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。
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。
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。
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。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
新型冠状病毒肺炎（COVID-19）是由新发现的β属正链RNA病毒引起的、以下呼吸道炎症为主的高传染性疾病［1］。COVID-19影像学表现可分为早期、进展期、重症期和恢复期，目前对于其动态影像演变的报道较少［2］。本研究回顾性分析临床确诊COVID-19患者的临床和动态影像学资料，并运用人工智能（artificial intelligence，AI）技术对胸部CT影像所示炎性病灶进行定量分析，探讨其演变的特点，以期指导临床。
回顾性分析2020年1月15日至3月10日华中科技大学同济医学院附属武汉市中心医院确诊为COVID-19患者的临床及胸部动态影像学资料。纳入标准：（1）符合《新型冠状病毒肺炎诊疗方案（试行第七版）》确诊标准［3］；（2）病程期间CT检查次数≥3次，CT检查间隔≥2 d；（3）经住院规范治疗后好转出院、加重死亡或转院，具备较完整的临床资料。排除标准：影像图像质量不足以进行评估。共纳入99例患者，男44例、女55例，年龄58.0（40.0，71.5）岁。根据《新型冠状病毒肺炎诊疗方案（试行第七版）》诊断，分为普通型（n=36）、重症型（n=33）和危重型（n=30）［3］。对所有患者自有临床症状以来的连续多次CT检查的间隔时间及首次就诊的临床症状、实验室检查结果，包括外周血白细胞和淋巴细胞计数、超敏C反应蛋白水平、D-二聚体水平进行分析。本研究经华中科技大学同济医学院附属武汉市中心医院伦理委员会批准（院伦202025）。
采用美国GE Lightspeed 16 CT机、德国Siemens Definition FLASH双源CT机、荷兰Philips iCT及中国联影uCT 780 CT扫描仪。患者取仰卧位，头先进，双手上举，单次屏气，扫描范围自胸廓入口至肺底。扫描参数：管电压120 kV，管电流采用自动毫安输出技术，螺距1.03~1.22，准直器宽度0.625~1.3 mm，矩阵512×512，视野350 mm×350 mm，采用标准算法重建，重建层厚1.0~1.3 mm，层间距1.0~1.3 mm。
使用北京数坤科技肺炎辅助诊断系统Version 1.17.0（北京数坤网络科技有限公司）进行定量计算。该软件版本采用具有attention机制的3D U-Net神经网络算法进行深度学习，纳入1 020例核酸阳性COVID-19患者标记好的CT影像数据对模型进行训练，训练完成后通过模型的前向传播即可对肺炎病灶进行分割，同时由阅片医师手动勾画作为补充，进行适当添加或删减，以确保其准确性，最终定量计算出肺炎病灶总体积及其占全肺体积的百分比（体积比）。
由两名经验丰富的放射科医师单独阅片，意见不一致时经协商达成一致。CT评估内容：（1）CT基本征象：病变分布，分为无病灶、单叶受累、多叶受累（≥2个肺叶）；病变位置，分为胸膜下、血管束周边、散在分布（同时累及胸膜下及血管束周边）；病变性质，分为磨玻璃密度影（ground glass opacity，GGO）、“铺路石”征、实变影、条索影；肺外表现，即有无淋巴结肿大，有无胸腔积液等；（2）肺炎病灶总体积及体积比，按时间顺序分别记录每例患者发病后连续多次胸部CT的各种不同性质肺炎病灶总体积和体积比。（3）胸部CT动态影像分析：CT病灶分为进展和恢复两个阶段，以AI测量值为依据，进展定义为总病灶体积比增大；恢复定义为总病灶体积比缩小。评价指标有：CT病灶峰值时间（指发病至CT所示肺炎病灶体积比最大的时间）、病灶峰值总体积（指CT所示肺炎病灶的最大总体积）、病灶峰值体积比（指CT所示肺炎病灶的最大体积比）、总体积最大增长率（进展期相邻两次CT肺炎病灶总体积增长值与对应时间之比的最大值）、体积比最大增长率（进展期相邻两次CT肺炎病灶体积比增长值与对应时间之比的最大值）。
采用SPSS 22.0及MedCalc 16.8.4统计分析软件。不符合正态分布的计量资料采用M（Q1，Q3）表示，3种分型间比较采用Kruskal-Wallis秩和检验，两两比较采用Mann-Whitney U检验。计数资料以例数表示，3种分型间比较采用χ²检验或Fisher确切概率法。采用序列测量和散点图来显示肺炎病灶体积比的动态变化趋势。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转为重型或危重型的灵敏度、特异度和曲线下面积（area under the curve，AUC）。P<0.05为差异有统计学意义。
3种COVID-19分型间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），危重型在老年男性中更多见。临床症状表现为发热、咳嗽、咳痰、乏力、胸闷、气喘，在3种分型间差异均无统计学意义（P>0.05）。99例中，98例首诊外周血白细胞计数正常或减低，1例危重型患者升高；65例患者外周血淋巴细胞计数减少，34例正常；81例患者接受超敏C反应蛋白检测，53例增高，28例正常；63例患者中，11例D-二聚体水平升高，52例正常。入院时实验室检查结果在3种分型间差异均无统计学意义（P>0.05）。发病至首次肺部CT扫描的时间在3种分型间差异有统计学意义（P=0.001），其中重型显著长于普通型和危重型（P<0.01）（表1）。
不同临床分型COVID-19患者首诊的临床特点
不同临床分型COVID-19患者首诊的临床特点
| 分型 | 例数 | 年龄 ［岁，M(Q1，Q3）］ | 男（例） | 临床症状（例） | ||||
|---|---|---|---|---|---|---|---|---|
| 发热 | 咳嗽 | 咳痰 | 乏力 | 胸闷、气喘 | ||||
| 普通型 | 36 | 40.5（32.7，58.0） | 14 | 28 | 24 | 12 | 18 | 4 |
| 重型 | 33 | 63.0（45.5，71.0） | 11 | 29 | 21 | 6 | 13 | 7 |
| 危重型 | 30 | 71.0（57.0，77.0） | 19 | 25 | 17 | 6 | 14 | 2 |
| 统计值 | 24.929a | 6.435b | 1.243b | 0.721b | 2.574b | 0.807b | 2.849b | |
| P值 | <0.001 | 0.041 | 0.564 | 0.679 | 0.286 | 0.672 | 0.235 | |
| 分型 | 实验室检查 | 发病至首次肺部CT 扫描时间［d，M(Q1，Q3）］ | |||
|---|---|---|---|---|---|
外周血白细胞计数 ［×109/L，M(Q1，Q3）］ | 外周血淋巴细胞计数 ［×109/L，M(Q1，Q3）］ | 超敏C反应蛋白水平 ［mg/L，M(Q1，Q3）］c | D-二聚体水平 ［mg/L，M(Q1，Q3）］d | ||
| 普通型 | 4.12（2.87，5.38） | 0.78（0.49，1.18） | 2.18（0.43，4.18） | 0.47（0.29，0.73） | 2.5（1.0，5.0） |
| 重型 | 4.07（3.17，5.44） | 0.83（0.67，1.20） | 0.65（0.16，4.20） | 0.31（0.18，0.55） | 5.0（2.5，8.0） |
| 危重型 | 4.98（3.55，6.78） | 0.90（0.63，1.14） | 1.92（0.71，4.87） | 0.56（0.34，2.69） | 2.5（1.0，4.0） |
| 统计值 | 2.777a | 0.564a | 3.571a | 4.839a | -3.227a |
| P值 | 0.250 | 0.754 | 0.168 | 0.089 | 0.001 |
注：COVID-19：新型冠状病毒肺炎；a：Z值；b：χ²值；c：81例患者接受超敏C反应蛋白检测；d：63例患者D-二聚体水平比较
99例中，2例普通型、1例重型患者首诊时肺CT表现正常，余96例均表现异常。3种分型患者肺部多叶受累的差异有统计学意义（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），多表现为GGO。3种分型间病变性质及病变位置差异均无统计学意义（P>0.05）。61例患者表现为GGO、实变与条索影两种或两种以上表现共存，其发病至首次肺部CT扫描时间为5（3，7）d。99例患者中，48例可见“铺路石”征。3种分型间体积比差异有统计学意义（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）（表2）。
不同临床分型COVID-19患者的首次CT特征（例）
不同临床分型COVID-19患者的首次CT特征（例）
| 分型 | 例数 | 病灶分布 | 病灶位置 | 病灶性质 | 肺炎病灶总体积 ［cm3，M(Q1，Q3）］ | 体积比 ［%，M(Q1，Q3）］ | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 无病灶 | 单叶 受累 | 多叶 受累 | 胸膜下 | 血管束周边 | 散在 分布 | GGO | “铺路石”征 | 实变影 | 条索影 | ||||
| 普通型 | 36 | 2 | 14 | 20 | 7 | 6 | 21 | 33 | 13 | 14 | 3 | 34.95（7.33，171.11） | 1.0（0.2，4.7） |
| 重型 | 33 | 1 | 3 | 29 | 3 | 1 | 28 | 31 | 21 | 14 | 1 | 263.22（43.80，552.11） | 9.30（1.63，26.83） |
| 危重型 | 30 | 0 | 5 | 25 | 6 | 4 | 20 | 30 | 14 | 6 | 2 | 65.50（20.74，216.56） | 2.10（0.64，8.61） |
| 统计值 | — | — | 10.403a | 6.521a | 0.931a | 5.141a | 4.582a | 0.989a | 12.032b | 14.236b | |||
| P值 | — | — | 0.006 | 0.153 | 0.628 | 0.077 | 0.101 | 0.683 | 0.002 | 0.001 | |||
注：COVID-19：新型冠状病毒肺炎；GGO：磨玻璃密度影；a：χ²值；b：Z值；体积比：肺炎病灶总体积占全肺体积的百分比
99例COVID-19患者共接受445次CT扫描，平均CT检查次数（4.5±0.9）次，间隔时间（6.8±4.3）d，最终随访时间（28±10）d。
COVID-19病灶在进展早期（首诊）以表现为GGO为主，也可表现为“铺路石”征、混合性实变；之后病灶均有所增大和（或）增多，重型及危重型病例中实变病灶范围更大；病变峰值时CT可见多相期病灶共存，即GGO病灶转变为实变病灶，或实变转变为GGO病灶，或实变病灶内可见条索影（图1, 2, 3, 4, 5, 6, 7, 8）。恢复期病灶主要呈现体积缩小和（或）密度减低，可转变为条索影，小叶间隔增厚（图1, 2, 3, 4, 5, 6, 7, 8）；部分病灶显示密度减低，然而AI显示病灶受累体积较实际偏大（图9）。99例中未见纵隔淋巴结肿大。8例重型、15例危重型于病灶峰值期出现胸腔积液。危重症型有2例出现肺栓塞，2例出现纵隔气肿、气胸。
AI对所有CT图像进行分析，测量肺炎病灶总体积及体积比（图10，11），其中16例危重型患者于肺炎病灶峰值时死亡，6例患者于病情危重时转院，后期随访数据缺失，余77例患者有恢复期CT数据。普通型、重型及危重型肺炎病灶动态变化趋势线显示进展期病灶均呈由少到多发展，重型和危重型病灶体积比最大增长率明显大于普通型（P<0.001），且病灶峰值时体积比更高（P<0.001），24例重型或危重型患者峰值体积比超过50%；达峰后恢复期病灶体积比缓慢减小。
3种分型间病灶峰值时间差异具有统计学意义（P=0.009），相对于普通型和重型，危重型病灶峰值时间延迟（P=0.004）。3种分型间病灶峰值总体积、体积比差异均有统计学意义（P<0.001），普通型病灶峰值总体积和体积比均显著低于重型和危重型（P<0.001）（表3）。以病灶峰值体积比及体积比最大增长率22.60%、1.875%/d为界值，诊断普通型转重型、危重型的灵敏度分别为92.10%、96.83%，特异度分别为100%、80.56%，AUC分别为0.987、0.925（图12）。
不同临床分型COVID-19患者胸部CT动态影像分析［M（Q1，Q3）］
不同临床分型COVID-19患者胸部CT动态影像分析［M（Q1，Q3）］
| 分型 | 例数 | 病灶峰值时间（d） | 病灶峰值总体积（cm3） | 病灶峰值体积比（%） | 体积比最大增长率（%/d） | 总体积最大增长率（cm3/d） |
|---|---|---|---|---|---|---|
| 普通型 | 36 | 12.0（9.0，15.0） | 326.89（156.32，450.41） | 9.75（4.83，13.18） | 1.27（0.50，1.81） | 41.87（17.33，62.65） |
| 重型 | 33 | 13.0（10.0，16.0） | 886.25（592.41，1 067.12） | 29.80（23.99，42.36） | 4.39（3.16，5.54） | 124.75（87.31，175.50） |
| 危重型 | 30 | 16.5（12.0，25.0） | 1 490.54（1 170.14，2 202.23） | 61.81（43.73，72.82） | 6.02（4.77，9.96） | 198.19（113.21，291.21） |
| Z值 | 9.524 | 70.933 | 74.147 | 52.453 | 52.218 | |
| P值 | 0.009 | <0.001 | <0.001 | <0.001 | <0.001 |
注：COVID-19：新型冠状病毒肺炎
COVID-19临床分为轻型、普通型、重型及危重型，不同的临床分型患者的诊疗方案有明显区别。CT是评价COVID-19肺炎病情的重要手段［4］。如果能早期判断疾病的演变趋势，及时制定合理的诊疗策略，将有利于疾病的转归。
COVID-19患者的临床表现以发热和呼吸道症状为主，但首诊时出现上述症状在患者的最终分型中差异无统计学意义。本组99例患者中首诊除1例危重型患者外周血白细胞计数升高，余均正常或减低；65例外周血淋巴细胞计数减少。上述两个指标以及超敏C反应蛋白、D-二聚体在各分型中差异均无统计学意义。普通型与危重型患者发病至首次肺部CT扫描时间相似，肺炎病灶体积比差异无统计学意义（P>0.05）；重型患者病灶体积比显著高于普通型，这可能与重型患者发病至首次肺部CT扫描延迟2.5 d有关。上述结果与Li等［5］研究结果有差异，可能是因为本研究以出院最终临床分型进行分组，首诊时多数患者处于初期病情较轻阶段，入院时的临床症状、常规实验室检查及CT肺炎病灶显示只能作为早期疾病诊断的依据，不能用来预判患者疾病进展。重型和危重型患者首次CT显示多叶受累更为常见，可能是COVID-19进展的一个预后因素。
COVID-19整个病程中，CT所示肺炎病灶体积的动态变化符合类抛物线样演变，即疾病进展、峰值、恢复期3个阶段。进展早期，CT表现主要为单发或多发GGO，伴或不伴局部实变、“铺路石”征；进展期，病灶体积均有增大和（或）病灶数量增多，可表现为GGO转变为实变，也可表现为实变影扩大转变为GGO，或者GGO、实变影扩大增多。病灶内部局部实变可能由病灶中心肺泡内炎性渗出增多所致，增大可能为炎性病灶沿肺实质扩展、肺间质蔓延，增多则可能为不同期相的病灶在不同肺段、肺叶出现，与严重急性呼吸系统综合征和中东呼吸综合征病毒性肺炎相似［6, 7］。危重型患者中2例出现纵隔气肿、气胸，考虑与肺泡过度充气、肺泡隔断裂或囊腔形成有关。重型和危重型患者肺炎病灶呈持续性较快增长，不断有新的较大范围感染区出现，致使病灶范围较普通型更大，增长速度更快；危重型患者表现更为突出，其病灶峰值时间显著延长，导致病程延长或死亡。CT肺炎病灶评价可预测COVID-19分型，AI定量测量可为肺炎病灶动态变化提供更为客观、精确的评估［8］。本研究中，AI测量的肺炎病灶峰值体积比及总体积最大增长率对预判普通型转重型、危重型的灵敏度分别为92.10%、96.83%，特异度分别为100%、80.56%，明显提高了预判的准确度。恢复期，病灶总体积呈吸收缩小趋势，密度减低。重型、危重型病灶吸收较普通型缓慢，危重型后期可出现肺组织纤维化。
本研究的局限性：（1）病例样本偏小；（2）纳入标准为3次以上CT检查，可能排除了一些危重型患者，对肺炎体积进展评价可能存在误差；（3）本院在疫情中被指定为重症患者收治单位，可能存在研究对象选择性偏倚；（4）本组30例危重症中16例在疾病峰值期死亡，6例患者于病情危重时转院，后期CT随访数据缺失，危重症的恢复期变化可能失真；（5）AI有待在病灶性质、病灶的密度、形态学以及纹理信息方面进行更加深入地研究；（6）多次CT复查，使用低剂量扫描方案可减少辐射剂量［9］。
综上所述，COVID-19肺炎病灶体积表现为类抛物线样动态变化，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，病变范围及增长率可能是COVID-19的重要预后因素，随访CT上肺炎病灶体积比持续快速增长的患者更容易转变为重型及危重型，需及时调整治疗策略。
所有作者均声明不存在利益冲突
