Radiology：人工智能，实现肺结核的自动检测、诊断和严重程度的评估

结核病（TB）是一种由分枝杆菌引起的空气传播的传染病。现阶段，尽管与结核病相关的发病率和死亡率在全球范围内持续逐步下降，但在结核病流行的国家，该疾病的负担仍然很大。胸部影像学在肺结核患者的检查中起着关键作用。CT已被用于帮助诊断、监测影像学变化和评估肺结核严重程度的首选影像学手段。另一方面，影像学特征可以提示结核病的类型和活动性。活动性肺结核的影像学表现包括空洞、实变、小叶中心型结节和树芽征、簇状结节，而非活动性肺结核的特点是纤维结节性瘢痕和钙化性肉芽肿。因此，影像学监测可以支持临床医生的诊断决策，以便及时进行隔离和适当治疗。然而，胸部CT图像的复杂性是一种挑战，在卫生和监测系统不完善的国家中，结核病的诊断不足和漏报是一项十分常见的问题。

近年来，人工智能（AI）获得了极大的关注，在医学图像识别和判析方面提出了许多应用。深度学习（DL）作为人工智能应用日益广泛的核心技术，在医学图像分析方面取得了极大进展]。这些DL算法可以自主地 "学习 "从人工分类的初始数据中预测特征。

近日，发表在Radiology杂志的一项研究开发并评估了一项基于人工智能的全自动CT图像分析模型，为肺结核患者的检测、诊断和疾病严重程度的量化提供了影像学支持。

本研究从2007年12月到2020年9月，回顾性地纳入了892个经病原体确认的结核病患者的胸部CT扫描图像。连接了一个基于深度学习的级联框架以创建处理通道。为了对模型进行训练和验证，对1921个病变进行了人工标记，并根据六类关键影像特征进行分类，并对病变的参与情况进行视觉评分，作为基础事实。根据网络激活图计算出 "TB得分"，以定量评估疾病负荷。使用来自另外两家医院的独立测试数据集（数据集2，n = 99；数据集3，n = 86）和NIH结核病（n = 171）来外部验证人工智能模型的性能。 

本研究分析了526名参与者（平均年龄，48.5±16.5岁；206名女性）的CT扫描图像。肺部病变检测子系统在验证队列中产生的平均精度为0.68。独立数据集的六个肺部关键成像结果指示结核病的总体分类准确率为81.08-91.05%。人工智能模型量化的结核病评分和放射科医生估计的CT评分之间表现出中等至强的相关性。

图 肺结核患者的胸部CT图像示例和AI模型的性能

总之，基于胸部CT图像的DL级联模型可以在临床上用于肺结核的准确检测、诊断和分诊。本项研究提出的全自动人工智能系统在临床实践中具有很大的潜力，可以快速评估病变的活动型，并指导肺结核的治疗和管理。

原文出处：

Chenggong Yan,Lingfeng Wang,Jie Lin,et al.A fully automatic artificial intelligence-based CT image analysis system for accurate detection, diagnosis, and quantitative severity evaluation of pulmonary tuberculosis.DOI:10.1007/s00330-021-08365-z