影像组学在甲状腺癌诊疗中的应用研究

随着影像检查技术及仪器、设备性能的不断提高,甲状腺结节检出日益增多,但传统影像诊断方法缺乏特异度,诊断准确率较低。机器学习可从大规模的医学图像中挖掘出大量高维定量影像特征,为结节的诊断、治疗及预后提供更多有价值的信息。就深度学习和影像组学在甲状腺癌的鉴别诊断,淋巴结转移、免疫组化指标、侵袭性及预后评估等方面的应用展开综述。

人工智能辅助肺结节筛查及定性诊断的应用研究

目的探讨人工智能(AI)辅助诊断软件在胸部低剂量CT肺结节筛查及定性诊断的临床研究与应用价值。方法回顾性分析病理确诊的103例肺结节患者的临床资料,将103例肺结节患者术前的胸部低剂量CT图像导入杏脉锐影肺结节AI分析软件中,采用AI及放射医师阅片的方法筛查肺结节并进行良恶性诊断,将AI辅助诊断软件与放射医师对肺结节的筛查情况进行比较,并以病理诊断为金标准,分析AI辅助诊断软件与放射医师诊断的准确性。结果103例患者胸部低剂量CT共筛查出258个结节,AI辅助软件与放射医师检出肺结节的敏感度分别为96.12%、89.53%,阳性预测值分别为95.00%、100.00%;AI辅助诊断软件筛查检出肺结节的假阳性率为5.00%,放射医师未检查出假阳性肺结节。AI辅助诊断软件与放射医师对肺结节的筛查能力比较,差异有统计学意义(P<0.05)。103例肺结节患者病理检查共诊断出108个肺结节,AI辅助诊断软件及放射医师诊断肺结节的敏感度分别为95.35%、91.86%,特异度分别为72.73%、81.82%。结论AI辅助诊断软件在肺结节筛查检出及恶性结节诊断方面具有较高的准确性,但肺结节良恶性鉴别准确率低于放射医师。因此,AI辅助诊断软件可作为一种辅助手段与放射医师诊断相结合来提高肺结节的总体诊疗效能。