Radiology:AI改善了健康筛查人群胸片上的肺结节检测

自从采用人工智能（AI）以来，计算机辅助检测（CAD）系统在各种医疗检查中的效用大大增加，包括乳腺钼靶、脑CT和胸部X光摄影或CT，其适应症包括病变检测、鉴别诊断、紧急图像的优先排序或成像征象的提取。特别是在胸部放射学中，检测肺部结节一直是一项经典任务。据报道，各种基于人工智能的CAD系统可以大大改善放射科医生作为第二读者的表现。然而，这些回顾性的文献有几个主要的局限性。首先，基于人工智能的CAD系统的性能是在回顾性的数据集中验证的，而这些数据通常是任意选择的，具有丰富的疾病和二分法的分布。第二，性能测试是在与实际操作不同的条件下进行的，读者可能更专注和敏感，因此容易产生性能偏差。第三，缺乏与图片存档和通信系统（PACS）的适当整合，这对于在实际工作过程中使用基于人工智能的CAD是必要的。

在这种情况下，评估基于人工智能的CAD集成PACS（以下简称AI-PACS）在真实人群中的影响的前瞻性试验的证据是非常必要的。其中，健康体检人群是特别合适的目标人群。尽管在几个大型随机试验中，胸部X光片作为筛查工具未能降低肺癌死亡率，但胸部X光片仍常规用于筛查各种肺部疾病。特别是在一些国家，使用胸片的健康检查通常是针对普通人群进行的。此外，回顾性研究提出，基于人工智能的CAD系统可改善胸片检查在肺癌筛查中的作用。

近日，发表在Radiology杂志的一项研究通过一项随机对照试验来探讨了人工智能的CAD在健康体检参与者中的临床效用，并评估了商业化的基于人工智能的CAD软件提高健康体检参与者胸片上有临床意义的肺部结节检测率的能力及价值。

本项研究在2020年7月至2021年12月期间对在一家健康检查中心接受胸部X光检查的参与者纳入了研究，并随机分为干预（AI组）和对照（非AI组）两组。三位具有13-36年经验的指定放射科医生中的一位对每张X光片进行解读，并参考AI组基于AI的CAD结果。主要结果是检出率，即真实阳性的X光片数量除以X光片总数，在3个月内获得的CT扫描中确认有临床意义一的肺结节。有临床意义的肺结节定义为大于8毫米的实性结节或实性部分大于6毫米的亚实性结节（肺部影像报告和数据系统，或Lung-RADS-类别4）。次要结果包括阳性报告率、敏感性、误诊率和恶性肺结节检测率。使用单变量逻辑回归分析比较了两组的临床结果。

共有10476名参与者（中位年龄，59岁[IQR，50-66岁]；5121名男性）被随机分配到AI组 (n = 5238）或非AI组（n = 5238）。该试验达到了预定的主要结果，表明与非AI组相比，AI组可采取行动的结节检测率有所提高（分别为0.59%[5238名参与者中的31名]与0.25%[5238名参与者中的13名]；概率比，2.4；95%CI：1.3，4.7；P = .008）。与非AI组相比，AI组的恶性肺结节检出率更高（分别为0.15% [5238名参与者中的8名] vs 0.0% [5238名参与者中的0名]；P = .008）。AI组和非AI组显示出相似的误诊率（分别为45.9%[122名参与者中的56名]vs 56.0%[100名参与者中的56名]；P = .14）和阳性报告率（2.3% [5238名参与者中的122名] vs 1.9% [5238名参与者中的100名]；P = .14）。

图 一位73岁的男子因健康检查而接受了胸部X光检查和低剂量CT检查，并被分配到非人工智能（AI）组的图像。(A) 胸片显示左上肺区有一个小结节状异常密度（箭头），被指定的报告放射科医生遗漏。(B) 低剂量胸部CT扫描显示左肺上叶有一个9毫米的实性结节（箭头）。该结节在PET上显示为低代谢，在随访的CT上体积减小，证实为一个炎症性结节

研究表明，在健康体检参与者中，基于人工智能的软件提高了对胸片上有临床意义肺结节的检测。

原文出处：

Ju Gang Nam,Eui Jin Hwang,Jayoun Kim,et al.AI Improves Nodule Detection on Chest Radiographs in a Health Screening Population: A Randomized Controlled Trial.DOI:10.1148/radiol.221894