李剑锋，吴晓瑭，何 喜

(1.唐山市人民医院胸外科，河北 唐山 063000； 2.上海药物转化工程技术研究中心，上海 200000)

肺癌由于在早期缺乏临床症状，容易造成漏诊和误诊，使患者错过最佳治疗期[1]。当肺癌发展到晚期时，患者的生存则会被大大缩短，大部分的晚期肺癌患者其生存时长不足1年[2]。处于早期的非小细胞肺癌患者经手术治疗后5年生存率高达70%～90%，然而仅有25%左右的非小细胞肺癌患者能够在早期被及时诊断[3]。因此在肺癌的诊断方面，需要开发完善新的诊断方法以提高肺癌的早期诊断率。恶性肺结节有着较高的癌变风险，及时诊断发现恶性肺结节并治疗能够提高患者的生存率[4]。近年来胸部CT的发展在一定程度上改善了肺结节的识别率，然而一项研究[5]指出依旧有44%的良性结节患者进行了一次或多次的侵袭性治疗，这从侧面说明了肺结节的诊断准确性有待提高。

已有相关研究[6]表明利用人工智能(AI)技术能够协助医生对大量的CT图像进行筛查并辨别可疑的肺癌病变。另外也有研究[7]利用AI技术对肺癌TNM分期进行筛选鉴别，其T分期、N分期、M分期的准确率分别为72%、78%和94%。深度学习算法作为AI技术的算法基础，能够有效应用在病理影像学分析领域，如确认瘤形成、检测癌病灶转移等[8]。然而关于AI技术对于肺结节性质的识别的研究还较少，因此本研究采用AI技术——数字肺系统诊断工具鉴别肺小结节的良恶性，并探讨其对肺癌的诊断价值。

1 材料与方法

1.1 实验设计

收集2019年1月至2020年1月在唐山市人民医院进行胸部CT扫描后发现肺小结节，并取得病理结果的97例患者进行临床研究。将纳入研究的患者胸部CT图像导入数字肺系统诊断工具进行分析，同时将纳入研究的患者胸部CT图像导入飞利浦IntelliSpace Portal v4.5.6.52040肺小结节CAD软件配合2名中级放射科医生完成人工诊断。比较数字肺系统诊断肺小结节和病理结果诊断肺小结节的准确性、敏感性、特异性、阳性预测值和阴性预测值的差异。得出飞利浦肺小结节CAD软件配合2名中级放射科医生对肺小结节的诊断结果，包括准确性、敏感性、特异性、阳性预测值和阴性预测值。从不同的角度比较两种鉴别诊断方法的准确性、敏感性、特异性、阳性预测值和阴性预测值：1)按照结节病理类型分组(良性组、浸润前病变组、浸润性腺癌组)；2)按照结节类型分组(实性结节组、纯磨玻璃结节组、混合性磨玻璃结节组)；3)按照结节大小分组(直径≤1 cm、1 cm<直径≤2 cm)。总结良性组、浸润前病变组、浸润性腺癌组肺小结节影像学特征的差异。

1.2 患者筛选标准

纳入标准：1)经肺部CT扫描可见患者肺部有至少1个直径≤2 cm的结节；2)肺小结节病理结果提示为良性或者肺腺癌；3)具有完整的胸部CT检查图像。

排除标准：1)有既往肿瘤病史的患者；2)患有冠心病、慢性阻塞性肺疾病、脑梗死等基础疾病；3)CT图像显示有明显转移征象的患者。

1.3 CT图像采集方式及设备

采用本院动态宝石能谱CT行全胸增强扫描。扫描范围：自胸腔入口到横膈；扫描方向：头足方向。CT检查前的患者准备：训练患者呼吸运动功能，使患者能够最大限度地将各级支气管打开，从而减少对所采集的图像及数据造成影响。肺扫描参数：管电压120 kV，管电流300 mA，层厚5 mm，层距5 mm。造影剂参数：流速3 mL·s-1，总量：70～80 g。扫描采用延迟扫描技术：动脉期25 ms，静脉期25 ms。患者体位：患者在进行CT扫描时采用仰卧位，同时将双臂沿头的方向抬起并伸直，在扫描过程中患者行最大呼气后屏气，随后完成胸部CT扫描。

1.4 胸部CT图像分析方法

1)将纳入研究的肺小结节图像导入数字肺系统诊断工具(图1)进行分析，记录肺小结节的良恶性、长径、容积、固形比、毛玻璃比、钙化率、平均密度、标准差、小叶征和毛刺征的结果。2)将纳入研究的肺小结节图像导入飞利浦CAD软件配合2名中级放射科医生完成人工分析。利用CAD软件勾画结节，并记录自动获取的结节指标：最大直径、有效直径、体积；根据Fleischner协会2017年CT图像的肺小结节测量方法[9]，在横切面测量结节的长度和直径，测量并记录混合磨玻璃结节中实体成分的长度和直径。

图1 数字肺系统诊断工具界面

结节CT特征包括：1)结节性(实性结节、纯磨玻璃结节、混合性磨玻璃结节)，肺窗(窗宽1000～2000 hu，窗位450～500 hu，磨玻璃结节显示可适当降低)；2)长径(混合性磨玻璃结节需测量实体成分)；3)瘤肺界面(清晰、不清晰)；4)分叶征(图2A)：结节轮廓不圆或椭圆形，表浅不均，多弧形；5)毛刺征(图2A)：指胸部CT肺窗上由占位病灶边缘向周围肺实质延伸的放射状、无小枝的细线影，与胸膜无关；6)胸膜凹陷征(图2B)：指肺内病变相邻脏器层胸膜呈棘状或喇叭状，横切面呈三角形凹陷，尖端指向病变，病变与索影相连的现象；7)空泡征(图2C)：指肺小结节内透光面积小，约2 mm，病理基础主要是肺泡、扩张、扭转未闭合支气管等未被病理组织破坏和替代的肺结构支持，部分可为肿瘤坏死腔和含黏液的腺腔结构；8)支气管造影征象(图2D)：指肺小结节内明亮的支气管征象；9)肺小结节内的肺血管表现(血管丛生、扭曲或扩张)。

A：分叶征、毛刺征；B：胸膜凹陷征；C：空泡征D：支气管造影征。

1.5 统计学方法

采用SPSS19.0统计软件对数据进行分析。计数资料比较采用卡方检验，P<0.05表明差异具有统计学意义。

2 结果

2.1 数字肺系统和CAD辅助人工的诊断结果

分别采用数字肺系统诊断工具和CAD辅助人工诊断对97例患者的肺小结节CT图像进行鉴别诊断。采用数字肺系统共识别出肺小结节CT图像90例，准确性为92.8%(90/97例)，采用CAD辅助人工诊断共识别出肺小结节CT图像92例，准确性为94.8%(92/97例)，组间比较差异无统计学意义(χ2=0.355，P=0.551)。详见表1。

表1 数字肺系统诊断工具和CAD辅助人工诊断结果 n=97，%

2.2 按结节病理类型分组比较两种鉴别诊断方法的差异性

2.2.1 良性组两种诊断方法的比较

病理结果显示97例患者中共有72例良性肺小结节。其中数字肺系统诊断良性肺小结节的准确性为97.2%(70/72例)，CAD辅助人工诊断良性肺小结节的准确性为90.3%(65/72例)，详见表2。采用数字肺系统诊断良性肺小结节的准确性略高于CAD辅助人工诊断方式，但是组间差异无统计学意义(χ2=2.963，P=0.085)。

表2 良性组两种诊断方法的比较 n=72，%

2.2.2 浸润前病变组两种诊断方法的比较

病理结果显示97例患者中共有11例浸润前病变患者。其中数字肺系统诊断浸润前病变肺小结节的准确性为90.9%(10/11例)，CAD辅助人工诊断浸润前病变肺小结节的准确性为72.7%(8/11例)，详见表3。结果显示采用数字肺系统诊断浸润前病变肺小结节的准确性显著高于CAD辅助人工诊断的准确性(χ2=10.980，P=0.001)(由于样本量过少，两种方法对于诊断浸润前病变肺小结节的效率尚需进一步的探讨)。

表3 浸润前病变组两种诊断方法的比较 n=11，%

2.2.3 浸润性腺癌组两种诊断方法的比较

病理结果显示97例患者中共有14例浸润性肺腺癌患者。其中数字肺系统诊断浸润性腺癌的准确性为64.3%(9/14例)，CAD辅助人工诊断浸润性腺癌的准确性为100.0%(14/14例)，详见表4。

红琴两臂交叉地将两手放在胸前，看着夕阳西下，在风中的阳光泛着淡淡的桔黄色。金黄色的阳光照着她青春的前额，还有忧伤的脸孔。她的眼神，她身上每一处微微哆嗦的肌肤，身体不住地颤抖，牙齿不住地打战，头也有点晕眩起来。这是一个幻觉，还是一场梦魇？是一次道德沦丧的堕落，还是一场无法抗拒的情欲之劫？

表4 浸润性腺癌组两种诊断方法的比较 n=14，%

结果表明采用CAD辅助人工诊断浸润性肺腺癌的准确性要高于数字肺系统(χ2=6.087，P=0.014)，而两种诊断方式对于浸润性肺腺癌的敏感性和特异性均不高。

2.3 按结节类型分组比较两种鉴别诊断方法的差异性

2.3.1 实性结节组两种诊断方法的比较

病理结果显示97例患者中共有46例实性结节。其中数字肺系统诊断实性结节的准确性为87.0%(40/46例)，CAD辅助人工诊断实性结节的准确性为91.3%(42/46例)，详见表5。结果表明两种诊断方法均能够较准确地鉴别实性结节，组间差异无统计学意义(χ2=0.449，P=0.503)。

表5 实性结节组两种诊断方法的比较 n=46，%

2.3.2 纯磨玻璃结节组两种诊断方法的比较

病理结果显示97例患者中共有21例纯磨玻璃结节。其中数字肺系统诊断纯磨玻璃结节的准确性为57.1%(12/21例)，CAD辅助人工诊断纯磨玻璃结节的准确性为95.2%(20/21例)，详见表6。结果表明采用CAD辅助人工对纯磨玻璃结节能够达到较为良好的诊断准确率，优于数字肺系统诊断工具(χ2=8.400，P=0.004)。

表6 纯磨玻璃结节组两种诊断方法的比较 n=21，%

2.3.3 混合性磨玻璃结节组两种诊断方法的比较

病理结果显示97例患者中共有30例混合性磨玻璃结节。其中数字肺系统诊断混合性磨玻璃结节的准确性为73.3%(22/30例)，CAD辅助人工诊断混合性磨玻璃结节的准确性为86.7%(26/30例)，详见表7。结果表明两种诊断方法均能够较为准确地诊断混合性磨玻璃结节，组间差异无统计学意义(χ2=1.667，P=0.197)。

表7 混合性磨玻璃结节组两种诊断方法的比较 n=30，%

2.4 按结节大小分组比较两种鉴别诊断方法的差异性

病理结果显示97例患者中直径≤1 cm的结节共有86例。其中数字肺系统诊断直径≤1 cm的结节的准确性为98.8%(85/86例)，CAD辅助人工诊断直径≤1 cm的结节的准确性为86.0%(74/86例)，详见表8。结果表明数字肺系统能够有效诊断直径≤1 cm的结节(χ2=10.070，P=0.002)。

表8 直径≤1 cm组两种诊断方法的比较 n=86，%

2.4.2 1 cm<直径≤2 cm组两种诊断方法的比较

病理结果显示97例患者中1 cm<直径≤2 cm的结节共有11例。其中数字肺系统诊断1 cm<直径≤2 cm的结节的准确性为81.8%(9/11例)，CAD辅助人工诊断1 cm<直径≤2 cm的结节的准确性为100.0%(11/11例)，详见表9。结果表明数字肺系统对1 cm<直径≤2 cm的结节的诊断准确性稍弱于CAD辅助人工诊断(χ2=2.200，P=0.138)。

表9 1 cm<直径≤2 cm组两种诊断方法的比较 n=11，%

2.5 良恶性肺小结节的影像学特征

良性的肺小结节多发生钙化，且钙化率较高，多呈点状钙化、爆米花状或弥漫性钙化。良性肺小结节的形状较为多样，可呈卵圆、扁平或管型。多数的良性肺小结节为无磨玻璃成分的实性结节。而恶性肺小结节多伴随小叶征、空泡征、毛刺征或支气管造影征。多数的恶性肺小结节为非实质成分。11例浸润前病变患者和14例浸润性肺腺癌患者中，CT影像显示伴随小叶征的恶性肺小结节共20例，伴随空泡征的恶性肺小结节共15例，伴随毛刺征的恶性肺小结节共17例，伴随支气管造影征的恶性肺小结节共22例。

3 讨论

恶性肺结节在病理上常提示为早期肺癌，其中混合性磨玻璃结节的恶性概率最高[10]。因此准确诊断肺结节的种类性质能够实现肺癌的早期筛选。相关研究[11]发现采用PET-CT能够较为有效地对小结节或者单发结节进行准确诊断。而计算机辅助诊断被认为具有相当大的潜力能够完成对肺结节的准确鉴别和诊断[12]。本研究主要探讨了数字肺系统这一人工智能肺结节诊断工具对于单发性肺小结节的诊断效率。

相关研究[13]利用局部薄层CT提取肺结节的影像学特征，然后通过机器深度学习之后对肺结节加以鉴别诊断，其总准确率最高可达79%，阳性预测值为80%。本研究中总结了两种鉴别诊断方法的准确性，其中数字肺系统诊断肺小结节的准确性为92.8%，而CAD辅助人工诊断的准确性稍高，为94.8%，准确率等的差异可能是由于人工智能技术在基于影像学的肺部疾病诊断上受到学习样本和算法的影响。此外，也有研究表明利用人工智能检测早期肺结节能够得到92.4%和94.8%敏感性和特异性[14]。本研究中数字肺系统诊断肺小结节的敏感性和特异性均不高，仅为78.2%和76.8%；然而进一步对不同类型的肺小结节进行诊断后发现，数字肺系统对直径<1 cm的肺小结节的敏感性和特异性较高，达到了94.0%和96.3%，这可能是相较于人工诊断，数字肺系统在鉴别直径<1 cm的肺小结节时很难被血管断面在水平轴上的投影或其他潜在的干扰因素所影响。

在诊断浸润前病变肺小结节以及直径<1 cm的肺小结节方面，数字肺系统展现出优异的准确性，均高于CAD辅助人工诊断。然而对于识别浸润性腺癌，数字肺系统仍然有较大的局限性，其准确性较低仅有64.3%，低于CAD辅助人工诊断的100.0%。造成这种差异的最主要因素在于人工诊断相比于人工智能技术有更丰富的经验，其次可能是由于数字肺系统对浸润性腺癌的学习不足，今后可进一步提高浸润性腺癌学习样本的质量，增加数字肺系统对浸润性腺癌的学习次数，以观察数字肺系统诊断浸润性腺癌的准确性的变化。

总之，使用数字肺系统进行肺小结节辅助诊断能够在一定程度上提高人工诊断的准确性，主要体现在对浸润前病变肺小结节以及直径<1 cm的肺小结节的诊断上。然而鉴别诊断的总体准确性依旧需要提高。