Radiology：人工智能在Lung-RADS分类中的应用

当前在CT肺癌筛查中对于不确定实性肺结节的处理指南主要基于结节大小的风险进行分层，直径越大所对应的肺癌风险越大。在临床实践中，肺结节的大小为通过计算机鼠标使用电子尺在单个轴位CT图像上手动进行的二维线性测量的平均值（平均直径）。由于后续的治疗方案的制定取决于结节大小的改变情况，因此观察者之间的测量差异会直接影响临床判断。

通过计算机算法确定结节边界和体积的肺结节半自动CT测量，比横截面的单纯线性测量更准确地反映结节大小，特别是对于非球形和不对称结节来说。从理论上讲，对于CT体积测量来说，半自动应比手动测量操作性更强，且更具可重复性。

现阶段，肺部CT筛查报告和数据系统（Lung-RADS）分类和管理系统已广泛用于CT的肺癌筛查，它使用平均结节直径来区分不同的风险类别。最新版本的Lung-RADS(1.1版)还纳入了对不同风险类别的结节体积范围的评估，其范围由直径与类别直径范围相对应的结节体积所确定。Lung-RADS的主要目的是在CT筛查中标准化肺结节的解释及处理，但很少有研究对其使用相关的观察者间一致性进行评估。

近日，发表在Radiology杂志的一项研究评估了肺癌筛查中发现的实性肺结节的手动测量平均直径和计算机辅助半自动平均直径及体积(CT容量分析)与Lung-RADS分类相关的观察者间一致性，为临床对Lung-RADS分类的深入认识提供了参考意见，为人工智能在肺癌筛查中的进一步应用开辟了道路。

由两名放射科医师和一名放射科住院医师回顾性地测量了2016年9月至2018年6月期间CT筛查扫描获得的肺结节，并根据Lung-RADS（1.0版）分类将肺结节分为2、3、4A或4B类。将平均手动直径和计算机辅助半自动直径及体积测量值转换为相应的Lung-RADS类别。使用组内相关性和Bland-Altman指数评估原始测量中的观察者间一致性，并使用bi-raterκ评估Lung-RADS分类中的观察者间一致性。

本研究共对120例患者(平均年龄63岁±6岁[标准差];67名女性)进行了评估。所有手动、半自动直径和半自动容积测量均由三位阅读者在147个结节中的120个(82%)所获得。使用所有测量方法的阅读者对的组内相关系数均大于或等于0.95，使用容积测量的组内相关系数最高。与手动测量相比，半自动测量的平均直径的偏差和95%的一致性限值更小。所有Lung-RADS分类中的κ值均大于或等于0.81，手动测量的κ值最低，容积测量的κ值最高。与至少一个阅读者手动测量直径相比，根据半自动容积测量将120个结节中的43个（36％）分类为较低的Lung-RADS类别，而120个结节中有4个结节则（3％）发生了相反的变化。

图1 条形图显示了根据最初由临床放射医生报告的结节大小，(a)手动测量平均直径、(b)半自动化测量平均直径、(c)半自动化容积测量的Lung- RADS分类的相对频率。

图2 57岁，男性，肺癌。(a)轴位和(b)冠状位CT图像显示右肺下叶结节(箭头)，所有阅读者使用手动测量将其归类为Lung- RADS 3类结节，使用容积测量将其归类为Lung- RADS 2类结节。由两个阅读者手动测量的平均直径为7毫米，由一个阅读者测量为6毫米;由两个阅读者使用半自动化测量的平均直径为6毫米，一个阅读者测量为7毫米;半自动容积测量分别为91 mm³、96 mm³和99 mm³。

本研究结果证实了人工手动测量在肺癌筛查中的可靠性，同时进一步证明了使用半自动容积测量可以进一步提高实性结节测量的观察者间的一致性，并且几乎达到了最优化。考虑到根据直径或体积指南的进一步使用，本研究也提示进一步的基于体积及不同的分割算法对结节测量影响的研究，为Lung- RADS分类的进一步准确使用铺平了道路。

原文出处：

David S Gierada,Chara E Rydzak,Markus Zei,et al.Improved Interobserver Agreement on Lung-RADS Classification of Solid Nodules Using Semiautomated CT Volumetry.DOI:10.1148/radiol.2020200302