AI对肺磨玻璃结节筛查及定性的临床应用研究

• 作者: 张正华 李浚利 蔡雅倩 金文凤 韩丹 黄建强
• 来源期刊: 放射学实践
• 学科: 医学
• 关键词: 人工智能 肺磨玻璃结节 体层摄影术,X线计算机 筛查 诊断,计算机辅助
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能影像学专题
• 页码范围: 958-962
• 页数: 5页
• 分类号: R814.42|R563.9|TP18
• 字数: 3717字
• 语种: 中文
• DOI: 10.13609/j.cnki.1000-0313.2019.09.005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩丹	昆明医科大学第一附属医院医学影像科	111	411	10.0	15.0
2	张正华	昆明医科大学第一附属医院医学影像科	21	81	4.0	8.0
3	黄建强	昆明医科大学第一附属医院医学影像科	30	94	5.0	8.0
4	李浚利	昆明医科大学第一附属医院医学影像科	8	8	2.0	2.0
5	蔡雅倩	昆明医科大学第一附属医院医学影像科	8	3	1.0	1.0
6	金文凤	昆明医科大学第一附属医院医学影像科	4	3	1.0	1.0