背景

    肺功能检查是临床上对胸肺疾病诊断、严重程度、治疗效果和预后评估的重要检查项目。临床上应用包括肺容积检查、肺量计检查、支气管激发试验、支气管舒张试验、肺弥散功能检查、气道阻力检查及运动心肺功能检查等。国家呼吸系统疾病临床医学研究中心副主任郑劲平教授、高怡副教授的研究团队长期开展肺功能检查的质量控制、推广培训、检查标准规范及其大数据研究。前期也相继编写了《肺功能学——基础与临床》、《肺功能检查实用指南》等著作。研究团队也曾于2002年对我国肺功能临床应用的现状进行了调查，发现我国肺功能的开展极不平衡，特别是在中小型医院肺功能的临床应用很多处于空白状态，部分大型教学医院的肺功能质量控制有待提高。也于2010年对我国大型综合医院肺量计检查报告质量进行调查，结果显示同时符合ATS和ERS的肺活量检查4项质量控制标准的仅占7．2％。研究团队近年应用人工智能深度学习算法模型进行肺功能检查大数据研究，并建立了肺功能检查肺功能数据质控、分析与管理平台。本论文成果应用人工智能深度学习算法模型基于肺功能检查的流量-容积曲线图像自动识别正常、阻塞性、限制性及混合性等不同通气模式。

研究过程与结果

    使用肺功能检查肺功能数据质控、分析与管理平台的广州医科大学第一附属医院肺功能检查的共18909份肺量计检查报告用于人工智能深度学习算法模型开发。共训练了10种人工智能深度学习算法模型。在测试集上，各模型平均准确率均超过了90%，表现最好的模型VGG13的准确率为95.6%。同时也与医生组进行了比较。90名医生独立诊断了100例的其他肺功能检查报告。医生组的平均准确率为76.9±18.4%，来自基层医疗机构的医生组的准确率较低（56.2%）。但在这100例报告中，所开发的VGG13模型的准确率却达到了92.0%。

结论

    本成果证明了应用现行人工智能深度学习算法模型基于肺功能检查的流量-容积曲线图像来辅助肺功能检查结果诊断的可行性，是广州医科大学附属第一医院/广州呼吸健康研究院/呼吸疾病国家重点实验室/国家呼吸系统疾病临床医学研究中心/国家呼吸医学中心所建立的肺功能检查肺功能数据质控、分析与管理平台的良好应用示范。后续可以将人工智能深度学习算法模型与肺功能检查相关仪器进行应用结合，可以更好辅助医生进行肺功能检查，特别是基层医疗机构的医生，能最大限度地降低肺功能检查报告诊断的错误率。

END

撰稿：李洽胜

校对：简文华  张冬莹