基于AI定量分析新型冠状病毒感染不同变异株肺部影像学特征.pdf

DOI：10.19893/ki.ydyxb.2023-0068第 21 卷第 2 期2023 年 6 月延安大学学报（医学科学版）Journal of Yanan University(Medical Science Edition)Vol.21 No.2Jun.2023基于AI定量分析新型冠状病毒感染不同变异株肺部影像学特征王雄慧1，呼甜1，阴玮灵1，王莉2，任涛1，潘娟3，闫军1*（1.延安大学附属医院影像科，陕西 延安，716000；2.延安大学附属医院呼吸内科，陕西 延安，716000；3.延安市人民医院老年病科，陕西 延安 716000）摘要：目的探讨人工智能（artificial inteligence，AI）定量检测在新型冠状病毒感染（coronavirus disease 2019，COVID-19）不同变异株中胸部CT动态变化特征的价值。方法回顾性收集2020年1月至2023年1月期间多家医疗机构确诊的219例COVID-19患者临床资料和多次胸部CT资料。使用AI软件对COVID-19患者出现症状后不同扫描时间的胸部CT图像进行检测分析，得到肺部感染的定量结果。采用卡方检验、独立样本t检验或Mann-Whitney U检验比较两组间指标的差异。对发病后天数与CT定量数据进行三次多项式曲线回归函数拟合，判断CT定量数据随发病后时间的变化规律。结果德尔塔毒株感染组的定量CT指标病灶体积（lesion volume，LeV/mL）、病灶占肺体积的百分比（percentage of lesion，LeV%）、平均病灶密度（mean lesion density，MLeD/HU）、异质性和病灶质量（lesion mass，LM/g）均小于奥密克戎毒株感染组（P0.05）。奥密克戎毒株感染组LeV、LeV%及LM约在发病第810天达到高峰，之后迅速下降；德尔塔毒株感染组发病高峰迟于奥密克戎毒株感染组34 d，大约在第40天基本消散。奥密克戎毒株感染组与德尔塔毒株感染组在发病初期MLeD达顶峰，但德尔塔毒株感染组病变吸收速度远低于奥密克戎毒株感染组。奥密克戎毒株感染组异质性稍高于德尔塔毒株感染组，德尔塔毒株感染组异质性在10 d后逐渐下降，下降时间远大于奥密克戎毒株感染组。结论奥密克戎毒株较德尔塔毒株肺部感染影像学表现更重，但病变进展及消散迅速。AI定量检测有助于准确识别COVID-19不同变异株胸部CT的动态演变过程，为观察疾病的演变规律及治疗提供客观依据。关键词：新型冠状病毒感染；肺炎；定量CT；曲线拟合中图分类号：R445.3 文献标识码：A 文章编号：1672-2639（2023）02-0008-06Quantitative analysis of pulmonary imaging features of different variants of SARS-CoV-2 infection based on AIWANG Xionghui1，HU Tian1，YIN Weiling1，WANG Li2，REN Tao1，PAN Juan3，YAN Jun1*（1.Department of Radiology，Affiliated Hospital of Yanan University，Yanan 716000，China；2.Department of Respiratory Medicine，Affiliated Hospital of Yanan University，Yanan 716000，China；3.Department of Geriatrics，Yanan Peoples Hospital，Yanan 716000，China）Abstract：Objective To investigate the value of artificial intelligence（AI）quantitative detection in characterizing dynamic changes in chest CT in different variants of coronavirus disease 2019（COVID-19）.Methods Clinical data and multiple chest CT of 219 patients with COVID-19 diagnosed between January 2020 and January 2023 at multiple medical institutions were retrospectively collected.The chest CT images of COVID-19 patients with 基金项目：陕西省教育厅2020年度突发公共卫生安全专项科学研究计划（20JG040；20JG039）作者简介：王雄慧（1997），男，陕西子洲人，住院医师，在读硕士研究生。研究方向：胸部影像学。通信作者：闫军（1974），男，陕西延安人，副主任医师。研究方向：骨骼系统影像诊断。E-mail： COVID-19专题 8基于AI定量分析新型冠状病毒感染不同变异株肺部影像学特征different scanning time after the onset of symptoms were detected and analyzed by AI software，and the quantiative index result of pulmonary infection were abtained，independent samples t-test or Mann-Whitney U test were used to compare the differences in indicators between the two groups.A cubic polynomial curve regression function was fitted to the days after onset and the quantitative CT data to determine the pattern of changes in quantitative CT data with time after onset.Results The quantitative CT indices of lesion volume（LeV/mL），percentage of lesion to lung volume（LeV%），mean lesion density（MLeD/HU），heterogeneity and lesion mass in the Delta strain-infected group，LM/g）were smaller than those of the Omicron strain-infected group（P0.05）.The peak of LeV，LeV%，and LM in the Omicron group peaked at about day 810 of disease onset and then declined rapidly；the peak of disease in the Delta group was 34 days later than in the Omicron group and largely dissipated by about day 40.The MLeD peaked at the beginning of the disease in the Omicron-infected and Delta-infected groups，but the rate of lesion uptake was much lower in the Delta-infected group than in the Omicron-infected group.Heterogeneity was slightly higher in the Omicron-infected group than in the Delta-infected group，and heterogeneity gradually decreased after 10 days in the Delta-infected group，with a much longer decrease than in the Omicron-infected group.Conclusion The Omicron strain has more severe imaging of the lung infection than the Delta strain，but the lesions progress and dissipate rapidly.The AI quantitative test helps to accurately identify the dynamic evolution of chest CT of different variants of COVID-19，providing an objective basis for observing the evolution and treatment of the disease.Key words：COVID-19；Pneumonia；Quantitative CT；Curve fitting2019年底，由新型冠状病毒（SARS-CoV-2）所引 发 的 新 型 冠 状 病 毒 感 染（coronavirus disease 2019，COVID-19），成为了一个世界性的公共卫生问题1。医学影像和核酸检测是确定有无发生COVID-19 的重要检查依据，两种检查手段合用能够更为全面地评估病情，核酸测定可以确定患者有无发病。而确定患者病灶范围及其病灶情况可以通过医学影像检查来实现2-4。影像学检查是COVID-19疾病的主要诊断手段，它不但有助于评估病情的发展和严重程度，对预后评价也有着重要影响5。COVID-19病毒在传播的过程中发生变异，形成了多个变异株，如德尔塔和奥密克戎，不同的变异株有着不同的传播力、临床特点和CT表现。既往的研究中主要通过肉眼观察来判断疾病的动态演变，具有一定的主观性。而人工智能则能对肺部CT影像进行全面的定量分析，尤其在探究COVID-19不同变异株感染者肺部影像学特征的差异方面具有潜在的价值。既往已经对德尔塔毒株引起的COVID-19做了相关研究7-9，而其与奥密克戎毒株导致的COVID-19在影像学特征方面的研究仍然较少，尤其是在演变规律方面。本研究基于AI定量分析，探讨COVID-19不同变异株胸部影像学CT定量指标的差异及演变规律的特点，为临床诊断及治疗提供客观依据。1资料与方法1.1临床资料回顾性收集 2020年 1月至 2023年 1月多家医疗中心确诊的219例COVID-19患者临床资料和多次胸部CT检查资料。纳入标准：新冠病毒核酸检测阳性或新冠病毒抗原检测阳性10；病毒基因测序，纳入 117 例德尔塔变异株感染的 COVID-19患者和102例奥密克戎变异株感染的COVID-19患者；出现临床症状并接受胸部CT检查，发现肺炎改变。排除标准：既往胸部手术史、胸廓畸形；其他变异株感染的COVID-19患者；患者配合差，图像伪影大；图像层厚大于5 mm，不能进行数据处理。本研究获得伦理委员会批准，编号（KYLLSL-2020-032），免除了患者知情同意书。1.2CT检查方法扫描设备16排128排螺旋CT（Optima CT680 Series，GE Medical Systems，USA；MX 16，Phillips，Cleveland，Netherlands；SOMATOM Perspective，Siemens，Erlangen，Germany；uCT 760，United Imaging，Shanghai，China）。扫描前对患者进行深吸气末屏气训练，扫描时患者呈仰卧位，双手上举进行全肺扫描。CT参数：管电压120 KV，自动管电流，均采用标准算法重建，重建层厚15 mm。9第 21 卷 延安大学学报（医学科学版）第 2 期1.3CT图像分析将 CT 扫描原始图像以“Dicom”格式导入人工智能计算机肺部感染辅助诊断分析软件进行处理（图1）。该软件11自动将全肺划分肺叶，识别出病变区域并计算出病灶体积（lesion Volume，LeV/mL）、病 灶 占 肺 体 积 的 百 分 比（percentage of lesion，LeV%）、平均病灶密度（mean lesion density，MLeD/Hu）、异质性和病灶质量（lesion mass，LM/g）。1.4统计学方法采用SPSS26.0进行统计学分析。计量资料符合正态分布时用（x s）表示，非正态分布时采用 M（Q1，Q3）表示，计数资料则采用 n（%）表示。组间差异采用卡方检验、独立样本t检验或Mann-Whitney U检验。对CT定量数据随发病天数演变规律进行三次多项式曲线回归函数拟合。P0.05为差异有统计学意义。2结果2.1一般资料奥密克戎毒株感染组的年龄、中性粒细胞计数（neutrophil，N）、白 细 胞 计 数（white blood cell count，WBC）高于德尔塔毒株感染组（P0.05），淋巴细胞计数百分比（percentage of lymphocyte count，LC%）、淋巴细胞计数/中性粒细胞计数（LC/N）低于德尔塔毒株感染组（P0.05，表1）。2.2CT定量指标德尔塔毒株感染组与奥密克戎毒株感染组的定量CT指标LeV、LeV%、MLeD、异质性、LM差异均具有统计学意义，且德尔塔毒株感染组各定量指标均小于奥密克戎毒株感染组（P0.05，表2）。2.3曲线拟合通过对 117 名德尔塔毒株感染患者 402 次与102名奥密克戎毒株感染患者110次CT检查结果与发病时间进行动态分析显示：奥密克戎毒株感染组LeV、LeV%及 LM约在发病第 810天达到高峰，之后会迅速下降；德尔塔毒株感染组发病高峰迟于奥密克戎毒株感染组34 d，并会在约第40天基本消散。奥密克戎毒株感染组与德尔塔毒株感染组在发病初期MLeD达顶峰，但德尔塔毒株感染组病变A：CT冠状位图；B：肺区三维分割图；C：肺支气管与肺血管分割图；D：病变分割图（肺区三维分割图减去肺血管分割图）图1“数字肺”数据分割步骤表1受试者一般资料组间差异项目性别 n（%）男女年龄（岁）N（109/L）N%LC（109/L）LC%WBC（109/L）LC/WBCLC/N奥密克戎毒株感染组（n=102）53（51.96）49（48.04）64.50（53.00，71.00）3.85（2.76，5.68）69.50（59.35，80.85）1.08（0.70，1.69）20.10（11.40，29.55）6.12（4.44，7.92）0.20（0.11，0.30）0.29（0.14，0.53）德尔塔毒株感染组（n=117）64（54.70）53（45.30）49.2114.842.92（2.21，4.35）65.8912.161.11（0.83，1.42）25.641.634.78（3.66，6.29）0.240.090.37（0.22，0.57）2/t/Z0.164-6.250-3.472-1.908-0.064-2.901-3.864-1.876-2.189P0.6850.0010.0010.0560.9490.0040.0010.0610.02910基于AI定量分析新型冠状病毒感染不同变异株肺部影像学特征吸收速度远低于奥密克戎毒株感染组。奥密克戎毒株感染组异质性稍高于德尔塔毒株感染组，但德尔塔毒株感染组异质性下降速度远大于奥密克戎毒株感染组（图2、3）。3讨论COVID-19的主要传染方式是呼吸道和密切接触，多数病人临床症状较轻，但部分病人在短期内症状急剧变化，发展为严重呼吸窘迫综合症，甚至多脏器功能衰竭12-13。截至2022年底，由世界卫生组织（WHO）提出的“关切的变异株”（variant of concern，VOC）共有五种，依次是阿尔法、贝塔、伽马、德尔塔和奥密克戎10。在影像学上，不同变异株感染病灶可能会出现不同的形态改变，这些改变可能是由自身免疫反应或人为干预等措施导致。然而，目前使用的测量方法主要侧重于病灶大小和密度等方面，其指标相对单一局限。由于人工智能定量分析软件的不断完善，肺炎定量测量工具7，14可以精确划分病灶，同时还可以测算出LeV、LeV%、MLeD、异质性、LM等多项数据，为客观判断疾病特征提供了一个可能的途径。本研究重点对德尔塔毒株感染组和奥密克戎毒株感染组开展了比较研究，进而确定了从发现症状至感染天数的CT变化规律。到目前为止胸部CT仍是动态监测COVID-19发展状况的主要手段，而通过肺炎定量分析技术则能够对 COVID-19 肺部病灶范围大小以及严重程度实现可视化地定量。虽然目前大多数动态评估方法15-17都是通过CT视觉评分确定病变的严重程度，但这种影像科学技术特征尚未进行不同变异株之间的比较，且通过影像检查医师对病变范围大小的评价也并无统一标准，多依赖于主观体验，无法准确地反映患者的情况，同时结果也存在一定的偏倚。所以客观正确地了解病变的进展状况，对病变的进一步认识至关重要。本研究结果显示奥密克戎毒株感染组患者年图A-C女，52岁，德尔塔毒株感染患者。A：CT轴位图；B：AI识别并勾画出病灶；C：病灶三维图（红色部分）。右肺上叶实变，LeV、LeV%、MLeD、LM及异质性分别为238.58 mL、8.30%、-486.74 HU、143.29 g、0.84。图D-F男，64岁，奥密克戎毒株感染患者；D：CT轴位图；E：AI识别并勾画出病灶；F：病灶三维图（红色部分）。双肺胸膜下实变及磨玻璃影，LeV、LeV%、MLeD、LM及异质性分别为337.60 mL、6.24%、-459.65 HU、212.82 g、0.90。图2COVID-19患者影像学资料及CT定量分析表2受试者定量CT指标组间差异项目LeV（mL）LeV%MLeD（HU）LM（g）异质性奥密克戎毒株感染组（n=102）171.99（45.95，442.87）4.94（1.31，12.05）-453.65081.71102.73（27.27，297.45）0.86（0.82，0.88）德尔塔毒株感染组（n=117）82.96（25.94，226.95）1.89（0.72，6.28）-488.80127.0948.38（14.14，144.06）0.78（0.71，0.82）t/Z-3.581-4.0963.500-11.168-3.805P0.0010.0010.0010.0010.001注：LeV=lesion volume；LeV%=percentage of lesion；MLeD=mean lesion density；LM=lesion mass。11第 21 卷 延安大学学报（医学科学版）第 2 期龄显著高于德尔塔毒株感染组，组间性别没有差异，这与奥密克戎毒株传播力强且老年人免疫力低相关，与既往研究结果一致18-20。奥密克戎毒株感染组 WBC 和 N 显著高于德尔塔毒株感染组，而LC%和LC/N低于德尔塔毒株感染组，实验室指标结果与CT定量指标结果显示保持一致，进一步说明影像学定量分析对临床的实用价值。奥密克戎毒株感染组LeV、LeV%、MLeD、异质性、LM均显著高于德尔塔毒株感染组，但总体影像学演变规律相近。由于人群偏倚，奥密克戎毒株感染组患者入组年龄较大，可能合并基础疾病，存在定量分析结果略大于德尔塔毒株感染组可能，有待纳入更多年龄组人群进一步分析。奥密克戎毒株感染组发病高峰早于德尔塔毒株感染组12 d，并且消散时间也短于德尔塔毒株感染组。在德尔塔毒株感染组的发生初期病灶MLeD很快到达了高峰，病灶以实变为主，病灶吸收效率较奥密克戎毒株感染组慢。上述特征显示病灶容积愈大、病灶密度也愈密实，质量越大。德尔塔毒株感染组异质性下降时间远大于奥密克戎毒株感染组，进一步表明，奥密克戎毒株感染组的患者肺内病灶发展迟缓。德尔塔毒株感染组5项指标的曲线后段呈上升趋势可能是由于重症肺炎所导致，观察总体奥密克戎毒株感染组发病、进展及消散时间均提前于德尔塔毒株感染组，这与指南一致10。本研究局限性：本研究没有按照临床分型进行分组，且组间年龄有差异，数据结果可能存在一定程度偏倚；本研究未对病变进行肺叶损伤分布研究。综上所述，COVID-19肺部影像学演变具有一定规律，奥密克戎毒株较德尔塔毒株肺部感染影像学程度更严重，但病变进展及消散迅速。本研究采用了肺炎定量工具，客观、精确地评估病变的严重程度，同时通过多个指标项在疾病发生、发展过程中的细微变化，能够为患者病情判断以及指导临床制订合理的诊疗方案，提供有力证据。参考文献：1 CHEN N S，ZHOU M，DONG X，et alEpidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan，China：A descriptive study J The Lancet，2020，395（10223）：507-5132 中华医学会放射学分会传染病学组，中国医师协会放射A：德尔塔毒株感染组与奥密克戎毒株感染组LeV随时间变化趋势；B：德尔塔毒株感染组与奥密克戎毒株感染组LeV%随时间变化趋势；C：德尔塔毒株感染组与奥密克戎毒株感染组LM随时间变化趋势；D：德尔塔毒株感染组与奥密克戎毒株感染组MLeD随时间变化趋势；E：德尔塔毒株感染组与奥密克戎毒株感染组异质性随时间变化趋势图3德尔塔毒株感染组与奥密克戎毒株感染组定量CT参数随时间变化趋势12基于AI定量分析新型冠状病毒感染不同变异株肺部影像学特征医师分会感染影像专委会，中国研究型医院学会感染与炎症放射学分会，等新型冠状病毒感染的肺炎影像学诊断指南（2020第一版）J 医学新知，2020，30（1）：22-343 李宏军新型冠状病毒肺炎影像学辅助诊断指南 J 中国医学影像技术，2020，36（3）：321-3314 SUGANYA D，KALPANA RPrognosticating various acute covid lung disorders from COVID-19 patient using chest CT ImagesJ Engineering Applications of Artificial Intelligence，2023，119：1058205 郭佑民，刘士远，史河水，等新型冠状病毒肺炎的放射学诊断：中华医学会放射学分会专家推荐意见（第一版）J 中华放射学杂志，2020，54（4）：279-2856 ADEL MEHRABAN M S，SHIRZAD M，MOHAMMAD TAGHIZADEH KASHANI L，et alEfficacy and safety of add-on Viola odorata Lin the treatment of COVID-19：A randomized double-blind controlled trialJ Journal of Ethnopharmacology，2023，304：1160587 黄晓旗，王莉，史柯，等基于AI定量检测新型冠状病毒肺炎胸部 CT 演变特征分析 J 中国 CT 和 MRI 杂志，2022，20（11）：55-578 INUI S，FUJIKAWA A，GONOI W，et alComparison of CT findings of coronavirus disease 2019（COVID-19）pneumonia caused by different major variants J Japanese Journal of Radiology，2022，40（12）：1246-12569 Viceconte G，Ponsiglione A，Buonomo A R，et alCOVID-19 chest CT and laboratory features of B1.617.2（Delta variant）vs B1.17（Alpha variant）surge：A single center case-control studyJ Infezioni in Medicina，2022，30（4）：555-56210 中华人民共和国国家卫生健康委员会办公厅，中华人民共和国国家中医药管理局综合司新型冠状病毒感染诊疗方案（试行第十版）J 中国医药，2023，18（2）：161-16611 雷禹，冯旭霞，呼甜，等基于定量CT对儿童难治性支原体肺炎的分析研究 J 放射学实践，2022，37（11）：1428-143112 HUANG C L，WANG Y M，LI X W，et al Clinical features of patients infected with 2019 novel coronavirus in Wuhan，ChinaJ The Lancet，2020，395（10223）：497-50613 MIYASHITA K，HOZUMI H，FURUHASHI K，et alChanges in the characteristics and outcomes of COVID-19 patients from the early pandemic to the delta variant epidemic：A nationwide population-based studyJEmerging Microbes&Infections，2023，12（1）：215525014 胡元楠，邓明，胡金香，等多参数定量CT评估新型冠状病毒肺炎预后的价值 J 武汉大学学报（医学版），2021，42（2）：237-24115 BOUSSEN S，CORDIER P Y，MALET A，et al Triage and monitoring of COVID-19 patients in intensive care using unsupervised machine learningJ Computers in Biology and Medicine，2022，142：10519216 WANG M，ZHOU B，FAN Q，et al Omicron variants escape the persistent SARS-CoV-2-specific antibody response in 2-year COVID-19 convalescents regardless of vaccination J Emerging Microbes&Infections，2023，12（1）：215138117 李波，李欢，姬广海，等CT视觉定量评估及人工智能对进展期新型冠状病毒肺炎严重程度的评估和预测价值 J 实用医学杂志，2021，37（1）：11-1518 SHA J C，MENG C D，SUN J，et alClinical and upper airway characteristics of 3715 patients with the Omicron variant of SARS-Cov-2 in Changchun，China J Journal of Infection and Public Health，2023，16（3）：422-42919 JASSAT W，MUDARA C，VIKA C，et alA cohort study of post-COVID-19 condition across the Beta，Delta，and Omicron waves in South Africa：6-month follow-up of hospitalized and nonhospitalized participants J International Journal of Infectious Diseases，2023，128：102-11120 LIU J，WEI H Z，HE D HDifferences in case-fatality-rate of emerging SARS-CoV-2 variants J Public Health in Practice，2023，5：100350收稿日期 2023-03-09；责任编辑 赵菊梅13