肺结节是指发生在肺部的一种类圆形病灶，少数患者的病灶呈不规则形状；若患者未能及时得到有效治疗，不仅会加重咳嗽、咯痰、胸痛等临床症状，还会增加肺癌的发生风险，故如何提高肺结节的诊断准确率尤为重要 ^[1-2]。CT 检查是临床诊断肺结节的常见方式，在进行影像学图像分析的过程中，主要依靠临床医师人工阅片，但受图像资料数量、清晰度等因素的影响，部分阅片经验较少的临床医师易出现误诊、漏诊等情况 ^[3-4]。近年来，随着我国科技水平的不断提高，AI 肺结节诊断系统逐渐被应用于肺结核的诊断中，可以帮助临床医师更全面、清晰地观察患者肺部的实际情况，降低误诊率和漏诊率 ^[5]。既往有研究显示，AI 在肺结节良恶性鉴别方面具有一定的应用价值，但其对肺结节的浸润分型的诊断效果欠佳 ^[6]。基于此，本研究分析 100 例肺结核患者的影像学资料，旨在探讨 CT 与 AI 肺结节诊断系统对肺结节的诊断价值，现报道如下。

1  资料与方法

1.1  一般资料

选择 2021 年 1 月至 2022 年 6 月于医院经手术病理检查确诊为肺结节的 100 例患者为研究对象。纳入标准：均符合《肺部结节诊治中国专家共识》^[7] 中关于肺结节的临床诊断标准，且均已经手术病理检查确诊；淋巴结均正常；均无其他先天性肺部疾病；均存在咳嗽、咯痰、胸痛等临床症状；临床资料均完整。排除标准：合并其他恶性肿瘤疾病；肺部存在弥漫性病变；图像噪声过多或存在运动伪影；对造影剂过敏；身体内安装有心脏起搏器、电子耳蜗、金属止血夹；合并认知功能障碍或其他精神疾病，无法配合临床检查。100 例肺结节患者中，男 57 例、女 43 例；年龄 28 ~ 63 岁，平均（38.63±2.74）岁；病程 6 个月至 3 年，平均（1.23±0.15）年。本研究已获医院医学伦理委员会审批通过（伦理审批号：20201016），患者均自愿参与本研究且已签署知情同意书。

1.2  方法

100 例患者均采用 CT 检查和 AI 肺结节诊断系统。CT 检查。检查前嘱患者禁食禁饮 4 h ，扫描前 5 min 饮水 1 000 ml。采用 Somatom Definition AS型号的 64 排螺旋 CT 和联影 64 排螺旋 CT 进行检查。参数设置：管电压为 120 kV，管电流为 300 mA，扫描时间为 6 ~ 7 s，重建层厚为 5.0 mm，FOV 为360 mm×400 mm，重建间隔设置为 5.0 mm，矩阵设置为 512×512。指导患者取仰卧位，保持屏息状态，将其肺尖部作为扫描的起始位置，持续平扫至肺底，并将其双侧腋窝和胸壁纳入扫描范围。待扫描结束后，通过肺窗进行图像分析，由 2 名具有丰富影像学经验的临床医师阅片；如阅片过程中发生争议，需由影像科主任进行分析，得出最后诊断结果。

AI 肺结节诊断。 将 Somatom Definition AS 型号 的 64 排 螺 旋 CT 和 联 影 64 排 CT 层 厚 设 置 为1 mm，随后进行无间隔重建，将窗宽设置为 1 450 HU，窗位设置为 -831.1HU，确保可以准确识别病灶。相关数据（如通信数据、医学数字成像等）导入完成相关的影像学检查后，AI 肺结节诊断系统中，将识别与检查 2 个阶段整合，随后采用计算机辅助定量参数系统数据完成预处理、单箱探测器模拟训练、结节测算等操作，自动勾选结节边缘，并在三维状态下测定结节的长径、短径、体积、最大截面积等参数。AI 肺结节诊断系统共运行 3 次，将 3 次运行结果中发现结节最多的 1 次作为最终诊断结果。

1.3  观察指标

（1）以手术病理检查结果作为金标准，比较CT 检查和 AI 肺结节诊断系统在良性结节和恶性结节中的诊断符合率。良性结节：当病灶呈无分叶，边缘光整，密度均匀；恶性结节：当病灶出现实性成分，呈胸膜凹陷征、分叶征、毛刺征、血管集束征、支气管节段。（2）以手术病理检查结果作为金标准，比较 CT 检查和 AI 肺结节诊断系统在不同结节性质中的诊断符合率，主要包括实性结节、部分实性结节和磨玻璃结节 3 种性质。CT 诊断符合率 =CT 检查确诊例数 / 手术病理检查确诊例数 ×100%；AI 诊断符合率 = 肺结节诊断系统确诊例数 /手术病例检查确诊例数 ×100%。

1.4  统计学处理

采用 SPSS 19.0 统计软件进行数据分析。计量资料以 x ±s 表示，采用 t 检验。计数资料以率表示，采用 χ² 检验。P< 0.05 为差异有统计学意义。

2  结果

2.1  CT 与手术病理检查在良恶性结节中的诊断价值

CT 检查恶性结节和良性结节的诊断符合率分别为 75.00%（60/80）、75.00%（30/40），见表 1。

表 1 CT 检查与手术病理检查在良性、恶性结节中的诊断结果比较

2.2  AI 肺结节诊断系统与手术病理检查在良性、恶性结节中的诊断结果比较

AI 肺结节诊断系统恶性结节和良性结节的诊断符合率分别为 97.50%（78/80）、97.50%（39/40），见表 2。

表 2 AI 肺结节诊断系统与手术病理检查在良恶性结节中的诊断结果比较

2.3  CT 检查与手术病理检查在不同结节性质中的诊断结果比较

CT 检查的实性结节、部分实性结节和磨玻璃结节的诊断符合率分别为 62.50%（25/40）、66.67%（20/30）、60.00%（30/50），见表 3。

表 3 CT 检查与手术病理检查在不同结节性质中的诊断结果比较

2.4  AI 肺结节诊断系统与手术病理检查在不同结节性质中的诊断结果比较  

AI 肺结节诊断系统的实性结节、部分实性结节和磨玻璃结节的诊断符合率分别为 95.00%（38/40）、96.67%（29/30）、96.00%（48/50），见表 4。

表 4 AI 肺结节诊断系统与手术病理检查在不同结节性质中的诊断结果比较

2.5  CT 与 AI 肺结节诊断系统在肺结节中的诊断符合率比较

AI 肺结节诊断系统恶性结节、良性结节、实性结节、部分实性结节和磨玻璃结节的诊断符合率均高于 CT 检查，差异有统计学意义（P< 0.05），见表 5。

表 5 CT 与 AI 肺结节诊断系统在肺结节中的诊断符合率 [ 例数（%）]

3  讨论

肺结节是临床较常见的一种呼吸系统疾病，主要包括良性结节和恶性结节 2 种类型。通常情况下，因该病在发病早期并未出现典型症状，易导致漏诊，错失最佳的治疗时机。肺结节不仅会对患者的肺功能造成较大的损伤，且会对其他器官功能造成不同程度影响。因此，尽早诊断对于肺结节患者的治疗和预后具有重要意义。CT 是临床上较为常见的一种影像学检查方法，但在实际的诊断过程中，临床医师可以将 CT 检查结果中的毛刺征、胸膜凹陷征、分叶征等典型征象作为判断依据，以此完成肺结节良恶性的鉴别诊断 ^[8-9]。肺结节的 CT检查结束后，需要由经验丰富的影像科医师进行阅读，但在实际的人工阅片过程中会因影像科医师主观因素影响出现漏检、误检等情况。肺结节的CT 影像学资料较复杂，影像科医师在阅片过程中主要依靠自身经验进行判断，具有一定的主观性，且在分析和处理 CT 影像学图像时，影像科医师需认真观察和分析患者肺部的气管、血管等影像特征，阅片时间较长，因此，为了确保肺结节 CT 检查的准确率及效率，需借助先进的技术手段进行阅片。

AI 肺结节诊断系统是近年来新兴的一种检查方式，通过分析输入的肺结节图像数据和病理检查结果，自动获取对应关系作出诊断，以此缩短检测时间，提高检测效能 ^[10-11]。基于此，本研究对 100 例肺结节患者采用 AI 肺结节诊断系统和 CT 检查，结果显示，AI 肺结节诊断系统的良恶性结节、实性结节、部分实性结节和磨玻璃结节的诊断符合率均高于 CT 检查，说明 AI 肺结节诊断系统可以显著提高结节的诊断准确率。本研究结果与徐珂等 ^[12] 报道的的观点基本一致。分析其原因为，AI 肺结节诊断系统可通过构建优质检测模型的方式，准确选定患者的肺结节区域，随后对该区域进行三维影像重构，并将检测图像分为多个 2D 影像，将相关的影像数据传送至神经网络，以此明确该区域的阴影部位是否为结节，从而提高肺结节的诊断准确率 ^[13-14]。AI 肺结节诊断系统将图像结果传输至3 个不同设计理念的工作站中，通过卷积神经网络互相融合的作用机制，将数据量不断扩大，进而诊断出微小病灶，以减少漏诊的发生 ^[15-16]。

综上所述，AI 肺结节诊断系统对肺结节和分型的鉴别诊断价值高于 CT 检查，有利于提高良恶性结节的诊断符合率，值得临床推广和应用。

【参考文献】

［1］孙慧芳，张雪，欧阳松云，等 . 非小细胞肺癌与良性肺结节非标记定量血浆蛋白质组学分析 [J]. 现代肿瘤医学，2022，30（15）：2732-2738.

［2］汤继征，刘春全，王沛豪，等 . 小于1 cm 的肺实性结节区分肺癌与肺内淋巴结的多因素分析 [J]. 中国肺癌杂志，2021，24（2）：94-98.

［3］余鎏，桂丹. 136 例肺结节患者 CT 诊断的回顾性分析及 Lung-RADS 分级的诊断价值 [J]. 中国 CT 和 MRI 杂志，2021，19（9）：57-60.

［4］张志刚，郭莹，吴艳，等 . 孤立性肺结节诊断中 CT 平扫与动态增强扫描的应用价值 [J]. 中国医师杂志，2023，25（1）：97-101.

［5］刘亚斌，李庆，周围，等 . 胸部 CT 结合 AI 诊断系统对疑似肺结节患者的诊断及对结节类型的评估价值 [J]. 现代生物医学进展，2022，22（5）：955-959，949.

［6］刘鲜艳，单法成，李珊，等 . AI 对肺结节良恶性鉴别及浸润程度的诊断价值分析 [J]. 实用癌症杂志，2022，37（12）：1994-1996，2000.

［7］中华医学会呼吸病学分会肺癌学组，中国肺癌防治联盟专家组 . 肺部结节诊治中国专家共识 [J]. 中华结核和呼吸杂志，2015，38（4）：249-254.

［8］李孝东，廖潜，游玉峰 . 多层螺旋 CT 在肺结核空洞与肺癌空洞鉴别诊断中的临床应用 [J]. 中国肿瘤临床与康复，2021，28（7）：850-853.

［9］米玉霞，李真真，苏慧东 . 超高分辨率 CT 对不典型肺结核球与周围型小肺癌的鉴别诊断价值 [J]. 实用癌症杂志，2022，37（10）：1643-1645.

［10］李甜，李晓东，刘敬禹 . 人工智能辅助诊断肺结节的临床价值研究 [J]. 中国全科医学，2020，23（7）：828-831，836.

［11］苏志鹏，毛文杰，李斌，等 . 人工智能辅助诊断系统预测肺结节早期肺腺癌浸润亚型的临床研究 [J]. 中国肺癌杂志，2022，25（4）：245-252.

［12］徐珂，杨洁，李秋实，等 . CT 结合 AI 肺结节诊断系统在肺结节诊断及分型鉴别中的应用 [J]. 临床医学工程，2023，30（5）：585-586.

［13］陈疆红，钟朝辉，王大为，等 . 能谱 CT 虚拟平扫在肺结节 AI 辅助诊断系统预测亚实性结节恶性概率中的应用 [J]. 放射学实践，2020，35（8）：972-977.

［14］王雷，许涛，史珊，等 . 人工智能及 CT 影像学鉴别诊断恶性及非钙化肺结节研究 [J]. 中国医学装备，2022，19（5）：64-67.

［15］周诚，刘文亚 . 人工智能肺结节诊断系统对亚实性肺结节良恶性的预测 [J]. 临床放射学杂志，2022，41（2）：265-268.

［16］李娟娟，刘敏，杨斌，等 . 人工智能辅助肺结节筛查及定性诊断的应用研究 [J]. 实用临床医药杂志，2022，26（8）：8-12.

［17］马景旭，陈欢，王红 . 分析肺部影像人工智能诊断系统鉴别诊断肺结节性质 [J]. 临床肺科杂志，2021，26（6）：842-846.

［18］陈长波 . 肺部影像人工智能诊断系统对肺结节性质的诊断价值分析 [J]. 中国数字医学， 2020，15（11）：40-42，131.

［19］耿然 . 基于深度学习的人工智能影像辅助诊断系统对肺结节的诊断效能评价 [J]. 新乡医学院学报，2022，39（11）：1031-1035.

［20］赵呈华 . 人工智能辅助诊断系统联合 CT 检查肺结节的诊断价值 [J]. 实用临床医药杂志，2020，24（19）：9-11.

内容来源于《医疗装备》杂志，如需转载请注明出处。