【摘要】目的：探讨胸部低剂量CT（LDCT）人工智能联合医师诊断在肺结节良恶性鉴别中的应用价值。方法：回顾性分析2022年1月—2023年9月惠州市第三人民医院收治的225例肺结节患者临床资料。所有患者均行胸部LDCT扫描。分析金标准、胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断良恶性肺结节检出情况。比较胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断的诊断价值。分析胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断与金标准的一致性。比较良恶性肺结节胸部LDCT影像学特征。分析不同成分肺结节胸部LDCT人工智能联合医师诊断恶性结节准确性。结果：225例患者经金标准检出139例恶性。胸部LDCT医师诊断检出134例恶性，占比为96.40%（134/139）；胸部LDCT人工智能联合医师诊断检出138例恶性，占比为99.28%（138/139）。Kappa检验显示，胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断与金标准的Kappa值分别为0.860、0.972（P<0.001）。胸部LDCT人工智能联合医师诊断敏感度、准确度、阴性预测值均高于胸部LDCT医师诊断，差异有统计学意义（P<0.05）。恶性肺结节患者短毛刺征、胸膜凹陷征、血管集束征、分叶征、空泡征占比均高于良性肺结节患者，差异有统计学意义（P<0.05）。225例患者中，实性结节117例，恶性结节54例；部分实性结节60例，恶性结节49例；纯磨玻璃结节48例，恶性结节36例。胸部LDCT人工智能联合医师诊断实性结节恶性准确率为98.15%（53/54）；部分实性结节恶性准确率为100.00%（49/49）；纯磨玻璃结节恶性诊断准确率为97.22（35/36）。结论：胸部LDCT人工智能联合医师诊断可提高肺结节良恶性鉴别诊断价值，可据此早期制定精准治疗方案，以改善患者预后。

　　【关键词】肺结节人工智能胸部低剂量CT鉴别诊断

　　肺结节为常见病，与肺部感染、炎症、遗传等多种因素有关，多数患者无疾病症状，常于体检时发现，但也有部分患者伴咳嗽、咳痰等症状，甚至出现咯血等，影响日常工作及生活。同时，肺结节存在良恶性之分，良性结节对机体危害小，可依据具体病情进行针对性治疗获得良好预后。但恶性结节则为癌症，存在侵袭、转移等多种恶性行为，一旦治疗不当，则肿瘤可迅速增长，并快速向周围侵袭或经淋巴结等途径转移，导致受累器官功能障碍，增加临床治疗难度。因此，早期还需明确结节的性质，方可实现精准治疗，以更好地保障患者身心健康。胸部低剂量CT（LDCT）为常用诊断技术，其具备操作简便、出结果快、成像清晰等特点，且较常规胸部CT检查使用更低的剂量，在明确结节位置、大小等信息的同时，有助于减轻机体辐射损伤。而传统的胸部LDCT诊断模式是由医师进行审阅，并给出良恶性判断，易受主观性的影响，导致漏诊、误诊，延误患者救治。而在人工智能的发展下，人工智能阅片逐渐兴起，在智能系统的辅助下可对获得的图像进行迅速比对，并于自动生成的模型上显示结节性质、恶性概率等多种信息，有助于临床迅速识别高风险患者，且避免人工审阅的主观性。鉴于此，本研究旨在分析胸部LDCT人工智能联合医师诊断鉴别肺结节良恶性的价值，现报道如下。

　　1资料与方法

　　1.1一般资料

　　回顾性分析2022年1月—2023年9月惠州市第三人民医院收治的225例肺结节患者临床资料。纳入标准：均经胸部LDCT明确有肺结节；均行手术病理检查；认知良好；年龄≥18岁。排除标准：合并精神疾病、血液系统疾病、自身免疫疾病等；认知功能异常；肺外其他脏器有恶性肿瘤；已有或已知患有肺部疾病。男127例，女98例；年龄34~78岁，平均年龄（56.52±5.12）岁；吸烟史：有72例，无153例。本研究经医院医学伦理委员会批准。

　　1.2方法

　　所有患者均行胸部LDCT扫描。采用GE680 64排128层CT扫描系统，扫描范围及方向：从肺尖到肋膈角，吸气末扫描保证图像质量。扫描参数：肺窗图像序列（窗宽1 500 HU，窗位-700 HU）、纵隔窗图像序列（窗宽350 HU，窗位40 HU）；采用螺旋扫描：管电压120 kV；使用固定毫安（50 mAs）；层厚1.0 mm，球管转速0.5 s/r；螺距0.984︰1，开启迭代重建技术。后处理方式：扫描后将高分辨肺窗及纵隔窗图像上传至人工智能系统。单纯医师诊断：由2名高年资医师审阅胸部CT图像进行良恶性判断，人为划分良性或恶性。人工智能联合医师诊断：医师审阅后，再借助人工智能软件自动标记肺结节的部位，于右侧栏目内显示结节性质、直径、恶性概率等信息，并结合审阅医师意见给出一致结论。金标准：以病理检查为金标准。恶性即为阳性，良性即为阴性。

　　1.3观察指标及评价标准

　　（1）良恶性检出情况：分析金标准、胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断良恶性肺结节检出情况。（2）诊断价值：比较胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断的诊断价值。人工智能提示的中危或高危均列入恶性病变。敏感度=真阳性/（真阳性+假阴性）×100%；特异度=真阴性/（假阳性+真阴性）×100%；准确度=（真阳性+真阴性）/（真阳性+真阴性+假阳性+假阴性）×100%；阳性预测值=真阳性/（真阳性+假阳性）×100%；阴性预测值=真阴性/（真阴性+假阴性）×100%。（3）一致性分析：采用Kappa检验验证胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断与金标准的一致性。（4）影像学特征：比较良恶性肺结节胸部LDCT影像学特征。包括短毛刺征、血管集束征、胸膜凹陷征、分叶征及空泡征。（5）不同成分肺结节胸部LDCT人工智能联合医师诊断恶性诊断准确性：统计胸部LDCT人工智能联合医师诊断在实性结节、部分实性结节及纯磨玻璃结节中的恶性诊断准确性。

　　1.4统计学处理

　　本研究数据采用SPSS 22.0统计学软件进行分析和处理，计数资料以率（%）表示，采用χ2检验计量资料以（x-±s）表示，采用t检验，一致性采用Kappa检验，以P<0.05为差异有统计学意义。

　　2结果

　　2.1良恶性检出情况及一致性

　　225例患者经金标准检出139例恶性。胸部LDCT医师诊断检出134例恶性，占比为96.40%（134/139）；胸部LDCT人工智能联合医师诊断检出138例恶性，占比为99.28%（138/139）；Kappa检验显示，胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断与金标准的Kappa值分别为0.860、0.972（P<0.001），见表1。

　　2.2胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断诊断价值比较

　　胸部LDCT人工智能联合医师诊断敏感度、准确度、阴性预测值均高于胸部LDCT医师诊断，差异有统计学意义（P<0.05），见表2。

　　2.3良恶性肺结节影像学特征比较

　　恶性肺结节患者短毛刺征、胸膜凹陷征、血管集束征、分叶征、空泡征占比均高于良性肺结节患者，差异有统计学意义（P<0.05），见表3。

　　2.4不同成分肺结节胸部LDCT人工智能联合医师诊断恶性诊断准确性

　　225例患者中，实性结节117例，恶性结节54例；部分实性结节60例，恶性结节49例；纯磨玻璃结节48例，恶性结节36例。胸部LDCT人工智能联合医师诊断实性结节恶性准确率为98.15%（53/54）；部分实性结节恶性准确率为100.00%（49/49）；纯磨玻璃结节恶性诊断准确率为97.22%（35/36）。

　　3讨论

　　肺结节病因复杂，其中良性肺结节多为肺结核球、肺炎性假瘤、肺曲霉病等所致，可在影像学上呈现出结节征象。而恶性结节则为肺癌，发病可能涉及遗传、吸烟、电离辐射等多个方面，在多种因素的共同作用下，会引起肺部组织细胞周期紊乱，从而出现异常增殖现象，导致肺组织过度生长，最终不可控形成恶性肿瘤。良恶性肺结节在疾病性质上存在显著差异，一个生长缓慢，一个生长迅速，且恶性肺结节还可侵袭周围组织，并通过多种途径发生转移，故两者在治疗方案上差异巨大。因此，还需于早期明确结节的良恶性，方可制定个性化治疗方案，实现病情的稳定控制，以减轻疾病对生活的影响，改善远期生存质量。

　　病理检查为良恶性肺结节鉴别的金标准，其直接采集病变组织开展细胞学检查，可准确鉴别良恶性，指导临床治疗。但其创伤大、操作繁琐、周期长，不适宜早期快速筛查。而胸部LDCT则是无创影像学技术，具备扫描快、分辨率高特点，在肺结节的检查过程中可准确定位肺结节组织，了解其特征及其与周围组织的关系，从而丰富良恶性鉴别信息[12-13]。同时，在低剂量扫描下还有助于减小CT的辐射损伤。而常规传统模式胸部LDCT检查后多由医师进行图像审阅，虽可明确良恶性病变，但易受审阅医师的主观性、经验水平、视力疲劳等多种因素的影响，导致仍存在一定漏诊、误诊事件，影响患者的早期治疗工作。同时，单纯依靠医师审阅工作量过大，不仅会降低工作效率，也会影响判断的准确性。本研究结果显示，225例患者经金标准检出139例恶性。胸部LDCT医师诊断检出134例恶性，占比为96.40%（134/139）；胸部LDCT人工智能联合医师诊断检出138例恶性，占比为99.28%（138/139）。Kappa检验显示，胸部LDCT医师诊断、胸部LDCT人工智能联合医师诊断与金标准的Kappa值分别为0.860、0.972。胸部LDCT人工智能联合医师诊断敏感度、准确度、阴性预测值均高于胸部LDCT医师诊断。225例患者中，实性结节117例，恶性结节54例；部分实性结节60例，恶性结节49例；纯磨玻璃结节48例，恶性结节36例。胸部LDCT人工智能联合医师诊断实性结节恶性准确率为98.15%；部分实性结节恶性准确率为100.00%；纯磨玻璃结节恶性诊断准确率为97.22%。提示胸部LDCT人工智能联合医师诊断诊断良恶性肺结节效果更佳，可提高鉴别诊断准确性，减少漏诊、误诊发生。分析原因为，人工智能辅助可在获得图像数据后经智能系统自动获取恶性病变的特征，于短时间内标记结节位置、形态及恶性征象信息等，且可进行恶性概率的测算，利于高效率、高效能鉴别诊断良恶性病变，实现早期治疗工作的迅速开展。同时，在人工智能辅助下可降低人工审阅的繁琐性及负担，并避免医师的主观性偏差，提高诊断准确性。此外，对于疑似肺结节，医师还可借助人工智能系统进行薄层原始图像、表面阴影成像及容积再现等图像处理操作，获得更充分的结节诊断信息，以便于肺结节早期定性。此外，在良恶性结节诊断上，因恶性结节增殖速度快、内部血管丰富，在结节的形态等方面均可出现明显异常变化，易出现血管集束征、分叶征等变化，亦可辅助临床完成良恶性鉴别诊断。恶性肺结节患者短毛刺征、胸膜凹陷征、血管集束征、分叶征、空泡征占比均高于良性肺结节患者。

　　综上所述，胸部LDCT人工智能联合医师诊断可提高肺结节良恶性鉴别诊断准确性，减少漏诊、误诊发生，以实现精准治疗，提高患者远期预后。

　    参考文献：

　　[1]CHILET-ROSELL E，PARKER L A，I HERNANDEZ-AGUADO，et al.The determinants of lung cancer after detecting a solitary pulmonary nodule are different in men and women,for both chest radiograph and CT[J/OL].PLoS One，2019，14（9）：e0221134.https://pubmed.ncbi.nlm.nih.gov/31509550/.

　　[2]DUAN X Q，WANG X L，ZHANG L F，et al.Establishment and validation of a prediction model for the probability of malignancy in solid solitary pulmonary nodules in northwest China[J].Journal of Surgical Oncology，2021，123（4）：1134-1143.

　　[3]张晶晶，张强，董旭鹏.低剂量CT扫描结合CD147、TK1水平检验在肺小结节良恶性鉴别中的应用价值[J].临床和实验医学杂志，2023，22（12）：1327-1330.

　　[4]冯旭霞，张梅，吴丙琳，等.高分辨CT联合血清CEA、NSE在鉴别诊断良恶性孤立性肺结节中的应用价值[J].中国CT和MRI杂志，2020，18（6）：38-40.

　　[5]刘亚斌，周围，白琛，等.基于人工智能技术的肺部CT扫描在肺结节筛查及良恶性鉴别诊断中的应用分析[J].中国CT和MRI杂志，2022，20（9）：52-54.

　　[6]周伟文，谭学渊，余佐时.AI肺小结节检测系统用于低剂量CT肺筛查中的应用研究[J].中国CT和MRI杂志，2023，21（5）：43-45.

　　[7]JIA Y，GONG W，ZHANG Z，et al.Comparing the diagnostic value of 18F-FDG-PET/CT versus CT for differentiating benign and malignant solitary pulmonary nodules:a meta-analysis[J].Journal of Thoracic Disease，2019，11（5）：2082-2098.

　　[8]党珊，韩冬，马光明，等.磁化转移成像与扩散加权成像对肺部良、恶性结节/肿块鉴别诊断价值的对比研究[J].临床放射学杂志，2021，40（11）：2114-2117.

　　[9]任心畅，吴海，陈延帆，等.CT引导下经皮肺穿刺活检及LCBP肺癌预测模型在肺结节良恶性诊断中的临床价值[J].医学影像学杂志，2022，32（6）：952-956.

　　[10]TANNER N T，BRASHER P B，JETT J，et al.Effect of a rule-in biomarker test on pulmonary nodule management:a survey of pulmonologists and thoracic surgeons[J/OL].Clinical Lung Cancer，2020，21（2）：e89-e98.https://pubmed.ncbi.nlm.nih.gov/31732400/.

　　[11]张强，孙云刚，王朝，等.低剂量螺旋CT联合肺癌自身抗体、肿瘤标志物CA12-5、CA19-9在肺癌诊断中的临床应用价值[J].现代生物医学进展，2022，22（21）：4066-4070，4147.

　　[12]何超，杜建革，刘振龙，等.低剂量螺旋CT扫描联合多模型迭代重建算法技术在肺结节筛查中的应用价值[J].实用放射学杂志，2020，36（6）：973-976.

　　[13]AFADZI M，FOSS K，ANDERSEN H K，et al.Image quality measured from ultra-low dose chest computed tomography examination protocols using 6 different iterative reconstructions from 4 vendors,a phantom study[J].Journal of Computer AssistedTomography，2020，44（1）：95-101.

　　[14]贡鸣，张斌斌，董志明，等.不同剂量CT扫描对肺结节的检出率及人工智能辅助的应用价值[J].中国医师进修杂志，2023，46（6）：529-533.

　　[15]宋丹丹，齐星亮，刘佳林，等.人工智能技术在胸部CT恶性及非钙化结节检出中的价值[J].医学影像学杂志，2023，33（1）：154-157.