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：李欣菱 郭芳芳 周振 张番栋 王卿 彭志君 苏大同 范亚光 王颖 Xinling LI;Fangfang GUO;Zhen ZHOU;Fandong ZHANG;Qin WANG;Zhijun PENG;Datong SU;Yaguang FAN;Ying WANG

作者机构：天津医科大学总医院放射科天津300052 新乡医学院第一附属医院放射科新乡453100 Deepwise Healthcare北京100080 天津医科大学总医院天津市肺癌研究所天津市肺癌转移与肿瘤微环境重点实验室天津300052 

出 版 物：《中国肺癌杂志》 (Chinese Journal of Lung Cancer)

年 卷 期：2019年第22卷第6期

页      面：336-340页

核心收录：

学科分类：12[管理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 100106[医学-放射医学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 100602[医学-中西医结合临床] 10[医学] 

基　　金：国家自然科学基金面上项目(No.81171345) 天津自然科学基金面上项目(No.17JCYBJC25400)资助 

主　　题：计算机体层成像 肺结节 深度学习 人工智能 检出 

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%, P0.001)。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。