百度 3月23日，科技部火炬中心发布了《2017中国独角兽企业发展报告》。
本研究的主要内容是评估人工智能诊断系统在胸部CT图像中肺结节检出的能力。通过将AI系统与不同资历的影像医师进行比较，分析了其在肺结节分类和标记过程中的性能，特别是在灵敏度、假阳性率和时间效率方面的差异。
研究对象来源于广州中医药大学顺德医院2020年3-5月份的胸部CT扫描病例，总共有99例，年龄范围在29-83岁之间。排除了有恶性肿瘤、肺部转移等其他疾病的病例后，剩余的病例用以检测肺结节。CT扫描使用的是飞利浦Ingenuitycore64排螺旋CT，并且进行了特定的扫描参数设置，以确保成像质量。
研究中，根据肺结节的密度将其分为钙化结节和非钙化结节两大类，而根据结节大小又进一步细分为＜5mm、5mm-8mm、＞8mm-30mm三组。AI系统由医准智能公司提供的肺结节人工智能诊断系统V5.0版本进行检测，系统自动识别并标记肺结节。与此同时，影像医师使用东华PACS系统软件进行阅片，自行标记肺结节，并且对每张CT图像的阅片时间进行了限制。
在统计学方法方面，使用了卡方检验来分析AI与影像医师在肺结节检出的灵敏度方面有无差异，并通过数据对比的方式评估了假阳性率和时间效率。结果表明，AI系统在检出非钙化结节的灵敏度方面，尤其是＜5mm和5mm-8mm的结节，均显著高于影像医师组。对于＞8mm-30mm的结节，AI系统与医师的检出能力相当接近。然而，AI系统的假阳性率高于医师组，但其在时间效率方面的表现远远优于人工阅片。
基于人工智能的诊断系统在胸部CT中对肺结节的检出能力，已达到了具有10年以上工作经验的高级职称医师的水平。但研究也指出了AI的局限性，即假阳性率较高，因此不能完全替代影像医师的作用。人工阅片可以在一定程度上弥补AI在假阳性率上的缺陷。
文章中还提到，随着医学影像学的发展，尤其是人工智能技术的快速进步，深度学习算法不断优化，AI诊断系统在医疗领域的重要性日益凸显。研究结果对于医学影像诊断领域具有重要的应用价值，有助于提高肺结节检出的效率和准确性，同时为未来的AI辅助诊断系统提供改进建议和依据。
关键词：肺结节、人工智能、体层摄影术、X线计算机、深度学习、计算机辅助诊断、灵敏度、假阳性率、时间效率、医学影像诊断。
