发表在《放射学》（Radiology）杂志上的一项研究显示，人工智能（AI）程序可准确预测在筛查CT中发现的肺结节发生癌变的风险。

WHO数据显示，肺癌是全球癌症死亡的主要原因，2020年估计有180万人死于肺癌。低剂量胸部CT被用于筛查肺癌高危人群（如长期吸烟者），已被证明可显著降低肺癌死亡率，主要通过更容易治疗成功的癌症早期阶段发现癌症。肺癌通常在CT图像上显示为肺结节，而大多数结节是无需进一步临床检查的良性结节，因此，准确区分结节的良恶性对于早期发现癌症至关重要。

研究人员研发了一种通过深度学习评估肺结节的算法，这是一种能够在成像数据中发现特定模式的人工智能应用。研究人员对来自国家肺部筛查试验的16000多个结节（包括1249个恶性肿瘤）的CT图像上进行了算法训练，并对来自丹麦肺癌筛查试验的3大结节影像数据集进行了算法验证。

结果显示，该算法效果良好，且优于泛加拿大肺癌早期检测模型对肺癌恶性肿瘤风险的估计。该算法可帮助放射科医生准确评估肺结节的恶性风险，还可能带来其他临床方面的益处，可能减少CT解释中观察者之间的实质性差异，避免过度诊断干预，并降低肺癌筛查成本。