人工智能识别技术在T1期肺癌诊断中的临床应用研究

摘要：

背景与目的 肺癌是目前国内外发病率及致死率最高的癌症,使用计算机断层扫描(computed tomography,CT)筛查肺癌结节工作量巨大.通过人工智能深度学习,在1 mm及5 mm层厚的胸部CT中,利用计算机人工智能自动寻找肺癌结节,以测试人工智能在肺癌自动识别中的效果.方法 分别标注5 mm及1 mm层厚的T1期肺癌患者胸部CT片各5,000例,进行计算机神经网络学习,形成肺部结节的算法,利用人工智能形成的算法测试1 mm及5 mm层厚的T1期肺癌患者胸部CT片各500例,同人类读片进行比较,测试敏感性及特异性.结果 利用人工智能读取5 mm的胸部CT 500例,敏感度达95.20％,特异性达93.20％,两次重复读取的Kappa值达0.926,1.对于1 mm的胸部CT 500例测试,敏感性为96.40％,特异性为95.60％,两次重复读取的Kappa值为0.938,6.而与5位医师相比,对1 mm层厚的相同验证集CT片进行读片,人工智能与人工读片对于肺癌结节和阴性对照读片的检测率相似,两者之间比较无显著差异.而在5 mm层厚的相同验证集CT片比较中,人工智能对肺癌结节的检出数优于人工读片,敏感性更高,但误报数增多,特异性稍差.结论 通过人工智能自动学习早期肺癌胸部CT图像,可以达到较高的早期肺癌识别的敏感性及特异性,可辅助医生进行诊断工作.

关键词：人工智能、肺肿瘤、计算机体层摄影

所属期刊栏目：22

资助基金：上海市科学技术委员会西医引导类项目16411966000;上海市重点实验室开放课题STCSM 15DE2270400;吴阶平卓越外科基金320.320.2730.1872;2018年转化医学协同创新中心合作研究项目TM201822

在线出版日期：2019-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：319-323