Deepnoid在RSNA发表论文摘要…AI肺结节诊断技术受关注

Published 03 Dec.2024 08:57(KST)

医疗人工智能专业企业Deepnoid于3日表示，将在美国芝加哥举行的“2024年北美放射学会年会（RSNA 2024）”上公布其关于人工智能（AI）基础肺结节诊断技术的研究成果。

Deepnoid将在北美放射学会年会上通过题为“在考虑肺结节局部化及Lung-RADS分级的前提下，基于人工智能的计算机辅助诊断（CAD）系统的诊断性能”的摘要，展示其产品DEEP:LUNG的卓越诊断性能。

临床研究利用釜山大学医院、梁山釜山大学医院、和顺全南大学医院自2019年1月至2023年7月期间，外来门诊及急诊就诊患者的低剂量胸部计算机断层扫描（LDCT）数据共455例，对DEEP:LUNG的诊断性能进行了评估，评估内容包括肺结节的组织学类型、大小、恶性度分级、Lung-RADS分级以及结节位置的局部化等。

在应用DEEP:LUNG时，主要评估指标中灵敏度达到91.38%、特异度93.08%，恶性度分级曲线下面积（AUROC）为89.62%，以较高的准确度取得了优异结果。AUROC是评估分类模型性能的指标，AUROC达到85%以上通常被视为性能相当优秀。

在Lung-RADS各分级的评估中，也在灵敏度和特异度方面证明了其稳定的表现。在对实性结节和磨玻璃影结节的大小测量中，分别将误差范围控制在2毫米及3毫米以内，显示出较高的精确度。

Deepnoid首席执行官Choi Woosik表示：“通过本次研究，证明了在肺结节诊断及恶性分级领域，人工智能可以为医务人员提供极大帮助”，并称：“明年计划在脑疾病诊断解决方案的基础上，将人工智能解决方案的适用范围扩展至胸部领域。”他补充表示：“向医疗一线提供更加全面的人工智能诊断支持工具是下一阶段目标。”