Radiology：基于CT人工智能的自动化支气管扩张评估

支气管扩张是一种以不可逆的气道增宽为标志的疾病，与复发性炎症和感染的易感性增加有关，可造成肺部的渐进性结构损伤。支气管扩张被认为是患有慢性阻塞性肺病（COPD）的常年吸烟者的一种临床相关表现，发病率约4%-72%。CT是评估支气管扩张的标准方式，一项荟萃分析显示，在89%的评估研究中，气道与动脉的比例较高。研究中，高气道与动脉直径比（AAR）是支气管扩张的标准。虽然在单层（SS）CT图像上测量气道和肺动脉有很好的效果，但这种方法很耗时，而且一般包括气道层面的数量有限，使得确定整个肺部AAR增加的程度具有挑战性。这些限制阻碍了定量方法在大型研究中的应用。此外，虽然之前的支气管扩张症的自动化方法已用于较小的研究，但我们不知道研究人员是否报告了基于人工智能（AI）的工具在大队列中的应用并报告其临床意义。

人工智能方法，如卷积神经网络，可以改善测量和分类气道和血管的过程，以产生诊断支气管扩张症的准确测量结果。近日，发表在Radiology杂志的一项研究利用基于人工智能的胸部CT确定了AARs的程度，并评估了AARs与一段时间内病情加重的相关性。

本项研究位COPDGene研究的二次分析中，对吸烟患者使用人工智能工具对AARs进行了量化，确定了每个参与者在胸部CT扫描中AAR大于1的气道的百分比。通过两年一次的随访（从2009年7月到2021年9月），前瞻性地确定了肺部恶化的情况。使用多变量零膨胀回归模型来评估AAR大于1的气道百分比与随访期间肺部恶化的总次数之间的关系。协变量包括人口统计学、肺功能和常规CT参数。

在4192名参与者（中位年龄，59岁；IQR，52-67岁；1878名男性[45%]）中，有1834名患有慢性阻塞性肺病（COPD）。在10年的随访中，在调整后的模型中，AARs大于1的气道百分比（四分位数与1）与较高的总恶化次数有关（风险比[RR]，1.08；95%CI：1.02，1.15；P = .01）。在符合支气管扩张的临床和影像学标准（即临床表现为≥3%的AARs>1）的参与者与不符合的参与者相比，RR为1.37（95% CI：1.31，1.43；P < .001）。在患有COPD的参与者中，相应的RRs分别为1.10（95% CI: 1.02, 1.18; P = .02）和1.32（95% CI: 1.26, 1.39; P < .001）。

图 肺动脉和支气管树的三维CT重建。 A，C）肺动脉树用颜色编码，青色和蓝色分别表示大支和小支；支气管树用颜色编码，红色和橙色分别表示大支和小支。(A, B)一位66岁的慢性阻塞性肺病（COPD）患者的图像，没有支气管扩张。(C, D) 一名80岁的慢性阻塞性肺病患者的图像，该患者有支气管扩张（D中的箭头）。(B, D）图像显示基于人工智能的气道与动脉直径比（AARs）大于1的百分比

本项研究表明，在一个吸烟队列中，气道与动脉直径之比（AAR）大于1的百分比增加与一段时间内病情加重的总次数有关。当AAR大于1的百分比与支气管扩张的临床特征相结合并在患有慢性阻塞性肺病、肺气肿和慢性支气管炎的人群中时，这种关联更强。进一步的研究需确定自动气道与动脉直径比的最佳截断值以准确诊断支气管扩张症和预后。
原文出处：

Alejandro A Díaz,Pietro Nardelli,Wei Wang,et al.Artificial Intelligence-based CT Assessment of Bronchiectasis: The COPDGene Study.DOI:10.1148/radiol.221109