基于机器学习的CT定量指标与新型冠状病毒肺炎临床分型及肺损伤严重程度的相关性研究

作     者：朱桐 黄璐 严祥虎 艾涛 罗毅 于朋鑫 夏黎明 唐大中 Zhu Tong;Huang Lu;Yan Xianghu;Ai Tao;Luo Yi;Yu Pengxin;Xia Liming;Tang Dazhong

作者机构：华中科技大学同济医学院附属同济医院放射科武汉430030 北京推想科技有限公司100025 

出 版 物：《中华放射学杂志》 (Chinese Journal of Radiology)

年 卷 期：2021年第55卷第3期

页      面：239-244页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：武汉市科技计划项目(2018060401011326) 湖北省新型肺炎应急科技攻关项目(2020FCA021) 华中科技大学新型冠状病毒肺炎应急科技攻关项目(2020kfyXGYJ014) 

主　　题：人工智能 体层摄影术,X线计算机 新型冠状病毒肺炎 

摘      要：目的探讨胸部CT定量指标在新型冠状病毒肺炎(COVID-19)临床分型及肺损伤严重程度评价中的价值。方法回顾性分析华中科技大学同济医学院附属同济医院2020年1月1日至2020年4月1日COVID-19确诊的438例患者的临床及CT影像资料。临床分型为普通型146例、重型247例、危重型45例。使用人工智能(AI)深度学习定量分析所有患者胸部CT指标,包括全肺体积、全肺感染体积、磨玻璃密度体积(GGO体积,CT值-300 HU)和实性密度体积(SO体积,CT值≥-300 HU)以及SO体积/GGO体积。采用Kruskal-Wallis检验对各临床分型之间定量参数的差异性进行统计学分析,采用多元有序logistic回归分析定量参数与临床分型之间的相关性。结果 438例COVID-19确诊患者中,重型及危重型患者的年龄较大(P0.05),且危重型患者以男性为主(P0.05)。各临床分型患者的临床表现均主要以发热为主,其次为咳嗽、乏力、胸闷、呼吸困难、消化道症状等。3种临床分型肺部病变的CT表现均以GGO为主;全肺感染体积、GGO体积、SO体积以及各自在全肺体积的比例均从普通型、重型到危重型患者逐渐增大(P0.01);SO体积/GGO体积随临床分型严重程度增加逐渐增大[普通型为0.12(0.03,0.34),重型为0.29(0.11, 0.59),危重型为0.61(0.39,0.97),P0.05]。多元有序logistic回归分析显示全肺感染体积(OR=1.009)、SO体积/GGO体积(OR=1.866)、GGO体积(OR=1.008)和SO体积(OR=1.016)对临床分型的严重程度产生显著的正向影响关系(P0.01)。结论基于AI胸部CT定量指标(SO体积、GGO体积、SO体积/GGO体积)与COVID-19肺炎临床严重程度密切相关。