胸部x线检查由于扫描便捷，费用较低，是最常用的影像学检查之一，通常作为常规肺癌筛查的一线影像学检查。然而根据检查人群的不同，胸部x线对肺部恶性肿瘤的检出敏感性从44%到87%不等，差异很大。实际临床工作中，与肺癌误诊及漏诊有关的医疗法律行为中，约有90%是由于在未能在胸片上识别肺部肿瘤所致。

在过去的几十年里，已开发了多种计算机辅助检测程序以协助影像科医生提高胸片上结节的检测及诊断。尽管传统的计算机辅助检测系统在这方面效果显著，但假阳性率较高，因此阻碍了其在临床实践中的常规使用。最近，基于深度学习的自动检测算法(DLADs)在提高肺部恶性结节检测方面性能极佳。DLADs不仅提高了阅读者的敏感性，并进一步降低了假阳性率。然而，使用DLAD协助诊断在胸部x线片上易被漏诊的肺癌的可行性仍有待研究。

近日，发表在Radiology杂志的一项研究评价了DLAD在胸部x线片上检测肺癌的诊断效能，为临床进一步快速、准确地检出及诊断肺癌提供了新的思路及参考依据。

在2010年1月至2014年12月期间诊断为肺癌的患者中，筛选出在先前胸部x线片上可以看到肺癌的117名患者(中位年龄69岁;四分位数范围[IQR]，64-74岁）。随机选择了234例胸部X线片正常的患者（中位年龄58岁； IQR，48-68岁； 123位女性）作为健康对照组。9名阅读者在有或无DLAD辅助的情况下对每一张胸部x线片进行了评估。对潜在的肺癌进行筛查，并决定是否建议进行进一步的胸部CT随访。使用自由响应受试者工作特征曲线下面积(AUC)、敏感性和胸部CT建议率对进行了阅读者的诊断性能进行了比较。

在这117名患者中，有105人的肺癌在他们的原始胸部x线片上被漏诊。所有阅读者的平均AUC从无DLAD的0.67(95%置信区间[CI]: 0.62, 0.72)显著上升到有DLAD的0.76 (95% CI: 0.71, 0.81) (P < .001)。在有DLAD辅助的情况下，阅读者可检出更多被漏诊的肺癌（平均敏感性，有DLAD的为53％[105个患者中检出56个]，而没有DLAD的则为40％[105个患者中检出42个]）（P <.001），且建议更多的患者行胸部CT检查(有DLAD：62%[105名患者中有66名]vs 无DLAD：47%[105名患者中有49名]) (P <.001)。在健康对照组中，有或无DLAD情况下的胸部CT建议率无显著统计学差异(有DLAD：10%[234例患者中有23例]，无DLAD：8%[234例患者中有20例])(P = .13)。

表 阅读者诊断性能测试的结果:AUC、敏感性和特异性(每个患者分析)。

图 图中显示了9个阅读者在有或无DLAD的情况下的自由响应受试者工作特性曲线。

本研究结果表明，基于深度学习的自动检测算法(DLAD)可通过提高阅读者的诊断性能来进一步减少在胸部x线片漏诊的肺癌数量，为临床提高肺癌检出率及高影像学医生诊断信心提供了技术支持。

原文出处：

Sowon Jang,Hwayoung Song,Yoon Joo Shin,et al.Deep Learning-based Automatic Detection Algorithm for Reducing Overlooked Lung Cancers on Chest Radiographs.DOI:10.1148/radiol.2020200165