引用本文： 邢宇彤, 劉建成, 孫百臣, 洪苓苓, 張小軍, 傅鑒乾, 耿國軍, 李振龍, 姜杰. 區域醫療中心人工智能輔助診斷肺結節的臨床應用. 中國胸心血管外科臨床雜志, 2021, 28(10): 1178-1182. doi: 10.7507/1007-4848.202102021 復制
肺癌是世界范圍內患病率第 2 和病死率最高的惡性腫瘤[1-2]。利用胸部低劑量 CT 篩查高危人群，實現肺癌早期診斷、治療，降低病死率，是國際眾多權威醫學組織的首選推薦手段[3-4]。肺結節是早期肺癌的影像學表現，結節越大患腫瘤的風險越高。對肺結節進行良惡性鑒別，有助于診斷早期肺癌，并及時干預，從而徹底治愈[5-6]。為此，我院作為區域醫療中心，柔性引進大學附屬醫院專家，具有 2 000 余例肺結節診斷經驗，共同組建肺結節多學科專家組（MDT），對肺結節展開深入細致的研究。
人工智能（AI）作為當前科學技術發展中的一門廣泛應用于醫學領域的前沿學科，其中對肺結節進行檢測是 AI 醫療的重要發展方向之一[7-8]。借助計算機技術，AI 可以有效處理肺癌醫療大數據，用于輔助肺癌的影像學診斷、病理學診斷、分子生物學診斷、診療決策以及肺癌單病種數據庫建設及使用等多個方面[9-15]。但需要強調的是 AI 仍然是一種輔助醫生診療肺癌的工具，最終的診斷和治療方案還需經由臨床醫生決定。目前我國醫療資源分布不均，肺癌的診斷和治療的爭議、過度診斷和過度治療仍時有發生。MDT 模式恰好在規范肺癌診斷與治療行為上具有明顯優勢[9]。本研究通過回顧性分析肺結節患者的病理結果，比較 AI 和 MDT 在肺結節診斷過程中的各自優勢，探討區域醫療中心采用 AI 在肺結節 MDT 診療過程中的應用價值。
1 資料與方法
1.1 臨床資料
本研究為回顧性研究，所有數據來自廈門市第五醫院。本研究納入 2020 年 4～12 月間在我院肺結節 MDT 診療過程中，利用 AI 對肺結節進行危險級別評估，并經手術、肺穿刺活檢病理證實的病例，共 102 例患者（113 個結節），其中男 57 例、女 45 例，年齡 36～90（48.8±11.6）歲。
1.2 納入和排除標準
納入標準：（1）年齡>18 歲住院患者；（2）肺結節最大直徑<3 cm；（3）在我院行手術或穿刺活檢術，經病理證實為良性病變或肺癌；（3）參加我院 MDT，并記錄結果者；（4）對本研究知情同意，自愿參加。
排除標準：（1）多發肺結節證實為肺內轉移；（2）其它部位腫瘤轉移至肺。
1.3 圖像采集
所有檢查均使用 64 排螺旋 CT（GE Revolution Maxima）進行掃描，掃描范圍自胸廓入口至肺底部，患者于吸氣末屏氣完成全肺掃描。掃描方式：螺旋掃描；管電壓：120 kV；管電流：200～300 mA；螺距：0.984∶1；掃描層厚：5 mm；機架旋轉 1 周時間：0.6 s；視野：355 mm；圖像矩陣：512×512；使用高分辨算法重建 1.25 mm 層軸位圖像。
1.4 AI 輔助診斷系統
AI 肺結節輔助診斷系統（上海依圖網絡科技有限公司），利用深度學習技術對歷史病歷進行處理，建立肺結節診斷模型、特征補充模型，臨床敏感度達 95% 以上。根據 2019 版 Lung-RADS 分級可分為 1、2、3、4（4A、4B、4X）級，依圖肺結節劃分為低危（1、2）、中危（3、4A）和高危（4B、4X）結節；見圖 1。
圖1
AI 對肺結節的診斷
a：肺良性結節誤診為高危；b：肺惡性結節診斷正確
1.5 診斷與治療
所有病例經我院肺結節 MDT 研讀臨床資料，并由胸外科、呼吸內科、腫瘤科、影像科及病理科醫師進行傳統人工讀片并進行評價，多學科討論后并記錄結果；利用 AI 輔助診斷系統對肺結節進行危險級別評估，記錄結節直徑、密度分類。
根據病情不同選用肺穿刺活檢（經皮、經氣管鏡或超聲氣管鏡）或胸腔鏡手術治療（包括肺楔形切除術、肺段切除術及肺葉切除術），肺活檢標本先行快速現場評價（ROSE），然后送檢病理進行常規染色及免疫組化分析；見表 1、圖 2。
表1
113 個肺結節獲取病理方法
圖2
肺結節術后病理圖片
a：硬化性肺泡細胞瘤；b：肺腺癌
1.6 統計學分析
所有數據均采用 SPSS 18.0 進行分析。計數資料以例數或百分比描述，組間比較采用χ2檢驗。計量資料以均數±標準差（
±s）描述，組間比較采用獨立樣本t檢驗，P≤0.05 為差異有統計學意義。
1.7 倫理審查
本研究已通過廈門市第五醫院倫理委員會審批，批準號：2020-XMSDWYY-012。
2 結果
2.1 患者基本情況
在入組的 102 例患者 CT 圖像中，AI 軟件系統共檢測出 322 個結節，醫師人工檢測出 305 個，差異有統計學意義（P<0.05）；其中 113 個結節獲得病理證實，磨玻璃結節 38 個，實性結節 67 例，混合型結節 8 例；肺癌結節 40 個，其中腺癌 31 例，鱗癌 5 例，小細胞癌 2 例；良性結節 73 個，其中非典型腺瘤樣增生 9 例，結核 13 例，隱球菌 5 例，肺曲霉病 1 例，錯構瘤 1 例，硬化性肺泡細胞瘤 1 例，其它炎性病變 43 例。
2.2 AI 輔助診斷系統與 MDT 比較
AI 輔助診斷系統對 40 例肺癌患者報高危結節 38 例，敏感度為 95.0%；AI 誤診 2 例，在 MDT 討論中臨床及影像醫師均認為不能除外肺原位癌，術后被病理證實均為原位癌，MDT 敏感度達 100.0%。73 例良性病變中 AI 有 25 例為高危結節，特異度僅為 65.8%，其中 5 例臨床首先診斷為結核可能，另 2 例臨床第一診斷傾向肺隱球菌可能，錯構瘤及硬化性肺泡細胞瘤也最后被病理證實為臨床正確。但 MDT 在良性結節中仍有 10 例第一診斷為肺癌可能，特異度為 86.3%；見表 2。
表2
AI 和 MDT 對肺結節良惡性鑒別能力［%（n/N）］
3 討論
隨著影像設備性能的提升與胸部 CT 圖像的迅猛增長，放射科診斷醫師數量明顯不足，再加上主觀疲勞、診斷信心和水平高低不等諸多原因，造成同質化診斷推廣不足，診斷存在一定的誤診率、漏診率和區域差異性[9]。AI 在一定程度上可以防止漏診，幫助臨床醫師篩查出更多數量的肺結節，在本研究中 AI 檢測 102 例患者 CT 影像共檢出 322 個肺結節，人工 MDT 檢出 305 個肺結節，人工復檢后證實人工漏診 17 個肺結節，而 AI 無漏診，這表明 AI 對于肺結節的檢出率高于人工，且差異有統計學意義（P<0.05）。此外，研究發現漏診的結節均為<5 mm 的肺結節和磨玻璃結節，漏診對于患者的危險性相對較低。其它研究[14-15]也證實 AI 在肺結節的檢出率上優于影像科醫師，我們可以利用 AI 的高檢出率，使用 AI 進行結節的初篩，這在一定程度上可以輔助醫師進行診斷工作，減輕醫師的工作量。
肺結節最后通過病理學明確結節性質。本組一部分病例通過胸腔鏡手術行肺楔形切除術、肺段切除術或肺癌根治術獲得病理診斷，另一部分通過 CT 引導下經皮肺穿刺術、經支氣管鏡肺活檢術或超聲氣管鏡針吸活檢術確診。為了提高肺活檢的可靠性，采用 ROSE 技術，可以更精準地達到初步診斷的目的，降低二次活檢概率，提高了工作效率，也為患者診斷節省了時間[16]。在我們的研究中，術后病理證實為肺癌的病例中，AI 將其中 2 例原位癌判斷為中低危結節，約 5% 的誤診率，而這 2 例患者 MDT 診斷均認為是高危結節，不能除外原位癌，最后經手術切除后病理證實為原位癌，這也就意味著 AI 在判斷結節危險程度方面低估了個別肺結節的危險程度，雖然只有 5% 的誤診率，但其對于患者的預后影響較大，如果僅單獨參考 AI 可能導致患者治療的延誤，所以在此基礎上需要 MDT 對肺結節危險程度的復核，兩者結合起來既保證了高檢出率，又能避免漏診高危肺結節。而 AI 在本組肺良性病變中診斷為高危結節達 34.2%，而 MDT 誤診率為 13.7%，MDT 對于良性結節有更高的特異性，其差異有統計學意義（P<0.05），這表明通過 MDT 能夠更準確地發現肺良性結節，減少患者復查 CT 次數，同時也能減輕患者因為結節性質的不確定帶來的心理壓力。更進一步來說，MDT 能將部分良性結節精準地診斷為肺結核、肺隱球菌、錯構瘤、硬化性肺泡細胞瘤，那是因為 MDT 可以回顧影像資料并結合病史進行詳細分析，這也是目前 AI 無法達到的。在基于深度學習的 AI 肺結節檢測效率研究[17]中，AI 對肺結節前后比較也更具明顯優勢，能快速對比肺結節大小、密度的變化，并計算倍增時間，效率明顯高于人工。另外，AI 在多發肺結節中發現新發結節也有一定優勢[18]。
在日常影像診斷過程中，影像科醫師需要對一份肺部 CT 進行全面評估和診斷，包括判斷是否有肺結節、肺氣腫、肺炎縱隔淋巴結腫大及心血管病變等。目前單一肺癌 AI 診斷系統顯然不能勝任全方位臨床診斷工作[19-20]。AI 系統運用于臨床依舊任重道遠。
由于本研究中納入病例數比較少，存在一定偏倚，由于肺癌病例較少，導致評價 AI 對于結節危險度的評估不準。穿刺病例占比較多導致收集的良性結節中，因為人工誤診導致的直接肺楔形切除較少，這一類結節往往最具迷惑性。若再多加入這一部分結節可能會導致人工 MDT 對于良性結節鑒別特異性的降低。其余未獲病理證實的結節仍在繼續隨訪觀察。另外本組良性疾病占比較高，肺非腫瘤性疾病有時因為缺乏臨床特征存在鑒別診斷困難，或治療效果欠佳而懷疑先前的診斷，對于這類病變，CT 引導下經皮穿刺活檢是最有效的一種方法，組織病理對感染性肉芽腫性疾病診斷敏感度高，對常規痰液、肺泡灌洗液中難以檢出的病原菌具有診斷價值[21]。有部分在我院肺結節 MDT 診療中懷疑腫瘤的患者，未能行穿刺或手術得以病理證實。作為建設區域醫學中心策略之一，柔性引進大學附屬醫院著名專家，從而提高我院 MDT 對肺結節的診療水平及知名度，為更多的區域患者提供精準、優質的醫療服務。
綜上所述，在區域醫療中心運用 AI 系統輔助肺結節 MDT 診療，可以明顯提高工作效率。AI 輔助診斷系統在肺結節檢出方面性能較強，但是在肺結節良惡性鑒別方面尚不能滿足臨床需求。現階段 AI 系統可以作為臨床醫師的輔助工具，進行肺結節的篩查及診斷，我們期待未來通過持續改進讓 AI 提供更高級的臨床服務。
利益沖突：無。
作者貢獻：邢宇彤負責論文設計、論文初稿撰寫；劉建成負責影像資料整理，孫百臣負責病理資料整理；洪苓苓、張小軍、傅鑒乾負責臨床數據整理與分析；姜杰、耿國軍、李振龍負責論文審閱與修改。
肺癌是世界范圍內患病率第 2 和病死率最高的惡性腫瘤[1-2]。利用胸部低劑量 CT 篩查高危人群，實現肺癌早期診斷、治療，降低病死率，是國際眾多權威醫學組織的首選推薦手段[3-4]。肺結節是早期肺癌的影像學表現，結節越大患腫瘤的風險越高。對肺結節進行良惡性鑒別，有助于診斷早期肺癌，并及時干預，從而徹底治愈[5-6]。為此，我院作為區域醫療中心，柔性引進大學附屬醫院專家，具有 2 000 余例肺結節診斷經驗，共同組建肺結節多學科專家組（MDT），對肺結節展開深入細致的研究。
人工智能（AI）作為當前科學技術發展中的一門廣泛應用于醫學領域的前沿學科，其中對肺結節進行檢測是 AI 醫療的重要發展方向之一[7-8]。借助計算機技術，AI 可以有效處理肺癌醫療大數據，用于輔助肺癌的影像學診斷、病理學診斷、分子生物學診斷、診療決策以及肺癌單病種數據庫建設及使用等多個方面[9-15]。但需要強調的是 AI 仍然是一種輔助醫生診療肺癌的工具，最終的診斷和治療方案還需經由臨床醫生決定。目前我國醫療資源分布不均，肺癌的診斷和治療的爭議、過度診斷和過度治療仍時有發生。MDT 模式恰好在規范肺癌診斷與治療行為上具有明顯優勢[9]。本研究通過回顧性分析肺結節患者的病理結果，比較 AI 和 MDT 在肺結節診斷過程中的各自優勢，探討區域醫療中心采用 AI 在肺結節 MDT 診療過程中的應用價值。
1 資料與方法
1.1 臨床資料
本研究為回顧性研究，所有數據來自廈門市第五醫院。本研究納入 2020 年 4～12 月間在我院肺結節 MDT 診療過程中，利用 AI 對肺結節進行危險級別評估，并經手術、肺穿刺活檢病理證實的病例，共 102 例患者（113 個結節），其中男 57 例、女 45 例，年齡 36～90（48.8±11.6）歲。
1.2 納入和排除標準
納入標準：（1）年齡>18 歲住院患者；（2）肺結節最大直徑<3 cm；（3）在我院行手術或穿刺活檢術，經病理證實為良性病變或肺癌；（3）參加我院 MDT，并記錄結果者；（4）對本研究知情同意，自愿參加。
排除標準：（1）多發肺結節證實為肺內轉移；（2）其它部位腫瘤轉移至肺。
1.3 圖像采集
所有檢查均使用 64 排螺旋 CT（GE Revolution Maxima）進行掃描，掃描范圍自胸廓入口至肺底部，患者于吸氣末屏氣完成全肺掃描。掃描方式：螺旋掃描；管電壓：120 kV；管電流：200～300 mA；螺距：0.984∶1；掃描層厚：5 mm；機架旋轉 1 周時間：0.6 s；視野：355 mm；圖像矩陣：512×512；使用高分辨算法重建 1.25 mm 層軸位圖像。
1.4 AI 輔助診斷系統
AI 肺結節輔助診斷系統（上海依圖網絡科技有限公司），利用深度學習技術對歷史病歷進行處理，建立肺結節診斷模型、特征補充模型，臨床敏感度達 95% 以上。根據 2019 版 Lung-RADS 分級可分為 1、2、3、4（4A、4B、4X）級，依圖肺結節劃分為低危（1、2）、中危（3、4A）和高危（4B、4X）結節；見圖 1。
圖1
AI 對肺結節的診斷
a：肺良性結節誤診為高危；b：肺惡性結節診斷正確
1.5 診斷與治療
所有病例經我院肺結節 MDT 研讀臨床資料，并由胸外科、呼吸內科、腫瘤科、影像科及病理科醫師進行傳統人工讀片并進行評價，多學科討論后并記錄結果；利用 AI 輔助診斷系統對肺結節進行危險級別評估，記錄結節直徑、密度分類。
根據病情不同選用肺穿刺活檢（經皮、經氣管鏡或超聲氣管鏡）或胸腔鏡手術治療（包括肺楔形切除術、肺段切除術及肺葉切除術），肺活檢標本先行快速現場評價（ROSE），然后送檢病理進行常規染色及免疫組化分析；見表 1、圖 2。
表1
113 個肺結節獲取病理方法
圖2
肺結節術后病理圖片
a：硬化性肺泡細胞瘤；b：肺腺癌
1.6 統計學分析
所有數據均采用 SPSS 18.0 進行分析。計數資料以例數或百分比描述，組間比較采用χ2檢驗。計量資料以均數±標準差（±s）描述，組間比較采用獨立樣本t檢驗，P≤0.05 為差異有統計學意義。
1.7 倫理審查
本研究已通過廈門市第五醫院倫理委員會審批，批準號：2020-XMSDWYY-012。
2 結果
2.1 患者基本情況
在入組的 102 例患者 CT 圖像中，AI 軟件系統共檢測出 322 個結節，醫師人工檢測出 305 個，差異有統計學意義（P<0.05）；其中 113 個結節獲得病理證實，磨玻璃結節 38 個，實性結節 67 例，混合型結節 8 例；肺癌結節 40 個，其中腺癌 31 例，鱗癌 5 例，小細胞癌 2 例；良性結節 73 個，其中非典型腺瘤樣增生 9 例，結核 13 例，隱球菌 5 例，肺曲霉病 1 例，錯構瘤 1 例，硬化性肺泡細胞瘤 1 例，其它炎性病變 43 例。
2.2 AI 輔助診斷系統與 MDT 比較
AI 輔助診斷系統對 40 例肺癌患者報高危結節 38 例，敏感度為 95.0%；AI 誤診 2 例，在 MDT 討論中臨床及影像醫師均認為不能除外肺原位癌，術后被病理證實均為原位癌，MDT 敏感度達 100.0%。73 例良性病變中 AI 有 25 例為高危結節，特異度僅為 65.8%，其中 5 例臨床首先診斷為結核可能，另 2 例臨床第一診斷傾向肺隱球菌可能，錯構瘤及硬化性肺泡細胞瘤也最后被病理證實為臨床正確。但 MDT 在良性結節中仍有 10 例第一診斷為肺癌可能，特異度為 86.3%；見表 2。
表2
AI 和 MDT 對肺結節良惡性鑒別能力［%（n/N）］
3 討論
隨著影像設備性能的提升與胸部 CT 圖像的迅猛增長，放射科診斷醫師數量明顯不足，再加上主觀疲勞、診斷信心和水平高低不等諸多原因，造成同質化診斷推廣不足，診斷存在一定的誤診率、漏診率和區域差異性[9]。AI 在一定程度上可以防止漏診，幫助臨床醫師篩查出更多數量的肺結節，在本研究中 AI 檢測 102 例患者 CT 影像共檢出 322 個肺結節，人工 MDT 檢出 305 個肺結節，人工復檢后證實人工漏診 17 個肺結節，而 AI 無漏診，這表明 AI 對于肺結節的檢出率高于人工，且差異有統計學意義（P<0.05）。此外，研究發現漏診的結節均為<5 mm 的肺結節和磨玻璃結節，漏診對于患者的危險性相對較低。其它研究[14-15]也證實 AI 在肺結節的檢出率上優于影像科醫師，我們可以利用 AI 的高檢出率，使用 AI 進行結節的初篩，這在一定程度上可以輔助醫師進行診斷工作，減輕醫師的工作量。
肺結節最后通過病理學明確結節性質。本組一部分病例通過胸腔鏡手術行肺楔形切除術、肺段切除術或肺癌根治術獲得病理診斷，另一部分通過 CT 引導下經皮肺穿刺術、經支氣管鏡肺活檢術或超聲氣管鏡針吸活檢術確診。為了提高肺活檢的可靠性，采用 ROSE 技術，可以更精準地達到初步診斷的目的，降低二次活檢概率，提高了工作效率，也為患者診斷節省了時間[16]。在我們的研究中，術后病理證實為肺癌的病例中，AI 將其中 2 例原位癌判斷為中低危結節，約 5% 的誤診率，而這 2 例患者 MDT 診斷均認為是高危結節，不能除外原位癌，最后經手術切除后病理證實為原位癌，這也就意味著 AI 在判斷結節危險程度方面低估了個別肺結節的危險程度，雖然只有 5% 的誤診率，但其對于患者的預后影響較大，如果僅單獨參考 AI 可能導致患者治療的延誤，所以在此基礎上需要 MDT 對肺結節危險程度的復核，兩者結合起來既保證了高檢出率，又能避免漏診高危肺結節。而 AI 在本組肺良性病變中診斷為高危結節達 34.2%，而 MDT 誤診率為 13.7%，MDT 對于良性結節有更高的特異性，其差異有統計學意義（P<0.05），這表明通過 MDT 能夠更準確地發現肺良性結節，減少患者復查 CT 次數，同時也能減輕患者因為結節性質的不確定帶來的心理壓力。更進一步來說，MDT 能將部分良性結節精準地診斷為肺結核、肺隱球菌、錯構瘤、硬化性肺泡細胞瘤，那是因為 MDT 可以回顧影像資料并結合病史進行詳細分析，這也是目前 AI 無法達到的。在基于深度學習的 AI 肺結節檢測效率研究[17]中，AI 對肺結節前后比較也更具明顯優勢，能快速對比肺結節大小、密度的變化，并計算倍增時間，效率明顯高于人工。另外，AI 在多發肺結節中發現新發結節也有一定優勢[18]。
在日常影像診斷過程中，影像科醫師需要對一份肺部 CT 進行全面評估和診斷，包括判斷是否有肺結節、肺氣腫、肺炎縱隔淋巴結腫大及心血管病變等。目前單一肺癌 AI 診斷系統顯然不能勝任全方位臨床診斷工作[19-20]。AI 系統運用于臨床依舊任重道遠。
由于本研究中納入病例數比較少，存在一定偏倚，由于肺癌病例較少，導致評價 AI 對于結節危險度的評估不準。穿刺病例占比較多導致收集的良性結節中，因為人工誤診導致的直接肺楔形切除較少，這一類結節往往最具迷惑性。若再多加入這一部分結節可能會導致人工 MDT 對于良性結節鑒別特異性的降低。其余未獲病理證實的結節仍在繼續隨訪觀察。另外本組良性疾病占比較高，肺非腫瘤性疾病有時因為缺乏臨床特征存在鑒別診斷困難，或治療效果欠佳而懷疑先前的診斷，對于這類病變，CT 引導下經皮穿刺活檢是最有效的一種方法，組織病理對感染性肉芽腫性疾病診斷敏感度高，對常規痰液、肺泡灌洗液中難以檢出的病原菌具有診斷價值[21]。有部分在我院肺結節 MDT 診療中懷疑腫瘤的患者，未能行穿刺或手術得以病理證實。作為建設區域醫學中心策略之一，柔性引進大學附屬醫院著名專家，從而提高我院 MDT 對肺結節的診療水平及知名度，為更多的區域患者提供精準、優質的醫療服務。
綜上所述，在區域醫療中心運用 AI 系統輔助肺結節 MDT 診療，可以明顯提高工作效率。AI 輔助診斷系統在肺結節檢出方面性能較強，但是在肺結節良惡性鑒別方面尚不能滿足臨床需求。現階段 AI 系統可以作為臨床醫師的輔助工具，進行肺結節的篩查及診斷，我們期待未來通過持續改進讓 AI 提供更高級的臨床服務。
利益沖突：無。
作者貢獻：邢宇彤負責論文設計、論文初稿撰寫；劉建成負責影像資料整理，孫百臣負責病理資料整理；洪苓苓、張小軍、傅鑒乾負責臨床數據整理與分析；姜杰、耿國軍、李振龍負責論文審閱與修改。
