摘要：目的：分析基于人工智能技术的肺部CT扫描在肺结节筛查中的应用价值。方法：选取2021年1月至2022年1月收治的130例肺部CT扫描患者，分别采用人工智能技术和专业医生进行诊断。以病理检查为金标准，比较两种方法的诊断效果。结果：130例患者中，经病理检查确诊169例，其中恶性95例，良性74例。AI诊断肺良恶性结节的敏感性、特异性、准确性、误诊率、漏诊率、阳性预测值和阴性预测值分别为96.84%、91.89%、94.67%、8.11%、3.16%、93.88%和95.77%；医生手工诊断肺结节的敏感性、特异性、准确性、误诊率、漏诊率、阳性预测值和阴性预测值分别为95.79%、94.59%、95.27%、5.41%、4.21%、95.79%和94.59%。130例患者经病理检查共发现575个真阳性结节。AI诊断的检出率、漏诊率和误诊率分别为96.35%、3.65%和49.83%；医师手工诊断的检出率、漏诊率和误诊率分别为45.91%、54.09%和0.86%；人工智能诊断的检出率显著高于医师手动诊断，漏诊率显著低于医师手动诊断。然而，医生手动诊断的误诊率明显低于人工智能诊断。结论：人工智能对肺结节的筛查效果良好，良恶性鉴别率高，但对结节的诊断假阳性率高，具有一定的临床应用价值。

关键词：人工智能技术；肺部CT扫描；肺结节筛查；应用

1资料与方法

1.1一般资料

选取本院2021年1月—2022年1月收治的130例行肺部CT扫描患者的临床资料，其中男78例，女52例；就诊时年龄38～87岁，平均年龄（62.70±12.21）岁。

1.2方法

CT检查：使用美国GE750宝石能谱CT进行肺部CT检查，患者取俯卧位、从胸廓至肺底部进行扫描，扫描采用螺旋扫描，管电压120kV，层间隔5mm，层厚0.625mm，螺距0.85，图像矩阵512×512，采用两种方法对CT图像进行回顾性分析。

AI技术：采用AI技术（锐影肺结节智能辅助筛查系统）对肺结节进行分析，并分析肺结节的检查情况。将130例肺结节患者术前的胸部低剂量CT图像导入AI分析软件中，由软件自动识别并标记肺结节。

医师人工：采用双盲法，由两位以上具有丰富经验的影像科医生进行影像学分析，当出现意见不一致时，由第三位医生进行分析，当三者意见均不一致时，以最高资历影像学医生为主。记录每个结节的最大直径、密度。根据最大直径将肺结节分为<5mm、5～10mm、>10～20mm、>20～30mm，根据结节密度不同将其分为实性结节、磨玻璃结节、部分实性结节。

1.3统计学方法

采用SPSS22.0软件分析数据，计数资料以n（%）表示，比较采用χ2检验或精确概率法；计量资料以x±s表示；使用Kappa值评估一致性，0.81～1.00完全一致，0.61～0.80基本一致，0.41～0.60中等一致，0.21～0.40一般一致，0.00～0.20轻度一致；P<0.05为差异有统计学意义。

2结果

2.1AI和人工诊断肺结节良恶性价值

130例患者中共经病理学检测诊断出169个病灶，其中95个为恶性，74个为良性。其中AI诊断出98个恶性，71个良性；人工诊断出95个恶性，74个良性。

2.2AI和人工诊断真阳性结节情况

病理学检测共发现575个真阳性结节，AI诊断的检出率明显高于医师人工诊断，漏诊率明显低于医师人工诊断，但医师人工诊断的误诊率明显低于AI诊断。

3讨论

CT在良恶性肿瘤诊断中有良好应用价值，尤其是在肺癌的早期筛查中。胸部CT是一种常用的检查方法，可以根据不同征象准确判断肺结节的良恶性。不规则形态、磨玻璃影、边缘棘突征、毛刺征等是判断肺结节良恶性的重要依据。这些征象可以通过CT扫描来观察和判断。随着人工智能技术的发展，基于AI技术和专业医师的CT扫描诊断良恶性肺结节的准确率分别为95.36%和96.03%，有望将人工判断中的误诊率降至最低。CT扫描对肺结节定性诊断价值较高，可以帮助医生准确判断肺结节的良恶性，并指导后续治疗方案的制定。然而，体积较小的肺结节临床筛查难度较大。这是因为这些小的结节可能难以被发现，需要采用更加敏感的检测方法，如低剂量CT等。此外，小结节的良恶性判断也更加困难，需要更加精细的CT图像分析和病理学检测。

本研究发现，人工智能诊断的检出率显著高于医生手动诊断（96.35%vs45.91%，P<0.05），漏诊率显著低于医生手动诊断的检出比率（3.65%vs54.09%，P<0.05）。这表明与人工智能相比，手动诊断容易漏诊，主要与特殊部位的小病灶和结节有关。小病变和特殊部位的病变在人工观察中很容易被忽视，导致误诊和漏诊。人工智能可以有效地标记小病变，减少漏诊。同时，医生手工诊断的误诊率明显低于人工智能诊断（0.86%vs49.83%，P<0.05），人工智能诊断结节的阈值过低。虽然可以诊断出小的病变，但很容易将局部血管交叉相对完整的区域视为结节，导致假阳性率很高。为了提高诊断成像的准确性，成像医生需要进行复查以提高准确性，这也增加了工作量。与人工智能诊断相比，医生的手动诊断可以进一步诊断一些良性结节，如错构瘤和结核瘤。这是因为医生不仅可以详细分析患者结节的大小、密度、位置、临床数据和实验室研究，还可以综合分析其他诊断结果，这是人工智能辅助诊断无法实现的。因此，人工智能软件在诊断肺结节方面存在一定的误差。目前，诊断成像报告不能单独发布，需要进一步的手动审查。

结论

综上所述，基于AI技术CT扫描对肺结节诊断价值较高，真阳性结节检出率较高，漏诊率低，但误诊率较高，临床可进一步设置判断参数，以降低误诊率。

参考文献：

[1]徐铭，陈小刚.多层螺旋CT诊断肺部单发结节临床分析[J].医学影像学杂志，2019，29（7）：1233-1236.

[2]王小铭，郑钦允.低剂量多层螺旋CT对717例健康体检者的肺结节筛查分析[J].肿瘤学杂志，2018，24（11）：1129-1131.

[3]韩志萍，唐兴，杨庭义，等.人工智能时代下的影像组学在肺癌中的应用研究进展[J].国际呼吸杂志，2019，39（9）：692-695.

[4]中国食品药品检定研究院，中华医学会放射学分会心胸学组.胸部CT肺结节数据标注与质量控制专家共识（2018）[J].中华放射学杂志，2019，53（1）：9-15.

[5]王万勤，刘斌，周勇，等.良恶性肺结节多排CT征象分析[J].安徽医药，2018，22（8）：1491-1496.

[6]姜博，王建，曾小松，等.中央型和周围型鳞癌患者临床特点及CT影像学特征研究[J].中国CT和MRI杂志，2019，17（7）：67-70.

[7]邱志新，李为民.肺部结节的诊断及处理进展[J].华西医学，2018，33（1）：8-14.

[8]刘珮君.人工智能优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值[J].放射学实践，2019，34（7）：760-766.

[9]金广予，所世腾，冯建兴，等.肺结节的智能影像筛查新模式[J].中国医疗器械杂志，2019，43（3）：226-229.