共计 1061 个字符，预计需要花费 3 分钟才能阅读完成。
英国南安普顿大学的一项突破性研究显示，人工智能（AI）在检测胸部 CT 扫描中难以发现的呼吸道异物方面，表现优于经验丰富的放射科医生。这项研究已发表在《npj Digital Medicine》期刊上，为 AI 在医疗影像诊断领域的应用提供了新的实证。
该研究团队开发了一种基于深度学习的 AI 模型，专门用于检测胸部 CT 扫描中的透光性异物。这类异物通常由植物材料或小龙虾壳等组成，在 X 射线和 CT 扫描中难以显影，极易导致漏诊或误诊。据统计，在成人异物吸入（FBA）病例中，高达 75% 涉及此类透光性异物。
研究团队采用了一种创新的技术路线，将高精度的气道映射技术（MedpSeg）与专门分析 CT 图像的神经网络相结合。通过与中国的医疗机构合作，研究团队利用 400 多名患者的 CT 扫描数据对模型进行了训练和测试。
在验证阶段，研究团队将该 AI 模型的诊断表现与三位拥有超过十年临床经验的放射科专家进行了对比。测试结果显示，虽然放射科医生在识别透光性 FBA 病例时达到了 100% 的准确率，但仅发现了 36% 的病例。相比之下，AI 模型的准确率为 77%，但能够识别出 71% 的病例，显著降低了漏诊率。在综合评价指标 F1 分数上，AI 模型以 74% 对 53% 的优势领先于放射科医生。
“ 这些异物往往非常隐蔽，即使对于经验丰富的临床医生来说也容易被忽视，” 该研究的共同第一作者、南安普顿大学博士研究员陈哲表示。” 我们的 AI 模型就像第二双眼睛，帮助放射科医生更早、更可靠地发现这些隐藏的病例。”
研究团队强调，该 AI 系统旨在辅助而非取代放射科医生，特别是在复杂或不确定的病例中提供额外的诊断支持。” 研究结果证明了 AI 在医学中的实际潜力，特别是对于通过标准影像难以诊断的疾病，” 研究的主要作者王艺华博士评论道。
值得注意的是，该 AI 模型在检测过程中仍存在一定的误报率。研究团队表示，这反映了 AI 在医疗应用中的典型特点——在提高敏感性的同时，可能会牺牲部分特异性。这种权衡在实际临床应用中需要谨慎评估。
目前，研究团队正在计划开展更大规模、更多样化人群的多中心研究，以进一步完善模型性能，降低潜在的偏差风险。这项研究不仅为呼吸道异物检测提供了新的技术方案，也为 AI 在医疗影像诊断领域的应用开辟了新的可能性。
随着 AI 技术的不断进步，其在医疗诊断领域的应用前景备受期待。然而，研究团队也强调，AI 系统的最终目标是与人类医生形成互补，共同提高医疗诊断的准确性和效率，而不是完全取代人类的专业判断。这一研究为 AI 在医疗领域的应用提供了重要的实证支持，或将推动医疗诊断技术向更精准、更智能的方向发展。
