人工智能将良性肺结节误判为高风险结节的原因分析

作者：朱含笑; 饶钦盼; 马琳莹; 樊树峰^*

来源：肿瘤学杂志, 2023, 1-6.

[目的]探究人工智能（artificial intelligence,AI）在预测肺结节的恶性风险时将良性结节误判为高风险结节的原因。[方法]回顾性分析88例检查发现肺结节并于1个月内取得病理结果的患者资料，分别用AI和人工方法评估肺结节的良恶性，分析两种方法对肺结节的诊断准确率及被AI误诊的良性结节的特征。[结果] 88例患者病理结果显示恶性结节59例，良性结节29例。AI组良性结节误诊率为82.8%(24/29)，人工组为41.4%(12/29)，两者对良性结节的诊断准确率差异有统计学意义（McNemar<0.001）。AI对不同大小结节组间误诊率差异有统计学意义（χ2=15.389,P<0.001）。当良性结节出现毛刺征、分叶征、血管集束征、支气管截断征、空泡征、胸膜牵拉征等倾向于恶性结节的征象时，AI组的误诊率均大于人工组（88.2%vs 64.7%、100.0%vs 66.7%、100.0%vs 80.0%、100.0%vs 66.7%、90.0%vs 60.0%）。当出现钙化、脂肪密度倾向于良性结节的征象时，AI组的误诊率大于人工组（80.0%vs 20.0%、100.0%vs0）。[结论] AI对肺结节的评估存在一定的局限性，AI还需进一步完善算法，结合临床、随访、全肺整体信息，以减少误判为高风险结节的概率。

• 单位
  第二临床医学院; 浙江中医药大学