慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）是一种由于气道和/或肺泡异常导致持续性、进行性气流阻塞的异质性肺疾病^[1]，其因高患病率、致残率和死亡率成为全球公共卫生问题。2021年我国死因监测数据显示，COPD死亡数占总死亡数的6.5%，是第4位死因疾病^[2]。由于临床对COPD认识不足，防治工作也不容乐观^[3]，故早期诊断、评估病情并制订治疗策略尤为重要。

CT广泛应用于COPD的诊疗过程中，但传统CT的解读依赖于医师的专业知识和经验，存在主观性。肺功能检查能客观反映肺功能受损程度，为COPD患者的诊疗提供重要参考，其操作较复杂，且检查结果可能会受患者身体状况等影响。人工智能的飞速发展为医学影像学带来了革命性的变化，如何使用人工智能技术，将CT定量诊断与肺功能检查相结合，以更全面、准确地评估COPD患者的病情是当前研究的重要方向^[4-5]。肺低衰减区百分比（percentage of low attenuation area，LAA%）是肺气肿破坏的全球指标^[6]。本研究利用深度卷积神经网络的分割技术，计算低衰减区体积在全肺及各肺叶的占比，并建立与美国胸科学会（American Thoracic Society，ATS）和欧洲呼吸协会（European Respiratory Society，ERS）（ATS/ERS）严重程度分级相似的CT分级标准，探讨基于人工智能COPD的CT定量分析与肺功能之间的关系，为COPD的诊疗和评估提供新的思路和方法。

选取2019年1月至2022年12月我院慢病管理数据库中的COPD患者463例（COPD组）及肺功能正常患者93例（正常组）；男353例，女203例；年龄23~87岁，平均（60.10±7.87）岁。均行肺功能检查及吸气相薄层CT检查，间隔时间≤3 d^[7]。本研究获得医院伦理委员会批准（批号：YW20211018-05）。

COPD组纳入标准：①均具备不完全可逆的气流受限特征，即吸入支气管舒张剂沙丁胺醇后，肺功能指标第1秒用力呼气容积与用力肺活量的比值（ratio of the first second forced expiratory volume to forced vital capacity，FEV₁/FVC） < 70%；②近1个月内病情稳定，无急性加重病史，无使用抗生素、糖皮质激素史。排除标准：①图像显示不清或有伪影；②有影响CT图像观察的疾病，如肺大部分感染、严重肺不张及肺实变等；③肺内肿瘤或肿瘤样病变；④影响肺容积的病变，如肺部切除史、胸廓畸形等；⑤合并严重的肝肾心功能不全。

正常组纳入标准：选取肺功能正常者，即FEV₁/FVC ≥ 70%。排除标准：有胸部手术史、心血管疾病、呼吸系统疾病或肝肾功能不全等全身性疾病。

按照2005年ATS/ERS发布的肺功能检查判读指南^[8]，将COPD患者分为5个亚组：轻度组96例，中度组92例，中重度组95例，重度组86例及极重度组94例。ATS/ERS分级标准：轻度，第1秒用力呼气容积占预计值的百分比（forced expiratory volume in one second percentage，FEV₁%）≥70%；中度，60% ≤ FEV₁% < 70%；中重度，50% ≤ FEV₁% < 60%；重度，35% ≤ FEV₁% < 50%；极重度，FEV₁% < 35%。

使用德国耶格高级肺功能仪（型号：PST）。由专业技师负责，患者取坐位，以其配合最好的一次作为最终结果。肺功能参数包括：FEV₁%、FEV₁/FVC及FVC。

使用联影128层CT扫描仪，患者取仰卧位，两臂上举，于深吸气末从肺尖扫描至肺底。扫描参数：120 kV，螺距1.087 5，球管旋转时间0.5 s，层厚、层距均为5 mm。采用高分辨力重建算法行薄层重建，层厚1.0 mm，层距0.625 mm，观察窗窗宽1 200 HU，窗位-500 HU。

肺气肿的自动测量：运用密度屏蔽法测定肺气肿指数，将所有重建后CT图像上传至肺气肿专用后处理工作站（数坤科技股份有限公司），打开吸气相薄层图像，利用软件中的肺气肿分析测量软件，将 < -950 HU阈值的肺组织设定为粉红色，计算出总肺及各肺叶分割开的肺气肿的比值，即LAA%，并显示肺密度分布曲线图（图 1）。

图 1

注：慢性阻塞性肺疾病患者，男，59岁，肺功能分级为中重度 图 1 肺气肿的自动测量示意图

采用SPSS 19.0软件进行数据分析。LAA%与肺功能相关性采用Spearman相关性检验。计量资料若符合正态分布，且方差齐，以x±s表示，选择方差分析行多组间比较，两两比较行LSD-t检验；若不符合正态分布或方差不齐，以M（Q_R）表示，选择Tamhane’s T2检验。以P < 0.05为差异有统计学意义。

正常组及COPD轻度组、中度组、中重度组、重度组、极重度组的平均LAA%分别为（6.22±3.51）%、（11.99±4.94）%、（17.12±4.91）%、（22.05±5.94）%、（25.34±6.91）%及（30.80±7.26）%；各组两两比较，差异均有统计学意义（均P < 0.05）。

COPD各组相关肺功能指标（FEV₁%、FVC、FEV₁/FVC）均较正常组低，且随COPD分级越高，FEV₁%、FVC、FEV₁/FVC越低，正常组与COPD各组比较差异均有统计学意义（均P < 0.05）。COPD各组间两两比较，差异均有统计学意义（均P < 0.05）（表 1）。

表 1

表 1 正常组与COPD各组肺功能指标两两比较

表 1 正常组与COPD各组肺功能指标两两比较 组别 例数 FEV1%（%，x±s） FVC[L，M（QR）] FEV1/FVC（%，x±s） 正常组 93 100.98±5.42 4.22（1.05） 83.09±7.95 COPD组    轻度组 96 77.83±6.92 3.11（0.92） 70.17±7.38    中度组 92 64.04±2.99 2.82（1.15） 65.92±9.55    中重度组 95 54.86±2.98 2.46（0.79） 60.24±6.23    重度组 86 43.18±4.18 2.13（0.66） 54.14±4.37    极重度组 94 27.51±5.47 0.97（0.45） 45.51±8.46 P值 < 0.05 < 0.05 < 0.05 注：COPD为慢性阻塞性肺疾病，FEV1%为第1秒用力呼气容积占预计值的百分比，FVC为用力肺活量。

COPD组LAA%与肺功能指标（FEV₁%、FVC、FEV₁/FVC）均呈负相关（r_s=-0.447，-0.264，-0.570；均P < 0.05）（图 2）。

图 2

注：FEV1%为第1秒用力呼气容积占预计值的百分比，FVC为用力肺活量 图 2 低衰减区面积百分比（LAA%）与肺功能指标的相关性散点图

目前，临床诊断COPD仍依靠肺功能检测，但其仅反映肺的整体功能，无法提供COPD的类型和肺部受累程度^[9]。CT可显示支气管异常、肺气肿形态、严重程度和分布^[1]，对无法行肺功能检查的患者，CT定量分析可作为一项重要的诊断方法。CT与肺功能检查相互补充，可更准确地评估病情，为制订个性化治疗方案提供依据。CT定量测量COPD患者肺气肿程度时，对划分肺气肿与非肺气肿区域的阈值存在争议，在兼顾敏感性与特异性的情况下，阈值广泛采用-950 HU^[10-13]，这与显微镜观及大体观也有较强的相关性，尤其在吸气相^[14]。因此，本研究采用LAA% < -950 HU测定肺气肿程度。

基于人工智能的COPD的CT定量与肺功能关系的研究，对提高COPD的诊断准确率和治疗效果具有重要意义。本研究通过比较正常组与COPD组定量CT测量指标LAA%，发现各组间差异均有统计学意义，表明LAA%可反映肺通气功能障碍严重程度，为肺功能的评估提供重要的辅助信息。其不仅可帮助医师更准确地判断有无COPD，还可用于评估肺气肿的严重程度和预测疾病的发展趋势。本研究发现，基于人工智能的COPD的CT定量分析与肺功能之间存在密切关系，且LAA%与FEV₁%、FVC及FEV₁/FVC均呈负相关，尤其与FEV₁/FVC相关性更强，这与大多数研究^[15-17]相符，即随肺气肿范围的增加，疾病加重，肺组织破坏程度越大，肺功能越差。

通过对大量COPD患者的CT图像和肺功能数据进行深度学习和分析，可构建出预测模型，用于预测发生COPD可能，以及疾病的进展速度和严重程度，有助于医师及时采取干预措施，延缓疾病的进展，提高患者的生活质量。

本研究的局限性：①为单中心、回顾性研究，研究对象均来自于慢病管理数据库中的患者，可能影响结果的准确性，未来可进行多中心、前瞻性研究。②仅研究一种CT定量指标，研究范围较局限，今后可纳入其他定量指标进行更全面的研究。

综上所述，基于人工智能的COPD的CT定量分析与肺功能之间存在密切关系，有助于肺气肿患者严重程度的量化及长期随访，为COPD的诊断、治疗和评估提供了新的思路和方法。全肺LAA%在一定程度上能评估肺气肿的严重程度，也可直观反映肺功能严重程度，可作为一种无创、敏感的肺气肿检查手段应用于临床。