人工智能在肺癌低剂量CT筛查中的运用研究

人工智能在肺癌低剂量 CT筛查中的运用研究

1 姚灵 2 蹇新梅 通讯作者：段庆红

贵州省肿瘤医院 550001

摘要：人工智能就是让计算机模拟人类的思维和智能行为，在医学诊断领域，人工智能技术是医师的得力助手，能显著提高工作效率。文章从肺癌的流行病学和人工智能技术出发，介绍了人工智能辅助诊断肺癌的流程，阐述了人工智能在肺癌低剂量CT筛查中的具体运用，以供同行参考。

关键词：肺癌；CT筛查；人工智能；诊断流程；临床实践

1．肺癌的流行病学和人工智能技术

1.1 肺癌流行病学

肺癌起源于肺部支气管黏膜或腺体，症状表现有咳嗽、痰中带血、喘鸣、胸痛等。根据组织病理学特点不同，肺癌可分为小细胞癌和非小细胞癌（鳞癌、腺癌）两种。流行病学显示，全球范围内肺癌的发生率和死亡率均比较高，而且有上升趋势。我国肺癌的发病率，在男性恶性肿瘤中是第1位，在女性恶性肿瘤中是第2位，死亡率均为第1位^[1]。借助于现代诊疗技术，早发现、早干预能获得良好效果，晚期则预后较差。

1.2 人工智能技术

人工智能，就是人造机器的智能，包括使用工具、交流、学习、推理、感知、规划、操控等能力^[2]。尤其是计算机技术、人工神经网络技术的发展，促使人工智能不断升级，将其应用在医学领域成为现实。肺癌CT筛查时，CT图像复杂，医师通过阅片进行诊断，不仅耗费时间和精力，而且存在一定的主观性。人工智能技术的应用，通过智能识别、参数分析、聚类分析，可帮助医师做出诊断结论，实现早期筛查出肺癌的目标。

2．人工智能辅助诊断肺癌的流程

影像学诊断中，人工智能技术是一种辅助和支持，并不能作为最终的诊断结果，要想确诊必须由经验丰富的医师进行审核确定。低剂量CT筛查肺癌时，人工智能辅助诊断的流程是：①对CT图像预处理，包括去噪、平滑、增强等；②分割肺部区域，基于图像分割算法处理肺部图像，将无关影像去掉，生成肺部区域图，进一步生成肺部图像。③系统利用大量的训练数据，建立肺癌的病灶模型，这些数据均标记出肺部良恶性肿瘤的特征。④依据病灶模型和前期训练结果，对CT影像中的肺部病灶进行检测。⑤计算相关量化指标，判断肿瘤是良性还是恶性，并给出进一步检查处理的建议。⑥医师对CT图像进行查阅，并结合人工智能给出的诊断结果，做出最终诊断。

3．人工智能在肺癌低剂量CT筛查中的具体运用

3.1 处理CT图像

2017年，美国推出ClearRead算法，是采用人工智能技术，移除肺内血管和支气管的纹理，进一步凸显出肿瘤病灶，能看到不同密度的结节^[3]。2018年，韩国推出Clari.AI，可显著降低CT扫描剂量，只有常规剂量的5%，但CT图像的质量不受影响。

3.2 检出肺部结节

对于肺部6mm以内的小结节，尤其是3mm以下的小结节，人工智能的检出率高于人工阅片。一项研究中，选取483个经手术病理检查确诊的肺部结节，人工智能进行定位诊断，其中407个符合病理结果，符合率达到84.3%。人工智能技术的优势，一方面体现在结节直径、体积变化的标记和计算上，有利于尽早诊断；另一方面能对实性结节进行预警，提醒患者定期复查^[4]。

3.3 判断肿瘤性质

患者低剂量CT筛查时，利用人工智能建立定量模型，可以鉴别结节是良性还是恶性。一项研究中，选取294个肺实性结节，其中肺癌61个、良性结节233个，对人工智能进行训练，筛选出良恶性结节的特征，建立预测模型，敏感性为81.0%，特异性为92.2%，准确率达到89.8%。

3.4 预测患者预后

在早期肺癌患者中，实性病灶和亚实性病灶的预后不同，有些患者能根治，有些病灶会转移或复发^[5]。以I期实体肺腺癌为例，利用人工智能建立影像学模型，并选择肿瘤可见边缘、边缘外3mm、边缘外6mm、边缘内外各3mm四个兴趣区，分别建立预后预测模型，提取患者稳定生存的相关特征。结果显示，肿瘤可见边缘内外各3mm的预测模型优于其他模型，尤其是对高危、低危患者进行分层时优势明显。

4．临床实践分析

张治佳^[6]等人的研究中，选取病理检验确诊为早期肺癌的患者60例为对象，同时选取良性肺结节患者50例作为对照。对所有患者进行CT胸片检查，分别进行人工读片和AI读片。结果显示：①人工读片对早期肺癌的敏感性为83.33%，特异性为96.00%，准确率为89.09%，AI读片分别是96.67%、80.00%、89.09%。②人工读片总用时为（386.42±47.01）s，AI读片总用时为（32.75±0.42）s。可见，两种读片方式在早期肺癌诊断准确率上相同，但AI读片能提高诊断敏感性，可显著缩短读片时间，具有推广价值。

结语

综上所述，人工智能技术的应用，已经扩展到医学领域。低剂量CT筛查肺癌时，人工智能可用于处理CT图像、检出肺部结节、判断肿瘤性质，并预测患者预后。当然，这一技术仍存在一些缺陷和不足，未来随着数据库的扩大、人工智能产品的推广，人工智能对肺癌的筛查能力不断增强，能提高诊断质量和效率。

参考文献

[1]柳学国.人工智能在肺癌低剂量CT筛查中的应用与思考[J].影像诊断与介入放射学,2019,28(5):387-390.

[2]宋振春,于铁链.基于人工智能肺结节CT特征性诊断优势分析[J].影像研究与医学应用,2020,4(20):67-68.

[3] Lo SB, Freedman MT, Gillis LB, et al. JOURNAL CLUB：computer - aided detection of lung nodules on CT with a computerized pulmonary vessel suppressed function[J]. Am J Roentgenol, 2018, 210:480-488.

[4]马宁强,赵子光,樊玮,等.人工智能与人工阅片不同联合方法在肺结节CT筛查中的比较[J].实用放射学杂志,2020,36(8):1317-1321.

[5]王冠华,燕俊竹,张林.人工智能技术对肺癌早期不同密度肺结节的诊断能力探究[J].影像研究与医学应用,2020,4(14):145-146.

[6]张治佳,植萱奇,黎联弟.AI识别技术在早期肺癌诊断中的应用价值分析[J].中国实用医药,2020,15(22):58-60.