目的:探讨人工智能(AI)对肺磨玻璃结节(GGN)筛查及定性的临床应用价值.方法:搜集行胸部CT平扫的200例患者(共1230个GGN),比较A组(住院医师)、B组(AI)、C组(住院医师结合AI)对诊断GGN的敏感度、误判率、漏诊率、阳性预测值和平均诊断时间.将其中经手术病理证实的137例GGN患者按其病理结果分为良性组(54例)、恶性组(83例),比较两组间AI量化参数的差异,对有统计学差异的参数行ROC曲线分析,再以病理结果为因变量,各指标为自变量行Logistic回归分析.结果:B组误诊率高于A、C两组,阳性预测值小于A、C两组;A组漏诊率高于B、C两组,敏感度小于B、C两组,差异均有统计学意义(P值均＜0.05).GGN良、恶性结节的长径、最大面积、体积、平均CT值、最大CT值和恶性概率差异均有统计学意义(P值均＜0.05),对各参数行ROC曲线分析,曲线下面积(AUC)均大于0.7,Logistic回归分析显示长径和最大面积是GGN恶变的独立危险因素.结论:AI协助医生阅片可明显提高肺GGN检出敏感度,并可降低误诊率和漏诊率,同时对GGN的良恶性预判具有一定参考价值.
作者：蔡雅倩；张正华；韩丹；黄建强；李浚利；金文凤
来源：放射学实践 2019 年 34卷 9期
