人工智能 (AI) 辅助诊断技术在低剂量CT肺结节筛查中的应用及质控

石少林 葛娟 冯娟

【摘要】目前，低剂量CT是临床筛查早期肺癌及高危人群的首选方法，其可及时发现肺癌患者，并予以及早治疗，从而降低肺癌死亡率。近年来，随着科技水平的快速发展，人工智能辅助诊断技术因其可提高临床诊断准确性也开始在低剂量CT肺癌筛查中广泛应用，但有研究认为，其仍存在训练数据集质量不一等问题，临床验证方法尚无有效公信力，知识产权归属也不清楚，安全性、隐私性以及伦理规范上也存在一定问题。据此，笔者结合自身临床经验以及相关文献内容，对人工智能辅助诊断技术在低剂量CT肺结节筛查中的应用及质控情况进行了分析，以供参考借鉴。

【关键词】人工智能（AI）辅助诊断技术;低剂量CT;肺结节筛查;质控

目前，肺癌仍是所有恶性肿瘤中发病率、病死率居首的疾病，早筛查、早诊断、早治疗是降低肺癌病死率的重点。早期肺癌以肺小结节为主要表现，临床在进行高危人群筛查时首选胸部低剂量CT。近年来，随着科技水平的提高，人工智能技术成了精准医疗的典范，将其应用于低剂量CT肺结节筛查中可有效降低高危人群漏诊或误诊率，更利于肺癌患者及早得以诊治。本文主要结合笔者个人临床工作经验与相关文献报道分析了人工智能辅助诊断技术在低剂量CT肺结节筛查中的应用及质控情况，以供参考。

1 人工智能辅助诊断技术在肺结节筛查中的应用流程、不足之处

1.1 应用流程

人工智能（AI）辅助诊断技术仅起到辅助筛查作用，无法作为最终诊断标准，仍需医师结合影像实际情况作出最终诊断，其辅助诊断流程具体为：使患者呈适宜体位;结合诊断方式、操作要求扫描规范;对图像进行平滑、增强等预处理;经分割法分割肺部区域;按照现有肺结节外源训练数据建立模型;检测肺结节;定量测评肺结节，推测其良恶性;阅片诊断;按照人工智能辅助诊断技术结合二次阅片，并给出最终诊断结果。

1.2 不足之处

训练数据集质量不统一，标注质量欠佳、图像处理技术无统一标准;知识产权不明;临床验证技术、验证方法、验证标准缺乏科学性;伦理规范、隐私安全等严重不足。

2 人工智能辅助诊断技术在肺结节筛查中的质量控制

2.1 训练数据应规范化、包含疾病多样性

高质量训练数据库是人工智能辅助诊断技术发展的基础，因此需临床在构建肺结节人工智能辅助诊断技术训练数据库时达到如下要求：（1）影像数据格式与医学数据成像和通信（DICOM）标准相符。（2）图像层厚应在0.5mm-1.5mm间。（3）应有2名具备5年以上临床工作经验的医学影像医师共同对影像数据标识进行标注，一旦二者存在分歧则需经讨论共同解决，若意见无法统一，还需再邀请1名影像专家进行核准、审定。（4）训练数据库内容应包括肺结节各密度、形态与影像学征象，比如毛刺、空泡等。（5）训练数据库内应包含血管轴位像、局部胸膜增厚等可引发肺结节假象的各种影像学征象。（6）若人工智能辅助诊断结果包含良恶性评估，则训练数据库病例还需内含临床病理等诊断金标准。（7）需数据库样本具有一定规模，一般千例以上为宜，以应对不同算本，确保深度学习算法可应用与推广。

2.2 数据闭环能力需完备

肺结节人工智能辅助诊断技术可否持续自我学习与其数据闭环能力有关，比如结构化报告、影像数据、病灶关键部位标注等均可有效提高人工智能辅助诊断技术的自主学习能力，因此需持续提高数据闭环能力的敏感度、精准度等，以确保为临床诊断提供可靠数据。

2.3 临床试验验证需系统

临床经研究认为，规范的多中心临床试验、科学的临床实践验证可对肺结节人工智能辅助诊断技术的诊断准确性予以反映，并可反映影像学医师经人工智能辅助诊断技术下的诊断符合率与工作效率情况等。

以本文笔者为例，笔者所在体检中心自2021年9月至2022年2月期间共经人工智能辅助胸部低剂量CT筛查10631人次，体健人员年龄在26-83岁。本次筛查共计检出12172个结节，男、女性分别有7063个、5109个。结节特点：多见2-5mm，最大直径18mm，单发、多发均有，常见为多发，经AI辅助精准筛查后，有5例确诊肺癌。经确诊的早期肺癌患者情况如下：

病例1，2021-09-04，男 61岁，右肺下叶见直径9mm磨玻璃结节，江苏省人民医院手术病理原位腺癌。

病例2，2022-09-11，女 46岁，右肺上叶见类圆形磨玻璃结节，直径16mm，江苏省泰兴人民医院手术病理肺癌。

病例3，2021-10-28，女 67岁，右肺上叶磨玻璃结节，直径10mm，南京鼓楼医院手术病理原位癌。

病例4，2021-10-06，男 54岁，左肺下叶见直径8mm磨玻璃结节，北京医院手术病理原位癌。

病例5，2021-12-29，女 57岁，左肺下叶见直径7mm磨玻璃结节，南京中大医院手术病理原位癌。

具体检测方法为：使用SIEMENS16排CT机胸部低剂量平扫，层厚1.5mm，应用“医准智能的肺结节检测系统”进行分析。经分析可见肺结节以实性结节，纯磨玻璃结节、混杂结节等多见，部分存在分叶、毛刺、血管增粗等表现。

笔者总结认为，AI辅助低剂量CT，在肺结节精准筛查中不易漏诊，尤其是在检测3mm以下微结节上漏诊率更低，不足之处在于：假阳性率偏高，多为条性或三角形实性结节;测量稍偏大，结节边缘轮廓稍模糊;检测为磨玻璃结节的复查后部分有吸收消失。

笔者认为：为降低肺癌致死率，应每年体检，有利于早发现、早诊断、早治疗;同时，对于已有结节患者应根据年龄、结节形态与密度大小等对比分析，并进行6-12个月的动态随访观察。

4 结语

目前，人工智能辅助诊断已在临床取得较好成绩，但其在实际应用中仍存在不足之处，还需相关部门以及临床不断予以完善，包括数据集完善、标准化完善、相关制度与政策完善等，以确保其可在辅助诊断上发挥最大效果，为后续肺癌筛查提供更精准参考依据，从而提高肺癌诊断准确性。

参考文献

[1]周其敏，吳志伟，钟庆童，等.人工智能肺小结节检测系统在低剂量CT肺筛查中的价值[J].医学影像学杂志，2020，30（11）：2025-2028.

[2]陈中博，陆青云，王艳.人工智能在胸部低剂量CT体检人群中应用的评价[J].影像研究与医学应用，2020，4（7）：98-99.

[3]王爽，雷盛，谷涛，等.人工智能肺结节辅助诊断软件在肺CT检查结节分析中的临床应用[J].中华肺部疾病杂志（电子版），2019，12（6）：757-759.5340E90A-50DB-4104-B30B-093496BD9935