目的 分析妊娠期患新型冠状病毒肺炎(COVID-19)病人的临床及影像特征,并探讨人工智能(AI)在COVID-19诊断中的价值.方法 回顾性纳入CT影像及临床资料完整的确诊COVID-19女性病人70例,年龄22~39岁,排除CT无异常表现的轻型病人.其中,30例病人处于妊娠期(妊娠组),平均年龄(29.4±4.7)岁,余40例病人为普通组,平均年龄(29.6±3.9)岁.记录全部病人的病灶特征、分布、累及肺叶、伴随征象等影像表现并进行AI分析.采用卡方检验、t检验或Wilcoxon检验比较2组临床资料及CT特征间的差异,采用Kappa检验分析AI与放射科医生对不同CT征象诊断的一致性.结果 2组病人临床分型均为普通型.妊娠组无临床症状感染者(21例,70%)多于普通组(4例,10%),且发热及其他症状(胸闷、胸痛、乏力等)少于普通组病人(均P<0.05).妊娠组淋巴细胞百分比、中性粒细胞百分比、D-二聚体和C反应蛋白均高于普通组(均P<0.05).妊娠组CT分期多为早期,普通组多为进展期(P<0.05).2组病人CT特征比较,妊娠组单一磨玻璃密度影(GGO)更多,普通组多发GGO更多(均P<0.05),其他影像特征差异无统计学意义(P>0.05).AI与放射科医生对大部分CT征象诊断的一致性良好(均κ>0.8),对外周区域和GGO病灶的诊断一致性一般(κ为0.41~0.80);对纤维条索的诊断一致性不佳(κ=0.26
作者:吴小青;谢元亮;张树桐;陈建普;王翔
来源:国际医学放射学杂志 2020 年 43卷 3期