近日，由河南省肿瘤医院与北京医准智能科技有限公司（以下简称：医准智能）科研团队联合完成的论文《基于多阶段三维深度卷积神经网络的计算机辅助诊断系统在肺癌筛查中的应用》在中华放射学杂志发表，该论文将深入剖析多阶段三维（3D）深度卷积神经网络的计算机辅助诊断（CAD）系统在低剂量螺旋CT肺癌筛查中的应用价值，并将不同阅片方式对肺结节检出率进行比较评估。

肺癌的筛查和早诊早治策略已被公认为肺癌防控的最有效途径，目前胸部低剂量螺旋 CT（LDCT）更是能够大幅度提高肺结节的检出率，但LDCT肺癌筛查研究需要在薄层CT图像上进行观察，使得影像医师长时间处于高度紧张的工作状态，容易产生视觉疲劳，降低了工作效率和诊断准确性。因而此次研究采用新的多阶段三维（3D）深度卷积神经网络（convolution neural networks，CNN）的肺结节检测CAD系统，同时结合影像医师的阅片对早期肺癌筛查参与者的LDCT影像资料进行评估，以筛选出一套优质高效的肺癌筛查阅片方式。

研究纳入自2013年-2017年共1111个肺结节的基线LDCT影像资料及肺癌患者的临床信息，其所有纳入本研究的人群均作了至少一次 LDCT；将以目视检测（VD）、CAD及VD结合CAD方式在内的3种阅片方式进行检测；医准智能肺部CT智能检测系统将作为此次CAD系统进行辅助诊断对比；诊断标准将以2名胸部影像专业高年资医师最终达成的一致性意见作为真结节（有分歧时由第3名主任医师决定）。针对结节数目、结节类型及结节的Lung‑RADS分类，比较3种阅片方式的肺结节（或肺癌）的检出率、漏诊率及假阳性率。

基于上述研究方法，研究者对两方面进行了比较，得出以下结论：

1）不同阅片方式对肺结节数、结节类型及结节Lung-RADS分类检出进行比较。

对本组8850例LDCT进行阅片分析，最终检出真结节 1111 个，直径≥6 mm 结节590个，<6 mm结节共521个，以此为参照标准。得知与VD方式比较，CAD方式及VD+ CAD方式的结节检出率明显升高，漏诊率明显减低（χ²=101.650，128.500，P<0.01）。

2）不同阅片方式诊断肺癌预测率，漏诊率及假阳性率的比较。

本组资料中，1111个结节中共确诊肺癌17例，VD方式共检出40个可疑恶性结节，其中16个确诊恶性，24个为良性，漏诊1个；CAD方式检出117个可疑恶性结节，其中15个为确诊恶性，102个为良性，漏诊2个；VD结合CAD方式检出可疑恶性结节39个，16个确诊恶性，23个良性，漏诊1个。结果显示VD方式与VD+CAD方式在肺癌阳性预测率、漏诊率及假阳性率差异无统计学意义。

通过上述结论得知，运用基于基于多阶段三维深度卷积神经网络的新型CAD检测系统能够帮助影像科医师快速定位可疑结节并做出决策，缩短诊断时间，研究结果显示VD结合CAD的方式能够在降低假阳性结节检出的基础上，提高真性肺结节检出率，可作为城市人群LDCT肺癌筛查的首选方法。

人工智能与医疗影像的高度融合为肺癌早筛提供了技术支持，本次研究中的CAD检测系统医准智能肺部CT智能检测系统，18秒可检测300-500张CT，以99%的3mm以上检出率和低假阳性，在阅片和报告撰写中将诊疗效率提高了4倍，实现