陈 均，陈巧一（通信作者）

（重庆市永川区人民医院放射科 重庆 402160）

随着医学影像检查技术不断发展，特别是多层螺旋CT的广泛应用，肺结节的检出率明显增高。CT扫描层厚越来越薄，由之前双排、16排的1.5 mm/层发展到现在超高端螺旋CT的0.5 mm/层，虽然层厚越来越薄，提供的诊断信息越来越多，但图像层数也越来越多，影像诊断医生的工作量及压力显著增大。普通成年人行常规胸部CT检查，如层厚0.6 mm/层，平扫肺窗将会有500张左右图像，再加上软组织窗、骨窗图像，诊断人员每完成1例胸部CT检查诊断，将调阅上千张图像资料，很难避免微小结节的漏诊、误诊。越小的结节越容易漏诊，尤其是放射科医师在长时间工作产生疲劳之后，这符合临床上对肺结节检测的普遍经验[1]。随着科学技术的发展，计算机辅助人工智能诊断系统（AI）逐渐应用于影像诊断领域，其中肺结节的计算机辅助人工智能诊断应用最早、也最广泛。随着影像科医生阅片对AI的应用逐渐增多，AI影像辅助诊断系统对减少漏、误诊，提高阅片速度及诊断正确率发挥了巨大的作用，使肺结节的检出率明显提高[2]。AI分析的准确性成为广大影像科阅片医生关注的重点。本研究旨在探讨AI对肺结节的筛查准确率及风险评估准确率，推动AI辅助诊断技术在胸部CT检查中的应用。

1 资料与方法

1.1 一般资料

回顾分析重庆市永川区人民医院2019年12月—2021年5月收治的以肺部症状就诊的行胸部或者胸腹部联合CT扫描、AI与影像诊断医生共同诊断的90例肺结节患者。AI诊断结节阈值3 mm。排除标准：尘肺粟粒结节、转移瘤、双肺间质性病变、严重肺气肿等患者；常规体检、常规术前检查、外伤患者。90例患者中男性52例，女性38例，年龄17～78岁，平均年龄（57.6±8.4）岁。患者均对本试验知情并签署同意书。

1.2 方法

所有病例均使用飞利浦（极速之心）Ingenuity core 64排128层螺旋CT扫描。患者取仰卧位，头先进，嘱患者屏气后一次性完成全肺扫描。扫描参数：管电压120 kV，管电流 50～200 mA，层厚5.0 mm，层距5.0 mm。扫描结束后，使用Reduce Dose 18算法行肺组织窗薄层重建，层厚1.0 mm，层距1.0 mm，由肺尖重建至肺底（包含全部肺野）[3]。

1.3 图像分析与处理

所有病例分别由诊断医师及AI进行分析诊断。诊断医师由中级诊断医师按日常工作状态进行阅片分析（使用卫宁健康PACS系统阅片）；AI分析由医准智能公司提供的肺结节人工智能诊断系统V5.0版本软件自动识别和标记肺结节。结节大小以6 mm为分界标准（参照《中国肺癌筛查标准（T/CPMA013-2020）》实性结节或部分实性结节LDCT随访分界标准）[4]。由2名高年资中级医师在参照AI的结果上通过薄层（1 mm）横断面图像及多平面重组等技术，判断结节的真实性，以2名医师的一致性意见作为参照标准，意见不统一时，由高级职称医师组织共同讨论，得出统一诊断金标准。结节风险评估以高风险结节（AI）和拟诊恶性肿瘤结节（诊断医师）为统计数据，以手术、穿刺病理结果为金标准[5]。

1.4 统计学方法

所得数据采用SPSS 22.0统计学软件处理，计数资料以率（%）表示，行χ2检验，若P＜0.05则表示数据差异具有统计学意义。

2 结果

所选90例病例中，AI识别结节总数689个，＞6 mm结节432个，高风险（拟诊肿瘤）患者30例；诊断医师识别结节总数547个，＞6 mm结节401个，高风险（拟诊肿瘤）患者25例。两组结论与金标准对照可以得出：AI诊断肺结节灵敏度高于诊断医师，特别是6 mm以下小结节不易漏诊，但存在少量假阳性，经分析假阳性结节主要为局部胸膜增厚、血管转折、局灶性炎性渗出等；AI识别高风险结节灵敏度高于诊断医师，特异度稍低；诊断医师6 mm以下小结节漏诊较多，漏诊主要为细小结节及小磨玻璃结节。见表1。

表1 结节总数、＞6 mm结节及高风险（拟诊肿瘤）结节

AI识别30例高风险结节，诊断医师拟诊25例肿瘤结节（肿块），手术、穿刺确诊恶性肿瘤22例，3例排除恶性肿瘤；AI对于高风险结节的检查准确率高于影像诊断医师，灵敏度高，但特异度低于诊断医师。AI误判的8例高风险结节中有结核空洞1例，尘肺结节2例，炎性团块4例，叶间裂积液1例。

患者17岁，青年，右肺上叶空洞，病灶邻近多发粟粒结节及小片状影，最终诊断为肺结核。如图1、图2所示。

图1 结核空洞

图2 结核空洞

薄层观察病灶密度较高，CT值在80 HU左右，内见钙化，双肺散在细小结节，结合患者有粉尘接触使，诊断尘肺团块。如图3、图4所示。

图3 尘肺团块（肺窗）

图4 尘肺团块（纵隔窗）

薄层观察病灶呈片状，内可见细支气管通行良好，抗炎治疗后病灶吸收，为炎性病灶。如图5所示。

图5 炎性病灶

3 讨论

肺癌是我国最常见的恶性肿瘤，病死率高于发达国家，但研究表明ⅠA期肺癌患者中，原位癌和微浸润性癌术后五年生存率可接近100%[6-7]，早发现、早诊断和早治疗是延长肺癌患者生存期的唯一有效方法[8]。

目前胸部CT检查是肺结节检出的重要手段[9]，胸部HRCT检查成为体检及临床筛查肺部病变的常规检查方法，区县级以上医院每天有大量CT检查患者。胸部HRCT检查人员日益增多，图像数量较以前的常规螺旋CT明显增多，对肺部细微结构显示更加清晰，肺结节的显示也越来越准确，但同时也明显增加了诊断医师的工作量，每位诊断医师每天将调阅大量薄层CT图像，长时间的工作及紧张的节奏会加剧视疲劳，对细小肺结节容易漏诊[10]。同时，患者不同时间段检查或到不同医院检查，不同诊断医师对细小肺结节的诊断率会有一定差异，患者不理解时则存在医疗纠纷的风险。计算机辅助人工智能诊断系统可较为精准地诊断肺结节，特别是数毫米的微小结节，不易漏诊，且系统可自动前后对照结节大小，在检出率及结节随访中具有较大优势。AI的出现不仅降低了早期肺癌的漏诊率，也在一定程度上解放了影像科医生的双眼，使其可将有限的精力用于更高难度的工作中[11]。

在本研究中，AI识别肺小结节灵敏度高，特别对于＜6 mm的细小结节不易漏诊，诊断医师对小结节特别是6 mm以下小结节漏诊较多，AI在肺小结节的诊断上有较大优势。AI对于高风险结节的检查准确率高于影像诊断医师，灵敏度高，但存在一定比例假阳性，且特异度低于影像诊断医师。现目前AI对肺结节诊断的假阳性率仍较高，需进一步改善其算法、结合临床信息等因素，以提高其特异度。经初步分析，AI高风险结节误判主要原因为：①不能良好结合患者年龄等临床资料，只凭借影像征象判定，如青年患者结核球及结核空洞判定为高风险；②未结合CT值等后处理手段综合分析，如尘肺团块判定为高风险结节；③不能结合患者双肺其他情况综合分析，把部分炎性病灶判定为高风险肿块。与普通图片不同，影像学图像更为复杂，疾病的影像表现多样，对AI也是极大的挑战[12]。下一步应提供更多数据，建立更可靠的模型，加强AI的深度学习，提高AI诊断的准确性及特异度。

本研究仍有不足的地方：①样本量相对较少，相对日常大批量的胸部CT检查，本次研究仅选取小部分病例，还需要进一步结合大批量样本研究；②缺少相同或相近病种、影像表现相近的AI分析结果。

综上所述，AI能够有效协助影像科诊断医生阅片，但不能完全替代，只有将人工智能阅片和人工阅片有机结合，互相取长补短，才能发挥最大能效。