人工智能将良性肺结节误判为高风险结节的原因分析

摘 要： ［目的］ 探究人工智能（artificial intelligence，AI）在预测肺结节的恶性风险时将良性结节误判为高风险结节的原因。［方法］ 回顾性分析88例检查发现肺结节并于1个月内取得病理结果的患者资料，分别用AI和人工方法评估肺结节的良恶性，分析两种方法对肺结节的诊断准确率及被AI误诊的良性结节的特征。［结果］ 88例患者病理结果显示恶性结节59例，良性结节29例。AI组良性结节误诊率为82.8%（24/29），人工组为41.4%（12/29），两者对良性结节的诊断准确率差异有统计学意义（McNemar χ2＜0.001）。AI对不同大小结节组间误诊率差异有统计学意义（χ2=15.389，P＜0.001）。当良性结节出现毛刺征、分叶征、血管集束征、支气管截断征、空泡征、胸膜牵拉征等倾向于恶性结节的征象时，AI组的误诊率均大于人工组（88.2% vs 64.7%、100.0% vs 66.7%、100.0% vs 80.0%、100.0% vs 66.7%、90.0% vs 60.0%）。当出现钙化、脂肪密度倾向于良性结节的征象时，AI组的误诊率大于人工组（80.0% vs 20.0%、100.0% vs 0）。［结论］ AI对肺结节的评估存在一定的局限性，AI还需进一步完善算法，结合临床、随访、全肺整体信息，以减少误判为高风险结节的概率。

Causes of Misdiagnosing Benign Pulmonary Nodules as High Risk Nodules by Artificial Intelligence