慢性阻塞性肺疾病的人工智能研究进展

黄文君 葛艳明，2 董鹏，2 范丽

慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）是一种以不完全可逆的气流受限和反复的呼吸道症状为特征的常见慢性病，包括慢性支气管炎和/或肺气肿，常见临床症状包括慢性咳嗽、咳痰、气促、胸闷和呼吸困难等。肺功能检查（pulmonary function test，PFT）是COPD临床诊断的金标准，当吸入支气管扩张剂后，第1 s用力呼气量（forced expiratory volume in 1 second,FEV1）和用力肺活量（forced vital capacity,FVC）之比（FEV1/FVC）＜0.70说明存在持续的气流受限，即可确诊。影像学检查，尤其是胸部CT，在COPD的诊断、鉴别、严重程度评估、监测疗效和预后评估等方面具有难以取代的作用。相比于PFT，影像学检查可以更早期、敏感地评估COPD。人工智能（artificial intelligence,AI）是指通过计算机系统对人类智能的模拟，如推理、学习和感知等。机器学习（machine learning，ML）是AI的一个分支，包含监督学习和非监督学习。传统的ML算法包括随机森林、决策树、贝叶斯学习、人工神经网络（artificial neural network,ANN）等，而深度学习（deep learning，DL）则是ML的一个新分支，其对于提高图像及语音识别、视觉对象认知和自然语言处理等有极大的帮助[1]。近年来热点研究的卷积神经网络（convolutional neural network,CNN）就是DL的代表性算法之一。AI在COPD的早期筛查及诊断、临床分级及风险评估、影像学研究及远程监护等多方面进行了多模态、多尺度、全方位的探索。

1 AI在COPD筛查及诊断中的进展

COPD的早筛、早诊对控制疾病的进展有重要意义。Chen等[2]开发了一种在普通人群中预测远期肺功能和气流受限的个体化ML模型，该模型可以筛选出未来可能患COPD的高风险个体，使得早期干预这些潜在高风险个体成为可能。对于高风险人群，Young等[3]采用ML对肺活量正常的吸烟者进行评估，构建了筛查早期COPD病人的模型，并提出了2种COPD亚型，一种是最多见的“组织－气道”亚型（70%），即肺气肿和外周气道病变早于中央气道发生异常；……