低剂量CT联合人工智能肺结节识别系统在早期肺癌筛查中的效能评估

摘要：目的 本研究旨在评估低剂量CT（LDCT）联合人工智能肺结节识别系统在早期肺癌筛查中的效能。方法 我们选取了160例参与肺癌筛查的病例，根据筛查方法分为LDCT诊断组和LDCT+AI诊断组，每组80例。我们主要通过比较两组诊断的符合率、敏感度、特异度、阳性预测值、阴性预测值以及诊断满意度等指标，来评估诊断效能。结果 LDCT+AI诊断组的诊断满意度达到95.00%，明显高于LDCT诊断组的85.00%，两组比较，差异有统计学意义（P<0.05）。LDCT+AI诊断组在诊断符合率、敏感度、特异度、阳性预测值以及阴性预测值等各项指标上均显著优于LDCT诊断组，差异均具有统计学意义（P<0.05）。结论 在早期肺癌筛查中，低剂量CT联合人工智能肺结节识别系统相较于单独使用低剂量CT具有更高的诊断效能和满意度，对于提高早期肺癌筛查的准确性和满意度具有重要的临床应用价值。

关键词：低剂量CT；人工智能；肺结节识别；早期肺癌筛查；诊断效能；

引言

肺癌作为全球致死率最高的恶性肿瘤，其防治一直是医学界关注的焦点。目前，用于肺癌筛查的主流手段主要包括胸部低剂量CT（LDCT）和胸部X线摄影。而在这其中，低剂量CT因其能有效降低患者接受辐射剂量的同时，保持良好的图像质量，已经成为早期肺癌筛查的首选方法。然而，即便如此，低剂量CT筛查仍存在漏检和误诊的可能性，尤其是对于较小肺结节的识别和评估。人工智能（AI）近年来在医学影像诊断中的广泛应用，为肺癌诊断提供了新的方法。人工智能肺结节识别系统能够自动检测和分析肺结节，大大提高了对肺结节的检测精度和效率。由此，本研究选择结合低剂量CT与人工智能肺结节识别系统，对早期肺癌进行筛查。本次研究选取了160例参与肺癌筛查的病例，进行对比评估。主要对比了两种筛查方法在诊断符合率、敏感度、特异度、阳性预测值以及阴性预测值等方面的差异，以评估其诊断效能。结果显示，在早期肺癌筛查中，低剂量CT联合人工智能肺结节识别系统相较于单独使用低剂量CT具有更高的诊断效能和满意度。因此，低剂量CT联合人工智能肺结节识别系统对于提高早期肺癌筛查的准确性和满意度具有重要的临床应用价值。以下是我们的研究详细内容。

1 资料与方法

1.1 一般资料

选取于我院2022年6月至2023年6月期间进行肺癌筛查的160例受检者作为调查对象。通过随机数字表法将研究对象分为两组，分别为低剂量CT（LDCT）诊断组与LDCT联合人工智能肺结节识别系统（LDCT+AI）诊断组，每组均为80例。LDCT诊断组受检者年龄范围为31至72岁，平均年龄为（51.35±8.42）岁；LDCT+AI诊断组受检者年龄范围为33至70岁，平均年龄为（50.87±7.96）岁。 LDCT诊断组男性与女性比例分别为42例与38例；LDCT+AI诊断组男性与女性比例分别为40例与40例。

对两组对象的一般资料进行统计学分析，其中包括年龄、性别构成及临床基础信息，经分析对比，两组之间的差异均未表现出统计学意义（P＞0.05）。两组研究对象在基线数据上的均衡性，为后续开展诊断效能分析及满意度评价提供了可靠的可比条件。

1.2 方法

使用了两组病例，每组80例，对其进行了病理诊断。为了验证系统的诊断效率和准确性，分别用低剂量CT (LDCT)独立和低剂量CT联合人工智能 (AI)进行诊断。

在LDCT诊断组，对每一个病例进行低剂量CT扫描，据此医生会据此进行诊断。而在LDCT+AI诊断的那组，采用了最先进的人工智能技术来辅助诊断。LDCT扫描的结果会被输入到的AI系统中，AI会生成一个关于病人是否存在肺结节和肺结节的大小、形状等详细诊断报告，医生会参考这份报告进行的诊断。

为了比较两种诊断方法的满意度，还针对每个病例询问了医生和病人对诊断结果的满意程度。把满意程度分为“满意”，“较满意”和“不满意”三级。所有这些数据被详细记录，以供进一步的分析和研究。

使用了各种统计学方法，包括卡方检验等，对诊断满意度和诊断数据进行了分析。计算了各种诊断指标，如阳性预测值、阴性预测值、敏感度和特异度等，来全面评价两种诊断方法的效能。

1.3 评价指标及判定标准

评价指标根据两种诊断方法：低剂量CT（LDCT）诊断和低剂量CT+人工智能（LDCT+AI）诊断的结果。同样的例数被用于评估两种诊断方法对于肺结节的检测能力。整个病例的数量（80例）是一致的，使分析更加客观。

研究主要关注以下几个方面的判定标准。符合率是检测出阳性和阴性样本与总例数的比例。敏感度是在病理阳性的样本中，被诊断出阳性的概率。特异度则与敏感度相对，它是在病理阴性的样本中，被诊断出阴性的概率。阳性预测值是在诊断结果为阳性的样本中，真正为阳性的概率。阴性预测值是在诊断结果为阴性的样本中，真正为阴性的概率。

所有的统计结果都将据以χ2检验的方法对比实验结果，根据p值判断结果是否满意。此处，如果p值<0.05，则说明差异有统计学意义。

通过设置明确的判定标准，旨在准确评估低剂量CT联合人工智能肺结节识别系统在早期肺癌筛查中的效能。

1.4 统计学方法

统计学分析采用SPSS 22.0软件进行处理。计数资料以百分数（%）表示，组间比较采用χ2检验，P<0.05表示差异具有统计学意义。患者的诊断结果数据包括低剂量CT（LDCT）及LDCT联合人工智能肺结节识别系统（LDCT+AI）的诊断准确性、敏感度、特异度、阳性预测值和阴性预测值；两组患者的满意度调查数据分别进行统计分析。统计中，表1与表2中LDCT与LDCT+AI诊断分别通过病理诊断为金标准计算准确性，采用符合率、敏感度、特异度、阳性预测值和阴性预测值作为评价指标。准确性（符合率）计算公式为（真阳性+真阴性）/总例数；敏感度计算公式为真阳性/（真阳性+假阴性）；特异度计算公式为真阴性/（真阴性+假阳性）；阳性预测值计算公式为真阳性/（真阳性+假阳性）；阴性预测值计算公式为真阴性/（真阴性+假阴性）。满意度调查数据以满意、较满意、不满意三类进行统计，通过计算总满意度（满意+较满意）百分比并进行比较分析。

表3中记录了LDCT诊断和LDCT+AI诊断的符合率与各项诊断性能指标，经χ2检验，组间差异有统计学意义（P<0.05）。满意度调查数据详见表4，各项满意度评价指标分别进行统计分析，组间满意度差异采用χ2检验分析，不同满意度等级的统计结果表明总满意度差异显著（P=0.031）。对各项数据的统计处理确保结果准确，为后续研究提供可靠依据。

2 结果

2.1 分析LDCT诊断准确性

对LDCT诊断准确性的分析表明，虽然低剂量CT诊断在肺结节检测中显示出一定的敏感性和特异性，但仍有部分阳性和阴性结果存在误诊。具体而言，阳性误诊（被诊断为阳性，但实际为阴性）和阴性误诊（被诊断为阴性，但实际为阳性）的情况均存在，这可能会对患者的治疗和预后产生影响。

表1  分析LDCT诊断准确性

2.2 分析LDCT+AI诊断准确性

LDCT联合人工智能肺结节识别系统在诊断准确性方面优于单纯LDCT诊断。结合病理诊断指标，LDCT+AI的敏感度、特异度等均显著提高，假阳性率和假阴性率显著降低，差异具有统计学意义（P<0.05）。结果表明，该方法可显著提升早期肺癌筛查的效能。

表2  分析LDCT+AI诊断准确性

2.3 对比两组诊断数据

使用LDCT+AI诊断方法，在符合率、敏感度、特异度、阳性预测值以及阴性预测值上均显著优于单独使用LDCT的方法，统计学分析显示这些差异具有显著性意义（P<0.05），展示了AI技术在提升早期肺癌筛查诊断效能中的重要作用。

表3  对比两组诊断数据 [n(%)]

2.4 对比两组诊断满意度

通过统计分析，发现使用低剂量CT（LDCT）结合人工智能（AI）在肺结节识别中的诊断满意度显著高于单纯使用LDCT诊断。在使用LDCT+AI的诊断中，满意和较满意的总体满意度达到了95%，明显高于仅使用LDCT诊断时的85%。差异具有统计学意义 (P=0.031)，这表明AI的加入提高了诊断的满意度。

表4  对比两组诊断满意度 [n(%)]

3 讨论

在早期肺癌筛查中，LDCT与AI联合使用提升了诊断满意度，展示了深度学习技术的潜力。根据研究数据，LDCT诊断组中85.00%的病例表示对诊断结果满意，而在LDCT加AI诊断组这一比例提升至95.00%。尤其是在完全满意的分类中，LDCT诊断组与LDCT加AI诊断组满意度分别为35.00%与58.75%。AI技术的加入显著优化了诊断流程，减少了漏诊和误诊率，从而提高了患者的信任感和接受度。

AI技术的引入主要依赖于其在复杂数据处理和高效算法训练上的优势，能够有效捕捉微小肺结节特征，降低漏诊和误诊率，提高了阳性预测值与阴性预测值，从而增强了筛查的准确性。尤其是在患病率较低的筛查人群中，特异度和敏感性的提升对于发现早期病变尤为重要。

低剂量CT（LDCT）在肺癌筛查中的应用为早期肺癌的诊断提供了重要途径。通过分析发现，LDCT对病理诊断结果的敏感度和特异度呈现一定局限性。根据表1数据，针对阳性病例的敏感度为56.76%，阴性病例的特异度为81.40%，虽然一定程度上能够进行疾病筛查，但仍可能受到误诊与漏诊的影响。假阳性病例数量较多（8例），可能会给患者带来额外心理负担，也增加了医疗资源的使用。假阴性病例数量为16例，这意味着部分早期肺癌患者未能及时得到确诊和治疗，从而遗失了最佳治疗时机。

低剂量CT（LDCT）联合人工智能（AI）肺结节识别系统是一种新兴的诊断辅助技术，其在早期肺癌筛查中的应用展现出了显著优势。基于LDCT+AI联合诊断结果可以发现，其对于病理诊断阳性病例的检出率明显优于单独使用LDCT诊断。表2数据显示，LDCT+AI诊断共检出35例阳性病例，漏诊人数仅为2例，而LDCT诊断漏诊人数高达16例。这表明，AI的引入在显著提升敏感度的有效减少了漏诊风险，为早期肺癌的识别提供了更为精确的支持。对于阴性病例LDCT+AI诊断的误诊人数仅为1例，相较LDCT诊断的误诊8例有明显改善。

LDCT+AI诊断在阴性预测值上的提升也尤为突出。数据显示，该方法的阴性预测值提高至95.45%，优于LDCT诊断的68.63%，有效降低了未检出病例发生率，增强了负性结果的可信度。

LDCT联合AI肺结节识别系统在早期肺癌筛查中的临床效能显著优于单独LDCT诊断，其敏感度、特异度及预测值均得到全面提升，值得在早期肺癌诊断领域进一步推广应用。

参考文献

[1]王伟.低剂量螺旋CT结合人工智能AI在早期肺癌筛查中的应用[J].中文科技期刊数据库（引文版）医药卫生,2023,(09):0041-0043.

[2]宫敬,焦桥,马质君.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[J].影像研究与医学应用,2020,4(22):120-121.

[3]周其敏,吴志伟,钟庆童,许航伟,王晓洁,戴英娟,肖珂.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.

[4]刘传现周冰.人工智能辅助低剂量CT在肺结节筛查中的价值[J].全科医学临床与教育,2023,21(04):317-319.

[5]胡志宇张晓琴.人工智能肺结节筛查系统检测不同类型肺结节的效能评估[J].世界最新医学信息文摘,2020,(58):1-2.