编者按：近年来，非结核分枝杆菌肺病（NTM-PD）在全球范围内发病率和死亡率均呈上升趋势，其与肺结核（PTB）的早期鉴别诊断对临床医生来说是一个重大挑战。本期“结核之窗”栏目，卢水华教授团队分享一项回顾性诊断性研究，该研究通过结合T-SPOT与基于深度学习的CT图像分析，提出了一种新的早期鉴别诊断NTM-PD和PTB的方法。这一方法显著提高了诊断的准确性，有望为临床提供新的诊断工具，帮助患者获得更为快速、准确的治疗方案。

 

研究简介

 

一、研究背景

 

非结核分枝杆菌肺病（NTM-PD）和肺结核（PTB）在临床表现上较为相似，均可能导致抗酸杆菌（AFB）涂片阳性。此外，由于潜伏结核感染的存在，NTM-PD患者的γ-干扰素释放试验（IGRA）阳性率接近30%。因此，单独使用IGRA来鉴别NTM-PD和PTB存在一定的局限性。对于AFB阴性或无痰的患者，细菌培养通常是鉴别NTM-PD和PTB的金标准，但结果一般需要2-6周才能获得。在此等待期间，许多患者可能会接受经验性抗结核治疗，而大多数NTM菌株对标准抗结核药物具有耐药性，若不及时采取有效的治疗措施，可能导致病情进一步恶化。NTM-PD和PTB在CT图像上存在可识别的差异，这些特征可以作为两者鉴别的参考指标。因此，此研究旨在建立一种基于深度学习（DL）技术的计算机断层扫描（CT）图像分析算法，并联合T-SPOT，以实现对NTM-PD和PTB的早期鉴别诊断。

 

二、研究设计

 

研究类型：回顾性诊断性研究。

 

研究对象：年龄＞18岁的诊断为NTM-PD或PTB的患者，排除肺癌、真菌感染、尘肺、TB和NTM混合感染等其他肺部疾病。

 

金标准：细菌学培养及菌种鉴定。

 

评价指标：召回率（也称为敏感性）、精确率、F1分数（是精确率和召回率的调和平均值，用于综合考虑分类模型的精确性和敏感性）、准确率、曲线下面积（AUC）

 

样本量：1049例。

 

研究地点：中国浙江。

 

研究流程：2019年1月至2021年12月期间，共纳入了1049例回顾性病例（包括467例NTM-PD和582例PTB），其中729例（包括307例NTM-PD和422例PTB）被用作DL训练集，以构建CT图像分类模型，剩余的320例（160例NTM-PD和160例PTB）作为DL测试集，用于评估模型的诊断性能。在模型构建和测试之后，2022年1月至7月，研究团队进一步前瞻性地招募了80例患者（40例NTM-PD和40例PTB），进行了模型的验证。

 

△研究流程

 

△CT图像分类模型深度学习的流程图

 

三、主要研究结果

 

单独使用T-SPOT的诊断性能

 

在测试集的320例确诊患者中（包括160例NTM-PD和160例PTB），T-SPOT结果显示：NTM-PD组有45例阳性和115例阴性，PTB组有142例阳性和18例阴性。T-SPOT在NTM-PD诊断中的精确率为86.5%，而在PTB诊断中的精确率为75.9%。

 

△单独使用T-SPOT的诊断性能

 

单独使用DL模型的诊断性能

 

DL模型的诊断性能通过召回率、精确率、F1分数和AUC进行综合评估。经过细致的优化过程，CT图像分类模型在NTM-PD的F1分数上从0.715提升至0.738，在PTB的F1分数上从0.700提升至0.724。此外，模型的AUC也从0.69增加到了0.77，体现了模型诊断能力的逐步增强。

 

△DL模型的召回率、精确率和F1分数

 

△DL模型的受试者工作特征曲线（ROC）

 

T-SPOT联合DL模型的诊断性能

 

在测试集的320例确诊患者中（包括160例NTM-PD和160例PTB），研究结果显示，当T-SPOT为阴性且DL模型也将图像分类为NTM-PD时，分类准确率为91.7%；而当T-SPOT为阳性且DL模型也将图像分类为PTB时，分类准确率为89.8%。这些一致性结果占据了测试集的66.9%。相比之下，单独使用T-SPOT的准确率为80.3%，而单独使用DL模型的准确率为74.1%。这表明，将T-SPOT与DL模型相结合，相较于单独使用任一方法，均可提升对于鉴别NTM-PD和PTB的诊断准确性。

 

△DL测试集中320例受试者的分组流程

 

△T-SPOT联合DL模型的诊断性能

 

四、结论

 

T-SPOT和CT图像分类模型的联合应用，在早期鉴别诊断NTM-PD和PTB方面展现出显著的临床价值，相较于单独使用T-SPOT或CT图像分类模型，该联合策略提供了更优越的诊断性能。

 

研究点评

 

近年来，NTM-PD的患病率在全球范围内呈上升趋势，由于NTM-PD和PTB在临床表现上较为相似，早期鉴别诊断NTM-PD和PTB存在一定的挑战性，诊治延误可能导致病情进展。因此，开发快速、高效且经济的诊断工具对于提升临床诊断的准确性和及时性具有重要的意义。

 

一、研究亮点与创新

 

本研究开创性地提出了一种融合免疫学检测与影像学分析的新型诊断方案，旨在提高NTM-PD和PTB的早期鉴别诊断率。研究团队运用计算机算法，并通过持续优化，精准分割病变区域并集中分析感兴趣区域（ROI），有效地提升了模型的诊断精确度，从而构建了一个高效的CT图像分类模型。

 

二、主要发现与临床意义

 

建立一种结合T-SPOT和基于深度学习的CT图像分析的诊断算法，用于NTM-PD和PTB的早期鉴别诊断。当T-SPOT和DL模型的预测结果一致时，NTM-PD的诊断准确率达到91.7%，PTB的诊断准确率达到89.8%，相较于单独使用T-SPOT的准确率有所提高。

 

该研究建立的新型诊断系统有助于临床医生在早期更准确地鉴别NTM-PD和PTB，尤其是对于那些AFB阴性或无痰的患者。这不仅有助于更快地实施针对性治疗方案，还有助于避免不必要的抗结核治疗及药物副作用。

 

三、研究局限与未来方向

 

研究样本量有限，尚不能全面代表所有潜在的患者群体，这可能限制了研究结果的广泛适用性。此外，研究中使用的CT图像可能来源于特定的设备和扫描协议，这可能影响算法的泛化能力。研究尚未提供关于实施这种新诊断系统的成本效益分析，这对于评估其在现实世界中的可行性至关重要。

 

未来的研究方向应当包括扩大样本量，涵盖更多种族和地区的人群，以增强模型的泛化能力和诊断准确性。同时，研究不同CT扫描仪和扫描协议对模型性能的影响，建立标准化的扫描和数据处理流程。此外，应进一步优化深度学习模型，提升其对NTM-PD和PTB的鉴别诊断能力，并确保模型对NTM和TB混合感染也具备一定的识别能力。

 

四、总结

 

这项研究通过结合T-SPOT和基于深度学习的CT图像分析，提出了一种新的早期鉴别诊断NTM-PD和PTB的方法，当上述两种诊断工具的预测结果一致时，可以显著提高诊断准确率。随着未来研究的不断深入，我们期待开发出更快速、高效且经济的诊断工具，用于NTM-PD和PTB的早期诊断，这将有助于尽快制定治疗方案，从而改善患者的治疗效果和生活质量。

 

▌参考文献：

Ying C, Li X, Lv S, et al. T-SPOT with CT image analysis based on deep learning for early differential diagnosis of nontuberculous mycobacteria pulmonary disease and pulmonary tuberculosis. Int J Infect Dis. 2022;125:42-50. doi:10.1016/j.ijid.2022.09.031

 

更多精彩内容，请扫码订阅“深三院结核之窗”专栏

 

卢水华 教授

教授，主任医师，二级教授，博士生导师

国家感染性疾病临床医学研究中心副主任，深圳市第三人民医院肺病医学部主任

担任：中华医学会结核病分会候任主委，世界卫生组织全球儿童和青少年结核病工作组成员，中国防痨协会学校与儿童结核病分会主委，上海市医学会结核病学分会荣誉主委，广东省医学会结核病学分会主委，第二届国家名医获得者，上海市十佳医师，国家十三五传染病重大专项负责人，国家自然基金重大课题负责人，国家卫健委流感医疗救治专家组成员，国家自然科学基金评审专家，国家药监局新药评审专家，国家药监局医疗器械评审专家，中华医学会医疗鉴定专家，多杂志副主编、编委及审稿专家

 

长期致力于TB的发病机制、疫苗与诊断技术开发、流行病学及新药临床试验等领域的研究：深入开展大规模人群队列研究，明确我国大学生人群Mtb感染率和BCG保护效率；构建和组织实施“结核感染免疫诊断分层解决方案”，牵头完成我国40年来首个结核I类新药（EC）的临床试验及上市；积极探索TB防控“关口前移”新策略，建立和推广结核潜伏感染早期筛查和精准干预体系；针对当前TB防治瓶颈问题，提出的“一体化综合防控策略”为“End TB”贡献了中国原创理论和技术产品体系。主持包括国家“十三五”传染病重大专项、重大新药创制项目、国家自然基金重大课题在内的国家、省部和市级科研项目11项，合计研究经费超7260万元。在NEJM、Lancet、PNAS等顶级期刊发表学术论文73篇，组织撰写指南与专家共识3篇，主编专著1部。相关成果获“中国防痨协会科学技术奖”一等奖和“上海医学科技奖”三等奖，多次被WHO指南引用

 

黄嘉敏

深圳市第三人民医院肺病科医师

硕士

发表文章数篇，参与国家自然科学基金面上项目1项，参编团体标准2项，参编书籍1部。

 

来源：《感染医线》

声 明

凡署名原创的文章版权属《感染医线》所有，欢迎分享、转载（开白可后台留言）。本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。

0