整合医学理念下人工智能辅助诊断肺结节的临床意义

肺癌是世界上发病率与死亡率第一位的恶性肿瘤，肺结节的早诊早治是提高肺癌预后的关键。近年来随着CT的广泛应用与体检的大规模实施，肺结节的检出率骤升，及时准确识别肺结节的良恶性至关重要。目前低剂量薄层螺旋CT (LDCT)逐渐成为各国筛查肺癌的主要手段，但由于筛查人群巨大而缺乏有经验的影像学医师，使得普及肺癌筛查面临巨大挑战。

近年来，以深度学习(deep 1earning, DL)为内核的人工智能(artificial intelligence, AI)方法在计算机视觉任务方面取得了突破性进展，并逐渐渗透到医学影像分析的各个领域。我们的临床实践经验表明：① 深度学习(DL)模型已在低剂量薄层CT肺结节检测中展现出较高的精度，临床应用潜力巨大；② 深度学习(DL)模型检测肺结节将CT资料传至肺结节影像学辅助诊断系统，以深度卷积神经网络为基础，配合特征金字塔和图像金字塔，融合全局结构和局部细节信息，自动检测结节大小；③ 然而深度学习(DL)这类检测模型并非完美，预测结果仍会出现偏差；④ 判断肿瘤肺转移时，检出微小转移灶对诊断及治疗均具有重要意义，此时深度学习(DL)辅助诊断系统能够高效帮助医师减少漏诊微小转移灶；⑤ 当然引入深度学习(DL)可能增加过度诊断的概率。总而言之，深度学习(DL)系统会额外发现很多被医师漏掉的肺结节，普通筛查人群中这些肺结节大多为良性，即使是恶性肺结节，未获发现也不影响患者终生发病率和死亡率，故过度诊断是深度学习(DL)肺结节检测模型实现大规模临床应用前亟待解决的问题。

从近几年我们的临床实践来看，漏诊的大多是5 mm以下微小肺结节，对此建议处理的方式是长期随访，可能对患者造成较大心理负担，以至于采取不必要的激进治疗方案。此外，人工智能(AI)方法检出的过多肺结节也可能增加医师的工作量。基于网络信息时代的发展与各种智能移动终端逐渐推广普及，将人工智能影像早筛技术、4D 呼吸介入(经气道、经胸、经肺血管、经食道)微创技术、多学科(MDT)或远程专家会诊意见全面整合，把患者繁多冗长的动态医疗就诊信息数据化管理，进行大数据分析，是肺结节全程管理的整合模式。我们倡导构建以胸外科和呼吸科为主导的师资队伍，全面整合肺结节全程管理的信息科、体检中心、放射科、肿瘤科、检验科、核医学科、病理科、分子中心、分子遗传、免疫研究室多学科师资团队，从肺结节“大小、形态、动态”三个方面系统全程管理。① 充分利用人工智能(AI)阅片诊断磨玻璃结节(ground glass nodule, GGN)和恶性肺结节的阳性率更高的特点降低肺结节的漏诊率；② 合理运用人工智能(AI)阅片诊断恶性肺结节的特异度低于医师阅片，而灵敏度高于医师阅片的特征，完善人工智能(AI)联合医师阅片方式应用于临床。

综上所述，肺癌是世界上发病率和死亡率最高的恶性肿瘤，低剂量薄层CT早期筛查可降低肺癌患者的死亡率，但目前存在筛查人数多、医师工作量大及漏诊率高等情况。人工智能(AI)为筛查早期肺癌的新兴手段，研究其对肺结节的诊断价值具有重要的临床意义。