人工智能CT定量分析技術在評價不同時期肺挫傷支氣管變化過程中的應用價值

代永亮 張宇哲 張元剛 茍杰 程永濤 段小藝 郭佑民 李艷

［摘要］ 目的：探討人工智能CT定量分析技術在肺挫傷病情進展中的應用價值。方法：回顧性分析90例肺挫傷患者108處病灶的CT資料，利用人工智能CT定量分析技術自動分割圖像，并測量不同時期（急性期、滲出期及吸收好轉期）肺挫傷3～7級支氣管定量指標，行統計學分析。結果：滲出期3～7級支氣管的最大壁厚、平均壁厚大于急性期和吸收好轉期，滲出期4～7級支氣管的管腔內外直徑、管腔內外周長及5～7級支氣管的內腔橫截面積、管壁橫截面積小于急性期和吸收好轉期（均P<0.05）。急性期4～7級支氣管的最大壁厚、平均壁厚大于吸收好轉期而小于滲出期，急性期4～7級支氣管的管腔內外直徑、管腔內外周長及5～7級支氣管的內腔橫截面積、管壁橫截面積小于吸收好轉期而大于滲出期，差異均有統計學意義（均P<0.05）。急性期肺挫傷灶占兩肺總容積的百分比為（4.26±1.81）%，滲出期為（7.91±2.70）%，吸收好轉期為（1.63±0.91）%。急性期肺挫傷灶容積占比與7級支氣管內腔橫截面積、最大壁厚及平均壁厚相關，滲出期肺挫傷灶容積占比與5級支氣管內腔橫截面積、支氣管內外直徑及內周長相關，吸收好轉期肺挫傷灶容積占比與6級支氣管內腔橫截面積、最大壁厚、平均壁厚及7級支氣管最大壁厚相關。結論：人工智能CT定量分析技術可直觀顯示肺挫傷及支氣管的形態學變化情況，為臨床預估病情發展及干預治療提供新方法。

［關鍵詞］ 肺挫傷；人工智能；體層攝影術，X線計算機；定量分析技術

Application value of artificial intelligence CT quantitative analysis technology in evaluation for the process of bronchial changes at different stages of pulmonary contusion

［Abstract］ Objective：To evaluate the potential of artificial intelligence CT quantitative analysis technology in tracking the progression and healing phases of pulmonary contusions. Methods：The chest CT data of 90 patients with pulmonary contusions （108 lesions） were retrospectively analyzed. Artificial intelligence CT quantitative analysis technology was used to automatically segment the images and measure the changes in the quantitative indicators of grade 3～7 bronchi in different periods of pulmonary contusion （acute stage，exudation stage and absorption stage），and the results were statistically analyzed. Results：Compared with the acute stage and absorption stage，the maximum and average wall thicknesses of grade 3～7 bronchi in the exudation stage were greater，while the intra- and extraluminal diameters and circumferences of grade 4～7 bronchi and the cross-sectional areas of luminal and wall of garde 5～7 bronchi in the exudation stage were significantly smaller （all P<0.05）. The maximum and average wall thicknesses of grade 4～7 bronchi in the acute stage were significantly greater than those in the absorption stage but significantly smaller than those in the exudation stage，while the intra- and extraluminal diameters and circumferences of grade 4～7 bronchi and the cross-sectional areas of the luminal and wall of grade 5～7 bronchi in the acute stage were significantly smaller than those in the absorption stage but significantly larger than those in the exudation stage （all P<0.05）. The volume proportion of pulmonary contusion was （4.26±1.81）% in the acute stage，（7.91±2.70）% in the exudation stage and （1.63±0.91）% in the absorption stage. The volume proportion of pulmonary contusion in the acute stage was correlated with the luminal cross-sectional area，the maximum and average wall thickness of grade 7 bronchi. The volume proportion of pulmonary contusion in the exudation stage was correlated with the luminal cross-sectional area，the intra- and extraluminal diameters，the intraluminal circumference of grade 5 bronchi. The volume proportion of pulmonary contusion in the absorption stage was correlated with the luminal cross-sectional area，the maximum and average wall thickness of grade 6 bronchi and the maximum wall thickness of grade 7 bronchi. Conclusions：Artificial intelligence CT quantitative analysis can be used to visualize bronchial morphological changes in various stages of pulmonary contusions and can be used to dynamically monitor the treatment of pulmonary contusions，providing a new approach for evaluating clinical efficacy.

［Key words］ Pulmonary contusion；Artificial intelligence；Tomography，X-ray computed；Quantitative analysis technology

肺挫傷是胸部鈍性傷后常見的肺實質損傷，約占外傷發病的5%，易合并感染、低氧血癥、呼吸衰竭、急性呼吸窘迫綜合征等，死亡率高［1］。肺挫傷的病情演變是持續動態變化的過程，MSCT檢查能直觀反映這一變化過程，對病情嚴重程度、臨床預后評估及輔助治療有重要作用［2］。肺挫傷研究的關注重點大多局限于挫傷灶的形態學改變［3-4］，忽略了挫傷灶與病變區域各級支氣管的變化關系。本研究利用人工智能CT定量分析技術觀察肺挫傷臨床動態演變過程中支氣管空間結構的變化情況。

1? 資料與方法

1.1 一般資料

選取2019年2月至2020年10月在西安交通大學第一附屬醫院確診并入院治療的肺挫傷患者90例，其中男76例，女14例；年齡33～76歲，平均（52.3±12.1）歲。90例患者共108處肺挫傷灶，其中右肺上葉7處，右肺中葉3處，右肺下葉45處，左肺上葉6處，左肺下葉47處。按肺挫傷CT形態學，劃分為實變型（40處）和非實變型（68處）。

納入標準：①符合肺挫傷診斷標準［5］；②行胸部CT檢查及復查；③入院前無嚴重胸部疾患或急、慢性感染性病變。排除標準：①≤18歲；②妊娠期婦女；③因屏氣困難、胸廓塌陷、大量胸腔積液及氣胸、大面積肺實變等影響人工智能CT定量分析技術對支氣管圖像進行分割。

1.2? 儀器與方法

應用Philips Brilliace 64排螺旋CT掃描儀。掃描參數：120 kV，200 mAs，矩陣512×512，重建層厚1 mm，層距1 mm，高分辨骨算法重建。

1.3? 圖像處理及分析

將圖像導入“數字肺”后處理工作站，使用人工智能CT定量分析技術構建兩肺支氣管樹模型，通過肺容積密度差測算肺挫傷灶范圍，利用支氣管仿真內鏡分析模塊重建挫傷灶支氣管CPR效果圖及支氣管骨架樹圖，自動識別并測算肺挫傷灶對應區域3～7級支氣管所有標注點（各級支氣管起始部至鄰近下一級支氣管分叉處）累計值的平均值；具體定量參數包括：兩肺總容積及肺挫傷灶容積占比（肺挫傷灶占兩肺總容積的百分比）、支氣管內腔橫截面積、管壁橫截面積、最大及平均壁厚、管腔內外直徑、管腔內外周長。

測量肺挫傷灶在急性期（傷后24～48 h）、滲出期（傷后3～14 d）、吸收好轉期（傷后15 d～4周）支氣管的定量參數，并進行對比（圖1）。

1.4? 統計學分析

采用SPSS 19.0軟件進行統計學分析。不同時期肺挫傷灶3～7級支氣管CT定量參數比較行[χ]2檢驗。不同時期肺挫傷灶容積占比與對應部位支氣管定量參數行Spearman線性相關分析及秩相關分析。以P<0.05為差異有統計學意義。

2? 結果

不同時期肺挫傷3～7級支氣管CT定量指標對比見表1。滲出期3～7級支氣管的最大壁厚、平均壁厚大于急性期和吸收好轉期（均P<0.05），滲出期4～7級支氣管的管腔內外直徑、管腔內外周長及5～7級支氣管的內腔橫截面積、管壁橫截面積小于急性期和吸收好轉期（均P<0.05）。急性期4～7級支氣管的最大壁厚、平均壁厚大于吸收好轉期而小于滲出期，急性期4～7級支氣管的管腔內外直徑、管腔內外周長及5～7級支氣管的內腔橫截面積、管壁橫截面積小于吸收好轉期而大于滲出期，差異均有統計學意義（均P<0.05）。

急性期肺挫傷灶容積占比為（4.26±1.81）%，滲出期為（7.91±2.70）%，吸收好轉期為（1.63±0.91）%，差異有統計學意義（F=236.573，P<0.01）。

急性期肺挫傷灶容積占比與7級支氣管內腔橫截面積、最大壁厚及平均壁厚相關（均P<0.05）；滲出期肺挫傷灶容積占比與5級支氣管內腔橫截面積、支氣管內外直徑及內周長相關（均P<0.05）；吸收好轉期肺挫傷灶容積占比與6級支氣管內腔橫截面積、最大壁厚、平均壁厚及7級支氣管最大壁厚相關（均P<0.05）（表2）。

3? 討論

肺挫傷大多為閉合性胸部鈍性損傷，病理表現為病變區域肺泡、毛細血管損傷，并導致肺間質、肺泡內血液滲出增多，隨病情進展分泌液充盈各級支氣管，加劇肺實變，可引發嚴重的并發癥，病死率高［6-8］。CT檢查在肺挫傷診斷、病情評估及預后分析方面發揮重要作用，隨著計算機輔助診斷、深度學習等人工智能技術的普及應用，醫學影像處理分析更加精準、便捷。借助人工智能CT定量分析技術研究發現，早期單純性肺挫傷影像表現與肺挫傷急性創傷期病理改變一致［9］。肺挫傷急性期、滲出期是病情變化的非常時期，也是影響臨床醫師判斷患者預后的關鍵時期。本研究通過此類技術立體呈現肺挫傷及挫傷灶區域支氣管的影像空間結構，利用數據動態反映肺挫傷病情發展不同時期的變化情況，滲出期病變范圍及各級支氣管參數的變化幅度提示病情進展的嚴重程度，同時也印證了肺挫傷的病理改變。人工智能CT定量分析技術能直觀顯示肺挫傷容積及支氣管變化情況，可為臨床及時調整治療方案提供詳實的影像學依據。

3～7級支氣管是直徑大于2 mm的葉段級、亞段級軟骨性氣道，是軟件重建支氣管樹方便測量穩定性好的中央氣道，也是目前纖維支氣管鏡能到達的最遠段支氣管。本研究發現，肺挫傷滲出量越多，病變區域支氣管管徑變窄、管壁增厚、管腔橫截面積下降的幅度越大，隨著病變范圍擴大，受累支氣管也由遠段向近段延伸，從肺挫傷急性期到滲出期進展過程中，肺挫傷灶容積占比與支氣管定量參數的相關性分析結果也能反映出來。在肺挫傷合并急性呼吸窘迫綜合征的研究中發現嚴重肺挫傷主要累及3級以上的細小支氣管，表現為支氣管受壓狹窄、閉塞或管腔內黏液嵌塞［10］。支氣管受外因壓迫或管腔分泌物填充均會造成支氣管狹窄，導致肺實變肺通氣功能下降，通過影像手段輔助診斷可為臨床選擇呼吸機正壓通氣、支氣管鏡灌洗等針對性治療措施解除支氣管狹窄提供技術支持［11-12］。不同分型肺挫傷的預后及轉歸不同，病程進展情況和影像學表現也存在差異。本研究因納入例數較少，未按照肺挫傷類型進行分組研究，下一步將擴大樣本量，分析不同分型肺挫傷在不同時期挫傷灶及支氣管、肺小血管變化規律，利用人工智能技術深度挖掘數據，設計肺挫傷臨床轉歸預測模型，豐富研究內容。

綜上所述，肺挫傷的發生、發展是個動態演變過程，一次檢查僅能反映某個節點肺挫傷情況，結合臨床復查才能準確判斷其轉歸及預后［13-15］。人工智能CT定量分析技術可全面監測不同時期肺挫傷及各級支氣管變化情況，為臨床提供影像診療依據。

［參考文獻］

［1］ GIBELIN A，PARROT A，MAITRE B，et al. Acute respiratory distress syndrome mimickers lacking common risk factors of the Berlin definition［J］. Intensive Care Med，2016，42（2）：164-172.

［2］ MAHMOOD I，EL-MENYAR A，YOUNIS B，et al. Clinical significance and prognostic implications of quantifying pulmonary contusion volume in patients with blunt chest trauma［J］. Med Sci Monit，2017，23（7）：3641-3648.

［3］ PAPAZIAN L，CALFEE C S，CHIUMELLO D，et al. Diagnostic workup for ARDS patients［J］. Intensive Care Med，2016，42（5）：674-685.

［4］ 林建斌，陳敏惠. 肺挫裂傷的CT影像分析［J］. 中國中西醫結合影像學雜志，2011，9（5）：460-461.

［5］ 潘紀戍，張國楨，蔡祖龍. 胸部CT鑒別診斷學［M］. 北京：科學技術文獻出版社，2008：515-522.

［6］ 吳雪花，王昌鋒，彭金娥. 嚴重肺挫傷早期行機械通氣治療的療效觀察［J］. 臨床肺科雜志，2017，22（3）：483-485.

［7］ 詹慶元，于歆. 急性呼吸窘迫綜合征診斷標準的變遷［J］.中華醫學雜志，2018，98（34）：2700-2702.

［8］ NEGRIN L L，PROSCH H，KETTNER S，et al. The clinical benefit of a follow-up thoracic computed tomography scan regarding parenchymal lung injury and acute respiratory distress syndrome in polytraumatized patients［J］. J Crit Care，2017，37（2）：211-218.

［9］ 代永亮，張元剛，方小東，等. 計算機輔助的CT定量分析在早期單純性肺挫傷研究中的價值［J］. 實用放射學雜志，2018，34（2）：200-202.

［10］ 代永亮，張元剛，程永濤，等. CT支氣管定量分析技術在實變型肺挫傷合并急性呼吸窘迫綜合征中的應用［J］. 中國醫學影像技術，2018，34（7）：1028-1032.

［11］ ALISHA C，GAJANAN G，JYOTHI H. Risk factors affecting the prognosis in patients with pulmonary contusion following chest trauma［J］. J Clin Diagn Res，2015，9（8）：17-19.

［12］ GANIE F A，LONE H，LONE G N，et al. Lung contusion：a clinico-pathological entity with unpredictable clinical course［J］. Bull Emerg Trauma，2013，1（1）：7-16.

［13］ 楊萬杰，趙雪峰，魏凱，等. 肺挫傷致急性呼吸窘迫綜合征患者肺循環變化的臨床研究［J］. 中國危重病急救醫學，2012，24（7）：407-411.

［14］ 代慶華. 遲發性閉合性胸部損傷的CT表現及動態觀察［J］. 放射學實踐，2014，29（10）：1177-1179.

［15］ 呂文暉，夏菲，周長圣，等. 深度學習胸部CT輔助診斷系統在急診創傷人群中的應用［J］. 中華醫學雜志，2021，101（7）：481-486.