人工智能识别技术在T1期肺癌诊断中的临床应用研究

• 作者: 刘晓鹏 叶波 周海英 王静 胡志雄 金权
• 来源期刊: 中国肺癌杂志
• 关键词: 人工智能 肺肿瘤 计算机体层摄影
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 临床研究
• 页码范围: 319-323
• 页数: 5页
• 字数: 3745字
• 语种: 中文
• DOI: 10.3779/j.issn.1009-3419.2019.05.09

摘要

背景与目的 肺癌是目前国内外发病率及致死率最高的癌症,使用计算机断层扫描(computed tomography,CT)筛查肺癌结节工作量巨大.通过人工智能深度学习,在1 mm及5 mm层厚的胸部CT中,利用计算机人工智能自动寻找肺癌结节,以测试人工智能在肺癌自动识别中的效果.方法 分别标注5 mm及1 mm层厚的T1期肺癌患者胸部CT片各5,000例,进行计算机神经网络学习,形成肺部结节的算法,利用人工智能形成的算法测试1 mm及5 mm层厚的T1期肺癌患者胸部CT片各500例,同人类读片进行比较,测试敏感性及特异性.结果 利用人工智能读取5 mm的胸部CT 500例,敏感度达95.20％,特异性达93.20％,两次重复读取的Kappa值达0.926,1.对于1 mm的胸部CT 500例测试,敏感性为96.40％,特异性为95.60％,两次重复读取的Kappa值为0.938,6.而与5位医师相比,对1 mm层厚的相同验证集CT片进行读片,人工智能与人工读片对于肺癌结节和阴性对照读片的检测率相似,两者之间比较无显著差异.而在5 mm层厚的相同验证集CT片比较中,人工智能对肺癌结节的检出数优于人工读片,敏感性更高,但误报数增多,特异性稍差.结论 通过人工智能自动学习早期肺癌胸部CT图像,可以达到较高的早期肺癌识别的敏感性及特异性,可辅助医生进行诊断工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王静	复旦大学附属金山医院呼吸科	65	391	12.0	16.0
2	胡志雄	复旦大学附属金山医院呼吸科	39	255	10.0	13.0
3	周海英	复旦大学附属金山医院呼吸科	23	163	9.0	11.0
4	叶波	上海交通大学附属胸科医院胸外科	16	112	5.0	10.0
5	刘晓鹏	复旦大学附属金山医院呼吸科	4	24	3.0	4.0
6	金权	复旦大学附属金山医院呼吸科	5	36	4.0	5.0