摘要：目的:為評(píng)價(jià)人工智能模型的應(yīng)用價(jià)值,本研究在專家共識(shí)的基礎(chǔ)上建立了肺結(jié)節(jié)標(biāo)準(zhǔn)測(cè)試集,對(duì)前期建立的一種基于三維卷積神經(jīng)網(wǎng)絡(luò)肺結(jié)節(jié)深度學(xué)習(xí)算法模型進(jìn)行驗(yàn)證,評(píng)價(jià)該模型的臨床效能和限度。方法:基于胸部CT肺結(jié)節(jié)數(shù)據(jù)標(biāo)注與質(zhì)量控制專家共識(shí)建立標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集,對(duì)前期建立的基于三維卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)深度學(xué)習(xí)算法模型及傳統(tǒng)CAD系統(tǒng)(Siemens syngo.via VB 3.0 和Philips ISP V8)進(jìn)行檢驗(yàn),在肺結(jié)節(jié)檢出靈敏度、精準(zhǔn)度以及平均每例假陽(yáng)性個(gè)數(shù)等多個(gè)指標(biāo)方面進(jìn)行優(yōu)效驗(yàn)證。結(jié)果:針對(duì)測(cè)試數(shù)據(jù)集中的肺結(jié)節(jié),Syngo.via工作站檢出靈敏度為36%,精準(zhǔn)度為69%,平均每例假陽(yáng)性1.2個(gè);Philips ISP工作站肺結(jié)節(jié)檢出靈敏度為34%,精準(zhǔn)度為73%,平均每例假陽(yáng)性0.9個(gè);三維卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)深度學(xué)習(xí)算法模型檢出靈敏度為90%,精準(zhǔn)度為71%,平均每例假陽(yáng)性2.8個(gè)。結(jié)論:該三維卷積神經(jīng)網(wǎng)絡(luò)算法模型相較于傳統(tǒng)CAD系統(tǒng),肺結(jié)節(jié)檢出靈敏度顯著提升。由于訓(xùn)練數(shù)據(jù)集的偏倚等問(wèn)題,靈敏度仍有進(jìn)一步提升的空間。通過(guò)針對(duì)性地補(bǔ)充訓(xùn)練數(shù)據(jù)集,如增加磨玻璃結(jié)節(jié)的比重,可進(jìn)一步提升肺結(jié)節(jié)檢出靈敏度。改進(jìn)之后的模型有望成為影像醫(yī)生肺癌篩查工作的得力助手。