后续对这些患者进行随访观察。

本研究分别将3名阅片专家的阅片结果和3家企业的AI自动阅片技术结果进行综合，比较人工阅片与AI自动阅片技术的诊断效能。合计比较的缺点是，合计以后，3家企业的AI自动化阅片技术共检出疑似活动性肺结核影像改变者434例，远远超过单一技术检测的结果。因此，AI自动阅片技术的诊断特异度大大低于人工阅片。但此结果，也反映了3家企业该技术差异很大。尽管每家企业该技术独立检测均发现200余例影像改变者，但合计发现434例，说明3家企业的AI自动阅片技术发现的疑似活动性肺结核影像改变者有很大一部分并不重合。现实场景中，同时应用3家企业AI自动阅片技术的情况非常少见，因此，本文仅作探讨。

综上所述，“互联网+医疗健康”、AI是当前我国大力推进的创新技术。在基层地区，特别是HIV感染疾病负担较重的地区，应用AI自动阅片技术筛查结核病，辅助影像科医生判定和分析胸片，可有效提高医疗效率和诊断准确率，减轻医疗资源紧张的压力，弥补基层医疗机构结核病防治力量薄弱的短板，实现结核病患者早发现和早诊断。本研究存在一定的局限性。首先，633例研究对象中，仅47例具有肺结核病原学阳性诊断依据，用于分析的样本量较小。第二，未对经人工阅片和AI自动阅片技术诊断的疑似活动性肺结核患者进行深入分析，追踪其后续确诊情况。