肺癌是常见恶性肿瘤，临床发病率高，肿瘤恶性程度大，严重威胁患者生命安全。发病早期症状缺少特异性，以咳嗽为主，容易被忽视，被当作普通感冒、呼吸道疾病^[1]。随着肿瘤生长开始对相邻器官形成侵犯，咳嗽加重，伴随胸部疼痛，病情逐渐发展可出现痰中带血、呼吸困难^[2]。早期诊断可以及时发现肺癌，制定科学治疗方案，能够提高疗效，延长生存时间。CT是目前临床筛查早期肺癌的主要手段，能够获得清晰的图像，显示出肺实质的结构特征、病灶情况等^[3]。以往早期肺癌诊断依靠人工阅片，通过观察、分析图像找出肿瘤的特征进行判断。人工阅片弊端是对医生经验有较高要求，容易出现错误。随着人工智能（AI）识别技术的诞生，CT检查在早期肺癌诊断中应用更进一步。利用AI识别技术可以提高阅片速度，并且可以通过深度学习技术形成一个完整、系统的肺癌诊断体系，辅助人工阅片，从而提高早期肺癌检出率以及诊断准确率。

1资料与方法

1.1一般资料

    筛选疑似早期肺癌的病例100例（2021年8月至2022年8月）。男性62例、女性38例；最大年龄70岁，最小年龄27岁，年龄均值（56.24±4.15）岁；体重指数21.2-24.7（22.54±1.01）kg/㎡。

1.2方法

    全部患者入院后均接受全面身体检查，包括查体、病史询问、影像学检查、生化检验等。使用飞利浦16排螺旋CT对患者实施胸部CT扫描。检查前向患者详细介绍疾病、CT相关内容。协助患者取仰卧位，头先进。从肺尖部位开始扫描，扫描至肋膈角处。人工阅片：选择3位拥有10年以上临床经验的主治医师进行阅片，每位医师独立阅片。早期肺癌诊断的参考标准以3位以上放射学家共同商讨了确定。仔细阅片，观察并分析肺部肿瘤的具体位置、大小、密度及与周围组织器官的关系等。AI识别技术：依托AI智能诊断系统进行早期肺癌进行检出评估。系统利用深度学习对早期肺癌的特征进行识别，并做好分类。建立最优的诊断模型综合评估、识别CT图像，最终形成诊断结论。

1.3观察指标

    对比AI识别技术、人工阅片对早期肺癌诊断的符合率、灵敏度、特异度。早期肺癌病例记为阳性，其他记为阴性。比较AI识别技术、人工阅片的平均用时。

1.4统计学处理

数据资料统计学分析使用SPSS25.0工具。

2结果

2.1 对比早期肺癌诊断中AI识别技术、人工阅片的诊断效能

    早期肺癌诊断中AI识别技术的灵敏度高于人工阅片，特异度低于人工阅片（P＜0.05）。AI识别技术与人工阅片对早期肺癌的诊断符合率相当，无显著差异（P＞0.05）。见表1。

表 1 AI识别技术、人工阅片对早期肺癌诊断的符合率、灵敏度、特异度对比

2.2 AI识别技术、人工阅片的平均用时对比

   AI识别技术阅片平均用时（31.24±1.15）s，明显短于人工阅片（385.64±45.25）s，差异显著（P＜0.05）。

3讨论

     早期肺癌缺少特异性表现，临床诊断有一定难度，容易漏诊，耽误疾病治疗。早诊断、早治疗是肺癌临床治疗的基本原则，早期诊断可以制定科学的治疗方案，及时干预、阻止肿瘤生长，可以提升治疗效果，甚至治愈。多数肺癌患者确诊时都发展至中晚期，治疗难度大，预后较差。早期肺癌的诊断对于疾病治疗、康复有着至关重要的意义。肺癌诊断金标准是病理学检查，可以明确肿瘤性质、分期等^[4]。但是，病理学检查属于有创检查，检查费用高，具有一定应用限制。CT检查作为常用的影像学检查技术，临床应用广泛，具有扫描速度快、图像清晰等特点。早期肺癌诊断中应用CT可以获得比较高的诊断效能，能够发现肿瘤病灶，并对肿瘤部位、累及范围等进行进一步验证。同时可以对肿瘤的性质进行判断、区分，鉴别诊断肿瘤良恶性，是当前肺癌临床诊断的重要手段之一。

本次研究中AI识别技术的灵敏度高于人工阅片，特异度低于人工阅片。诊断符合率相当。分析原因：人工阅片更多依靠医生的经验，需要对CT图像中显示出来的各种征象进行观察、分析，结合经验、早期肺癌特异性征象做出最终的诊断，存在明显的主观性^[5]。AI识别技术则可以通过学习、训练海量的早期肺癌影像数据，阅片时可以自动识别图像中符合早期肺癌的特征，对病灶进行准确的识别并定位^[6]。但是，与人工阅片相比，AI识别技术对于非早期肺癌的判断并不准确。因为AI识别技术的应用依托深度学习，发现符合早期肺癌征象的情况都会发出高风险提示。而其他肺部疾病也可能引起类似于早期肺癌的征象，从而出现错误判断。AI识别技术可以作为辅助工具为医生提供帮助，辅助决策，以此提高诊断准确率。

综上所述，AI识别技术应用于早期肺癌诊断中具有重要意义，诊断效能高。

【参考文献】

[1]刘梦,任旭斌,陈云凤.人工智能与7项肺癌自身抗体联合检测对肺结节良恶性鉴别诊断效能研究[J].四川医学,2023,44(11):1155-1159.

[2]佘权,吴雨晨,徐酩等.人工智能辅助早期肺癌筛查的多模块融合应用[J].江苏预防医学,2023,34(05):561-565.

[3]王新宇,赵静文,刘翔等.人工智能在肺结节筛查和肺癌诊断中的应用[J].中国医学物理学杂志,2023,40(09):1182-1188.

[4]袁磊,沈志明,孙飞等.人工智能影像组学在肺癌诊疗应用的可视化分析[J].临床放射学杂志,2023,42(08):1250-1254.

[5]黄子凌,李媛.人工智能在肺癌病理诊断领域中的应用[J].临床与实验病理学杂志,2023,39(07):772-775.

[6]陈建成,杨光平,杨平华等.人工智能技术联合螺旋CT扫描在早期肺癌筛查中的应用分析[J].现代诊断与治疗,2023,34(11):1675-1677.