卓越，劉敬禹，李甜，吳久純

(錦州醫(yī)科大學(xué)附屬第三醫(yī)院呼吸科，遼寧 錦州 121000)

近年來(lái)隨著影像技術(shù)的發(fā)展及人們健康意識(shí)的增強(qiáng)，肺結(jié)節(jié)的檢出率逐年增高，有研究指出[1]肺部惡性腫瘤、結(jié)核、轉(zhuǎn)移瘤、炎性假瘤、錯(cuò)構(gòu)瘤、結(jié)節(jié)病等多種疾病均可導(dǎo)致肺結(jié)節(jié)發(fā)生。據(jù)統(tǒng)計(jì)，在我國(guó)肺癌的發(fā)病率及死亡率高居首位[2]，早期肺癌常常表現(xiàn)為孤立性肺結(jié)節(jié)，不同性質(zhì)的肺結(jié)節(jié)轉(zhuǎn)歸大不相同，2021年WHO肺腫瘤指南[3]將及原位癌及非典型腺瘤樣增生定義為前驅(qū)腺體病變，如果可以在肺癌早期階段進(jìn)行準(zhǔn)確的診斷和相應(yīng)處理，對(duì)疾病控制及預(yù)后具有重要意義[4]，目前在臨床上對(duì)于肺結(jié)節(jié)良惡性鑒別尚且沒(méi)有特異性方法，因此如何判斷肺結(jié)節(jié)的性質(zhì)仍然是研究的熱點(diǎn)和難點(diǎn)。

近年，AI興起并廣泛應(yīng)用于醫(yī)療的各個(gè)領(lǐng)域，促使精準(zhǔn)醫(yī)學(xué)快速發(fā)展[5]。人工智能輔助診斷系統(tǒng)可以極大提高就診效率，明顯縮短患者就診時(shí)間。既往研究指出人工智能輔助診斷系統(tǒng)對(duì)肺結(jié)節(jié)檢出具備良好效能，可以明顯減少肺結(jié)節(jié)漏診率[6-7]，但普遍存在高假陽(yáng)性率的問(wèn)題，存在一定的誤診率。本文旨在《2021版肺腫瘤指南》基礎(chǔ)性上探討人工智能輔助診斷系統(tǒng)對(duì)肺結(jié)節(jié)定性診斷的效能及惡性結(jié)節(jié)AI相關(guān)變量的危險(xiǎn)因素。

1 材料與方法

1.1 研究對(duì)象

選擇在2019年7月至2021年5月期間于錦州醫(yī)科大學(xué)附屬第三醫(yī)院診斷為肺結(jié)節(jié)，且其結(jié)節(jié)病理性質(zhì)明確的100名患者作為研究對(duì)象。納入其中112個(gè)肺結(jié)節(jié)(同一位患者不同位置的肺結(jié)節(jié)視為獨(dú)立事件)作為研究標(biāo)本。所有患者均知情并簽署同意書，且通過(guò)醫(yī)院倫理委員會(huì)批準(zhǔn)、備案。納入標(biāo)準(zhǔn)：(1)符合肺結(jié)節(jié)診斷標(biāo)準(zhǔn)；(2)有完整的影像學(xué)資料；(3)所有肺結(jié)節(jié)均有明確病理診斷。排除標(biāo)準(zhǔn)：(1)直徑≥3 cm的肺結(jié)節(jié)；(2)伴有肺不張、肺門腫大及胸腔積液；(3)其他部位惡性腫瘤所致轉(zhuǎn)移瘤；(4)患者資料信息不完整。研究對(duì)象共計(jì)100人，其中男性39人(39.0%)、女性61人(61.0%)，平均年齡為(58.93±10.16)歲；被選取的肺結(jié)節(jié)標(biāo)本中，良性結(jié)節(jié)為35個(gè)(31.2%)、惡性結(jié)節(jié)為77個(gè)(68.8%)。

1.2 研究方法

1.2.1 影像數(shù)據(jù)的采集

采用東芝128層CT系統(tǒng)行常規(guī)胸部 CT掃描，掃描范圍從肺尖至后肋膈角，掃描參數(shù)為：管電壓120 kV，管電流≤40 mA，平掃層厚：5 mm，重建后層厚：1 mm，肺窗參數(shù)設(shè)置為：窗寬1500 HU，窗位-600 HU；縱隔窗參數(shù)設(shè)置為：窗寬350 HU，窗位50 HU。

1.2.2 AI肺結(jié)節(jié)檢測(cè)

將掃描后的胸部CT影像導(dǎo)入推想科技的AI輔助診斷系統(tǒng)中，該系統(tǒng)可以顯示出患者的性別、年齡、肺結(jié)節(jié)所在位置(具體到肺葉、肺段)、平均直徑(在病灶最大層面，測(cè)量病灶最長(zhǎng)徑及垂直徑的長(zhǎng)度，平均直徑為二者平均值)、平均CT值(選擇病灶的最大層面感興趣區(qū)CT值，并盡量避開(kāi)血管等成分)、類型(實(shí)性結(jié)節(jié)或亞實(shí)性結(jié)節(jié))、惡性征象(空泡征、分葉、毛刺等)、惡性概率(惡性概率≥70%提示為高危結(jié)節(jié)，惡性概率<70%提示為為中低危結(jié)節(jié)；其中高危的肺結(jié)節(jié)提示為惡性，中低危的肺結(jié)節(jié)提示為良性)、實(shí)性占比(實(shí)性成分占有的百分比)、肺結(jié)節(jié)倍增時(shí)間(腫瘤體積或細(xì)胞數(shù)增加一倍的時(shí)間)等[8]。

1.2.3 病理檢查

將取得的112個(gè)肺結(jié)節(jié)標(biāo)本進(jìn)行特殊處理，其病理結(jié)果由2名主治醫(yī)師(從事臨床工作5年以上)或更高級(jí)職稱的病理科醫(yī)師最終確定。根據(jù)《2021年WHO肺腫瘤指南》所述，由于非典型腺瘤樣增生及原位癌已定義為腺上皮癌前病變，不再屬于肺腺癌，因此本研究將非典型腺瘤樣增生、原位癌、炎癥、結(jié)核球、炭末沉積、硬化性肺細(xì)胞瘤、淋巴結(jié)視為良性結(jié)節(jié)，其余均視為惡性結(jié)節(jié)。

1.3 統(tǒng)計(jì)學(xué)方法

采用SPSS 22.0統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)整理、分析。金標(biāo)準(zhǔn)為病理診斷結(jié)果，采用Kappa一致性檢驗(yàn)評(píng)價(jià)AI對(duì)肺結(jié)節(jié)定性診斷與病理結(jié)果的一致性，其中K≤0.4被認(rèn)為一致性較差，0.40.75被認(rèn)為一致性良好。計(jì)數(shù)資料以[n(%)]表示，計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差表示；將所有自變量進(jìn)行單因素Logistic回歸分析，將P<0.05的自變量進(jìn)行多因素Logistic回歸分析并繪制受試者工作特征曲線(ROC)，計(jì)算曲線下面積(AUC)，ROC曲線下面積AUC=0.5～0.7被認(rèn)為準(zhǔn)確性較差，AUC=0.7～0.85被認(rèn)為準(zhǔn)確性一般，AUC>0.85被認(rèn)為準(zhǔn)確性很好，以P<0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié) 果

2.1 AI輔助診斷與病理結(jié)果的一致性檢驗(yàn)

在112個(gè)肺結(jié)節(jié)標(biāo)本中，經(jīng)病理檢查證實(shí)良性肺結(jié)節(jié)共計(jì)35個(gè)，AI輔助診斷為中低危結(jié)節(jié)29個(gè)、高危結(jié)節(jié)6個(gè)；惡性肺結(jié)節(jié)共計(jì)77個(gè)，AI輔助診斷為良性結(jié)節(jié)3個(gè)、惡性結(jié)節(jié)74個(gè)。經(jīng)Kappa一致性檢驗(yàn)得出K=0.809，AI輔助診斷鑒別肺結(jié)節(jié)性質(zhì)與病理檢查結(jié)果的一致性良好(P<0.05)，見(jiàn)表1。

表1 AI輔助診斷結(jié)果與病理結(jié)果一致性檢驗(yàn)(n)

2.2 惡性結(jié)節(jié)AI輔助診斷相關(guān)變量的單因素Logistic回歸分析

將AI輔助診斷對(duì)惡性結(jié)節(jié)檢測(cè)到的所有相關(guān)變量進(jìn)行單因素Logistic回歸分析，結(jié)果顯示：年齡、體積、平均直徑、惡性征象、惡性概率等5個(gè)相關(guān)因素，差異有統(tǒng)計(jì)學(xué)意義(P<0.05)，而性別、隨訪次數(shù)、平均CT值、結(jié)節(jié)類型、倍增時(shí)間等因素，差異無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)，見(jiàn)表2。

表2 惡性結(jié)節(jié)AI相關(guān)變量的單因素Logistic回歸分析

2.3 惡性結(jié)節(jié)AI輔助診斷相關(guān)變量的多因素Logistic回歸分析

對(duì)單因素回歸分析中P<0.05的5個(gè)相關(guān)因素進(jìn)行多因素Logistic回歸分析，結(jié)果顯示惡性概率(P<0.05)為影響惡性結(jié)節(jié)診斷的獨(dú)立危險(xiǎn)因素，即惡性概率為高危則提示肺結(jié)節(jié)惡性的可能性越大，見(jiàn)表3。

表3 惡性結(jié)節(jié)AI輔助診斷相關(guān)變量的多因素Logistic回歸分析

2.4 基于AI輔助診斷惡性概率對(duì)惡性結(jié)節(jié)診斷的ROC曲線

將多因素回歸分析中的惡性概率進(jìn)行ROC曲線繪制，惡性概率差異有統(tǒng)計(jì)學(xué)意義(P<0.05)，結(jié)果顯示惡性概率AUC曲線下面積為0.874。提示基于AI輔助診斷惡性概率對(duì)惡性結(jié)節(jié)診斷可能具有良好的準(zhǔn)確性，見(jiàn)圖1。

圖1 基于AI輔助診斷惡性概率對(duì)惡性結(jié)節(jié)診斷的ROC曲線

3 討 論

近年來(lái)，我國(guó)肺癌的發(fā)展趨于年輕化，早期肺癌在影像學(xué)上常表現(xiàn)為肺結(jié)節(jié)。由于在疾病早期的患者常無(wú)不適感，當(dāng)出現(xiàn)臨床癥狀時(shí)，部分患者已經(jīng)失去了最佳治療的機(jī)會(huì)，因此早診、早治才是提高早期肺癌患者生存的關(guān)鍵[9-10]。2015年WHO肺腺癌分類標(biāo)準(zhǔn)將非典型腺瘤樣增生、原位癌歸類于肺腺癌[11]，發(fā)現(xiàn)后需要手術(shù)干預(yù)。術(shù)后部分患者的肺功能有所減弱、活動(dòng)耐量欠佳、生活質(zhì)量明顯降低。而最新的2021年肺腫瘤指南提出非典型腺瘤樣增生、原位癌為良性病變[3]1725-1757，病理結(jié)果為非典型腺瘤樣增生及原位癌的肺結(jié)節(jié)需要定期隨訪觀察其生長(zhǎng)情況，必要時(shí)可進(jìn)行手術(shù)干預(yù)。AI輔助診斷利用和學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)，通過(guò)一般的計(jì)算機(jī)程序?qū)崿F(xiàn)的人類智能化技術(shù)，應(yīng)用目前已逐漸地應(yīng)用到醫(yī)學(xué)等專各個(gè)領(lǐng)域[12]。有關(guān)研究表明[13]，AI檢測(cè)軟件對(duì)肺結(jié)節(jié)的檢出能力等同于甚至優(yōu)于有數(shù)年臨床經(jīng)驗(yàn)的醫(yī)學(xué)影像科醫(yī)生，靈敏度極高，減少了醫(yī)學(xué)影像科醫(yī)師的工作量，提高了傳統(tǒng)計(jì)算機(jī)輔助診斷系統(tǒng)的穩(wěn)定性，解決了人工制定規(guī)則的不全面性，精準(zhǔn)的對(duì)肺結(jié)節(jié)進(jìn)行同質(zhì)化的診斷及制定科學(xué)有效的隨訪管理。

本文結(jié)合患者的臨床病理診斷結(jié)果和肺結(jié)節(jié)相關(guān)的AI輔助診斷影像學(xué)資料，比較AI輔助診斷與病理結(jié)果的一致性，研究所應(yīng)用的AI輔助診斷系統(tǒng)以全國(guó)多家知名三級(jí)甲等醫(yī)院提供的大數(shù)據(jù)為根基，以有明確病理結(jié)果的肺結(jié)節(jié)數(shù)據(jù)集為金標(biāo)準(zhǔn)進(jìn)行訓(xùn)練，從而判斷出肺結(jié)節(jié)的惡性概率。經(jīng)驗(yàn)證AI輔助診斷對(duì)肺結(jié)節(jié)定性診斷與病理結(jié)果一致性良好，K=0.809，說(shuō)明AI輔助診斷對(duì)肺結(jié)節(jié)的定性診斷可能具有良好的價(jià)值，與張治佳等人[14-16]研究結(jié)果一致。江蘇大學(xué)附屬醫(yī)院的一項(xiàng)研究[17]，也證明了AI對(duì)肺結(jié)節(jié)診斷能力較強(qiáng)，在輔助臨床醫(yī)師對(duì)肺癌早期結(jié)節(jié)診斷方面是有意義的。

本研究進(jìn)行惡性結(jié)節(jié)AI相關(guān)變量的單因素及多因素Logistic回歸分析時(shí)發(fā)現(xiàn)惡性概率是影響惡性結(jié)節(jié)診斷的獨(dú)立危險(xiǎn)因素，即AI輔助診斷系統(tǒng)提示為高危結(jié)節(jié)的，肺結(jié)節(jié)惡性風(fēng)險(xiǎn)越高；提示為中?；虻臀＝Y(jié)節(jié)的，肺結(jié)節(jié)惡性風(fēng)險(xiǎn)相對(duì)較低，需要長(zhǎng)時(shí)間的隨訪觀察，與文獻(xiàn)報(bào)道結(jié)果一致[15,18]58-60。此外，一些研究提示肺癌發(fā)病的風(fēng)險(xiǎn)與年齡、性別、惡性征象等具有顯著相關(guān)性，同時(shí)結(jié)節(jié)大小、密度、體積和倍增時(shí)間均有助于肺結(jié)節(jié)的危險(xiǎn)分層。本研究多因素Logistic回歸分析提示惡性結(jié)節(jié)在性別、年齡、隨訪次數(shù)、平均CT值、體積、平均直徑、結(jié)節(jié)類型、倍增時(shí)間、惡性征象中無(wú)顯著差異，與文獻(xiàn)結(jié)果不符[19-20]，考慮與以下因素有關(guān)：(1)有一部分肺結(jié)節(jié)即使出現(xiàn)分葉、毛刺等惡性征象，但最終的病理結(jié)果證實(shí)確為良性病變，考慮導(dǎo)致AI輔助診斷系統(tǒng)做出錯(cuò)誤的判斷的因素如下：①某些肺結(jié)節(jié)與胸膜相貼較廣、與葉間裂聯(lián)系較大；②部分肺臟血管分叉、聚集、迂曲；③各級(jí)支氣管走形、增厚的細(xì)支氣管壁、增厚的小葉間隔、纖維條索及淋巴結(jié)等結(jié)構(gòu)復(fù)雜，且個(gè)體間差異較大，使肺結(jié)節(jié)表現(xiàn)的形態(tài)多樣；(2)本研究納入的結(jié)節(jié)標(biāo)本由于來(lái)源有局限性，且病例數(shù)、人群不同、年齡構(gòu)成不同、參考的診斷標(biāo)準(zhǔn)不同(最新版肺腫瘤指南2021版)、納入與排除標(biāo)準(zhǔn)不同可能會(huì)導(dǎo)致結(jié)果出現(xiàn)偏倚。

ROC曲線提示：AI輔助診斷對(duì)惡性概率為高危的，診斷惡性結(jié)節(jié)的靈敏度為94.8%，特異度為80%。AI輔助診斷對(duì)肺結(jié)節(jié)惡性概率為高危時(shí)，診斷惡性結(jié)節(jié)的靈敏度和特異度均很高，提示對(duì)惡性結(jié)節(jié)診斷可能具有一定的準(zhǔn)確性，與周誠(chéng)[21]等人的研究結(jié)果保持一致。雖然本研究中年齡、平均直徑、體積、惡性征象(分葉、毛刺、不規(guī)則、胸膜凹陷)在多因素Logistic回歸分析中不能作為肺結(jié)節(jié)良惡性鑒別的獨(dú)立危險(xiǎn)因素，但是在單因素分析中差異顯著，或許也可以為臨床初步鑒別診斷提供重要參考價(jià)值。

本研究的局限性：(1)本文回顧性分析有明確病理結(jié)果的肺結(jié)節(jié)標(biāo)本，納入研究的病例較為局限并且總數(shù)量較少，對(duì)結(jié)果可能會(huì)產(chǎn)生一定的影響，需要擴(kuò)大樣本量、納入更多的研究因素，更深入探討AI輔助診斷對(duì)肺結(jié)節(jié)診斷效能；(2)本研究沒(méi)有納入無(wú)病理結(jié)果的肺結(jié)節(jié)標(biāo)本，在病例選擇方面也會(huì)有一定的偏倚；(3)目前AI輔助診斷上市時(shí)間較短，現(xiàn)缺乏大量肺結(jié)節(jié)病例的手術(shù)資料、病理結(jié)果、基因檢測(cè)等大數(shù)據(jù)，對(duì)于惡性程度分級(jí)、分層仍有欠缺。

綜上所述，通過(guò)AI輔助診斷無(wú)創(chuàng)檢測(cè)可以對(duì)肺結(jié)節(jié)做出定性診斷，在肺結(jié)節(jié)的早期診斷中人工智能輔助診斷系統(tǒng)對(duì)臨床醫(yī)師工作具有重要指導(dǎo)意義。AI輔助診斷系統(tǒng)還應(yīng)繼續(xù)完善，希望AI輔助診斷系統(tǒng)在醫(yī)療領(lǐng)域中的技術(shù)水平快速發(fā)展，精準(zhǔn)助力于臨床工作。

利益聲明：該研究無(wú)影響其科學(xué)性與可信度的經(jīng)濟(jì)利益沖突。