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

摘要

目的 探索基于深度学习的人工智能(Artificial Intelligence,AI)肺结节筛查系统在临床使用中对不同类型肺结节检出效能的差异.方法 回顾性收集117例胸部CT平扫病例数据.本研究较为关注实性结节、磨玻璃结节和胸膜结节的检出情况,因此首先由两位拥有超过15年胸部CT阅片经验的放射科专家针对以上三类肺结节共同制定本研究使用的金标准肺结节数.接着,利用基于深度学习的AI肺结节筛查系统(北京推想科技有限公司)进行不同类型结节的检测,记录其检测到的相应类型肺结节数.通过与金标准对比,分析AI系统检测到的真阳性结节,假阳性结节和假阴性结节的数量,计算出AI系统检测不同结节的敏感性和假阳性率(FPs/Scan),进而对比其对不同类型结节检出的效能情况.卡方检验用于比率的统计分析, P<0.05具有统计学意义.结果 在入组的117例胸部CT数据中共计标注了310个实性结节,147个磨玻璃结节和50个胸膜结节作为本研究的金标准.AI肺结节筛查系统检测到626个实性结节,包含270个真阳性实性结节,检测敏感性为87.1%.同时AI系统检测到356个磨玻璃结节,包括133个真阳性磨玻璃结节,检测敏感性为90.48%.对于胸膜结节而言,AI系统共计检测到89个,其中43个为真阳性胸膜结节,检测敏感性为86%.AI系统对三种不同类型的结节检出敏感性无显著差异(P>0.05).此外,AI系统检测实性结节、磨玻璃结节和胸膜结节的假阳性率分别为3.04 FPs/Scan、1.91 FPs/Scan和0.39 FPs/Scan.结论 AI肺结节筛查系统在临床使用中对不同类型结节均表现出较高敏感性,可以全面有效的辅助临床肺结节筛查工作.