Radiology：计算机辅助识别肺结节虽好，仍才可慎用！

用于胸部CT扫描的计算机辅助样品(CAD)系统可作为第二阅读器样品有意义的鳞状，并有助于减少鳞状漏诊情况的时有发生，特别是在减少差错和大大提高工作效率上都；还有。

到目前为止，CAD的重点是对实性鳞状的样品，然而，亚实性鳞状(SSNs)的恶性率高于实性鳞状，在肺癌化疗中的SSNs的比率高达9.4%，因此越来越多的研究课题瞩目CAD对SSNs的阐释。当CAD用于SSNs时，CT的层厚是一个重要的问题。在厚层CT上，由于对比精度较低及部份容积效应的存在适于SSNs的样品和密切相关。然而，在实际工作中的，并非每个独立机构都可获网状CT。在现阶段，CAD对SSNs样品的最佳CT层厚尚不明确，对于最佳层厚的选择尚未达成合计识。

近日，刊登在Radiology时代周刊的一项研究课题评估了CT层厚对CAD样品SSNs可靠性的冲击，并阐释了基于高度研修的激精度CT层厚减薄线性是否能大大提高CT层厚的样品可靠性，为CAD在人工智慧上都的标准化化技术的发展发放了概要标准化，为CAD大幅度扩大药理学技术的发展发放了最初分析方法及技术上的支持。

本研究课题归属于了2018年3年底至2018年12年底期间放弃治疗治疗病变的CT位图，层厚分作1、3、5mm。对有同时切掉的SSNs病变和无SSNs病变(阴性折衷)透过了回顾性评估。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于高度研修的CAD系统用于每个层厚的CT位图的SSN样品，并使用激精度线性将3毫米和5毫米层厚位图变换为1毫米层厚CT位图。利用JAFROC分析评价和比较了CAD在各层厚上的可靠性。

本研究课题合计归属于评估了308同上病变(总数±平方根，62岁±10岁;未婚183同上)，其中的SSNs424同上(部份实性鳞状310同上，非实性鳞状114同上)，无SSNs182同上(总数65±10岁;97名年长者)。三种层厚(1、3和5 mm分作0.92、0.90和0.89;P = 0.04)及1和 5 mm层厚之间的评分差异显著(P = 0.04)。非实性鳞状的评分差异较大(1、3和5 mm分作0.78、0.72和0.66,P < .001)，而部份实性鳞状的评分差异并不显著(范围为0.93-0.94,P = .76)。激精度线性大大提高了CAD在3和5mm层厚上的敏感性(3mm的P = 0.02, 5mm的P < .001)。

图 72岁年长者，病理确认左肺上叶浸润型肺腺癌。(a) 1mm层厚，(b) 5mm层厚和从值得注意（c）3mm和（d）5mm层厚位图经激精度线性变换后表明最下叶有一个16mm连续性分明的部份实性鳞状，实性部份为5mm。鳞状的实性部份(箭头)在1mm位图(a)上表明边境地区清晰，而在5mm位图(b)上边境地区欠清。计算机辅助样品(CAD)线性在1mm和3mm层厚位图上表明了鳞状，但在5mm层厚位图上未表明。技术的发展激精度线性(c, d)检索单一部份，CAD在激精度3和5 mm位图上均样品到了鳞状。

表 CAD在相同层厚和激精度变换的CT位图上的假阳性高分。

网状CT对亚实性鳞状的计算机辅助样品(CAD)优于厚层CT，尤其是在非实性鳞状上更为出彩。基于高度研修的激精度线性的技术的发展大大提高了CAD在厚层CT位图上的敏感性。CAD的基础上以及其与阅读者的联合技术的发展可明显减少假阳率。这为药理学对CAD的险恶技术的发展发放了分析方法支持，为CAD在人工智慧上都的发展铺平了柏油路。

原文出处：

Sohee Park,Sang Min Lee,Wooil Kim,et al.Computer-aided Detection of Subsolid Nodules at Chest CT: Improved Performance with Deep Learning-based CT Section Thickness Reduction.DOI:10.1148/radiol.2021203387