论文部分内容阅读
第一部分人工智能辅助的新冠肺炎患者肺部病灶的CT定量研究目的:通过人工智能（AI）辅助获取新型冠状病毒肺炎（新冠肺炎,COVID-19）患者序贯胸部CT的肺炎病灶定量值,探讨患者在急性期、恢复期不同成分病灶的动态演变过程,并采用可解释的机器学习模型预测患者恢复期有无肺炎病灶残留。方法:收集2020年1月10日-2020年4月3日于我院住院的普通型、重型COVID-19患者,采用基于深度学习的联影u AI新冠肺炎智能辅助分析系统获取患者急性期（入院时、出院时）、恢复期（出院后3个月、6个月）的全肺及5个肺叶CT定量值。设置CT值在-950HU-750HU区间的肺组织为通气良好肺组织（WAL）;-750HU-300HU区间的病灶为磨玻璃影（GGO）;-300HU~50HU区间的病灶为实性成分（SC）。分别记录反映病灶体积、病灶组成比例、肺组织体积的共14个CT定量指标。通过这些指标描述普通型、重型患者肺炎病灶的动态演变情况,再采用Mann-Whitney U检验比较两组患者各时间点的病灶组成比例的差异。以出院后3个月有无肺炎病灶残留为观察结局,分别采用入院时、出院时的CT定量指标建立极限梯度增强（XGBoost）机器学习预测模型,并进行模型间的比较。运用SHapley Additive ex Planations（SHAP）框架解释CT定量指标对模型性能影响的重要程度。结果:共纳入136例COVID-19患者,其中普通型组77（56.6%）例,重型组59（43.4%）例。无论是普通型组还是重型组,出院时的病灶总体积（Le V）与入院时相比无统计学差异（P分别为0.973、0.421）,但重型组的真实病灶体积（ALe V,其代表感染区域内剔除有WAL的病灶体积）显著减少（入院vs出院:388.9[136.8,647.3]cm3 vs162.8[58.7,431.5]cm3,P＜0.001）。在出院后3个月,68（50%）例患者有病灶残留,两组患者的Le V较急性期显著减少,重型患者更易有病灶残留（普通型:0[0,11.95]cm3;重型:20.1[0,96.5]cm3）,残留病灶多位于右肺下叶。在出院后6个月时,反映病灶体积的各指标中位数均降至0 cm3。从肺炎病灶组成比例分析,急性期以GGO成分为主,恢复期以WAL为主。入院时重型组的SCVto Le%显著高于普通型组（重型vs普通型:17.98[9.02,28.27]%vs 7.43[0.71,15.35]%,P＜0.001）。在出院后的恢复期,残留病灶的GGO及SC组成比例在两组间均无统计学差异（所有P＞0.05）。比较不同时间点的由全肺CT定量指标构建的XGBoost恢复期病灶残留预测模型,得到出院CT模型比入院CT模型有更好的预测性能（出院模型vs入院模型AUC:0.9123 vs 0.8099）。进一步地采用出院时肺叶CT定量指标构建的模型性能高于前述由出院时全肺指标构建的模型性能（肺叶模型vs全肺模型AUC:0.9439 vs 0.9123）。通过SHAP分析得到左肺上叶、右肺下叶的CT定量指标对模型预测性能的影响较高,最重要特征是左肺上叶的ALe V。结论:AI辅助的全肺水平、肺叶水平CT定量分析能为COVID-19肺炎病灶的演变提供客观的信息,由出院时CT定量指标构建的XGBoost机器学习模型对预测患者恢复期肺炎病灶残留有较好的预测性能,有助于临床为患者制定有针对性的诊疗及随访策略。第二部分基于双气相CT扫描对新冠肺炎患者肺功能的定量研究目的:首先通过临床肺功能正常的肺叶CT定量值证明各肺叶在呼吸过程中的相似性及差异性,再探讨基于肺叶的双气相CT在COVID-19患者恢复期肺功能评估中的应用价值。方法:收集2020年1月10日-2020年4月3日于我院住院的COVID-19患者,并于恢复期（出院后3个月）进行临床肺功能检查（PFT）及双气相（吸气相-呼气相）CT扫描。另收集进行了前述两项检查的年龄、性别匹配的正常人作为对照组。采用COPD Analysis后处理软件（Philips Intelli Space Portal,version 12.0）获取全肺及各肺叶的双气相CT定量值。采用Friedman检验比较正常人5个肺叶（左肺上叶[LUL]、左肺下叶[LLL]、右肺上叶[RUL]、右肺中叶[RML]、右肺下叶[RLL]）在吸气相、呼气相的CT定量值及其改变量的差异。采用Spearman相关系数和多元线性回归分析于前/后3天内完成了两项检查的正常人的CT定量指标（LVin-TL、WALTL、LVex-TL、?LVTL）与PFT指标（TLC、RV、FVC）的关系。按COVID-19患者恢复期PFT的结果,分为通气功能正常组、通气功能障碍组;弥散功能正常组、弥散功能障碍组。采用Mann-Whitney U检验分别比较不同肺功能状态患者的全肺、5个肺叶CT定量值与对照组的差异。结果:共纳入了104例COVID-19患者,恢复期PFT结果示通气功能障碍者48（46.2%）例（其中阻塞性、限制性、混合性通气功能障碍分别为15[14.4%]例、17[16.3%]例、16[15.4%]例）;弥散功能障碍者38（36.5%）例。共收集了70例有PFT及双气相CT扫描的正常人,其中65例于前/后3天内完成了这两项检查。无论是在吸气相或是呼气相,正常人5个肺叶的体积、平均肺密度不全相同（所有P＜0.001）。体积改变量较大的是双肺下叶（?LVLLL为604.35[503.8,727.64]cm3,?LVRLL为668.99[548.22,773.07]cm3）,并且从单气相肺叶体积占全肺体积的比例（λin与λex）得到,双肺下叶在呼吸中相比于自身体积占比份额承担了更多的通气做功（λin-LLL与λin-RLL分别高于λex-LLL与λex-RLL,P均＜0.001）。此外,双气相CT定量指标与PFT指标有良好的相关性:LVin-TL、WALTL与TLC呈正相关（r分别为0.890,0.879）;LVex-TL与RV呈正相关（r=0.811）;WALTL显示了优于?LVTL与FVC的相关性（r分别为0.817,0.719）,且这两者由肺叶指标建立的回归方程拟合优度更高（WAL方程:R2=0.677;?LV方程:R2=0.576）。分析COVID-19患者恢复期的通气功能,通气功能状态与COVID-19临床分型（普通型或重型）无关（P=0.362）,但通气功能障碍组的病灶残留比例高于通气功能正常组（62.5%vs 41.1%,P=0.029）。无论通气功能正常与否,全肺的?LVTL及WALTL%均低于对照组（所有P＜0.05）。对于通气功能正常组,异常CT定量值主要位于双肺下叶;对于通气功能障碍组,异常CT定量值主要位于右肺下叶。分析COVID-19患者恢复期的弥散功能,弥散功能状态与病灶残留情况无关（P=0.139）,但弥散功能障碍组中的重型患者比例高于弥散功能正常组（68.4%vs 47.0%,P=0.034）。双气相CT定量分析显示,弥散功能正常组仅?LVTL低于对照组（2272.35[1758.9,2804.35]cm3 vs 2553.05[2183.15,3102.71]cm3,P=0.034）,异常CT定量值主要位于右肺下叶。而弥散功能障碍组仅LVex-TL与对照组无差异（P=0.363）,其余4个指标均低于对照组（LVin-TL、?LVTL、WALTL、WALTL%,所有P＜0.05）,异常CT定量值主要位于左肺上叶、双肺下叶。此外,无论COVID-19患者恢复期肺功能状态如何,右肺中叶各CT定量值与对照组均无差异（所有P＞0.05）。结论:各肺叶在同一呼吸时相的状态并不完全相同,双肺下叶体现出较高的相似性。双气相CT定量指标与临床肺功能指标有良好的相关性,基于肺叶的双气相CT定量分析能反映COVID-19患者恢复期不同肺功能状态下肺叶层面的恢复情况,是进一步细化评估临床肺功能的新途径。