基于病理全玻片数字化图像的人工智能鼻息肉分型及JESREC诊断标准的对比研究

• 作者: 吴庆武 孔维封 袁联雄 任勇 张雅娜 邓慧仪 罗新 陈健宁 黄雪琨 杨钦泰
• 来源期刊: 中华耳鼻咽喉头颈外科杂志
• 关键词: 人工智能 深度学习 鼻窦炎 鼻息肉 嗜酸粒细胞
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 慢性鼻窦炎内在型与精准诊疗
• 页码范围: 136-141
• 页数: 6页
• 语种: 中文
• DOI: 10.3760/cma.j.cn115330-20210730-00500

摘要

目的:探讨基于病理全玻片数字化图像（whole-slide imaging，WSI）的人工智能慢性鼻窦炎伴鼻息肉（CRSwNP）分型及其临床特征，同时探讨日本难治性嗜酸粒细胞性慢性鼻窦炎流行病学调查研究（Japanese epidemiological survey of refractory eosinophilic chronic rhinosinusitis，JESREC）诊断标准在本回顾性队列研究中的一致性。方法:回顾性分析中山大学附属第三医院耳鼻咽喉头颈外科2018—2019年接受鼻内镜手术的136例14~70岁的CRSwNP患者（男性101例，女性35例）。收集患者术前临床基本特征，如鼻部症状视觉模拟量表（VAS）评分、外周血炎性细胞计数、总免疫球蛋白（IgE）、Lund-Kennedy评分和Lund-Mackay评分等。通过第二代人工智能慢性鼻窦炎评估平台（artificial intelligence chronic rhinosinusitis evaluation platform 2.0，AICEP 2.0）计算每例患者WSI上的嗜酸粒细胞、淋巴细胞、浆细胞和中性粒细胞等炎性细胞比例，然后得出鼻息肉具体类型——嗜酸粒细胞性CRSwNP（eosinophilic CRSwNP，eCRSwNP）或非嗜酸粒细胞性CRSwNP（non-eosinophilic CRSwNP，non-eCRSwNP）。同时采用JESREC诊断标准进行鼻息肉分类，将所得分类结果与目前鼻息肉WSI诊断金标准（病理诊断）进行比较，评估该诊断标准的准确率、灵敏度及特异度。数据以 M（ Q1， Q3）表示，采用SPSS 17.0进行统计学分析。 结果:eCRSwNP和non-eCRSwNP患者在年龄分布、性别、病程、VAS评分、Lund-Kennedy评分和Lund-Mackay评分上的差异无统计学意义，而在鼻息肉炎性细胞比例上的差异有统计学意义［嗜酸粒细胞40.5%（22.8%，54.7%）比2.5%（1.0%，5.3%），中性粒细胞0.3%（0.1%，0.7%）比1.3%（0.5%，3.6%），淋巴细胞49.9%（39.3%，65.9%）比82.0%（72.8%，87.5%），浆细胞5.1%（3.6%，10.5%）比13.0%（7.4%，16.3%），χ2值分别为9.91、4.66、8.28、5.06， P值均<0.05］。此外，eCRSwNP患者的过敏症状（鼻痒和打喷嚏）和哮喘比例、外周血嗜酸粒细胞和血清总IgE水平均明显高于non-eCRSwNP患者（ P值均<0.05）。JESREC诊断标准的总体准确率为74.3%，灵敏度为81.3%，特异度为64.3%。 结论:基于人工智能和WSI诊断的eCRSwNP患者的过敏症状和哮喘比例、外周血嗜酸粒细胞和血清总IgE水平较高，鼻息肉中炎性细胞百分比与non-eCRSwNP患者存在差异。JESREC诊断标准在本回顾性队列研究中具有较好的一致性。