人工智能结合CT影像组学在慢性阻塞性肺疾病中的应用.pdfVIP

人工智能结合CT影像组学在慢性阻塞性肺疾病中的应用

【摘要】随着CT成像越来越多地用于肺结节评估以及吸烟者肺癌的诊断和筛

查，我们有更多机会使用CT图像来识别早期慢性阻塞性肺疾病（简称慢阻肺病）

患者。此外，随着人工智能的不断发展，不仅能够通过对患者肺部CT的分析帮

助临床医师对慢阻肺病患者的早诊早治，也能够对治疗方案进行指导。本文主要

对人工智能结合CT影像组学在慢阻肺病诊疗中的应用进行综述。

慢性阻塞性肺疾病（简称慢阻肺病）是全球三大死亡原因之一，占全球总死

亡人数的6%，造成了巨大的经济和社会负担。由于临床医师对慢阻肺病不典型

症状识别有限、肺功能测定尚未普及、部分患者同时有其他影响慢阻肺病诊断的

合并症等，使得现阶段对慢阻肺病的漏诊率、误诊率较高。随着高分辨率CT成

像越来越多地用于肺结节评估以及吸烟者的肺癌诊断和筛查，我们有更多机会使

用CT图像来识别慢阻肺病患者，随后再进行肺功能测定进一步确诊。因此，在

早期识别、诊断慢阻肺病中，CT扫描的作用显得尤为重要。人工智能（artific

ialintelligence，AI）指使用计算机来模拟人的某些思维过程和智能行为（如

学习、推理、思考、规划等），目前已被广泛应用于临床实践，包括慢性阻塞性

肺病的早期筛查和诊断、临床分级和风险评估、成像研究和远期预后等。

一、CT影像组学应用于慢阻肺病诊疗

慢阻肺病是一种异质性肺部状态，其特征为慢性呼吸道症状（包括呼吸困难、

咳嗽、咳痰、急性加重）。上述症状主要由于气道病变（支气管炎、细支气管炎）

和（或）肺泡异常（肺气肿）所致，从而导致持续性、进行性加重的气流受限。

除小气道病变外，慢阻肺病患者大气道及小气道黏液分泌均显著增加，已有研究

表明这与患者的肺功能下降、急性加重及全因病死率有相关性。

慢阻肺病的主要病变部位是小气道（直径2mm），通过microCT测量肺气肿

程度、每毫升肺容积的末端细支气管数以及末端细支气管的最小直径和横截面积，

发现在慢阻肺病患者中，末端细支气管的狭窄和闭塞的发生先于肺气肿破坏［1］。

除小气道病变外，大气道病变的测定对慢阻肺病的诊断亦有提示。将患有慢阻肺

病的吸烟者与正常人的中央气道CT测量值（如支气管管壁面积、支气管管腔面

积和支气管总面积）相对比，发现慢阻肺病患者上述指标较低。并且随着患者疾

病的严重程度升高，其CT测量值降低［2］。此外，还有学者探究气道黏液栓在

慢阻肺病患者中的表现，最终发现在慢阻肺病患者中，与胸部CT扫描无黏液堵

塞的患者相比，阻塞中型至大型气道（2~10mm）存在黏液栓的患者，病死率由3

4.0%上升至46.7%，最高可达54.1%［3］。在气道分割方面，除了对二维平面图

像分析，CT影像组学在气道三维重建方向上也有新进展。例如从CT扫描中获得

气道的横截面图像，创建三维气道树，量化气道尺寸，从而帮助分析支气管炎症

及重塑。除此之外，这些模型及图像还有助于对由气道重塑引起的肺气肿性肺破

坏疾病进行分层［4］。

对于慢阻肺病的另一特征性病变，即肺气肿，CT影像组学也能够协助临床

医师进行评估。测量肺密度、肺低衰竭面积是评估肺气肿的常用方式。有学者通

过同时校正CT中肺密度变化估计的体积、噪声和扫描仪器间的偏差，以评估肺

气肿进展时CT的肺密度变化。这种方法不仅能够区分病程进展者和非进展者，

并且能够提示肺功能指标下降。从而协助临床医师准确评估肺气肿进展，有助于

临床工作者检测慢阻肺病以及监测慢阻肺病进展情况［5］。Shimizu等［6］通

过分形维数（D）表示CT上肺低衰减区域的大小分布，并与肺低衰减体积百分比

相比较。发现较低分形维数的与较高的急性加重风险相关，较高的低衰减体积百

分比与肺功能的快速下降和长期病死率相关，联合低衰减区域大小分布和低衰竭

体积百分比能够帮助临床医师更敏感地识别出慢阻肺病的不良临床结局高风险。

疾病概率测量（diseaseprobabilitymeasure，DPM）是另一类评估慢阻

肺病患者气体潴留和肺气肿病变的有效影像学检测方法。通过患者吸气相及呼气

相的胸部CT图像，计算得出对象吸气时胸部CT定量测量内周长为10mm的假设

气道的低衰减体积百分比（LAV%）和管壁面积的平方根（Aaw，Pi10），从而设

定3组参数：正常（DPMNormal）、肺气肿（DPMEmph）以及气体潴留（DPMG

asTrap）。DPM评估的气体潴留反映了因呼气气流限制暂时产生的空气滞留，

而非器质性的、不可逆的气道壁增厚。因此