吴久纯，李甜，李晓东，卓越，张玉娇，刘敬禹*

    本研究价值：

    以人工智能(AI)为基础，联合CT扫描，摒弃以往AI阅片与人工阅片对比筛查肺结节的检出率或是鉴别诊断肺结节良恶性准确性的常规研究方向，多因素综合分析肺结节增长的影响因素，参考增长因素对肺结节进行有效管理。

    本研究局限性：

    (1)由于AI技术新颖，应用时间相对较短，且结节生长需要较长时间，尤其是纯磨玻璃结节(pGGN)，本研究随访时间相对偏短。(2)大部分肺结节无病理诊断结果，无法进一步探讨结节增长影响因素与病理之间的具体关系。

    早期肺癌在CT影像学上多表现为肺结节，肺结节的检出率因不同的影像学检查方式而有所不同[1]，随着低剂量CT(low does CT，LDCT)在肺癌筛查中的普及和高分辨率CT(high resolution CT，HRCT)的广泛应用，肺结节的阳性检出率显著提高[2]。《肺结节诊治中国专家共识(2018年版)》[3]引入了肺结节分级诊疗的概念，即根据肺结节的直径、实性成分、单发或多发等多个因素综合评估后，结合患者的高危因素制订个性化分级治疗方案。直径>5 mm、缺乏特异性表现的结节，尤其是磨玻璃结节(ground glass nodules，GGN)，通过手术病理证实绝大多数为肺癌或有恶变的潜在危险[4]，因其长期持续存在、呈惰性生长的性质，大多需要定期随访。目前，由于肺结节患者众多，传统的计算机辅助检测及诊断系统(computer aided detection and diagnosis system，CAD)很难对肺结节进行准确分割、精准对比且操作复杂[5]；医师对肺结节的直径、体积及实性占比的随访受人为因素影响较大；大量的随访人群使影像科及呼吸内科医师工作量增大，亟须人工智能(artificial intelligence，AI)辅助随访，动态观察不同时间点的CT图像变化。马景旭等[6]、刘娜等[7]及曹孟昆等[8]研究均提出AI在鉴别诊断肺结节的性质方面具有重要价值，尹泚等[9]指出AI对肺结节的检出率近100%，对肺结节良、恶性鉴别的灵敏度高于人工阅片(95.83% VS 87.36%)，但特异度低于人工阅片(25.00%VS 72.17%)。然而目前关于应用AI随访的研究较少，故本研究探讨了AI随访肺结节增长的影响因素及临床应用价值，以期为肺结节有效随访提供参考依据。

    1 对象与方法

    1.1 研究对象 回顾性选取2019年4月就诊于锦州医科大学附属第三医院的175例肺结节患者作为研究对象 ......