重庆市南川区人民医院,408400
摘要:目的:探究人工智能对肺部CT影像中肺结节的检出敏感性和特异性,探讨人工智能在肺癌筛查中的临床应用价值。方法:回顾性分析我院2021年1月到2022年6月因怀疑肺癌而接受CT检查的352例患者资料,由人工智能及高年资影像医生对患者肺部CT结节征象进行标注筛查,分别比较人工阅片与人工智能筛查的检出准确性、灵敏性、特异性。结果:352例疑似肺癌CT诊断患者中,经病理证实肺癌289例,良性结节63例。不同阅片方式的检出率存在明显统计学差异,P<0.05。人工智能的诊断灵敏性、特异性、阳性预测值及阴性预测值均优于人工阅片,P<0.05。另人工阅片诊断时间平均在10分钟左右,人工智能平均1分钟左右,诊断时间明显缩短。结论:将人工智能技术用于城市癌症筛查中的检出率更高,筛查价值更高。在辅助影像医师进行早癌筛查中具有一定参考价值。
关键词:人工智能;癌症;筛查
近年来,人工智能技术在医疗领域得以广泛推广,成为现代医疗的研究热点。其在疾病诊断及治疗中均发挥着重要作用,尤其在早期癌症的筛查中,通过早期发现及时诊断及治疗,可有效提升患者的疾病预后[1,2]。人工智能技术在肺结节筛查中属于一种新型的筛查诊断方式,可通过早期肺部结节的CT影像识别达到临床辅助诊断的功能[3,4]。目前,人工智能技术在肺部结节筛查中的应用研究相对较少,本次将其用于肺部结节筛查诊断中,探究其在癌症筛查中的应用价值。
1资料与方法
1.1一般资料 研究纳入我院2021年1月到2022年6月因怀疑肺癌而接受CT检查的352例患者资料,对其进行回顾性分析。352例患者中,男178例,女174例,年龄43-76岁,平均(58.93±2.63)岁。纳入患者基本病历资料清晰,无缺失;影像资料清晰,可准确录入人工智能检测系统;患者在影像检查期间未进行放化疗治疗;排除本身存在明确诊断弥漫性病变者。
1.2诊断仪器设备
GE Revolution 256排螺旋CT、AI辅助诊断系统。
1.3诊断方法
352例患者均使用GE Revolution 256排螺旋CT进行影像学扫描诊断,由影像医师进行阅片后,再将CT图像导入AI系统中进行人工智能筛查诊断。
1.4诊断评价标准
以病理诊断结果为金标准,评价不同阅片方式的诊断效能。
1.5统计学方法 研究获取数据录入SPSS24.0软件处理分析,计量资料用(x±s)表示,实施t检验;计数资料用%表示,用χ2检验。P<0.05表示有统计学意义。
2结果
352例疑似肺癌CT诊断患者中,经病理证实肺癌289例,良性结节63例。不同阅片方式的检出率存在明显统计学差异,P<0.05,具体见表1。人工阅片及人工智能的诊断效能见表2和表3。人工智能的诊断灵敏性、特异性、阳性预测值及阴性预测值均优于人工阅片,P<0.05,见表4。另人工阅片诊断时间平均在10分钟左右,人工智能平均1分钟左右,诊断时间明显缩短。
表1 不同阅片方式的检出率
阅片方式 | 检出例数 | 检出率 |
人工阅片 | 314 | 89.20%(314/352) |
人工智能 | 342 | 97.16%(342/352) |
X2 | 8.583 | |
P | <0.05 |
表2 人工阅片诊断效能
人工阅片 | 病理诊断 | 合计 | 阳性预测值 | 阴性预测值 | |
阳性 | 阴性 | ||||
阳性 | 276 | 25 | 301 | 91.69%(276/301) | 74.51%(38/51) |
阴性 | 13 | 38 | 51 | ||
合计 | 289 | 63 | - | - | - |
灵敏性 | 95.50%(276/289) | - | - | - | |
特异性 | 60.32%(38/63) | - | - | - |
表3 人工智能诊断效能
人工智能 | 病理诊断 | 合计 | 阳性预测值 | 阴性预测值 | |
阳性 | 阴性 | ||||
阳性 | 282 | 3 | 285 | 98.95%(282/285) | 89.55%(60/67) |
阴性 | 7 | 60 | 67 | ||
合计 | 289 | 63 | - | - | - |
灵敏性 | 97.58%(282/289) | - | - | - | |
特异性 | 95.24%(60/63) | - | - | - |
表4 不同阅片方式诊断效能比较
阅片方式 | 灵敏性 | 特异性 | 阳性预测值 | 阴性预测值 |
人工阅片 | 95.50%(276/289) | 60.32%(38/63) | 91.69%(276/301) | 74.51%(38/51) |
人工智能 | 97.58%(282/289) | 95.24%(60/63) | 98.95%(282/285) | 89.55%(60/67) |
X2 | 4.592 | 12.464 | 6.395 | 6.473 |
P | <0.05 | <0.05 | <0.05 | <0.05 |
3讨论
肺癌是目前临床发病率相对较高的癌症类型之一,其具有潜伏率高,发病率高、转移率高以及死亡率高的特点,严重危及患者的生命安全[5,6]。目前,伴随全球老龄化程度的不断加深,癌症疾病患病率亦呈现增长趋势,全球癌症防控形式较为严峻[7,8]。农村卫生技术人才相对较为缺乏,为癌症筛查工作造成阻力。人工智能技术的应用则可与肺部CT影像进行有效的结合,提高疾病的筛查诊断效能及筛查诊断效率。
本次研究将人工智能辅助诊断系统用于我院癌症筛查诊断中。结果显示,人工智能诊断下,疾病的检出率明显提高。与单纯人工阅片诊断对比,其诊断灵敏性、特异性、阳性预测值及阴性预测值均明显提高。人工智能诊断技术的应用有效促进医疗卫生事业发展,缓解医患矛盾。其应用提高了肺癌的筛查诊断率,在为病人带来便利的同时,实现经济效益和社会效益双赢。另人工阅片诊断时间平均在10分钟左右,人工智能平均1分钟左右,诊断时间明显缩短。
综上所述,人工智能技术在肺癌筛查中的应用价值极高,应加以推广。
参考文献:
[1] 崔春晓,林青. 乳腺摄影新技术和人工智能在乳腺癌筛查诊断中的应用价值[J]. 中国中西医结合影像学杂志,2021,19(6):513-515,531.
[2] 杨锋,樊军,田周俊逸,等. 人群肺亚实性结节CT筛查及人工智能应用研究初探[J]. 中华胸心血管外科杂志,2020,36(3):145-150.
[3] 朱兴旺,严俊,何英丽,等. 基于深度学习的人工智能技术在结直肠息肉性质鉴别中的应用[J]. 世界华人消化杂志,2021,29(20):1201-1206.
[4] 刘亚锋,吴静,周家伟,等. 基于影像组学和人工智能预测非小细胞肺癌放化疗疗效的可行性[J]. 现代肿瘤医学,2022,30(6):1079-1084.
[5] 杨利莉,汪芳,王泽润,等. 基于人工智能对非小细胞肺癌影像T分期与病理T分期的对照研究[J]. 宁夏医学杂志,2021,43(9):782-784.
[6] 刘颖,李倩,张宇威,等. 基于CT影像的人工智能在晚期非小细胞肺癌免疫治疗疗效评价中的应用进展[J]. 国际医学放射学杂志,2021,44(3):294-297,309.
[7]Bray F,Ferlay J,Soerjomataram I,et al.Global cancer statistics 2018:GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA Cancer J Clin,2018,68(6):394-424.
[8] 杨景伟,刘萌,赵泽玉,等. 人工智能辅助下三维可视化定位在早期非小细胞肺癌手术中的临床应用[J]. 系统医学,2021,6(21):128-131,135. 项目名称:人工智能在国家城市癌症筛查中的临床应用
项目编号:Cx 202111,