石棉病是在长期接触职业性接触石棉后出现的弥漫性肺纤维化。许多国家已经禁止在建筑和制造业中使用石棉。然而，由于潜伏时间长，许多（以前）接触过石棉的工人现在出现了石棉病。

现阶段，职业性石棉暴露的石棉沉滞症患者有资格获得经济补偿。获得的标准因国家而异，尽管国际上已经进行了标准化的尝试，但专家们对石棉沉滞症的赫尔辛基标准存在分歧，因此阻碍了这一进程。在荷兰，法律上规定了以下标准用于财务报销：

1）计算机断层扫描（CT）成像，最好是高分辨率CT（HRCT），纤维化覆盖>5%的肺部面积；

2）应存在肺功能丧失；

3）职业性石棉接触至少5个纤维年（石棉接触强度乘以职业年的乘积）。

由三位独立的、有经验的肺科医生审查临床病例，并说明最可能的诊断是石棉沉着病。大多数的投票决定了报销的诊断。其他国家也遵循类似的程序。

这种法律驱动的诊断与临床、多学科委员会会议驱动的诊断并不完全吻合。此外，一个共同的限制是未知的评分者之间的差异性，使得最终判决的质量和可重复性未知。这可能导致同一病人在不清楚的情况下得到不同的诊断。

我们假设，一个基于人工智能（AI）的系统可以复制三位专家的评估。人工智能是一种从原始数据（如CT扫描）中自动提取数据模式的方法，以预测感兴趣的结果（如肺科医生小组的决定）。

近日，发表在European Radiology杂志的一项研究探讨了基于人工智能（AI）的系统对石棉沉滞症患者申请的自动化、标准化和成本效益评估的潜在作用，为临床进行更加标准化的评估提供了技术支持。

本项研究回顾性地收集了来自荷兰各地的523个疑似石棉沉着病病例/申请的数据集。每个病例/申请都被审查，并根据标准由三位肺科医生组成的小组将决定是否有资格获得政府支持。研究提出了一个人工智能系统，该系统使用胸腔CT图像作为输入，并预测临床小组的评估。在成像的同时，研究评估了肺功能参数的附加价值。 

拟议的人工智能算法在预测被接受与被拒绝的申请方面达到了0.87的AUC（P < 0.001）。弥散能力（DLCO）也显示出相当的预测价值（AUC = 0.85，p < 0.001），两个参数之间的相关性很小（r-squared = 0.22，p < 0.001）。影像学AI评分和DLCO的组合取得了卓越的性能（AUC = 0.95，p < 0.001）。小组中的肺科医生之间的观察者间差异估计为α=0.65（Krippendorff的α）。 

图 人工智能模型对测试集中的两张CT扫描图像产生的显著性图。黄色的区域代表模型的注意力。左边是肺部顶部的层面，中间是肺部中间的层面，右边是肺部底部的层面。A CT扫描，3/3的肺科医生呈阳性，模型得出的石棉沉着病的概率很高（0.81）。B CT扫描，0/3肺科医生呈阳性，模型得出的石棉沉着病概率低（0.19）

本项研究开发了一个人工智能模型，根据法律规定的参数，对申请经济补偿的人员进行石棉病的诊断，并对仅基于CT扫描和CT扫描与肺功能测试相结合的分类模型进行了定量和定性评估。研究发现，基于CT扫描和DLCO的模型优于其他模型，达到了很好的诊断准确性。

原文出处：

Kevin B W Groot Lipman,Cornedine J de Gooijer,Thierry N Boellaard,et al.Artificial intelligence-based diagnosis of asbestosis: analysis of a database with applicants for asbestosis state aid.DOI:10.1007/s00330-022-09304-2