论文部分内容阅读
目的:随着深度学习技术和人工神经网络的不断发展,人工智能在医学影像诊断疾病方面发挥了越来越重要的作用。比较基于深度学习技术的人工智能肺结节筛查系统对肺癌早期肺结节良恶性的检测与放射科住院医生诊断结果,评价两者以及联合之后对肺癌早期的诊断能力,提高住院医师对结节良恶性的鉴别能力,为现有的肺结节筛查系统对良恶性结节的研发提供参考方向,提高早期肺癌的筛查能力以期望能够为患者提供早期、准确的肺结节良恶性的诊断。方法:本研究整理了石河子大学医学院第一附属医院2015年1月至2018年12月所有经纤维支气管镜、手术或经皮肺部穿刺活检具有明确病理结果的3494例患者资料,筛选病理诊断为肺癌患者997例。回访收集所有恶性结节患者从2013年1月到病理确诊期间的胸部CT检查,筛选与肿瘤在相同位置有肺结节的CT检查,共计287例恶性结节作为测试集。将287例结节DICOM标准格式图像导入人工智能筛查系统中,记录模型检测结节的大小、位置、恶性概率。同时将287个肺结节病例所对应的检查号从PACS系统调取CT图像,由2名正在参加住院医师规范化培训的住院医生进行盲法阅片,判断测试集中肺结节的良恶性。记录人工智能和住院医生的诊断结果两组结果,每组结节以及人工智能筛查系统与住院医师诊断结果联合后的检出数,真阳性个数和假阴性个数。采用SPSS20.0统计学软件进行统计分析和处理,用?~2检验比较各组结节的检出率、误诊率和漏诊率,P<0.05为差异有统计学意义。结果:基于深度学习技术的人工智能系统检测实性结节、部分实性结节和磨玻璃结节检出的检出率分别为98.76%(159/161)、96.15%(50/52)和94.59%(70/74)。比较系统对三种不同类型的结节检出率没有明显统计学差异(?2=3.791,P=0.135)。而基于人工智能的深度学习技术系统对恶性肺结节的检出率为97.21%,明显高于正在参加住院医师规范化培训的住院医生83.97%的检出率(?~2=29.518,P<0.01),住院医师诊断恶性肺结节的真阳性率为88.82%,高于人工智能的66.67%(?~2=5.552,P<0.05)。二者联合诊断检出率98.26%,真阳性率82.62%。通过将实性结节和亚实性结节对比分析,联合诊断和住院医师单独诊断在结节诊断的阳性检出率、漏诊率和误诊率的差异均有统计学意义(P<0.05)。结论:1.基于深度学习的人工智能系统对肺癌早期不同类型的肺结节诊断能力相同。2.人工智能辅助下的住院医师对肺癌早期肺结节良恶性的诊断能力相比住院医师单独诊断具有明显优势。通过联合诊断可以有效降低肺癌早期肺结节漏诊率,特别是对亚实性结节的诊断有更好的效果。