基于肺CT的人工智能對(duì)良惡性肺結(jié)節(jié)的診斷價(jià)值

[摘要]"目的"通過(guò)比較人工智能（artificial"intelligence，AI）與兩位放射科醫(yī)師（醫(yī)師1為主治醫(yī)師、醫(yī)師2為副主任醫(yī)師）對(duì)良惡性肺結(jié)節(jié)電子計(jì)算機(jī)斷層掃描（computed"tomography，CT）診斷的一致性和效能，探討AI在肺結(jié)節(jié)良惡性診斷中的價(jià)值。方法"回顧性分析2021年1月至2022年10月在浙江中醫(yī)藥大學(xué)附屬杭州市中醫(yī)院經(jīng)手術(shù)病理證實(shí)的肺結(jié)節(jié)患者201例，共229個(gè)肺結(jié)節(jié)，其中良性結(jié)節(jié)74個(gè)，惡性結(jié)節(jié)155個(gè)。采用加權(quán)Kappa檢驗(yàn)評(píng)估AI與兩位放射科醫(yī)師診斷的一致性，采用受試者操作特征（receiver"operating"characteristic，ROC）曲線評(píng)估AI與兩位醫(yī)師的診斷效能。結(jié)果"在部分實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI與醫(yī)師2的一致性均高于AI與醫(yī)師1，而醫(yī)師2的曲線下面積（area"under"the"curve，AUC）均高于AI與醫(yī)師1，且在磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)AUC間差異均有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。在部分實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)的良惡性診斷中，醫(yī)師1的AUC高于AI，但兩者比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（Pgt;0.05）。在實(shí)性結(jié)節(jié)、部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI的AUC高于醫(yī)師1，兩者間差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。在磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI的敏感度（97%、92%、94%）均高于醫(yī)師1（58%、89%、72%）、醫(yī)師2（83%、84%、85%）。結(jié)論"AI在肺結(jié)節(jié)良惡性診斷中具有一定的診斷效能，本研究中所采用的AI系統(tǒng)的總體診斷效能介于醫(yī)師1與醫(yī)師2之間，但AI的敏感度高于后兩者。

[關(guān)鍵詞]"人工智能；肺結(jié)節(jié)；計(jì)算機(jī)體層成像良惡性；診斷效能

[中圖分類號(hào)]"R445.3""""""[文獻(xiàn)標(biāo)識(shí)碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.23.010

Diagnostic"value"of"artificial"intelligence"based"on"lung"CT"for"benign"and"malignant"pulmonary"nodules

ZHANG"Dankun，"CUI"Feng，"ZHANG"Yongsheng，"DU"Liang，"LI"Huanguo，"ZHAO"Caiyong，"LI"Zhiping

Department"of"Radiology，Hangzhou"TCM"Hospital"Affiliated"to"Zhejiang"Chinese"Medical"University，Hangzhou"310007，"Zhejiang，"China

[Abstract]"Objective"To"explore"the"value"of"artificial"intelligence（AI）"in"the"diagnosis"of"pulmonary"nodules"in"terms"of"consistency"and"efficiency"compared"with"two"radiologists"（physician"1"is"a"chief"physician"and"physician"2"is"a"deputy"chief"physician）"in"the"diagnosis"of"benign"and"malignant"pulmonary"nodules"using"computed"tomography（CT）."Methods"""Retrospective"analysis"of"201"patients"with"pulmonary"nodules"confirmed"by"surgery"pathology"at"Hangzhou"Municipal"Hospital"affiliated"to"Zhejiang"Chinese"Medical"University"from"January"2021"to"October"2022，"including"a"total"of"229"pulmonary"nodules，"of"which"74"were"benign"and"155"were"malignant."The"consistency"of"AI"diagnosis"with"two"radiologists"was"evaluated"by"weighted"Kappa"test，"and"the"diagnostic"performance"of"AI"with"the"two"radiologists"was"evaluated"by"the"receiver"operating"characteristic"curve"（ROC）."Results"In"the"diagnosis"of"the"benign"and"malignant"nature"of"partial"solid"nodules，"ground-glass"nodules，"solid"nodules，"and"partial"ground-glass"and"solid"plus"ground-glass"nodules，"the"consistency"between"AI"and"physician"2""was"higher"than"that"between"AI"and"physician"1."Additionally，"the"area"under"the"curve"（AUC）"of"physician"2"was"higher"than"that"of"AI"and"physician"1"with"statistically"significant"differences"between"the"AUCs"of"ground-glass"nodules，"solid"nodules，"and"partial"ground-glass"and"solid"plus"ground-glass"nodules"（P"lt;"0.05）."In"the"diagnosis"of"the"benign"and"malignant"nature"of"partial"solid"nodules"and"ground-glass"nodules，"the"AUC"of"physician"1"was"higher"than"that"of"AI，"but"there"was"no"statistically"significant"difference"between"the"two"（Pgt;0.05）."In"the"diagnosis"of"the"benign"and"malignant"nature"of"solid"nodules"and"partial"ground-glass"and"solid"plus"ground-glass"nodules，"the"AUC"of"AI"was"higher"than"that"of"physician"1"with"statistically"significant"differences"between"the"two"（Plt;0.05）."In"the"diagnosis"of"the"benign"and"malignant"nature"of"ground-glass"nodules，"solid"nodules，"and"partial"ground-glass"and"solid"plus"ground-glass"nodules，"AI's"sensitivity"（97%，"92%，"and"94%）"was"higher"than"that"of"physician"1"（58%，"89%，"and"72%）"and"physician"2"（83%，"84%，"and"85%）."Conclusion"AI"has"a"certain"diagnostic"efficacy"in"the"diagnosis"of"pulmonary"nodules"malignancy."The"overall"diagnostic"efficacy"of"the"AI"system"used"in"this"study"is"between"that"of"physician"1"and"physician"2，"but"its"sensitivity"is"higher"than"that"of"the"latter"two.

[Key"words]"Artificial"intelligence;"Pulmonary"nodules;"Computer"tomography;"Benign"and"malignant;"Diagnostic"efficacy

肺癌的發(fā)病率和死亡率在各種惡性腫瘤中占據(jù)首要位置，且這一趨勢(shì)正在逐年上升[1-2]。早期肺癌在電子計(jì)算機(jī)斷層掃描（computed"tomography，CT）圖像上主要表現(xiàn)為肺結(jié)節(jié)，包括磨玻璃結(jié)節(jié)、部分實(shí)性結(jié)節(jié)和實(shí)性結(jié)節(jié)。準(zhǔn)確判斷肺結(jié)節(jié)的良惡性對(duì)于肺癌的早期診斷和治療具有重要意義[3]。然而，由于放射醫(yī)師在觀察大量CT圖像時(shí)容易產(chǎn)生視覺疲勞，導(dǎo)致誤診和漏診的風(fēng)險(xiǎn)增加[4]。人工智能（artificial"intelligence，AI）輔助診斷技術(shù)通過(guò)使用計(jì)算機(jī)提取和分類算法，能夠識(shí)別和表征肺結(jié)節(jié)，為肺結(jié)節(jié)良惡性診斷提供了新的手段[5-7]。本研究以肺結(jié)節(jié)術(shù)后病理結(jié)果為診斷金標(biāo)準(zhǔn)，通過(guò)比較AI與2位放射科醫(yī)師的診斷一致性和效能，進(jìn)一步評(píng)估AI在肺結(jié)節(jié)良惡性診斷中的價(jià)值。

1""對(duì)象與方法

1.1""研究對(duì)象

回顧性收集在浙江中醫(yī)藥大學(xué)附屬杭州市中醫(yī)院自2021年1月至2022年10月期間接受手術(shù)治療并經(jīng)病理確診的201例肺結(jié)節(jié)患者，總共有229個(gè)肺結(jié)節(jié)。納入標(biāo)準(zhǔn)：①患者術(shù)前接受本院CT檢查，并且至少存在1個(gè)肺結(jié)節(jié)；②通過(guò)胸腔鏡下部分肺切除或穿刺活檢，病理證實(shí)結(jié)節(jié)的性質(zhì)；③在胸部CT檢查后1個(gè)月內(nèi)獲得肺結(jié)節(jié)的病理結(jié)果。排除標(biāo)準(zhǔn)：①胸部CT檢查病灶直徑gt;3cm；②AI結(jié)節(jié)分析無(wú)法進(jìn)行分析或數(shù)據(jù)不全。本研究經(jīng)筆者醫(yī)院倫理委員會(huì)審核的批準(zhǔn)（倫理審批號(hào)：2024KLL027），所有患者均簽署知情同意書。

1.2""檢查方法

采用西門子SOMATOM"Force雙源CT、GE"Revolution"Ace"ES"62排CT和菲利普128排Brilliance"iCT，掃描參數(shù)：管電壓為120kV，管電流為自動(dòng)mAs，層厚5mm，層間隔5mm，螺距0.758，矩陣512×"512，視野（field"of"view，F(xiàn)OV）為330min×330min，窗寬1500Hu，窗位-400Hu?；颊卟扇⊙雠P位，并在掃描前進(jìn)行常規(guī)的吸氣屏氣訓(xùn)練，以使患者在掃描過(guò)程中能夠保持一致的屏氣程度。掃描范圍自肺尖至肺底，使用Lung算法進(jìn)行1.5mm薄層重建。

1.3""肺結(jié)節(jié)AI分析

所有患者的CT圖像（層厚1.5mm）以DICOM格式，導(dǎo)入深睿肺結(jié)節(jié)CT影像輔檢測(cè)軟件（杭州深睿博聯(lián)科技有限公司），該軟件的核心算法是基于深度神經(jīng)網(wǎng)絡(luò)開發(fā)的，可以自動(dòng)識(shí)別肺結(jié)節(jié)，并提供每個(gè)肺結(jié)節(jié)的AI危險(xiǎn)程度和AI惡性概率數(shù)值。如果AI識(shí)別為高危結(jié)節(jié)，則該結(jié)節(jié)定義為惡性結(jié)節(jié)，低危結(jié)節(jié)則定義為良性結(jié)節(jié)。

1.4""醫(yī)師閱片分析

2位有胸部疾病CT診斷經(jīng)驗(yàn)的放射醫(yī)師作為閱片者，醫(yī)師1為主治醫(yī)師、醫(yī)師2為副主任醫(yī)師，在不知道病理的情況下，對(duì)納入病例的CT圖像進(jìn)行分析，根據(jù)結(jié)節(jié)的直徑、位置和形態(tài)特征，給出良性和惡性印象評(píng)估結(jié)果。

1.5""統(tǒng)計(jì)學(xué)方法

采用Medcalc"Versionl"5.10.0和SPSS"25.0統(tǒng)計(jì)學(xué)軟件對(duì)數(shù)據(jù)進(jìn)行處理分析。采用加權(quán)Kappa檢驗(yàn)評(píng)估AI和兩位醫(yī)師的一致性。采用受試者操作特征（receiver"operating"characteristic，ROC）曲線評(píng)估AI和兩名醫(yī)師對(duì)良惡性肺結(jié)節(jié)的診斷效能?；诩s登指數(shù)確定其最佳的臨界值，及其對(duì)應(yīng)的敏感度、特異性和AUC。采用DeLong檢驗(yàn)比較兩種評(píng)分曲線下面積（area"under"the"curve，AUC）間的差異。Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

2""結(jié)果

2.1""一般資料比較

本研究共納入229"個(gè)肺結(jié)節(jié)，良性肺結(jié)節(jié)74個(gè)，分別為硬化性肺泡細(xì)胞瘤1個(gè)，肺內(nèi)淋巴結(jié)2個(gè)，非典型腺瘤樣增生3個(gè)，結(jié)核3個(gè)，錯(cuò)構(gòu)瘤7個(gè)，隱球菌8個(gè)，炎癥50個(gè)；惡性結(jié)節(jié)155個(gè)，分別為原位腺癌40個(gè)，微浸潤(rùn)性腺癌61個(gè)，浸潤(rùn)性腺癌44個(gè)，鱗狀細(xì)胞癌7個(gè)，黏液腺癌1個(gè)，腺鱗癌1個(gè)，小細(xì)胞癌1個(gè)。

2.2""AI與醫(yī)師對(duì)良惡性肺結(jié)節(jié)的準(zhǔn)確度和一致性

①對(duì)于部分實(shí)性結(jié)節(jié)：AI、醫(yī)師1和醫(yī)師2對(duì)良惡性肺結(jié)節(jié)的準(zhǔn)確度分別為81%、84%、87%，AI與醫(yī)師1、醫(yī)師2的加權(quán)Kappa值分別為-0.137、0.311。②對(duì)于磨玻璃結(jié)節(jié)：AI、醫(yī)師1和醫(yī)師2對(duì)良惡性肺結(jié)節(jié)的準(zhǔn)確度分別為88%、63%、84%，AI與醫(yī)師1、醫(yī)師2的加權(quán)Kappa值分別為0.142、0.391。③對(duì)于實(shí)性結(jié)節(jié)：AI、醫(yī)師1和醫(yī)師2對(duì)良惡性肺結(jié)節(jié)的準(zhǔn)確度分別為73%、58%、88%，AI與醫(yī)師1、醫(yī)師2的加權(quán)Kappa值分別為0.235、0.455。④對(duì)于部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)：AI、醫(yī)師1和醫(yī)師2對(duì)良惡性肺結(jié)節(jié)的準(zhǔn)確度分別為81%、65%、86%，AI與醫(yī)師1、醫(yī)師2的加權(quán)Kappa值分別為0.116、0.481。在不同成分肺結(jié)節(jié)診斷中，AI與醫(yī)師2的一致性均高于AI與醫(yī)師1（表1）。

2.3""AI與兩位醫(yī)師對(duì)良惡性肺結(jié)節(jié)的診斷效能

在部分實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，醫(yī)師2的AUC（分別為0.753、0.879、0.873、0.869）均高于AI（分別為0.553、0.683、0.756、0.734）與醫(yī)師1（分別為0.653、0.757、0.631、0.605），且在磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)AUC間的差異均有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。在磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI的敏感度（97%、92%、95%）均高于醫(yī)師1（58%、89%、72%）與醫(yī)師2（83%、84%、85%）。在部分實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)的良惡性診斷中，AUC醫(yī)師1分別為0.653、0.757高于AI分別為0.553、0.683，兩者間差異無(wú)統(tǒng)計(jì)學(xué)意義（Pgt;0.05）。在實(shí)性結(jié)節(jié)、部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI的AUC（分別為0.756、0.734）高于醫(yī)師1（分別為0.631、0.605），兩者比較，差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05，ROC曲線見圖1。在磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷中，AI的敏感度（97%、92%、94%）均高于醫(yī)師1（58%、89%、72%）、醫(yī)師2（83%、84%、85%）。

3""討論

AI在醫(yī)療領(lǐng)域的應(yīng)用已經(jīng)越來(lái)越廣泛，特別是在肺結(jié)節(jié)的診斷和治療方面。對(duì)于良惡性肺結(jié)節(jié)的診斷，AI的優(yōu)勢(shì)在于其可以快速、準(zhǔn)確地分析大量的CT數(shù)據(jù)，減少了人為因素導(dǎo)致的誤差，并且能夠?qū)崿F(xiàn)連續(xù)監(jiān)控和預(yù)測(cè)演變，這對(duì)于早期發(fā)現(xiàn)和治療肺癌具有重要的意義[8-9]。

Du等[10]對(duì)152例患者的194個(gè)肺結(jié)節(jié)進(jìn)行了AI分析，并與放射科診斷醫(yī)師進(jìn)行了比較。在以病理結(jié)果為金標(biāo)準(zhǔn)的評(píng)估中，AI和放射科診斷醫(yī)師在肺結(jié)節(jié)診斷方面具有中等的一致性，Kappa值分別為0.541和0.437。劉亞斌等[11]利用AI進(jìn)行良惡性診斷。結(jié)果表明，AI的Kappa值為0.905，而放射科醫(yī)師的Kappa值為0.919，均表現(xiàn)出了極高的一致性。本研究對(duì)于不同類型的肺結(jié)節(jié)，AI與醫(yī)師1的Kappa值為-0.137～0.235，AI與醫(yī)師2的Kappa值為0.311～0.481。這表明AI與醫(yī)師2的一致性相對(duì)較高?？赡苁且?yàn)獒t(yī)師2具有更豐富的臨床經(jīng)驗(yàn)和專業(yè)知識(shí)，使得其診斷更為準(zhǔn)確和穩(wěn)定。AI技術(shù)通過(guò)深度學(xué)習(xí)和大數(shù)據(jù)分析，能夠自動(dòng)提取和識(shí)別圖像中的關(guān)鍵特征，并進(jìn)行優(yōu)化和調(diào)整。然而，不同類型的肺結(jié)節(jié)可能影響了AI的診斷準(zhǔn)確性，從而導(dǎo)致與不同醫(yī)師之間的一致性差異，也說(shuō)明本研究所采用的AI系統(tǒng)需進(jìn)一步深化完善。

Zhang等[12]對(duì)260例肺結(jié)節(jié)患者進(jìn)行了研究，其中惡性結(jié)節(jié)173例，良性結(jié)節(jié)87例。結(jié)果顯示，AI對(duì)良惡性肺結(jié)節(jié)診斷的AUC為0.755，對(duì)部分實(shí)性結(jié)節(jié)+磨玻璃結(jié)節(jié)、實(shí)性肺結(jié)節(jié)良惡性診斷的準(zhǔn)確度分別為80.54%、66.67%。Liu等[13]Meta分析中包括了多篇相關(guān)文獻(xiàn)，共納入了5251例患者，結(jié)果顯示AI對(duì)良惡性肺結(jié)節(jié)診斷的AUC為0.93。在本研究中，AI對(duì)不同成分肺結(jié)節(jié)診斷的AUC、敏感度分別為55.3%～73.4%、73%～88%，診斷效能介于醫(yī)師1和醫(yī)師2之間，這表明AI對(duì)良惡性肺結(jié)節(jié)具有一定的診斷價(jià)值。尤其對(duì)于實(shí)性肺結(jié)節(jié)，AI的診斷效能相對(duì)較高?？赡苁且?yàn)閷?shí)性肺結(jié)節(jié)具有較為明顯的影像特征，AI對(duì)這類結(jié)節(jié)的特征提取和識(shí)別能力較強(qiáng)有關(guān)。

Zhang等[14]對(duì)860名患者進(jìn)行分析，放射科醫(yī)師對(duì)實(shí)性肺結(jié)節(jié)診斷的準(zhǔn)確度和敏感度分別為86.2%和52.4%，低于AI的準(zhǔn)確度和敏感度（分別為99.1%和98.8%）。在Fan等[15]的研究中，AI對(duì)226個(gè)良惡性肺結(jié)節(jié)的敏感度達(dá)到了94.69%，高于放射科醫(yī)師的85.40%。此外，趙正凱等[16]對(duì)154個(gè)磨玻璃肺結(jié)節(jié)進(jìn)行了分析，AI、放射科醫(yī)師對(duì)良惡性肺結(jié)節(jié)診斷的敏感度和特異性分別為96.5%、89.4%和19.5%，65.9%。而在Liu等[17]的研究中，AI對(duì)良惡性肺結(jié)節(jié)診斷的敏感度、特異性分別為93.8%、83.9%。在本研究中，對(duì)于磨玻璃結(jié)節(jié)、實(shí)性結(jié)節(jié)及部分實(shí)性+磨玻璃+實(shí)性結(jié)節(jié)良惡性診斷，AI的敏感度（97%、92%、94%）均高于醫(yī)師1（58%、89%、72%）、醫(yī)師2（83%、84%、85%）。AI對(duì)肺結(jié)節(jié)良惡性診斷的準(zhǔn)確度和敏感度均相對(duì)較高，尤其在磨玻璃結(jié)節(jié)的診斷上，AI的敏感度明顯高于放射科醫(yī)師。然而，值得注意的是，盡管AI在良惡性肺結(jié)節(jié)診斷的敏感度方面表現(xiàn)優(yōu)異，但目前AI并不能完全替代放射科醫(yī)師。放射科醫(yī)師具有臨床經(jīng)驗(yàn)和醫(yī)學(xué)知識(shí)，能夠綜合考慮患者的病史、癥狀和其他檢查結(jié)果，做出更全面的診斷。

同時(shí)，本研究存在一定局限性。首先，本研究為單中心回顧性研究，數(shù)據(jù)量相對(duì)較小，因此需要多中心和更大樣本量的前瞻性研究來(lái)驗(yàn)證其結(jié)果。其次，本研究中惡性肺結(jié)節(jié)組的大部分病例為腺癌，這可能對(duì)分組產(chǎn)生一定的偏倚。最后，AI對(duì)結(jié)節(jié)檢測(cè)的準(zhǔn)確性受到多種因素的影響，如學(xué)習(xí)模型算法、結(jié)節(jié)特征提取、結(jié)節(jié)周圍結(jié)構(gòu)等，這些因素可能會(huì)影響AI的診斷準(zhǔn)確性。

綜上所述，本研究所采用的AI在肺結(jié)節(jié)良惡性診斷中具有一定的診斷效能，總體診斷效能介于主治醫(yī)師和副主任醫(yī)師之間，但AI的敏感度高于后兩者。AI在醫(yī)學(xué)影像特別在肺良惡性結(jié)節(jié)的診斷方面具有極為光明的前景，隨著AI水平的快速進(jìn)步，醫(yī)學(xué)影像AI必將引領(lǐng)醫(yī)學(xué)影像未來(lái)的革命性發(fā)展。現(xiàn)階段需要進(jìn)一步探討AI在肺結(jié)節(jié)診斷中的準(zhǔn)確性和可靠性，以及與其他診斷方法的結(jié)合應(yīng)用，以提高診斷效率和準(zhǔn)確性。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻(xiàn)]

[1] WU"F，"WANG"L，"ZHOU"C."Lung"cancer"in"China："current"and"prospect[J]."Curr"Opin"Oncol，"2021，"33（1）："40–46.

[2] SIEGEL"R"L，"MILLER"K"D，"JEMAL"A."Cancer"statistics，"2019[J]."CA"Cancer"J"Clin，"2019，"69（1）："7–34.

[3] LOVERDOS"K，"FOTIADIS"A，"KONTOGIANNI"C，"et"al."Lung"nodules："A"comprehensive"review"on"current"approach"and"management[J]."Ann"Thorac"Med，"2019，"14（4）："226–238.

[4] MASSION"P"P，"ANTIC"S，"ATHER"S，"et"al."Assessing"the"accuracy"of"a"deep"learning"method"to"risk"stratify"indeterminate"pulmonary"nodules[J]."Am"J"Respir"Crit"Care"Med，"2020，"202（2）："241–249.

[5] HUANG"S，"YANG"J，"SHEN"N，"et"al."Artificial"intelligence"in"lung"cancer"diagnosis"and"prognosis："Current"application"and"future"perspective[J]."Semin"Cancer"Biol，"2023，"89（2023）："30–37.

[6] PEI"Q，"LUO"Y，"CHEN"Y，"et"al."Artificial"intelligence"in"clinical"applications"for"lung"cancer："Diagnosis，"treatment"and"prognosis[J]."Clin"Chem"Lab"Med，"2022，"60（12）："1974–1983.

[7] LADBURY"C，"AMINI"A，"GOVINDARAJAN"A，"et"al."Integration"of"artificial"intelligence"in"lung"cancer："Rise"of"the"machine[J]."Cell"Rep"Med，"2023，"4（2）："100933–100943.

[8] GANDHI"Z，"GURRAM"P，"AMGAI"B，"et"al."Artificial"intelligence"and"lung"cancer："Impact"on"improving"patient"outcomes[J]."Cancers"（Basel），"2023，"15（21）："5236–5251.

[9] KIM"R"Y，"OKE"J"L，"PICKUP"L"C，"et"al."Artificial"intelligence"tool"for"assessment"of"indeterminate"pulmonary"nodules"detected"with"CT[J]."Radiology，"2022，"304（3）："683–691.

[10] DU"W，"HE"B，"LUO"X，"CHEN"M."Diagnostic"value"of"artificial"intelligence"based"on"CT"Image"in"benign"and"malignant"pulmonary"nodules[J]."J"Oncol，"2022，"2022（2022）："5818423–5818428.

[11] 劉亞斌，"周圍，"白琛，"等."基于人工智能技術(shù)的肺部CT掃描在肺結(jié)節(jié)篩查及良惡性鑒別診斷中的應(yīng)用分析[J]."中國(guó)CT和MRI雜志，"2022，"20（9）："52–54.

[12] ZHANG"L，"SHAO"Y，"CHEN"G，"et"al."An"artificial"intelligence-assisted"diagnostic"system"for"the"prediction"of"benignity"and"malignancy"of"pulmonary"nodules"and"its"practical"value"for"patients"with"different"clinical"characteristics[J]."Front"Med"（Lausanne），"2023，"10（2023）："1286433–1286443.

[13] LIU"M，"WU"J，"WANG"N，"et"al."The"value"of"artificial"intelligence"in"the"diagnosis"of"lung"cancer："A"systematic"review"and"Meta-analysis[J]."PLoS"One，"2023，"18（3）："1–10.

[14] ZHANG"Y，"JIANG"B，"ZHANG"L，"et"al."Lung"nodule"detectability"of"artificial"intelligence-assisted"CT"image"reading"in"lung"cancer"screening[J]."Curr"Med"Imaging，"2022，"18（3）：nbsp;327–334.

[15] FAN"W，"LIU"H，"ZHANG"Y，"et"al."Diagnostic"value"of"artificial"intelligence"based"on"computed"tomography"（CT）"density"in"benign"and"malignant"pulmonary"nodules："A"retrospective"investigation[J]."Peer"J，"2024，"12（2024）："1–14.

[16] 趙正凱，"梁勇，"周建收，"等."人工智能對(duì)肺磨玻璃結(jié)節(jié)檢出及定性診斷價(jià)值研究[J]."大連醫(yī)科大學(xué)學(xué)報(bào)，"2021，"43（3）："235–239.

[17] LIU"J，"ZHAO"L，"HAN"X，"et"al."Estimation"of"malignancy"of"pulmonary"nodules"at"CT"scans："Effect"of"computer-aided"diagnosis"on"diagnostic"performance"of"radiologists[J]."Asia"Pac"J"Clin"Oncol，"2021，"17（3）："216–221.

（收稿日期：2024–03–12）

（修回日期：2024–06–01）