机器学习(人工智能)在经病理证实的肺结核病灶中的应用

作者：闫明艳; 李娇; 戚玉龙; 刘维湘; 成官迅^*

来源：中国ct和mri杂志, 2021, 19(08): 69-71.

DOI：10.3969/j.issn.1672-5131.2021.08.022

• 人工智能
• 机器学习
• 肺结节检测系统
• 肺结核瘤
• 检出率
• 良恶性

目的采用经过机器学习的肺结节检测分析系统(0.4.2.1版本)和放射诊断医师两种方式,分别对有病理结果的肺结核瘤病灶进行判读,探讨当前人工智能在肺结核瘤病灶中的应用价值。方法 2014年4月至2018年10月期间就诊于北京大学深圳医院,行胸部高分辨CT平扫且经病理证实,共11例作为研究对象。(1)共纳入的11处病灶,经过人工智能及传统放射医师两种方法对CT图像进行判读,分为A、B两组。A组为AI组,B组采用2名胸部影像诊断方向的放射诊断医师。统计分析A、B两组对肺结核瘤病灶的检出情况。(2)对CT图像对应的病灶进行良恶性判断,其中σ-Discover/Lung肺结节检测分析系统(0.4.2.1版本)以大于50%作为高恶性判断标准。结果本研究共纳入11例肺结核患者,共11处病灶。A组一共检出11处病灶,其中4处结核病灶被诊断为高恶性,漏检0处;B组一共检出10处病灶,其中1处误判,3处病灶未定性,漏检1处病灶。肺结节检测分析系统(0.4.2.1版本)判断一共4处病灶恶性概率大于50%,36.36%的肺结核病灶分析为高恶性概率。结论肺结节检测分析系统对肺结核瘤病灶的检出具有较好的能力,对肺结核瘤病灶的误判率有所减低但是仍高于放射诊断医师组。

• 单位
  生物医学工程学院; 深圳大学; 北京大学深圳医院