Clinical Application of Artificial Intelligence Recognition Technology in the Diagnosis of Stage T1 Lung Cancer

Abstract

背景与目的肺癌是目前国内外发病率及致死率最高的癌症，使用计算机断层扫描（computed tomography, CT）筛查肺癌结节工作量巨大。通过人工智能深度学习，在1 mm及5 mm层厚的胸部CT中，利用计算机人工智能自动寻找肺癌结节，以测试人工智能在肺癌自动识别中的效果。方法分别标注5 mm及1 mm层厚的T1期肺癌患者胸部CT片各5, 000例，进行计算机神经网络学习，形成肺部结节的算法，利用人工智能形成的算法测试1 mm及5 mm层厚的T1期肺癌患者胸部CT片各500例，同人类读片进行比较，测试敏感性及特异性。结果利用人工智能读取5 mm的胸部CT 500例，敏感度达95.20%，特异性达93.20%，两次重复读取的Kappa值达0.926, 1。对于1 mm的胸部CT 500例测试，敏感性为96.40%，特异性为95.60%，两次重复读取的Kappa值为0.938, 6。而与5位医师相比，对1 mm层厚的相同验证集CT片进行读片，人工智能与人工读片对于肺癌结节和阴性对照读片的检测率相似，两者之间比较无显著差异。而在5 mm层厚的相同验证集CT片比较中，人工智能对肺癌结节的检出数优于人工读片，敏感性更高，但误报数增多，特异性稍差。结论通过人工智能自动学习早期肺癌胸部CT图像，可以达到较高的早期肺癌识别的敏感性及特异性，可辅助医生进行诊断工作。