人工智能辅助CT肺结节良恶性鉴别的研究进展

人工智能辅助CT肺结节良恶性鉴别的研究进展

覃庆华

广西贵港东晖医院 广西 贵港 537100

摘要：肺癌是发病率与死亡率极高的一种恶性肿瘤疾病，现阶段，CT检查是临床中诊断鉴别疾病的重要手段之一，通过CT检查有助于及早发现肺癌疾病、尽早治疗，从而降低肺癌患者的死亡率。受到临床中各种因素的影响，CT检查在针对肺癌早期阶段病灶良恶性的鉴别上也存在较大差异，导致漏诊、误诊情况时常发生，也极大程度的耽误患者疾病治疗。随着现如今人工智能科技的不断发展，得以在临床中广泛应用，尤其针对于肺结节良恶性的鉴别上具有重要价值。为此，本文从人工智能的角度出发，探讨人工智能在辅助CT诊断鉴别肺结节良恶性中的应用效果。

【关键词】人工智能；CT检查；肺结节；良恶性鉴别；研究

引言

受到空气污染、电离辐射及生活环境改变等原因的影响，使肺癌的患病率逐年升高，同时具有的恶性程度高、预后差的特征，导致肺癌的死亡率随之上升，成为了严重威胁人民身体健康及生命安全的恶性肿瘤疾病。由于肺癌的隐匿性较强，通常患者在患病早期并未出现典型症状以及特异性表现，部分患者可能出现咳嗽、发热等类似肺炎、其他肠胃疾病的相关症状，极易受到患者的忽略，而患者在发病患病时，病情以进入中晚期并出现胸腔部疼痛、饮食困难、甚至可病灶转移至肝脏、中枢神经、淋巴结等部位并出现相应症状表现[1]。而肺癌中晚期患者由于错过了最佳治疗时机，导致其生存期明显缩短至1-2年，但若能接受手术治疗，其生存期可延迟至5年以上，故针对于肺癌疾病若能够及早发现、尽早诊断与治疗，是改善预后生存质量的关键[2]。此外，肺癌早期的CT影像学表现特点多样，主要包括磨玻璃样结节、分叶征、毛刺征、胸膜凹陷征等，其中呈现磨玻璃影的肺结节属于早期肺癌较小病灶的典型表现[3]。随着CT影像学检查的普及，低剂量螺旋CT的成本低、辐射小等优势以及在肺结节检出率方面的提高，成为了临床中检查肺结节病变的重要手段[4]；然而受到患者人数增多、日常工作量增加以及受到检查医师主观及个人经验等方面的影响，不仅会影响到诊断的准确率，同时也更易出现误诊或漏诊的情况。人工智能在医学诊断方面的应用受到国内外众多学者的关注，尤其能够凭借着强大的图像识别功能以及学习记忆功能，在针对于肺结节病变的诊断鉴别中发挥重要价值[5]。

一、肺结节

根据《肺结节诊治中国专家共识》中将肺结节定义为肺内直径小于或等于3cm的类圆形或不规则形病灶，影像学表现为密度增高的阴影，可单发或多发，边界清晰或不清晰[6]。根据结节大小、形态、密度的不同表明导致肺结节的原因也有所不同，根据大小可分为直径＜5mm的微小结节、直径5-10mm的小结节、直径30mm以下的肺结节；根据密度的不同可分为实性结节、亚实性结节两种。同时肺结节在临床中有着良恶性之分，良性结节的影像学表现形态较为规则、密度较高，恶性结节则而更多为边界不清晰、表面不规则、伴随分裂、空泡等表现。

二、人工智能的概念

人工智能即“AI”，是指由人工制造出来的系统通过普通计算机实现感知、决策与智能行为的一种技术。其理论基础表现为搜索、推理、规划和学习，在应用领域中包含计算机视觉、图像分析、深度学习平台、生物特征识别、文本分析、模式识别、智能控制、自然语言处理、数据挖掘等技术，简而言之，人工智能就其本质而言是对人的思维的信息处理过程的模拟[7]。随着医疗行业数据量迅速增长，推动人工智能在医学领域中的应用，由于人工智能可在庞大的数据中进行复杂模式的识别，并以自动化方式提供定量评估，人工智能在医学影像工作流程中，能够为医生提供辅助作用，并有助于形成更准确的放射学评估。

三、人工智能辅助CT在肺结节检查中的应用

人工智能在辅助CT检查肺结节中的主要运用功能:分割图像，即去除图像中未发生病变的部分，并在公开肺图像数据库中采集图像资料，提高检测灵敏度；提取特征及筛选，将采集的肺结节形状、纹理、大小等情况作为数据基础，在疑似肺结节中筛选真正的结节。郭依楠等研究中提出[8]，人工智能通过其高性能计算能力、深度学习框架、高质量的数据及算法示例程序等深度学习模型，能以较快的运算速度检出肺结节。赵呈华[9]认为CT检测在检测肺结节中极易受到噪音、伪影、介质衰减等运输的影响导致敏感度、诊断准确率降低，利用人工智能辅助CT检测肺结节的敏感性高达97.87%、诊断准确性高达96%。因此认为人工智能辅助CT检测通过对图像的获取、分割、重组等缓解能够提高检测灵敏度，降低漏诊率。杨金生[10]在研究得出人工智能在诊断肺结节的假阳性率为23.35%，可能由于肺结节发生于肺门区血管断面、慢性炎变、胸膜局限性增厚等部位有关，当肺结节接近正常肺组织或肺内慢性病变部位时人工智能极易被干扰，但人工智能可鉴别出＜5mm微小结节，可有效的弥补医师肉眼分辨的局限。此外，范鸿禹等在研究中指出[11]，低年资医师在个人独立阅片时，易将发生于肺门、血管旁、胸膜下等较隐蔽位置且＜5mm的结节漏诊，但利用人工智能辅助并借助其深度学习系统能够弥补低年资医师个人经验及能力不足而发生的漏诊情况、提高诊断准确率，同时也有效的缩短了阅片时间、提高工作效率。

四、结束语

综上所述，人工智能辅助CT在肺结节良恶性中有着重要作用，相比于医生人工阅片，能够有效的降低漏诊及误诊率。但从临床诊断学角度出发，人工智能技术存在一定的局限性，仅凭肺结节的诊断还无法满足诊疗需求，还需由临床医师根据患者的病情进行全面的评估后做好对疾病的明确诊断。

参考文献

[1]李海燕,王保健.青年肺癌患者临床特征及发病相关因素分析[J].实用预防医学,2020,27(06):699-703.

[2]罗琴琴,徐振晔,王立芳,等. 晚期非小细胞肺癌患者(Ⅳ期)在中医药的维持治疗中获得较长的无病生存期:一例病案和相关综述[J]. 中华中医药杂志,2017,32(4):1878-1882.

[3]虞梁,王俊,李洪,等. 肺磨玻璃结节CT影像征象鉴别诊断肺浸润性腺癌与微浸润腺癌[J]. 南京医科大学学报（自然科学版）,2020,40(2):248-251. 

[4]张培平. 多层螺旋CT低剂量扫描诊断肺结节的应用价值[J]. 实用中西医结合临床,2021,21(8):109-110. 

[5]Ather S, Kadir T, Gleeson F. Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications. Clin Radiol. 2020;75(1):13-19.

[6]中华医学会呼吸病学分会肺癌学组,中国肺癌防治联盟专家组. 肺结节诊治中国专家共识(2018年版)[J]. 中华结核和呼吸杂志,2018,41(10):763-771.

[7]吴心怡,黄海峡,吴伟,等. 人工智能在医学影像学及肿瘤治疗决策中的应用[J]. 中国校医,2021,35(3):235-238.

[8]郭依楠,崔鑫烨,戴瑜洁,等. 人工智能深度学习技术在低剂量胸部CT肺结节检出中的应用价值[J]. 现代医药卫生,2021,37(10):1632-1635,1640.

[9]赵呈华. 人工智能辅助诊断系统联合CT检查肺结节的诊断价值[J]. 实用临床医药杂志,2020,24(19):9-11. 

[10]杨金生,李聪. 人工智能技术在胸部高分辨率CT中对肺结节诊断的应用[J]. 中国临床研究,2022,35(3):343-346.

[11]范鸿禹,孙丹丹,张清,等. 人工智能辅助低、高年资规培医师对CT肺结节检测效能的对比研究[J]. 中国中西医结合影像学杂志,2021,19(2):175-179.