肺超和B线定量误差: 一定有正确的解决方案

翻译：文欣，校对：王玉康

正 文

我们饶有兴趣地阅读了Haaksma及其同事写来的一篇题为“肺部超声和B线：要小心！”的letter。Haaksma等发现，肺部超声 (LUS)的B线检测在不同探头和不同评估人员之间的可重复性是低至中等水平，同时提出了一个相关的问题。

B线是动态的LUS伪影，随呼吸周期移动或改变形态，且与血管外肺水增加或部分肺通气不足相关。B线的识别以及A、B模式的区分十分简单，但B线的量化及其间距的测量评估却可能具有挑战性；B线数量很少时很容易计数，但当B线数量众多且趋于融合（通常发生在肺泡间质综合征）时就不可能精确地计数了。

目前提出的B线半定量测量法可通过目测B线在屏幕中所占的百分比以及是否存在融合来进行简单量化。不同评估人员之间存在“目测（eyeballing）”差异，而且有时未考虑胸腔扩张程度而直接评估B线是否融合，这样就容易出错。

目前推荐评估B线所占胸膜线的百分比，而不是简单地计算每次超声扫查过程中B线的最大数目，即便如此，这也可能导致结果不准确。

目前没有工具可以量化B线占胸膜线的百分比。这可能不是一个简单的认知过程，因为：(1) 两条B线之间的距离可能无法用肉眼可靠地评估，而且在呼吸周期内可能会发生变化；(2) 两条B线之间的“融合”可能是一个有争议的概念，因为“融合”可以是两条密集的B线也可以是一条更宽的B线；(3) 对于局灶性病变，如急性呼吸窘迫综合征 (ARDS)等，如果不考虑B线在胸膜线上所占的百分比而将所有B线融合处以相同的分数进行半定量分级，这一方法可能会导致对病理状态的高估。

因此，目前尚缺乏客观量化B线的参考方法，这可能会影响Haaksma等采用不同探头将B线可视化时对假设差异的解释。

我们认为，通过计算机辅助测量胸膜线所呈现的B线伪影所占的百分比有可能会解决“缺乏定量评分系统”这一问题。计算机辅助测量法已经被证明是一种不受评估人员干扰的有前途的可靠的肺表面密度评估方法 (图1)，这一方法似乎更优于前面描述的主观评分法。

下一个步骤就是将这项技术进行自动化改造，这样可以开发一个以计算机为基础的易于临床使用的工具，从而能够客观地评价胸膜线伪影。这一技术将减少不同评估人员之间以及不同时间段评估的结果差异，并创建一个独特的量化系统，从而有助于对诊断评分和监测评分进行标准化。在人工智能软件的支持下，这一方法已经成功通过其他超声自动化技术的测试。自动化技术的应用可在不增加医疗成本和患者风险的情况下更快地收集数据。可以想见，在这个肺部间质性疾病大流行 (如COVID-19)的时代，肺超技术的改进对肺部疾病的诊断和监测具有重要意义。