根据2022年国家癌症中心发布的全国癌症统计数据，因吸烟、慢性感染、空气污染等因素，肺癌仍是我国发生率、死亡率最高的恶性肿瘤^[1]，2016年我国新发肺癌占总癌症病例的20.4%^[2]。肺癌早期影像上多呈现肺结节表现，因此肺结节早期筛查、评估、干预对于降低肺癌发生率、改善肺癌预后具有重要意义^[3]。目前运用CT影像扫描是进行肺结节筛查的主要手段，但人工阅片存在容易漏诊早期微小结节的缺点。在人工智能快速发展的背景下AI辅助筛查系统在提高阅片效率、病灶识别准确率，判断结节良恶性等展现了独特的优势^[4][5]。本研究应用的人工智能筛查肺结节系统能够在5秒左右完成CT图像自动识别，标注出病灶大小、位置、密度、形态，并初步分析良恶性。本研究中，笔者对比人工阅片、AI阅片、人工+AI阅片三种阅片方式针对不同病灶大小肺结节的误诊率及漏诊率，探索肺结节早期筛查更为行之有效的方式。

1资料与方法

1.1临床资料

选择2021年7月~2023年2月在牡丹江市中医院进行胸部CT检查发现肺结节的患者作为观察对象，依据《肺结节诊治中国专家共识（2018年版）》制定纳排标准^[6]。纳入标准：（1）图像中至少存在1枚非钙化肺内结节；（2）低剂量薄层胸部CT示肺结节<30mm；（3）原始CT图像完整。排除标准：（1）存在间质性肺病、肺部感染及弥漫性肺疾病、等严重影响识别的肺部疾病；（2）呼吸运动产生伪影影响图像识别者；（3）既往有肺部手术史者。本研究共纳入117位患者，其中男76例，女41例。对117例胸部CT图像数据分别进行人工阅片、AI阅片、人工阅片+AI阅片。本研究得到医院伦理委员会批准。

1.2方法

1.2.1 CT诊断

应用美国GE公司生产的64排CT机扫描。患者呈仰卧位，从胸廓入口至肺底进行扫查，嘱患者一次吸气后屏气对肺全扫。螺旋扫描，相关参数：管电压为120kV；管电流为200~340mA；螺旋为1.375:1，层厚为0.625mm；矩阵：512×512；FOV为360mm。应用标准算法重建1.25mm层厚轴位图像。

1.2.2 AI检测

基于AI软件（V190120），将胸部CT图像数据统一导入AI工作站，通过配套系统自动批量识别并标记肺结节，并记录非钙化结节的大小情况。AI软件工作站可提供自动识别与标记结节后的CT断面、横断面、多平面重建。自动检测出目标病灶在各图像上，用方框标记，编号并写明病灶面积、长径、体积等，滑动图像层面可自层面上端识别和标记后结节。

1.3观察指标

三组阅片方式检测并根据病灶大小分为<5mm（微小结节）、5~10mm（小结节）、10~30mm肺结节。由医院选出2位影像科主任医师专家成立专家组，两位专家参考AI及影响资料报告结果，于横断面观察，确定可疑病灶位置后，根据多面重建、最大密度投影等结果对肺结节病灶大小的标注作为判定金标准。

1.4统计学方法

本研究数据分析通过SPSS20.0完成。输入数据后，统计三组阅片方式检出的真阳性结节数、假阳性结节数，与金标准对比，观察比较三组不同肺结节筛查方式的总误诊率、总漏诊率，及肺微小结节的误诊率及漏诊率，采用配对设计资料卡方分析，p<0.05将被认为有统计学意义。

2结果

收集117例患者的胸部CT图像，由2名影像科专家参考AI及影像资料报告结果作为“金标准”，共标注312个肺结节，其中与微小结节174个，小结节112个，10~30mm的肺结节26个。

人工阅片组共标注结节301个，其中真阳性结节254个，假阳性结节47个，

总误诊率为15.61%，总漏诊率为18.59%。AI阅片组共标注结节323个，其中真阳性结节291个，假阳性结节32个，总误诊率为9.91%，总漏诊率为6.73%。人工阅片+AI阅片组共标注结节315个，其中真阳性结节298个，假阳性结节17个，总误诊率为5.40%，总漏诊率为4.49%，具体见表1。可见，AI 辅助系统在肺结节筛查上具有较好的表现，总漏诊率人工阅片组＞AI阅片组＞人工阅片+AI阅片组，总误诊率人工阅片组＞AI阅片组＞人工阅片+AI阅片组，且组间p<0.05差异有统计学意义。

表1  三组肺结节总检出情况比较

注：经检验，人工阅片组、AI阅片组组间比较p<0.05，人工阅片组、人工+AI阅片组组间比较p<0.05，AI阅片组、人工+AI阅片组组间比较p<0.05。

将三组阅片方式检测的3类不同病灶大小肺内结节，分别统计其检出结节及真阳性结节、假阳性结节数量，计算漏诊率及误诊率值并进行比较，见表2。各阅片组中，不同病灶大小的肺内结节的误诊率均为人工阅片组＞AI阅片组＞人工阅片+AI阅片组，对于肺微小结节、小结节漏诊率均为人工阅片组＞AI阅片组＞人工阅片+AI阅片组，10~30mm结节漏诊率人工阅片组＞AI阅片组=人工阅片+AI阅片组。肺微小结节筛查三组阅片方式误诊率、漏诊率组间差异p<0.05差异有统计学意义。肺小结节筛查三组误诊率差异p＜0.05，有统计学意义。

表2  三组肺结节不同病灶大小检出情况比较

注：经检验，肺微小结节筛查人工阅片组、AI阅片组组间比较p<0.05，人工阅片组、人工+AI阅片组组间比较p<0.05，AI阅片组、人工+AI阅片组组间比较p<0.05，有统计学意义；肺小结节漏诊率各组间p＞0.05，无统计学意义，误诊率p＜0.05，有统计学意义；10~30mm结节筛查三组间p＞0.05，无统计学意义。

3讨论

肺结节为临床多见疾病，该疾病在临床具有极高发病率，若治疗不及时，严重影响患者身体健康。研究显示，该疾病具有难治愈、病程长和死亡率较高等特点[7]，给临床治疗增加了困难。同时由于该疾病具有复发率高等特点，易导致患者产生负性情绪，丧失治疗的自信。而早期明确诊断，给予其针对性治疗，能够有效改善患者病情预后，提高患者生活质量水平[8]。人工智能（AI）CT是一种新型诊断技术，其主要是在常规CT的基础上改进深度算法和深度学习，能够使患者疾病检出率得以提高，使耗费时间和精力得以减少。人工智能（AI）CT主要是从放射学从主观感知技能逐渐转变为客观的科学，其人工智能的应用能够提高诊断效率，使医生能够获得更多诊断时间，具有显著效果[9]。

近年来，随着肺结节早期筛查及治疗的普及，肺癌死亡率呈逐年下降趋势。但由于吸烟、慢性感染、空气污染、防癌意识相对薄弱，肺癌早期无症状等因素，肺癌发生率、死亡率仍居首位。因此，我国应在扩大肺结节的筛查及早诊早治的推广应用方面持续发力。AI筛查系统在诊断肺结节具有较高的检测敏感性，尤其是在筛查肺微小结节、肺小结节上优势明显，可减小影像医师视觉疲劳和测量误差的影像，AI筛查系统对早期发现肺结节中具有重要意义。有研究表明人工智能对肺结节评估存在一定局限性，因此尚需通过结合临床及整体肺部信息、随访观察、优化算法等方式减少误判，提高检出率及准确性[10]。目前AI筛查系统与人工阅片相结合在降低肺结节诊断的误诊率、漏诊率上更为行之有效。

肺结节的发病性质为单发或多发，存在肺结节严重的患者可能会伴随肺不张、肺门肿大甚至胸腔积液的情况，严重影响患者的身体健康，致使患者的生活质量不断下降。而单独存在的肺结节其并没有典型的临床症状，且此种肺结节的边界比较清楚、致密度比较高。当肺结节的直径超过3cm时，则医生常将这一肺结节则判断为肺部肿块，此种情况多见于肺癌患者。临床医学上对于检查结果数量在10个以上且伴随典型临床症状的患者，需要考虑患者是否存在器质性的病理改变，特别是患者是否存在肺结核以及肺癌等。同时，CT技术更是迅速发展，CT扫描技术被广泛用于肺部疾病诊断中，其主要的工作原理是在常规扫描的基础上，通过对比剂，提升人体器官以及病灶区域，进而获取更多的影像学资料内容。CT扫描的主要目的是提升空间的分辨率，通过提升平面内的分辨率获取更加精准的数据内容。靶重建可以缩小显示野，并不会显示矩阵不变，进而改善图像的信息内容。虽然其不能提供更多的信息，但可以让人体的肉眼接受更多的数据。同时，人工智能CT扫描能够合理设置扫描结节大小阈值，帮助医生对患者进行诊断，且检查结果与病理基本一致。

参考文献

[1]Zheng R, Zhang S, Zeng H, et al. Cancer incidence and mortality in China, 2016[J].Journal of the National Cancer Center. 2022 ,2(1):1-9.

[2]Qiu H, Cao S, Xu R. Cancer incidence, mortality, and burden in China: a time-trend analysis and comparison with the United States and United Kingdom based on the global epidemiological data released in 2020. Cancer Commun (Lond). 2021 Oct;41(10):1037-1048.

[3]杨国旺,张兴涵,张怀锐等.肺结节中西医结合全程管理专家共识[J].中国实验方剂学杂志,2024,30(01):149-159.DOI:10.13422/j.cnki.syfjx.20240492.

[4]唐智贤,王一淼,周靓怡等.人工智能技术在肺部影像辅助诊断中的应用进展[J].中国医学物理学杂志,2022,39(05):655-660.

[5]马景旭,陈欢,王红.分析肺部影像人工智能诊断系统鉴别诊断肺结节性质[J].临床肺科杂志,2021,26(06):842-846.

[6]中华医学会呼吸病学分会肺癌学组,中国肺癌防治联盟专家组.肺结节诊治中国专家共识（2018年版）[J].中华结核和呼吸杂志, 2018,41,(10):763-771.

[7]佟继禹.多层螺旋CT低剂量胸部扫描对肺结节的诊断价值分析[J].中国医药指南,2019,17(30):104.

[8]李王佳,吕发金,张艳, 等.有恶性肿瘤病史的患者孤立性肺结节的CT诊断研究[J].中华胸心血管外科杂志,2019,35(7):390-395. 

[9]王伟,展平,谢青, 等.CT三维重建联合快速现场评价辅助径向超声支气管镜对肺外周孤立性结节的诊断价值[J].中华医学杂志,2019,99(2):93-98.

[10]朱含笑,饶钦盼,马琳莹等.人工智能将良性肺结节误判为高风险结节的原因分析[J/OL].肿瘤学杂志:2023,12（24）:1-6.

基金项目：黑龙江省卫生健康委科研课题 项目编号20210303020275