人工智能定量测量对新型冠状病毒肺炎患者胸部CT炎性病灶动态变化的评估价值

摘要：

目的:探讨人工智能（AI）辅助定量测量评估新型冠状病毒肺炎（COVID-19）胸部CT动态变化的价值。方法:回顾性分析2020年1月15日至3月10日在华中科技大学同济医学院附属武汉市中心医院接受治疗的99例确诊COVID-19患者的临床和胸部CT动态影像资料。依据最终诊断，99例患者分为普通型（36例）、重型（33例）和危重型（30例），分析3型间CT影像学表现，包括CT基本征象、肺炎病灶总体积及肺炎病灶总体积占全肺体积的百分比（体积比）。使用AI软件定量评价胸部CT影像的动态变化，定量指标有CT病灶峰值时间、病灶峰值总体积、病灶峰值体积比、总体积最大增长率、体积比最大增长率。采用Kruskal-Wallis秩和检验比较3型间定量指标的差异，以χ2检验或Fisher确切概率法比较3型间定性指标的差异。采用序列测量及散点图显示3型COVID-19病灶体积比的演变趋势，采用ROC曲线分析肺炎病灶体积比及其最大增长率预判普通型肺炎转为重型或危重型的价值。结果:普通型、重型、危重型COVID-19患者年龄及性别分布差异有统计学意义（
P<0.05），其中重型与危重型患者年龄显著高于普通型（
P<0.01）。与普通型［2.5（1.0，5.0）d］和危重型［2.5（1.0，4.0）d］相比，重型发病至首次胸部CT扫描的时间延长［5.0（2.5，8.0）d，
P<0.01］。普通型、重型、危重型COVID-19患者首诊肺部多叶受累的差异有统计学意义（分别为20例、29例、25例，χ2=10.403，
P=0.006），其中重型和危重型患者多肺叶受累发生率显著高于普通型（
P=0.002）。普通型、重型、危重型COVID-19患者首诊体积比差异有统计学意义［分别为1.0%（0.2%，4.7%）、9.30%（1.63%，26.83%）、2.10%（0.64%，8.61%），
Z=14.236，
P=0.001］，其中重型患者体积比显著高于普通型（
P<0.001），普通型与危重型差异无统计学意义（
P=0.062）。随访CT显示肺炎病灶呈进展及恢复的动态转变，可见多期相病灶共存。3型COVID-19患者病灶体积比散点图中趋势线显示进展期病灶均呈由少到多的发展。普通型、重型及危重型病灶峰值体积比分别为9.75%（4.83%，13.18%）、29.80%（23.99%，42.36%）和61.81%（43.73%，72.82%），差异有统计学意义（
Z=74.147，
P<0.001），病灶体积比的最大增长率分别为1.27%（0.50%，1.81%）/d、4.39%（3.16%，5.54%）/d和6.02%（4.77%，9.96%）/d，差异有统计学意义（
Z=52.453，
P<0.001），病灶峰值时间分别为12.0（9.0，15.0） d、13.0（10.0，16.0） d和16.5（12.0，25.0）d，差异有统计学意义（
Z=9.524，
P=0.009）。以肺炎病灶峰值体积比22.60%、体积比的最大增长率1.875%/d为界值，诊断普通型转重型或危重型的灵敏度分别为92.10%、96.83%，特异度分别为100%、80.56%，曲线下面积分别为 0.987、0.925。
结论:COVID-19肺炎病灶在CT上呈类抛物线样变化，采用AI技术对CT肺炎病灶体积比进行动态精确测量有助于评价疾病的严重程度和预判疾病的发展趋势，病灶体积比快速增长的患者更容易转变为重型或危重型。

关键词：人工智能、体层摄影术，X线计算机、新型冠状病毒肺炎

所属期刊栏目：55

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：250-256