随着社会的不断老龄化，恶性肝肿瘤的患病率持续增加，有效的病变筛查方法可改善患者预后，降低社会医疗压力。超声检查（US）广泛用于肝脏肿瘤的诊断。但是，检查的准确性在很大程度上取决于超声医生的视觉感知及个人评估。因此，有研究人员致力于构建可用于诊断肝脏肿瘤的人工智能 (AI) 模型。

Nishida等研究人员基于静态 B 模式图像构建了三个 AI 模型：模型 1 使用了 24,675 张图像，模型 2 使用了 57,145 张图像，模型 3 使用了 70,950 张图像。卷积神经网络用于训练美国图像。检测了 AI 对四类肝肿瘤的鉴别，即囊肿、血管瘤、肝细胞癌和转移性肿瘤。使用十倍交叉验证评估了 AI 诊断的准确性。最后，还通过独立的视频图像测试队列对比了 AI 模型和临床超声专家的诊断准确性。

三个AI模型诊断4种肝肿瘤的准确性

模型 1、模型 2、模型 3 对肝肿瘤（不分类型）的诊断准确率分别为86.8%、91.0%和91.1%，对恶性肿瘤的诊断准确率分别为91.3%、94.3%和94.3%。在 AI 和临床医生的独立对比中，模型 1、模型 2 和模型 3 的正确诊断率分别为 80.0%、81.8%和89.1%。相应的，超声专家和非专家的正确诊断率分别只有 67.3%（范围 63.6%–69.1%）和47.3%（45.5%–47.3%）。

AI模型与临床医生的对比（a：4 种肝肿瘤；b：肝恶性肿瘤）

综上所述，人工智能模型在四种肝脏肿瘤的鉴别和良恶性鉴别方面的表现超过了临床超声专家。因此，人工智能模型有助于降低肝肿瘤患者诊疗过程中的人为误诊率。

 

原始出处：

Nishida, N., Yamakawa, M., Shiina, T. et al. Artificial intelligence (AI) models for the ultrasonographic diagnosis of liver tumors and comparison of diagnostic accuracies between AI and human experts. J Gastroenterol (2022). https://doi.org/10.1007/s00535-022-01849-9