Radiology：计算机辅助识别脾结节虽好，仍需慎用！

应用领域于胸部CT扫描的计算机辅助探测(CAD)管理系统可作为第二阅读器探测有意义的软组织，并有效地减少软组织漏诊持续性的发生，相比之下减少误解和降低工作效率上都效果显著。

到目前为止，CAD的要点是对实性软组织的探测，然而，亚实性软组织(SSNs)的恶性率高于实性软组织，在胃癌筛查中SSNs的比率大幅降低9.4%，因此越来越多的学术研究重视CAD对SSNs的探讨。当CAD应用领域于SSNs时，CT的层较厚是一个重要的弊端。在较厚层CT上，由于对比对比度高于及外容积效应的存在不利于SSNs的探测和举例来说。然而，在理论上工作中，并非每个政府部门都可获薄层CT。在近来，CAD对SSNs探测的最佳CT层较厚尚不明确，对于最佳层较厚的选择尚未达成歧见。

近日，撰写在Radiology杂志的一项学术研究评估了CT层较厚对CAD探测SSNs安全性的冲击，并探讨了基于浅层学习的超强对比度CT层较厚减薄搜索算法是否能降低CT层较厚的探测安全性，为CAD在计算机管理系统上都的规范应用领域给予了概要标准，为CAD进一步不断扩大医学应用领域给予了重新观点及新科技上的大力支持。

本学术研究纳入了2018年3同年至2018年12同年期间接受手术治疗症状的CT缩放，层较厚分别为1、3、5mm。对有同时切除的SSNs症状和无SSNs症状(阴性对照)进行了回顾性评估。范围为6 ~ 30mm的SSNs被标记为实性病变。将基于浅层学习的CAD管理系统应用领域于每个层较厚的CT缩放的SSN探测，并常用超强对比度搜索算法将3毫米和5毫米层较厚缩放变换为1毫米层较厚CT缩放。利用JAFROC分析评价和比较了CAD在各层较厚上的安全性。

本学术研究总共纳入评估了308亦然症状(总人数±标准差，62岁±10岁;女性183亦然)，其中SSNs424亦然(外实性软组织310亦然，非实性软组织114亦然)，无SSNs182亦然(总人数65±10岁;97名男性)。三种层较厚(1、3和5 mm分别为0.92、0.90和0.89;P = 0.04)及1和 5 mm层较厚之间的打分相同显著(P = 0.04)。非实性软组织的打分相同较大(1、3和5 mm分别为0.78、0.72和0.66,P < .001)，而外实性软组织的打分相同并不显著(范围为0.93-0.94,P = .76)。超强对比度搜索算法降低了CAD在3和5mm层较厚上的诱发(3mm的P = 0.02, 5mm的P < .001)。

图 72岁男性，病理表明左胃上叶表层型胃腺癌。(a) 1mm层较厚，(b) 5mm层较厚和从原始（c）3mm和（d）5mm层较厚缩放经超强对比度搜索算法变换后推断右方叶有一个16mm界限分明的外实性软组织，实性外为5mm。软组织的实性外(箭头)在1mm缩放(a)上推断边境地区清晰，而在5mm缩放(b)上边境地区欠清。计算机辅助探测(CAD)搜索算法在1mm和3mm层较厚缩放上推断了软组织，但在5mm层较厚缩放上未推断。应用领域超强对比度搜索算法(c, d)检索实质外，CAD在超强对比度3和5 mm缩放上均探测到了软组织。

表 CAD在相同层较厚和超强对比度变换的CT缩放上的假阳性分数。

薄层CT对亚实性软组织的计算机辅助探测(CAD)相对于较厚层CT，尤其是在非实性软组织上更为突出。基于浅层学习的超强对比度搜索算法的应用领域降低了CAD在较厚层CT缩放上的诱发。CAD的改进以及其与阅读者的联合应用领域可值得注意减少假阳率。这为医学对CAD的深入应用领域给予了观点大力支持，为CAD在计算机管理系统上都的其发展在此之后了道路。

原文来历：

Sohee Park,Sang Min Lee,Wooil Kim,et al.Computer-aided Detection of Subsolid Nodules at Chest CT: Improved Performance with Deep Learning-based CT Section Thickness Reduction.DOI:10.1148/radiol.2021203387