人工智能技术对胸腔CT胸骨骨折的临床诊断作用初步探讨

人工智能技术对胸腔CT胸骨骨折的临床诊断作用初步探讨

禹金铭

武定县人民医院影像科 云南楚雄  651699

摘要：目的：研究计算机辅助分析技术对胸骨CT胸骨骨折的诊断。方法：收集本院2022-2023年6月我院53名胸外伤病人，全部于1-3月连续2个月CT平扫，并以第2次CT证实有无骨痂为评价指标，比较首次CT与AI系统的临床表现是否符合，以及两者之间是否存在明显的差别。结果：手工判断与黄金标准进行对比（Z=-29.75,P<0.05,R2=0.080)，且两者之间具有很好的相关性；AI分析结果显示，AI分析结果与黄金标准有一定的相关性（Z=-2.123,P<0.05,R2=0.699)，两者之间存在一定的相关性。AI分析工具辅助诊断所需的时间（1.57±0.44）分钟，而手工阅读所需的时间（4.42±0.90）分钟，两者之间存在显著性（P<0.05）。结论：AI技术与传统的“黄金标准”吻合程度很高，可以大大减少手工检查所需的时间，是一种值得推广的检查方法。

关键词：CT；人工智能；肋骨骨折；胸部

前言

胸骨骨折是严重危害人体健康的严重疾病，因此对其进行正确、快速的诊断非常重要。CT是当前临床上最常见的影像学手段，尽管多排CT及多种CT成像手段的问世极大地提升了对其的检出与正确率，但是由于其数目众多、行迂弯、薄层影像庞大等原因，其影像学重构耗时耗力，导致误诊现象屡见不鲜。近年来，随着医疗成像技术的发展，尤其是肺部结节和肺炎的辅助诊断，AI技术已经逐渐成为一种趋势。因此，本项目拟将AI技术引入到肋骨骨折的诊断中，研究其在临床上的应用价值，探索一种新型的肋骨骨折辅助检测方法。

1资料与方法

1.1一般资料

对2017年九月至2020年六月在我院进行CT扫描发现胸骨断裂，并对其进行了CT扫描，并对其进行了初步诊断。入选条件：①有明显的创伤病史；②全部病例于1-3月间做过2个CT检查；③首期CT显示清晰的胸骨骨折征象，二期CT复查可见清晰的新生骨痂或已完全愈合。排除标准：①严重的呼吸运动伪迹和其它干扰因素干扰了临床诊断；②合并有明显的骨损伤和病理性骨折；③严重的胸部异常；④1-3月间无2个以上胸部CT检查的患者。最后53位病人被纳入，包括31名男病人和22名女病人；两组患者的年龄分别为（61.8+16）、30-89之间。

1.2方法

全部病例在术前进行CT扫描，在呼气末期屏住呼吸，使用飞利浦128排CT机，120kV的扫描电压，自动控制的电流，200-300mA的管流，0.5mm的厚度，0.899的螺距，0.5s/r的速度。肺窗口：1600hU的窗口宽度，-600hU的窗口；纵向分隔窗：350平方英寸的窗宽度，35平方英寸的窗位；并将其传输到图像存储与通讯系统（PACS）和人工智能服务器。

1.2.1肋骨骨折的人工诊断方法和标准

完全型骨折：指一条穿过骨皮质、有或无错位、嵌合或成角的骨折。不完整的骨折：CT表现为一根骨皮质断裂，凹陷或隆起，伴或不伴有局部的肋膜反应和周围的软组织水肿。

在此基础上，利用多平面重构技术（MPR）、容积再现（VR）、最大密度（MIP）和表面重构（CPR）等技术，实现对骨折的准确判断。

两位资深影像学医生采用双盲方式，以随机方式阅读首次CT影像，并记录骨折部位及数目，两位患者的平均手术时间以手工记录。如有不同之处，则应经二位医生共同探讨，进行全面的分析，最后得出结论。

1.2.2肋骨骨折的AI辅助诊断方法和标准

本项目拟采用基于VNet的方法，通过对12对胸骨进行特征提取，并采用VRB-Net方法对12对胸骨进行特征识别，并采用基于VRB-Net的方法对12对胸骨进行自动识别；然后采用基于VRB-Net的方法对24根胸骨进行自动标注，最后通过VRB-Net实现对胸骨的自动识别。应用人工智能技术对病人首期CT影像资料进行统计、整理、排序、判定有或没有胸骨，并统计其平均耗时。

1.3肋骨骨折的确诊标准

由第3位资深影像学医师和胸部医师采用双盲方法，依次进行随机分组，以出现新生骨痂或已有骨折的情况为“黄金标准”。

1.4统计学方法

所得资料以SPSS26.0进行分析。计量数据以正常值（x±s）表示，并进行t检验；计量数据用频数（n）和百分率（%）两种方法进行比较。分级数据采用威尔克森秩和检定；利用Kappa一致性检验对2位医生进行盲化的诊断结果进行了验证（Kappa>0.75表示具有良好的一致性）；运用Pearson相关法进行相关性分析。以P<0.05表示有显著性差别。

2结果

2.1人工诊断、AI软件辅助诊断肋骨骨折与金标准的差异性比较

2位医生采用双盲方法作出的结论具有良好的一致性（Kappa=0.783,P<0.001）。

2.2人工诊断、AI软件辅助诊断肋骨骨折数量与金标准的相关性比较

散点图显示手工诊断和黄金标准之间有很高的相关性（r=0.880)，如图1所示；从散点图可以看出，AI辅助诊断和黄金标准之间存在着一定的相关性（r=0.699)，如表2所示。

图1人工诊断与金标准比较

图2AI辅助诊断与金标准比较

2.3诊断时长比较

结果表明，人工诊断和计算机辅助诊断相结合的时间间隔为（4.42±0.90）米min和（1.57±0.44）米in，两者之间存在显著性（P<0.001）。

2.4假阳性原因分析

我们前期研究表明：①由于骨质疏松导致的骨骼畸形，导致了误报（如图3 a)；②由于肋骨软骨内有不规则的钙化，故出现了“伪阳性”现象。在实际工作中应充分运用上述线索，进行有目的的复习，以免漏诊。

图3 AI辅助诊断误诊为肋骨骨折病例

3讨论

肋骨骨折是一种外伤导致的外伤，主要是由于受到外界因素的影响，导致肺挫伤、肺不张、血胸等严重的并发症。在司法鉴定中，确定肋骨断口的数目，对确定受伤程度和伤残程度有重要意义。因此，对胸骨骨折进行快速准确的诊断，降低误诊率，对提高患者的治疗效果，避免不必要的医疗和法律纠纷具有重要的意义。

射线是治疗轻微钝挫伤的第一选择，但它的敏感性不高，难以发现微小的骨折。磁共振成像是一种高敏感性的影像学检查方法，在微小的胸骨骨折中具有重要价值，是一种辅助检查方法。近年来， CT在临床上的应用日益增多，已经逐步发展成了创伤后的第一选择，但对其进行详尽而精确的诊断，不但耗时耗力，而且对临床操作人员也容易造成漏诊。Cho et al.[5]报道了首次发现肋骨骨折的漏诊率为20.7%，远比胸、胸等多见，因此，有必要加快确诊速度，减少漏诊。

当前，面向医疗成像的人工智能在肺结节检测、肺炎诊断等方面得到了广泛的应用。近年来国内外学者对其进行了大量的研究，如张, Zhang等人对其进行了初步证实。随着人工智能技术的发展，通过对胸骨图像的深度分析，可以准确地识别出胸骨骨折，并将其用于临床。结果表明， AI对胸骨骨折的早期识别率与传统的“黄金标准”相比，准确率更高，耗时更少。

本研究结果表明：人工智能技术与传统的“金标准”吻合程度高，可以大大减少诊断的耗时，是一种值得推广的方法。

 参考文献

[1]徐海旺,李大胜,王娜娜,等.AI辅助软件在胸部CT肋骨骨折临床诊断中的应用价值初探[J].影像研究与医学应用,2023,7(23):20-22.

[2]李秀涛,谭理连,邱绍清,等.人工智能在早期胸部CT肋骨骨折的临床应用价值及局限性分析[J].中国CT和MRI杂志,2023,21(10):115-118.

[3]白岩,蔡显圣,张传臣,等.人工智能在肋骨骨折诊断中应用价值[J].中华实用诊断与治疗杂志,2023,37(10):1020-1024.DOI:10.13507/j.issn.1674-3474.2023.10.010.

[4]梁洁,孙金磊,李梦远,等.基于深度学习人工智能辅助系统用于CT检出肋骨新鲜骨折[J].中国介入影像与治疗学,2023,20(09):555-560.DOI:10.13929/j.issn.1672-8475.2023.09.010.

[5]张添辉,黄志峰,钟正,等.住培医师应用人工智能提升胸部CT肋骨骨折检出率的价值[J].影像研究与医学应用,2023,7(12):7-10.

[6]刘想,谢辉辉,许玉峰,等.人工智能对提高放射科住院医生诊断胸部肋骨骨折一致性的价值[J].北京大学学报(医学版),2023,55(04):670-675.DOI:10.19723/j.issn.1671-167X.2023.04.017.

[7]孟祥虹,吴迪嘉,马信龙,等.深度卷积神经网络技术自动诊断肋骨骨折的CT应用初探[J].天津医科大学学报,2022,28(02):205-210.

[8]朱雅茹,祁良,徐磊,等.人工智能软件辅助诊断新鲜肋骨骨折的效能评估[J].南京医科大学学报(自然科学版),2022,42(02):227-232.

[9]刘想,谢辉辉,许玉峰,等.AI软件自动检出胸部CT图像上肋骨骨折的诊断效能研究[J].临床放射学杂志,2021,40(07):1369-1374.DOI:10.13437/j.cnki.jcr.2021.07.027.

[10]刘想,谢辉辉,许玉峰,等.人工智能在胸部创伤肋骨骨折CT诊断中应用的初步研究[J].上海交通大学学报(医学版),2021,41(07):920-925.