基于三維卷積神經網絡肺結節深度學習算法模型臨床效能初步評估

摘要：目的:為評價人工智能模型的應用價值,本研究在專家共識的基礎上建立了肺結節標準測試集,對前期建立的一種基于三維卷積神經網絡肺結節深度學習算法模型進行驗證,評價該模型的臨床效能和限度。方法:基于胸部CT肺結節數據標注與質量控制專家共識建立標準測試數據集,對前期建立的基于三維卷積神經網絡的肺結節深度學習算法模型及傳統CAD系統(Siemens syngo.via VB 3.0 和Philips ISP V8)進行檢驗,在肺結節檢出靈敏度、精準度以及平均每例假陽性個數等多個指標方面進行優效驗證。結果:針對測試數據集中的肺結節,Syngo.via工作站檢出靈敏度為36%,精準度為69%,平均每例假陽性1.2個;Philips ISP工作站肺結節檢出靈敏度為34%,精準度為73%,平均每例假陽性0.9個;三維卷積神經網絡的肺結節深度學習算法模型檢出靈敏度為90%,精準度為71%,平均每例假陽性2.8個。結論:該三維卷積神經網絡算法模型相較于傳統CAD系統,肺結節檢出靈敏度顯著提升。由于訓練數據集的偏倚等問題,靈敏度仍有進一步提升的空間。通過針對性地補充訓練數據集,如增加磨玻璃結節的比重,可進一步提升肺結節檢出靈敏度。改進之后的模型有望成為影像醫生肺癌篩查工作的得力助手。