人工智能结合多层螺旋CT检查在体检人群肺结节筛查中的作用分析

人工智能结合多层螺旋CT检查在体检人群肺结节筛查中的作用分析

谭秀梅

宁乡中医医院  410600

【摘要】目的：分析在体检群体肺结节筛查中实施人工智能结合多层螺旋CT检姓名谭秀梅检肺结节筛查的受检者88例，所有患者均需要接受多层螺旋CT单独检查、人工智能结合多层螺旋CT检查，以临床综合诊断结果作为诊断金标准，分析单独检查、结合检查对肺结节的诊断效能。结果：多层螺旋CT单独检查的诊断灵敏度、特异度、准确率分别为80.00%（44/55）、72.73%（24/33）、77.27%（68/88），Kappa值为0.5209；人工智能结合多层螺旋CT检查的诊断灵敏度、特异度、准确率分别为94.55%（52/55）、93.94%（31/33）、94.32%（83/88），Kappa值为0.8795；联合检查的诊断效能比单独检查的效果更高（P<0.05）。结论：在体检人群肺结节筛查当中实施人工智能结合多层螺旋CT的诊断效能比较高，应用价值高，值得推广。

【关键词】人工智能；多层螺旋CT检查；体检群体；肺结节；筛查作用

肺结节是一种比较常见的病症，疾病的发生与发展被认为与肺癌有关，认为是肺癌的早期阶段，因此临床越来越重视肺结节的检测，通过检测及时采取有效措施干预，对降低肺癌发生率 有一定应用价值[1]。在肺结节的诊断当中，常规诊断方式为X线、CT等检查方式，这些影像学检查方法都有一定应用价值，能为患者的疾病诊断提供必要的参考，但是其应用效果并不显著，仍然会受到多种因素影响导致其诊断准确率下降，出现漏诊、误诊等情况。为了进一步提升诊断有效性，应该要结合患者实际情况联合应用现代化医疗技术，随着医疗技术水平不断提升，人工智能逐渐应用于影像学检查当中，且发挥显著效果[2]。本文主要分析在体检群体的肺结节筛查中实施人工智能结合多层螺旋CT的应用价值，报道如下。

1资料与方法

1.1一般资料

选择我院2023年1月至2023年12月接收的肺结节筛查健康体检者88例，所有受检者都需要接受单纯多层螺旋CT检查与人工智能结合多层螺旋CT检查。一般资料如下：男女分别为63例与25例，年龄区间22岁到75岁，平均年龄（46.46±3.04）岁。

纳入标准：所有受检者都是来我院接受肺结节筛查者；患者影像学资料保存完整，能根据疾病发展提供一般资料；知情同意研究内容。排除标准：合并有恶性肿瘤、免疫性疾病等患者；合并有血液系统疾病者；合并有传染性疾病、一般资料不全者。

1.2方法

所有受检者都需要接受单纯多层螺旋CT检查与人工智能结合多层螺旋CT检查，步骤如下：飞利浦MX16排螺旋CT 作为检查仪器，对患者的胸部进行检查，检查范围为胸廓入口到肺底部，指导患者检查期间深吸气之后屏气，直到完成扫描为止；采集CT图像之后进行薄层重建，完成胸部CT检查之后由2名经验比较丰富的影像学医师对图像进行审阅，对肺结节发生情况予以相应的诊断，并应用人工智能辅助性阅片，判断患者的肺结节发生情况。

1.3研究指标

分析单独检查、结合检查对肺结节的诊断效能。

1.4数据处理

选用SPSS24.0分析，计数资料实施χ2检验，计量资料实施t检验，P<0.05为差异有统计学意义。

2结果

多层螺旋CT单独检查的诊断灵敏度、特异度、准确率分别为80.00%（44/55）、72.73%（24/33）、77.27%（68/88），Kappa值为0.5209；人工智能结合多层螺旋CT检查的诊断灵敏度、特异度、准确率分别为94.55%（52/55）、93.94%（31/33）、94.32%（83/88），Kappa值为0.8795；联合检查的诊断效能比单独检查的效果更高（P<0.05），数据见表1与表2。

表1：单独与联合检测的诊断结果

表2：比较两种检测方式的诊断效能（%）

3讨论

人工智能技术是一种新兴技术水平，能对微小结构进行有效识别，将其应用于肺结节的筛查当中，能根据患者的CT影像学诊断图像进行微小结构判断，从而尽量减少其他因素产生的不良影响，降低漏诊率[3]。使用人工智能这一技术开展CT图像的判断，能提升结节的诊断准确率，如在血管交汇、血管比较丰富等区域，能更快识别出结节，避免受到其他因素的影响，具有较高的应用价值，有很大优势。相比于单纯应用CT检查来说，人工智能的应用效果更好，能获得更加精准的诊断结果，也可对多个诊断结果进行综合评估，从而获得最准确的诊断结果

[4]。

综上所述，在体检群体肺结节筛查中应用人工智能结合多层螺旋CT检查有助于提升诊断结果准确性，降低误差发生风险，应用价值比较高，值得推广。

参考文献：

[1] 裴昌军,孙雪丽,王鑫,等. 人工智能结合多层螺旋CT检查在机关体检人群肺结节筛查中的应用[J]. 实用临床医药杂志,2023,27(24):89-92.

[2] 黄云开. CT高分辨重建联合人工智能在肺结节识别诊断中的应用效果分析[J]. 现代医用影像学,2021,30(1):87-89.

[3] 杨利莉,汪芳,王泽润,等. 基于人工智能对非小细胞肺癌影像T分期与病理T分期的对照研究[J]. 宁夏医学杂志,2021,43(9):782-784.

[4] 钟宇,周姝,张立波,等. 人工智能肺结节筛查系统结合能谱CT比较不同性质肺结节的检测效能[J]. 中国医科大学学报,2023,52(7):624-627,632.