基于深度学习在胸片检测穿刺活检后气胸的临床研究

• 作者: 崔达华（译） 任克（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 479-480
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.r0512

摘要

目的 基于深度学习的CAD系统能否提高临床中在胸片上检测PTNB后气胸的效能。资料与方法 针对使用了在胸片上检测PTNB后气胸的CAD系统，该回顾性队列研究包括CAD辅助胸片阅读组（CAD辅助组，2020年2—11月）和CAD使用前胸片阅读组（非CAD辅助组，2018年1月—2020年1月）。参考标准由2名放射科医生共同阅片商定。采用广义估计方程比较2组气胸的诊断准确率。采用贪婪算法根据X线片阅片者和PTNB操作者是否相同进行匹配。结果 CAD辅助组纳入655例病人的共676份X线片[平均年龄（67±11）岁；男390例]，非CAD辅助组纳入664例病人的共676份X线片[平均年龄（66±12）岁；男400例]。CAD辅助组中气胸的检出率为18.2%（123/676），非CAD辅助组为22.5%（152/676）（P=0.05）。CAD辅助组的敏感度（85.4%和67.1%）、阴性预测值（96.8%和91.3%）和准确度（96.8%和92.3%）均高于非CAD辅助组（均P<0.001）。CAD辅助组比非CAD辅助组检测少量气胸的敏感度更高（肺压缩体积<10%：74.5%和51.4%，P=0.009；肺压缩体积10%~15%：92.7%和70.2%，P=0.008）。在气胸病人中，非CAD辅助组655例病人中有34例病人（5.0%）需要后续插入胸腔引流管，而CAD辅助组的664例中有16例病人（2.4%）需要后续插入胸腔引流管（P=0.009）。结论 基于深度学习的计算机辅助检测系统提高了在胸片上检测肺穿刺活检后气胸的效能。