[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 x2＜0.001).AI对不同大小结节组间误诊率差异有统计学意义(x2=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％vs20.0％、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.
作者：朱含笑；饶钦盼；马琳莹；樊树峰
来源：肿瘤学杂志 2024 年 30卷 1期
