编辑推荐：
随着肺部 CT 检查增多，肺结节随访评估需求增大。研究人员开展基于人工智能（AI）系统自动匹配肺结节的研究，发现该算法匹配率高，但受结节数量和位置影响。这为临床标准化评估提供支持，助力诊疗决策。
在当今医学领域，肺部疾病的诊断和治疗备受关注，尤其是肺结节的评估。随着 CT 技术的飞速发展，其分辨率越来越高，低剂量扫描也得以实现，这使得肺结节的检测变得更加敏感，越来越多的人在体检或检查中发现了肺结节。然而，这也带来了一系列问题。一方面，大量的肺结节需要进一步的随访和评估，以确定其性质是良性还是恶性。虽然约 95% 的肺结节是良性的，但为了早期发现恶性结节，对所有结节进行恰当评估至关重要。另一方面，肺癌的发病率持续上升，这使得对肺结节的随访监测需求更为迫切，特别是在高危人群的肺癌筛查中。但频繁的随访检查不仅增加了患者的负担，也给放射科医生带来了巨大的工作压力，他们需要花费大量时间对比不同时期的 CT 图像，判断肺结节的变化，而且人工判断容易出现误差。
为了解决这些问题，来自德国慕尼黑大学医院（University Hospital, LMU Munich）等机构的研究人员开展了一项关于基于人工智能（AI）的系统对随访胸部 CT 上的肺结节进行自动匹配的研究。他们的研究成果发表在《European Radiology Experimental》上，为肺结节的评估提供了新的方向和有力工具。
研究人员采用了多种关键技术方法。首先，从医院的 Picture Archiving and Communication System（PACS）中回顾性随机选取数据，筛选出患有潜在恶性疾病、至少有一个肺结节且进行过两到三次连续胸部 CT 扫描的患者。然后，使用基于云的原型 “AI - Rad Companion Research Chest CT Explore”（西门子医疗）对数据进行分析，该系统包含基于 AI 的肺结节检测（LungCAD, VD20）、解剖学地标提取、地标配准和结节对识别等步骤。最后，由一名经验丰富的放射科医生对 AI 算法的结果进行验证，分析错误匹配的原因。
研究结果如下：
- 患者群体：研究共纳入 100 名患者（46 名女性），中位年龄 62 岁，共进行了 253 次胸部 CT 扫描，形成 153 次随访检查，中位随访时间为 13.7 周。患者潜在恶性疾病多源于结直肠癌（n=24）等。
- 自动结节匹配：聚焦基线 CT 扫描中算法识别的十个最大病变，共分析 1141 个病变，其中 36 个（3.2%）为假阳性。在 1105 个确定的结节中，964 个（87.2%）被正确检测和匹配；若仅考虑基线和随访扫描中均检测到的结节，匹配率高达 97.8%。
- 匹配性能与结节数量和位置的关系：匹配率受结节数量影响，随访检查中结节数超过 50 个时，匹配率显著降低（p=0.003）；同时，不同位置结节的匹配率也有差异（p<0.001），实质结节（91.8%）、外周结节（84.4%）和近血管结节（82.4%）的匹配率高于近膈结节（71.1%）。
在研究结论和讨论部分，该 AI 算法在肺结节自动匹配方面表现出较高的准确率，尤其是在考虑基线和随访扫描中均检测到的结节时。高匹配准确率对临床意义重大，它有助于标准化评估，减少假阳性和假阴性结果，提高诊断信心，辅助治疗决策。而且，该算法在不同 CT 扫描仪和成像协议的数据上均表现出稳健的匹配性能，具有广泛的适用性。不过，研究也存在一些局限性，如仅纳入十个最大的实性结节，未评估结节消失、吸气水平、结节大小和生长等因素的影响，且算法结果仅由一名放射科医生验证等。
尽管如此，这项研究依然为肺结节的临床评估带来了新的希望。AI 技术在肺结节自动匹配上的应用，有望大大减轻放射科医生的工作负担，提高诊断效率和准确性，为患者的治疗争取更多时间，推动肺部疾病诊疗的发展。未来，随着研究的不断深入和技术的进一步完善，AI 在医学领域的应用将更加广泛和精准，为人类健康带来更多福祉。
