干货| AI诊断肺结节与病理检查一致性较高，专家建议更多推广

肺结节属于一种肉芽肿性疾病，分为良性和恶性2种。报道指出，我国肺结节的发病率约为35.5%，其中肺癌占比约为0.54%。肺癌均起源于肺结节，及早对肺结节的良恶性进行准确鉴别诊断有助于指导治疗，以免肺癌患者错过最佳治疗时机。此外，对肺癌病理类型准确鉴别也有助于指导临床治疗方案的选择。目前临床上常用的影像学方法包括X线片、计算机断层扫描（CT）等，均有一定的效能，但也存在诸多问题。近年来随着人工智能技术的发展和推广应用，该技术在疾病诊断中也显示出有良好的发展前景。为此，医院特引入肺部影像人工智能诊断系统，取得了良好的效能。本研究特进行回顾性分析，深入探讨肺部影像人工智能诊断系统在肺结节鉴别诊断中的价值。

资料与方法

临床资料

 经过本医院伦理委员会审阅批准后，对医院2018年3月至2019年3月收治的178例肺结节患者的临床资料展开回顾性分析。本组入选患者中共包括男性86例，女性92例，年龄29～72岁，平均（34.69±9.23）岁，肺结节个数：单发146例、多发32例，共245个肺结节，肺结节横断面最大直径2～62 mm，平均（18.15±2.69）mm，肺结节性质：实性结节98个、亚实性结节62个、纯磨玻璃结节85个，肺结节分布：肺周边区110个、肺门区68个、肺尖区67个。

筛选标准

 入选标准：①均经电视胸腔镜检查证实有肺结节；②均实施经电视胸腔镜下穿刺活检或肺结节切除术，且术后均进行病理检查；③有完整的临床资料。

排除标准：①中转至上级医院或主动放弃治疗或失访者；②诊断或检查结果与受检者基本信息不符者；③其它部位原发性恶性中肺部转移者。

方法

肺部影像人工智能诊断系统：①设计。根据既往医院电子病历信息数据库获取肺结节影像学检查图像及肺结节性质病理诊断、肺癌病理类型检查结果，标注并提取肺结节病灶位置、直径、形态等特征，对图像数据预处理后将所得数据和图像信息输入卷积神经网络，对其进行训练、调整和校正，保存网络模型参数，形成肺部影像人工智能诊断系统。②应用。对所有受试者进行影像学检查，包括X线片、计算机断层扫描（CT）、核磁共振成像（MRI）、正电子发射计算机断层扫描（PET-CT）等，将检查结果提取的信息输入肺部影像人工智能诊断系统，包括肺结节病灶位置、直径、形态等，利用该系统对肺结节良恶性和肺癌病理类型进行鉴别诊断，输出结果，并做好记录。

病理检查：所有受试者均在利用肺部影像人工智能诊断系统对肺结节良恶性及肺癌病理类型进行鉴别诊断后实施经电视胸腔镜下穿刺活检或肺结节切除术，将所取得标本送至病理科进行检查，明确肺结节性质和肺癌病理类型，统计并记录病理检查结果。

统计学分析

将SPSS 25.0软件作为统计学工具，采用Kappa检验2种诊断方法的一致性，其中Kappa≤0.4认为一致性较差，Kappa＞0.4且≤0.75认为一致性一般，Kappa＞0.75认为一致性良好，P＜0.05为差异有统计学意义。

图片来源：图虫创意

结果

病理检查结果统计

经病理检查显示，245个肺结节中共有150个良性肺结节（其中140例患者为单发、6例患者为多发），共有95个恶性肺结节（其中6例患者为单发，26例患者为多发），恶性结节占比38.78%（95/245），肺癌患者占比17.98%（32/178）。腺癌、小细胞癌、鳞癌、大细胞癌分别有23例、6例、2例、1例，占比分别为71.88%、18.75%、6.25%、3.13%。

肺部影像人工智能诊断系统鉴别诊断结果与病理检查结果的一致性分析

在150个病理检查为良性肺结节中，分别有147个、3个经肺部影像人工智能诊断系统鉴别分别诊断为良性肺结节、恶性肺结节；在95个病理检查为恶性肺结节中，分别有5个、90个经肺部影像人工智能诊断系统鉴别分别诊断为良性肺结节、恶性肺结节。

在146例病理检查显示为肺良性疾病患者中，有143例、3例经肺部影像人工智能诊断系统鉴别诊断为肺良性疾病、肺癌（其中有2例腺癌、1例小细胞癌）；在32例病理检查显示为肺癌患者中，有27例、5例经肺部影像人工智能诊断系统鉴别诊断为肺癌（19例被诊断为腺癌，有5例被诊断为小细胞癌，有2例被诊断为鳞癌，有1例被诊断为大细胞癌）、肺良性疾病。

经Kappa一致性检验，肺部影像人工智能诊断系统鉴别肺结节良恶性、肺良性/肺癌患者结果与病理检查结果的一致性均良好（P＜0.05），见表1。

表1  一致性检验

典型病例病理检查结果

刘某某，女，64岁，以“体检发现左肺占位1年”为主诉就诊我院，在全麻下行单孔胸腔镜下左肺上叶楔形切除术+胸膜粘连烙断术+胸腔闭式引流术。术前CT薄层扫描，层厚1 mm，主要表现右上肺尖段团片影，边缘可见长毛刺及分叶，边界清，大小约22 mm×18 mm，CT值22～34 Hu，增强后病变未见强化；术后病理回示：肺浸润性腺癌，肿瘤侵犯脏层胸膜，见图1～5。

讨论

人工智能是研究、开发用以模拟、扩展和延伸人的智能的理论、方法、技术与应用系统的一门新兴科学，是计算机科学发展的延伸，也是人类科学技术进步的重要标志。随着医疗技术的飞速发展，人工智能的应用价值也逐渐得到认可。据统计，医疗数据中有超过90%的比例来源于医学影像，且每年正以30%的速率增长，而此背景下影像科临床医师的工作效率并不能满足实际需求。而人工智能技术可以驱动医学影像诊断方法的创新和改革，为医院信息化、数字化和智能化发展奠定基础。此外，肺结节发病率高，肺结节性质及肺癌的病理类型鉴别诊断中常规方法的操作难度较大，需积极改进。

本研究发现，本组患者中恶性结节占比38.78%，肺癌患者占比17.98%，且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%，可知在肺结节患者中恶性结节占据一定的比例，且肺癌病理类型多种多样。此外，本研究还发现，经肺部影像人工智能系统鉴别诊断的结果明确，与病理检查结果基本一致，可知肺部影像人工智能诊断系统在肺结节良恶性鉴别、肺癌病理类型鉴别诊断中的价值均较高。刘晓鹏等人报道指出，人工智能识别技术可对多项参数和信息同时进行识别，在高危肺癌人群中具有理想的筛查价值，与本研究结果相符，证实人工智能在疾病诊断中有理想的发展前景。肺部影像人工智能诊断系统是利用图像识别技术处理获得图像数据，然后将信息输入卷积神经网络，并对其进行训练、调整和校正，不断优化的一种网络参数模型，符合人工智能技术的特点，还可极大减少影像科医师的工作量。另外，该技术主要以既往医院的电子病历信息为基础，数据量大，且可以提取全面的数据信息。

此外，本研究中肺部影像人工智能系统对肺结节性质和肺癌病理类型鉴别诊断中仍存在漏诊和误诊的情况，分析其中原因为：肺结节患者的影像学检查数据信息提取不全面，例如图像特征、典型表现等，可能影响该系统对肺结节性质和肺癌病理类型鉴别诊断结果；该系统设计的网络参数模型可能仍存在某些偏差需要继续扩大信息库数据量并对肺部影响人工智能系统进行调整和校正。因此在今后的工作中该领域工作人员应进一步完善肺部影像人工智能系统的设计，减少其漏诊和误诊的情况。

综上所述，在肺结节患者中建议采用肺部影像人工智能系统对其性质及肺癌病理类型进行鉴别诊断，与病理检查结果的一致性高，且效能理想，还可减轻影像科医师的工作负担，促进医院智能化和数字化建设。而如何对肺部影像人工智能系统进行完善仍需进一步探讨。