关键词:
慢性阻塞性肺疾病
人工智能
肺功能
定量CT
摘要:
目的 探讨慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者行胸部计算机断层扫描(computed tomography,CT)时,基于人工智能(artificial intelligence,AI)模型算法的肺气肿全自动量化与肺功能的相关性。方法回顾性分析2020年12月至2021年5月于台州恩泽医疗中心(集团)恩泽医院接受胸部CT平扫检查的COPD住院患者的临床及影像资料。根据患者通气功能下降程度分为5个等级。利用AI模型计算COPD患者的肺气肿病变范围,识别低于–950HU的低衰减区域,并计算低衰减区域百分比(low attenuation area percentage,LAA%)。结合AI模型输出结果,根据变量是否满足正态分布的特征,分别计算COPD不同分级患者的1秒末用力呼气容积实测值占预计值百分比(percentage of measured forced expiratory volume at the end of 1 second to estimated value,FEV_(1)%)与各肺叶LAA%之间的Pearson相关系数及FEV_(1)占用力肺活量百分比(FEV_(1)as a percentage of forced vital capacity,FEV_(1)/FVC)与各肺叶LAA%之间的Spearman相关系数。结果 中度COPD患者全肺LAA%与FEV_(1)/FVC存在负相关关系(r=–0.632,P=0.001);极重度COPD患者全肺LAA%与FEV_(1)/FVC和FEV_(1)%均呈负相关(r=–0.562,P=0.045和r=–0.701,P=0.004)。肺段分析结果表明极重度COPD患者左肺上叶LAA%与肺功能指标相关性更强(r=–0.650,P=0.016和r=–0.731,P=0.002);中度COPD患者左肺下叶LAA%与FEV_(1)/FVC相关性更显著(r=–0.712,P=0.000)。吸烟患者中,右肺下叶LAA%与FEV_(1)%呈中度相关(r=–0.534,P=0.006),左肺下叶LAA%与FEV_(1)/FVC亦呈中度相关(r=–0.564,P=0.003)。结论 基于AI的肺气肿量化结果与FEV_(1)/FVC和FEV_(1)%具有良好的相关性,可为基于CT平扫图像的COPD诊断和分级提供有力支持。