基于深度学习的人工智能胸部CT肺结节检测效能评估

• 作者: 周振 张番栋 彭志君 李欣菱 王卿 王颖 苏大同 范亚光 郭芳芳
• 来源期刊: 中国肺癌杂志
• 关键词: 计算机体层成像 肺结节 深度学习 人工智能 检出
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 临床研究
• 页码范围: 336-340
• 页数: 5页
• 字数: 3230字
• 语种: 中文
• DOI: 10.3779/j.issn.1009-3419.2019.06.02

摘要

背景与目的:肺结节精确检测是实现肺癌早诊的基础.基于深度学习的人工智能在肺内结节检测领域发展迅速,对其效能进行验证是促进其应用于临床的前提.本研究旨在评估基于深度学习技术的人工智能软件在胸部计算机断层扫描(computed tomography,CT)恶性及非钙化结节检出中的价值.方法:由天津医科大学总医院自建胸部CT肺结节数据库中随机抽取200例胸部CT数据,包含病理证实的肺癌及随访结节病例,导入肺结节人工智能识别系统,记录软件自动识别结节,并与原始影像报告结果进行对比.人工智能软件及阅片者检测到的结节由2名胸部专家进行评估并记录其大小及特征.计算灵敏度、假阳性率评估人工智能软件及医师的结节检测效能,应用McNemar检验确定二者之间是否存在显著性差异.结果:200例胸部多层螺旋CT共包含非钙化结节889枚,其中肺癌结节133枚,小于5 mm结节442枚.人工智能及放射科医师肺癌检出率皆为100％.人工智能软件结节检测灵敏度明显高于放射科医师(99.1％vs 43％,P＜0.001).人工智能总体假阳性率为每例CT 4.9个,排除5 mm以下结节后降为1.5个.结论:基于深度学习的人工智能软件能实现恶性肺结节的无漏诊检出,具有较医师更高的结节检出灵敏度,在排除微小结节后可降低假阳性率.