陈疆红，钟朝辉，江桂莲，杨正汉*，王振常，王大为

(1.首都医科大学附属北京友谊医院放射科，北京 100050；2.北京推想科技有限公司全球临床科研合作学院，北京 100025)

低剂量CT筛查早期肺癌是降低患者死亡率的有效手段。腺癌在检出的早期肺癌中占比超过50%[1]，CT表现常为亚实性结节(subsolid nodule, SN)，其发展过程通常依次为浸润前病变[包括不典型腺瘤样增生(atypical adenomatous hyperplasia, AAH)和原位癌(adenocarcinoma in situ, AIS)]、微浸润腺癌(microinvasive adenocarcinoma, MIA)及浸润性腺癌(invasive adenocarcinoma, IAC)[2-3]。既往研究[4-6]指出，结节大小、密度、实性成分等因素与其侵袭程度密切相关。

随着以深度学习为代表的人工智能(artificial intelligence, AI)技术的发展，AI肺结节辅助诊断系统(以下简称AI系统)的临床应用日益成熟，多项研究[7-9]表明其在辅助检测肺结节方面具备良好效能。本研究采用观察AI系统预测良恶性肺结节的效果以及增强CT对其预测结果的影响，以探索适当应用模式。

1 资料与方法

1.1 一般资料 收集2017年7月—2019年7月86例于首都医科大学附属北京友谊医院接受手术治疗的肺占位病变患者，男26例，女60例，年龄31～82岁，平均(61.3±11.7)岁。纳入标准：①术前接受胸部CT平扫及增强检查，并有薄层图像(层厚1.25 mm)；②至少存在1个肺SN；③病理证实切除SN为腺癌浸润前病变或IAC。排除弥漫性肺疾病患者及图像有明显移动伪影者。根据病理结果分为3组：组1为浸润前病变(包括AAH及AIS)，组2为MIA，组3为IAC。

1.2 仪器与方法 采用GE Revolution 256排螺旋CT机，嘱患者每次扫描屏气程度一致，于其吸气末屏气扫描。采用宝石能谱CT(gemstone spectral imaging, GSI)模式进行平扫及增强扫描，管电压为 80、140 kVp瞬时切换，自动管电流调节，最大管电流为260 mA，螺……