机构名称：
¥ 1.0
摘要背景评估 CT 检测到的肺结节的恶性肿瘤风险是临床管理的核心。人工智能 (AI) 的使用为改善风险预测提供了机会。在这里，我们比较了一种人工智能算法，即肺癌预测卷积神经网络 (LCP-CNN) 与英国指南中推荐的布洛克大学模型的性能。方法回顾性地收集了英国三家医院偶然发现的 5-15 毫米肺结节数据集，用于验证研究。每个结节的真实诊断基于组织学（任何癌症都需要）、分辨率、稳定性或（仅适用于肺淋巴结）专家意见。1187 名患者中有 1397 个结节，其中 229 名（19.3%）患者中的 234 个结节为癌症。在预定义的分数阈值下比较了布洛克模型和 LCP-CNN 的模型判别力和性能统计数据。结果 LCP-CNN 的曲线下面积为 89.6%（95% CI 87.6 至 91.5），而 Brock 模型的曲线下面积为 86.8%（95% CI 84.3 至 89.1）（p≤0.005）。使用 LCP-CNN，我们发现 24.5% 的结节得分低于最低癌症结节评分，而使用 Brock 评分时这一比例为 10.9%。使用预定义的阈值，我们发现 LCP-CNN 给出了一个假阴性（0.4% 的癌症），而 Brock 模型给出了六个（2.5%），同时两个模型的特异性统计数据相似。结论与 Brock 模型相比，LCP-CNN 评分具有更好的辨别力，并且可以识别出更大比例的良性结节而不会遗漏癌症。这有可能大幅减少所需的监测 CT 扫描比例，从而节省大量资源。
thoraxjnl-2019-214104.full.pdf
主要关键词
相关文件推荐
