文芳[1] 谭先华[2] 龚桂姿[3] 林宗彪[4]
[1]湘西土家族苗族自治州肿瘤医院 影像科，湖南 湘西 416000;
[2]武汉市第五医院放射科，湖北 武汉 430050;
[3]张家界市人民医院呼吸与危重医学科，湖南 张家界427000;
[4]湘西土家族苗族自治州肿瘤医院 影像科，湖南 湘西416000
【摘要】目的：分析在肺结节诊断中应用人工智能实施辅助的价值。方法：分析病例选择于2019.2~2020.2时间段就诊于我院的肺结节患者60例，共有肺结节128个，所有患者均实施胸部CT检查，医师和人工智能对检查结果实施判读，以病理检查为金标准，对2种阅片方式的诊断结果进行比较。结果：相对比于医师阅片，人工智能阅片磨玻璃结节阳性率提升明显，比较差异性明显（P<0.05）；通过病理检查27个肺结节，其中24个恶性肺结节，3个良性肺结节。两种阅片方式阳性预测值和阴性预测值基本基本一致。结论：在肺结节诊断中人工智能可促进磨玻璃结节阳性率提升，可促进漏诊率降低，可对医师阅片进行有效辅助。
【关键词】肺结节；磨玻璃结节；人工智能；阅片
LDCT筛查是目前发现早期肺癌的最好方法，与传统胸片相比，对高危人群用LDCT筛查可使肺癌死亡率下降20%，在CT上早期肺癌以肺结节为主要表现，在临床中利用CT对肺结节进行诊断，但是却受到阅片者经验影响较大，导致漏诊或误诊情况发生。而人工智能近些年来应用日趋广泛，图片识别功能强大，学习记忆能力较强，可对肺结节进行充分显示，可用于肺结节的诊断中。本次研究对人工智能的辅助价值进行分析，分析内容和结果进行如下报道。
1 资料与方法
1.1一般资料
分析病例选择于2019.2~2020.2时间段就诊于我院的肺结节患者60例，共有肺结节128个，其中包括24例男性患者，36例女性患者，（59.65±8.25）岁为年龄平均值的计算结果，以38~68岁为所选病例年龄区间，128个肺结节中包括73个实性结节，55个磨玻璃结节,平均直径分别为（9.02±3.10）mm、（10.25±5.25）mm。
1.2方法
采用佳能128层螺旋CT Aquilion PRIME扫描，参数设置为管电压120kVp，管电流30~50mAs，扫描层厚≤0.625，螺距≤1，无间隔重建，标准算法与肺算法同时进行，FOV大视野。肺窗：1500HU窗宽，-600HU窗位；纵膈窗参数，50HU窗位，350HU窗宽。医师和人工智能阅片，其中人工智能阅片的方法为对肺结节筛查系统进行利用对诊断进行辅助，在人工智能筛查系统中导入影像资料，对低危结节、中危结节、高危结节进行显示，其中恶性肺结节为高危结节，对工具栏进行利用对肺结节形态进行清晰显示。
医生阅片则由两名经验丰富的影像科副主任医师实施诊断，以肺结节密度、大小、与支气管和血管关系评估良性和恶性，对可疑的良性和恶性进行划分。以病理检查为金标准，对两种阅片方式的诊断结果进行对比。
1.3统计学分析
该研究中数据分析选择以SPSS23.0为版本的软件包，数据中计量验证、计数验证分别以t、X2为方式，统计学以P<0.05为判断意义依据，证明差异性大。
2 结果
经病理检查，128个肺结节中包括73个实性结节，55个磨玻璃结节,通过病理检查27个肺结节，其中24个恶性肺结节，3个良性肺结节。其中人工智能阅片磨玻璃结节阳性率为94.55%（52/55），医师阅片磨玻璃结节阳性率为69.09%（38/55），相对比于医师阅片，人工智能阅片磨玻璃结节阳性率提升明显，比较差异性明显（X2=，P<0.05）；人工智能阅片阳性预测值为93.55%，阴性预测值为50.00%，医师阅片阳性预测值为97.65%，阴性预测值为50.00%，2种阅片方式阳性预测值和阴性预测值比较差异性并不明显。
3 讨论
早期肺癌在临床上临床症状并不明显，一旦临床症状出现，一般已经发展到中晚期，最佳手术治疗时机已经丧失[1]。早期肺癌患者实施手术治疗可有效提升5年生存率。因此，必须对肺癌患者实施尽早诊疗。肺癌在早期阶段以肺结节为一种影像学表现。现阶段一般建议年龄在40岁以上各种高危人群，比如肺部基础疾病、高危职业暴露、环境、吸烟史等，以实施CT诊断，以筛查肺结节[2]。但是由于影像医师较为缺乏，筛查人员较多，因此，仅靠人工阅片无法有效筛查肺结节。随着人类迈入5G时代，多个领域应用人工智能，进而也熟练应用于影像领域，利用筛查系统可对肺癌特征进行有效挖取，可对医师进行协助，可鉴别早期肺癌良恶性，以便更好地判断肺结节性质[3]。磨玻璃结节CT（高分辨率）上似磨玻璃样、模糊密度增高影，可对病灶中血管和支气管走行进行清晰显示[4]。本次研究表明，相对比于医师阅片，人工智能阅片磨玻璃结节阳性率提升明显，导致医师阅片磨玻璃结节阳性率降低主要原因为小结节显示率、定量检测等导致难以阅片，较大的筛查工作量，医师少，进而极易发生漏诊，而人工智能筛查系统利用多个流程可深度学习病变特征，短时间之内肺结节会被发现，阅片时间缩短，特别是可筛查磨玻璃结节，假阴性显著降低，可有效辅助医师诊断[5]。
综上所述，在肺结节诊断中人工智能可促进磨玻璃结节阳性率提升，可促进漏诊率降低，可对医师阅片进行有效辅助。
参考文献：
[1]李甜,李晓东,刘敬禹.人工智能辅助诊断肺结节的临床价值研究[J].中国全科医学,2020,23(07):828-831+836.
[2]杨尚文,胡安宁,徐亚运,张帅,张建,卢玉,刘柏韵,张冰,杨雯,辛小燕.CT图像分辨率对人工智能肺结节辅助诊断系统诊断准确性的影响[J].医学影像学杂志,2020,30(06):965-968.
[3]万云.人工智能医学影像辅助诊断系统在肺结节诊断上的应用研究[J].甘肃科技,2020,36(10):151-152+101.
[4]邱露,方向明,陈宏伟.人工智能辅助CT肺结节良恶性鉴别的研究进展[J].临床放射学杂志,2019,38(12):2453-2456.
[5]陈疆红,钟朝辉,江桂莲,杨正汉,王振常,王大为.人工智能肺结节辅助诊断系统预测亚实性肺结节恶性概率[J].中国医学影像技术,2020,36(04):535-539.