基于人工智能的肺部CT气道模型在慢性阻塞性肺疾病大小气道病变定量评估中的应用价值

本研究针对慢性阻塞性肺疾病(COPD)患者气道损伤定量评估的难题，开发了一种基于卷积神经网络(CNR)和气道转移网络(ATN)的人工智能气道分割模型。该研究通过340例COPD患者和73例健康志愿者的临床数据验证，发现COPD患者中央气道变窄变薄、外周气道变短变厚的特征性改变，并证实小气道重塑与急性加重显著相关，为COPD的精准诊疗提供了新型无创定量工具。

　　

慢性阻塞性肺疾病(COPD)作为全球第三大死因，其病理特征表现为持续性气流受限和小气道功能障碍。然而，传统肺功能检查难以精确定量不同气道水平的病理改变，手动测量CT可见支气管又耗时费力。这些瓶颈严重制约了COPD的精准评估和个体化治疗。

河北医科大学石油临床医学院呼吸内科的研究团队在《BMC Pulmonary Medicine》发表了一项创新研究。他们整合卷积神经网络(CNR)和气道转移网络(ATN)算法，构建了全自动气道分割模型，可在15分钟内完成从主支气管到小气道的形态学参数测量。研究纳入340例COPD患者和73例健康对照，通过支持向量机(SVM)和随机森林回归验证模型效能。

关键技术包括：1)采用nnUnet模型对300例标注数据训练；2)基于气道中心线生成算法测量长度和曲率；3)应用卷积神经回归器(CNR)拟合椭圆测量内外径；4)使用来自两家医院的独立队列验证模型。主要发现包括：SVM模型区分COPD的AUC达0.96；COPD患者右主支气管和叶支气管直径显著减小(P<0.01)，而亚段和小气道直径增大、管壁增厚；小气道壁厚度对急性加重影响最大。

【模型验证】SVM模型在区分COPD与健康人群时AUC为0.96，敏感性和特异性分别达97%和92%。但在区分COPD与非COPD呼吸疾病患者时AUC降至0.81，显示模型对特异性呼吸道病变的鉴别仍需优化。

【气道改变特征】与健康组相比，COPD组呈现"中央气道狭窄变薄、外周气道扩张增厚"的典型改变：右主支气管直径减小(14.81±1.44 vs 13.54±1.71 mm，P<0.01)，亚段小气道直径增大(2.26±0.19 vs 2.84±0.74 mm，P<0.01)。重度患者左主支气管壁异常增厚(3.13±0.37 vs 3.19±0.37 mm)，提示左右气道可能存在差异重塑。

【肺功能关联】FEV₁%预计值与中央气道直径呈正相关(r=0.08-0.23)，与外周气道直径呈负相关(r=-0.17--0.21)。最大中期呼气流量(MMEF_75/25)与左叶支气管壁厚度显著相关(r=0.22)，证实大小气道重塑共同影响肺功能分级。

【急性加重预测】随机森林回归显示：亚段小气道壁厚度对急性加重影响最大，贡献度显著高于中央气道参数(左亚段>右亚段>叶支气管>主支气管)。这与临床观察到的外周气道炎症是COPD急性加重核心机制相符。

这项研究首次系统量化了COPD全气道树的结构重塑特征，揭示了"中央-外周"气道的差异化改变模式。AI模型的15分钟快速分析能力使其具备临床转化潜力，特别是对亚段小气道参数的精准测量，为预测急性加重提供了新指标。研究也存在局限性，如未纳入肺气量化评估，左右气道差异机制未明等。未来可结合药物治疗反应追踪，进一步优化模型在个体化治疗中的应用价值。