《人工智能在肺结节诊治中的应用专家共识（2022年版）》要点

1  前言

肺癌是全世界最常见的恶性肿瘤，占恶性肿瘤发病率及死亡率的首位。肺癌筛查计划的积极推广显著提高了肺结节的检出率。人工智能（AI）在协助肺结节良恶性判读上的功能逐步获得重视。

2  肺结节诊断的现状与局限性

专家共识：  低剂量螺旋计算机断层扫描（CT）筛查发现的肺结节，假阳性率较高，传统诊断方法在肺结节的诊断中，具有较强的局限性。AI在肺结节良恶性诊断方面已经取得了一定进展，但在病理分型预测、多次随访数据的综合判断、手术规划等方面，还存在很多问题亟待解决（共识强度：一致共识）。

3  AI在肺结节识别中的作用

专家共识：  AI在辅助医生进行肺结节识别方面，具有较大优势，在肺结节随访中判断良恶性具有重要价值（共识强度：一致共识）。AI对亚实性结节检测的假阴性率较高，仍需要人工阅片确认以减少漏诊（共识强度：基本一致共识）。

4  AI在肺结节良恶性鉴别诊断中的作用

专家共识：  AI技术在肺结节良恶性鉴别中可为临床诊断提供辅助参考，但其准确性还无法取代人工（共识强度：一致共识）。融合多模态信息的肺癌诊断技术能够得到更加精确的肺癌诊断效果（共识强度：基本一致共识）。

5  肺结节病理分型对手术规划的指导意义

专家共识：  现有数据支持： 部分低危（浸润前病变或贴壁样生长方式为主）的I期非小细胞肺癌（NSCLC）患者接受亚肺叶切除的预后不劣于肺叶切除者；含有高级别成分（包括实性生长模式、微乳头样生长模式以及复杂的腺样结构）的肺腺癌患者手术切除后预后不良（共识强度：一致共识）。由于术中冰冻和术后石蜡病理诊断肺腺癌亚型的一致性不够高，因此根据术中冰冻结果决定手术切除范围尚有争议。目前亟需新方法在手术前辅助诊断以指导后续治疗（共识强度：一致共识）。

6  AI在肺结节病理分型预测中的作用

专家共识：  AI依托深度学习与记忆可准确提取肺结节中有重要影响的微特征，具有无创、可捕捉肿瘤异质性和可重复性等优势，有望分级和预判GGN早期肺腺癌浸润亚型，为临床决策提供参考，但需要设计多中心、高质量数据集、前瞻性随机对照试验以进一步验证（共识强度：一致共识）。

7  随访在肺结节诊疗中的价值

专家共识：  根据肺结节基线检查特征拟定随诊方案，推荐采用高分辨率CT（HRCT）行小于1mm的薄层扫描随诊，同时重建冠状位及矢状位以更完善地评估（共识强度：一致共识）。随诊方式建议按肺结节分类及风险分层进行区分。若结节具有生长性，可认为具有手术指征（共识强度：基本一致共识）。科学的随访方案可精确筛选病例，提高手术病例阳性率（共识强度：一致共识）。随访计划建议与患者进行共同决策（共识强度：一致共识）。

8  AI在肺结节多次随访数据的综合判断作用

专家共识：  AI在肺结节多次随访数据中可协助评估肺结节体积、形态变化，对肺结节随访提供结节倍增时间变化、形态学改变等参考依据，进而制定个体化随访间期，但其具体适用范围有待进一步研究（共识强度：基本一致共识）。

9  AI在肺结节手术规划中的作用（三维重建）

专家共识：  基于AI的三维重建技术对于提高手术的安全性和准确性具有重要的意义（共识强度：一致共识）。

〔本资料由朱明恕主任医师根据《人工智能在肺结节诊治中的应用专家共识（2022年版）》编写〕

（本共识刊登于《中国肺癌杂志》2022年第4期。如欲全面详尽了解，请看全文）

         2022.4.27