人工智能模型在肺结节分类中的诊断性能评估：多模型验证与临床适用性分析

本研究针对肺癌早期诊断中肺结节良恶性鉴别难题，评估了三种商用AI模型的诊断性能。研究团队通过158例经病理证实的肺结节（4-30mm）CT数据，发现现有AI模型存在敏感性中等（53.1-70.3%）、特异性低（46.7-66.7%）及49%结节被归为"中间风险"等问题，证实当前AI尚不能独立用于临床决策。该成果为AI辅助诊断系统的优化提供了重要循证依据。

　　

肺癌作为癌症相关死亡的首要原因，其预后高度依赖早期诊断。随着高分辨率CT的普及，肺结节检出率显著提升，但随之而来的是良恶性鉴别这一临床难题。传统方法依赖结节大小、形态特征和生长速率等指标进行风险评估，而人工智能(AI)技术被寄予厚望——期望通过自动化结节检测、降低假阳性率和优化风险预测来改善患者预后。然而现有AI模型在临床实践中的可靠性仍存争议，这主要源于研究泛化性不足、决策过程不透明以及对放射科医生决策影响数据的缺乏。

德国美因茨约翰内斯古腾堡大学医学中心（University Medical Center of the Johannes Gutenberg-University Mainz）的研究团队开展了一项单中心回顾性研究，对三种商用AI软件（ADVANCE Chest CT/InferRead^? CT Lung/Rayscape Lung CT）进行了系统性评估。研究纳入2018-2024年间接受CT引导肺活检或手术切除的152例患者（158个经病理证实的肺结节），通过受试者工作特征曲线(ROC)分析和亚组评估，揭示了当前AI辅助诊断系统的局限性。该研究成果发表于《European Radiology》。

研究采用病理结果为金标准，主要技术方法包括：1) 从医院PACS系统筛选符合标准的胸部CT扫描（结节大小4-30mm）；2) 使用三种AI模型自动分析结节特征并输出恶性风险评分；3) 通过ROC曲线计算曲线下面积(AUC)评估诊断效能；4) 按结节大小（5-8mm亚组）和病理类型（原发肺癌/转移癌）进行分层分析；5) 采用回归分析评估CT扫描参数对分类结果的影响。

诊断准确性
模型1和模型2在整体样本中表现中等敏感度（53.1% vs 70.3%）但特异性较低（66.7% vs 46.7%），AUC值仅0.57-0.63。值得注意的是，模型3因将93.9%结节归类为"中间风险"而无法进行有效评估。假阴性率高达22.4-25.5%，意味着每4-5个恶性结节就有1个被漏诊。

亚组分析
在5-8mm结节亚组中，模型特异性提升至100%，但敏感性骤降至47.8-52.2%，假阴性率飙升至73.3-83.3%。对于转移性结节，AI模型表现出61.5%的敏感性和100%特异性，但该结果受限于小样本量（n=23）。

影响因素
回归分析显示，屏气CT扫描可提高模型1的分类准确性（p=0.03），而切片厚度和取样方式（活检vs手术）显著影响模型2的性能。非屏气扫描可能导致运动伪影，这是影响AI判断的重要因素。

研究结论明确指出，当前AI模型尚不具备独立临床应用条件，主要原因包括：1) 特异性不足导致高假阳性率（45.5-52.4%），可能引发过度治疗；2) 近半数结节被归为"中间风险"造成决策困境；3) 对小结节（5-8mm）的诊断性能不稳定。这些发现为AI辅助诊断系统的优化指明了方向——未来研究需扩大样本量、优化训练数据集，并探索结合临床参数的多模态模型。该研究对推动AI在肺癌早筛中的规范化应用具有重要指导价值，提示医疗机构在引入AI辅助诊断时应保持审慎态度。