人工智能作為一種新興科技，將人的理論、技術等用于機器人，來研究、開發、學習、識別的技術。胸外科醫生通過直接使用人工智能技術，或通過相關醫學領域（放射學、病理學和呼吸醫學）間接使用，可影響其日常實踐。本文回顧了與胸外科相關的人工智能的應用現狀和未來發展，人工智能相關肺癌的診斷、預后輔助決策項目及機器人手術等。雖然人工智能技術在許多領域取得了迅速進展，但醫療行業僅占人工智能使用的一小部分，目前人工智能技術在疾病的診斷、治療、康復和護理中正在逐步廣泛應用。胸外科已就人工智能進行了有價值的探索和實踐，今后將會越來越多地受到人工智能技術的影響和推動。
引用本文： 姜杰, 耿國軍, 朱曉雷, 張瀟文. 人工智能（AI）在胸外科中的應用. 中國胸心血管外科臨床雜志, 2021, 28(10): 1156-1159. doi: 10.7507/1007-4848.202102020 復制
1 人工智能輔助肺癌診療一體化
人工智能（AI）輔助肺癌診療一體化指充分運用可供利用的、合適的計算機技術，針對半結構化或非結構化醫學問題，通過人機交互方式來改善和提高決策效率[1]。現有 AI 均存在高假陽性率（FP）及低靈敏度的問題，所以任何用于檢測肺結節的計算機輔助決策（CAD）目標都是實現低 FP 和高靈敏度[2]。其解決方案包括 4 個方面：（1）AI 輔助肺癌的影像學診斷；（2）AI 輔助肺癌病理學診斷；（3）AI 輔助肺癌診療決策系統；（4）AI 輔助肺癌單病種數據庫的建設和使用。
針對肺癌領域，目前研究的熱點和難點問題主要是如何在術前準確判斷肺結節的良惡性。因為肺結節的良惡性會決定術中手術方案，但是術中冰凍的等待時間過長，這樣不僅會延長手術時間，還會限制當日手術臺次，AI 輔助肺癌診療一體化可以極大提升就診效率，縮短患者就診時間。目前 AI 閱片在國內已經在小范圍內實施，主要的問題還是肺結節的漏診率及誤診率問題，有不少學者針對這方面進行了研究，包括采用自動雙讀系統來檢測肺結節的差異[3]，建立針對磨玻璃結節、混合磨玻璃結節及實性結節的專門的 CAD 模型[4]，且對良惡性不同表現特征進行分類[5]，使用 AI 能基于 CT 對肺結節進行分類[6]、3D 卷積深度學習[7]，不受監督的學習圖像特征，并自動學習、更新、糾正錯誤[8]。
由廈門大學附屬第一醫院以及國內領先醫療大數據及 AI 開發企業零氪科技共同建設搭建“人工智能肺部小結節輔助診斷及肺癌診療輔助決策系統臨床應用數據平臺”。該平臺的創新性在于：（1）數據平臺的數據將整合多種臨床數據（如既往病史、影像、手術、病理、基因等），這些不同維度的臨床數據將按照時間線為軸進行整合與結構化，可用于整個肺癌患者從早期篩查、診斷、治療、預后整個路徑上各類 AI 產品應用的訓練與驗證；并且利用雙人標注加專家仲裁的方式保證數據的專業性與準確性[9]；（2）整個數據庫按照時間為主線，將患者從入院檢查到最終出院康復的多種臨床數據予以整合，可用于早期篩查、輔助診斷、推薦治療、預后預測等不同方向的肺癌 AI 產品的訓練與臨床驗證；適用的 AI 場景：患者從入院檢查到出院隨訪整個路徑上的重要節點均適用（如早期篩查、輔助診斷、治療推薦、預后預測等）。
患者從就診至手術當日需要做大量的檢查以便進行術前評估，同時我們也需要收集大量的臨床信息，而將信息整合及標簽化的過程復雜，涉及多種類型數據的讀取與傳輸，此外，多種臨床數據時間存在跨度，整合難度大。肺癌診療輔助決策及帶標簽整合數據自動生成系統，通過輔助決策系統的應用，由臨床醫生確認并編輯，并經過在線雙重標注系統比對后，實時向數據平臺擴充帶標簽的整合數據。數據庫中所有數據都會以時間線為軸統一整合，某時間節點新增特征的加入可以影響此時間節點前的整合數據標簽。同時，整合標簽數據庫可支持多任務 AI 的驗證，靈活根據應用場景切換輸入特征與驗證標簽。
患者就診日當天會常規檢查胸部 CT，但是隨著薄層掃描的普及及應用，就診量大的情況下，影像學醫生的閱片量會增加。而肺小結節輔助診斷系統根據帶結節標簽的胸部 CT 影像數據，應用多種算法處理，最終輸出一份肺部結節診斷報告，以供醫生參考輔助診斷。診斷報告內容包含所有結節的位置（x、y、z 軸坐標）、長徑、密度、體積、性質及結節良惡性等信息[10]。因此，系統模塊主要包含原始 CT 影像的讀取二次檢驗、肺部區域識別、肺內結節檢測、結節大小信息測量、結節密度信息測量、結節維度良惡性判別、患者維度良惡性判別以及報告自動生成等。本系統應用了多種圖像處理技術和主流深度學習算法對 CT 影像數據進行處理，如圖像形態學變換算法和 3D 卷積神經網絡，深度學習被認為是一種很有前途的惡性結節分類工具。目前，這些工具的靈敏度僅為中等，大多數研究包括直徑達 30 mm 的較大結節。較大的結節導致數據集有偏差，因為大多數肺癌通常比良性結節大。因此，深度學習方法是識別肺癌特有的結節特征，還是主要根據大小對結節進行簡單分層，仍然存在爭議。有學者[11]通過使用卷積神經網絡以高度確定的方式識別良性結節，并建議可以排除這些結節，從而避免了進一步檢查的需要，這將大大減少臨床醫師的工作量。在我們的研究中，經過醫生檢驗的帶標簽的影像數據也通過結合系統預測結果和醫生修改記錄自動生成。所有影像標簽均會通過在線雙重標注及標注質量驗證系統進行檢驗和仲裁，保證肺結節影像數據庫標簽準確率達 98% 以上，肺結節屬性特征覆蓋率達 90% 以上。目前數據方面已經儲備了超過萬例的肺癌影像數據，肺小結節輔助診斷系統也已進入小試階段，經過一系列的開發與完善，系統成功應用并構建出萬例以上高質量標簽的影像數據庫具有可行性。
但 AI 所有的診斷都是基于人的思考，AI 所學會的東西都是人腦先學會再將程序錄入其中，當樣本量越來越大，AI 形成一定的記憶，再進行不斷的鍛煉及發現錯誤，才有了診斷準確率更高的 AI 輔助系統，所以 AI 結果不是百分百正確的，會存在一定的誤差，我們要做的就是將誤差降到最低，利用現有的臨床數據最大程度地造福患者[12]。
2 術前三維重建和手術計劃系統
三維重建技術作為 AI 輔助外科的一部分在臨床應用中越來越多，使用計算機軟件通過對 CT、磁共振成像（MRI）、正電子發射計算機斷層顯像（PET-CT）、數字減影血管造影（DSA）等圖像信息進行三維圖像重建，醫生可以更加直觀地看清楚病灶及病灶周圍血管，術者在手術前心中更加有底，手術中借助三維重建圖像看清患者肺部精細結構，幫助醫生制定合理的手術方案。這種方法對于復雜而又精細的外科手術來說，可以大大提高腫瘤定位的精確度[13]。CT 三維重建肺血管、支氣管圖像有助于進行精準的解剖性肺段切除，使胸腔鏡復雜肺段切除安全、便利，特別是對于結節位置較深、血管解剖有變異的患者來說，三維重建的優勢就特別明顯。根據患者 CT、超聲、MRI 的檢查數據，計算機繪制三維影像，直觀重現人體組織和器官的病理特征及數據，輔助臨床醫生制定術前手術規劃。但是，術前重建圖像與術中的實際解剖有一定差異。這是因為患者在做胸部 CT 檢查時，肺是處于膨脹的狀態；而胸腔鏡手術時肺往往處于萎陷狀態。兩種不同狀態下，肺血管、支氣管的走行不是完全一致的。其次，三維重建極其依賴圖像的掃描質量，一旦掃描期相把握不好，會增加重建的難度，從而影響后續的工作開展。且并非每例患者都有做增強 CT 的必要，因而，為了讓 CT 三維成像導航肺小結節在肺段切除中得到廣泛的應用，還需要放射科醫生的幫助[14]。肺部三維重建對于醫生的解剖要求較高，并且費時，但其對于患者卻是非常有利的，特別是對于肺段切除術、解剖有變異的患者來說，三維重建可以一定程度上降低手術風險。
通過術前三維重建結合達芬奇機器人手術選擇的手術切口，符合機器人手術操作系統的要求，不僅給術者提供了清晰視野及方便的操作空間，而且此方法簡單易行，加快術前準備速度，縮短手術時間、提高效率[15]；且可克服胸腔鏡輔助胸外科（VATS）的現有局限性，特別是在延長切除的情況下，從而能夠進一步提高微創操作的比例。
3 機器人手術中的人工智能
達芬奇手術系統使外科醫生在胸內手腕運動中有 7 個自由度，并提供了高清晰度三維視覺的新可能性。該系統通過提高手術每一步的精度和在干預過程中消除任何震顫來幫助外科醫生。雖然一般術語“機器人手術”通常適用于達芬奇手術系統，但它不是嚴格意義上的機器人手術，因為它不能被編程，也不能自己決定移動或執行任何類型的手術操作。有研究[16]表明，與腔鏡手術相比較，達芬奇機器人手術治療Ⅰ期非小細胞肺癌，淋巴結清掃更加徹底，雖然機器人手術的手術時間及手術費用長于和高于普通腔鏡手術，但是其療效更好、并發癥更少。從達芬奇機器人問世至今十幾年的時間，我們對于其研究正在慢慢深入，雖然目前還處在不斷摸索的階段，但相信在不遠的未來，達芬奇機器人的應用會越來越多，并更多地為大家所接受。
機器人輔助手術的定義不是 AI，盡管這個術語在這個背景下經常被錯誤地使用。達芬奇外科系統為臨床實踐提供了許多智能解決方案，但它不是自主機器人手術。該機器人是一個用來增強外科醫生能力的工具，而不是替代外科醫生。外科醫生可以控制機器人的每一個動作；該系統實時模擬外科醫生的手部動作。如果有任何可能使患者面臨危險的困難，外科醫生可以轉換并切換到一個傳統的切口。但隨著 AI 的出現，未來機器人系統似乎有可能能夠完全自己進行干預，并適應不同的場景。事實上，在 2016 年，Shademan 等[17]比較了監督自主系統［智能組織自主機器人（STAR）］、人工腹腔鏡手術和臨床使用的機器人輔助手術之間的腸吻合指標（平均吻合間距、吻合泄漏的壓力、需要從組織中取針的錯誤次數、完成時間和腸吻合腔減少的一致性）。基于這些指標，STAR 的監督自主性超過了機器人輔助手術、腹腔鏡方法和手動手術的性能。此研究表明，自主手術是可行的。外科醫生和 STAR 系統之間的交互式適應決策和執行為有趣地新增加外科醫生的可能性鋪平了道路。STAR 系統證明了在豬身上進行縫合的可行性，但盡管有進一步的研究，到目前為止還沒有申請食品藥品監督管理局的批準。
4 人工智能在肺癌輔助診斷中應用的發展與展望
AI 改變篩選、診斷和醫療保健管理方法的規模是巨大的，因為它能夠分析大數據的非結構化數據，從錯誤中學習，得出相關結論，這可能是決策的寶貴幫助。胸外科醫生應該增加他們在這一領域的知識，并了解 AI 技術如何影響他們的臨床實踐，以及他們與呼吸學家、病理學家和放射學家的合作。胸外科醫生應該是評估 AI 的相關性和驗證其在日常實踐中應用的關鍵參與者。這將需要與 AI 工程師、AI 程序員、AI 開發人員、醫院管理和醫療保健管理領導建立密切的合作。AI 是未來創新醫療的發展方向。而高質量數據的建設不是單單依靠社會資本及企業能夠獨立完成及實現的，需要通過國內權威醫療機構、醫學專家的主導，對患者診療病案進行梳理、建模、標注，建立數據標準及驗證體系，才能更加系統、有效地帶動 AI 醫療技術水平的提升[18]。
我國人口眾多，肺癌的發病率一直居高不下，中晚期肺癌的 5 年生存率仍然低，肺癌的早期篩查就極為重要。盡管肺結節的發病率和臨床意義很大，放射科醫生偶爾還是不能發現肺結節[19]。在我國，薄層 CT 掃描技術已經普及至基層醫院，如果將人工閱片技術推廣應用，將會大大提高基層醫院早期肺癌的檢出率。未來希望推動我國肺癌治療領域中 AI 類輔助診斷和診療系統的技術水平不斷發展，通過 AI 系統應用于臨床實踐，以達到準確、快捷、簡便的臨床輔助診斷及決策，推動一二級醫院診療水平[20]。
利益沖突：無。
作者貢獻：姜杰設計思路、撰寫并修改論文；耿國軍撰寫并修改論文；朱曉雷、張瀟文查閱資料、參與撰寫論文。
1 人工智能輔助肺癌診療一體化
人工智能（AI）輔助肺癌診療一體化指充分運用可供利用的、合適的計算機技術，針對半結構化或非結構化醫學問題，通過人機交互方式來改善和提高決策效率[1]。現有 AI 均存在高假陽性率（FP）及低靈敏度的問題，所以任何用于檢測肺結節的計算機輔助決策（CAD）目標都是實現低 FP 和高靈敏度[2]。其解決方案包括 4 個方面：（1）AI 輔助肺癌的影像學診斷；（2）AI 輔助肺癌病理學診斷；（3）AI 輔助肺癌診療決策系統；（4）AI 輔助肺癌單病種數據庫的建設和使用。
針對肺癌領域，目前研究的熱點和難點問題主要是如何在術前準確判斷肺結節的良惡性。因為肺結節的良惡性會決定術中手術方案，但是術中冰凍的等待時間過長，這樣不僅會延長手術時間，還會限制當日手術臺次，AI 輔助肺癌診療一體化可以極大提升就診效率，縮短患者就診時間。目前 AI 閱片在國內已經在小范圍內實施，主要的問題還是肺結節的漏診率及誤診率問題，有不少學者針對這方面進行了研究，包括采用自動雙讀系統來檢測肺結節的差異[3]，建立針對磨玻璃結節、混合磨玻璃結節及實性結節的專門的 CAD 模型[4]，且對良惡性不同表現特征進行分類[5]，使用 AI 能基于 CT 對肺結節進行分類[6]、3D 卷積深度學習[7]，不受監督的學習圖像特征，并自動學習、更新、糾正錯誤[8]。
由廈門大學附屬第一醫院以及國內領先醫療大數據及 AI 開發企業零氪科技共同建設搭建“人工智能肺部小結節輔助診斷及肺癌診療輔助決策系統臨床應用數據平臺”。該平臺的創新性在于：（1）數據平臺的數據將整合多種臨床數據（如既往病史、影像、手術、病理、基因等），這些不同維度的臨床數據將按照時間線為軸進行整合與結構化，可用于整個肺癌患者從早期篩查、診斷、治療、預后整個路徑上各類 AI 產品應用的訓練與驗證；并且利用雙人標注加專家仲裁的方式保證數據的專業性與準確性[9]；（2）整個數據庫按照時間為主線，將患者從入院檢查到最終出院康復的多種臨床數據予以整合，可用于早期篩查、輔助診斷、推薦治療、預后預測等不同方向的肺癌 AI 產品的訓練與臨床驗證；適用的 AI 場景：患者從入院檢查到出院隨訪整個路徑上的重要節點均適用（如早期篩查、輔助診斷、治療推薦、預后預測等）。
患者從就診至手術當日需要做大量的檢查以便進行術前評估，同時我們也需要收集大量的臨床信息，而將信息整合及標簽化的過程復雜，涉及多種類型數據的讀取與傳輸，此外，多種臨床數據時間存在跨度，整合難度大。肺癌診療輔助決策及帶標簽整合數據自動生成系統，通過輔助決策系統的應用，由臨床醫生確認并編輯，并經過在線雙重標注系統比對后，實時向數據平臺擴充帶標簽的整合數據。數據庫中所有數據都會以時間線為軸統一整合，某時間節點新增特征的加入可以影響此時間節點前的整合數據標簽。同時，整合標簽數據庫可支持多任務 AI 的驗證，靈活根據應用場景切換輸入特征與驗證標簽。
患者就診日當天會常規檢查胸部 CT，但是隨著薄層掃描的普及及應用，就診量大的情況下，影像學醫生的閱片量會增加。而肺小結節輔助診斷系統根據帶結節標簽的胸部 CT 影像數據，應用多種算法處理，最終輸出一份肺部結節診斷報告，以供醫生參考輔助診斷。診斷報告內容包含所有結節的位置（x、y、z 軸坐標）、長徑、密度、體積、性質及結節良惡性等信息[10]。因此，系統模塊主要包含原始 CT 影像的讀取二次檢驗、肺部區域識別、肺內結節檢測、結節大小信息測量、結節密度信息測量、結節維度良惡性判別、患者維度良惡性判別以及報告自動生成等。本系統應用了多種圖像處理技術和主流深度學習算法對 CT 影像數據進行處理，如圖像形態學變換算法和 3D 卷積神經網絡，深度學習被認為是一種很有前途的惡性結節分類工具。目前，這些工具的靈敏度僅為中等，大多數研究包括直徑達 30 mm 的較大結節。較大的結節導致數據集有偏差，因為大多數肺癌通常比良性結節大。因此，深度學習方法是識別肺癌特有的結節特征，還是主要根據大小對結節進行簡單分層，仍然存在爭議。有學者[11]通過使用卷積神經網絡以高度確定的方式識別良性結節，并建議可以排除這些結節，從而避免了進一步檢查的需要，這將大大減少臨床醫師的工作量。在我們的研究中，經過醫生檢驗的帶標簽的影像數據也通過結合系統預測結果和醫生修改記錄自動生成。所有影像標簽均會通過在線雙重標注及標注質量驗證系統進行檢驗和仲裁，保證肺結節影像數據庫標簽準確率達 98% 以上，肺結節屬性特征覆蓋率達 90% 以上。目前數據方面已經儲備了超過萬例的肺癌影像數據，肺小結節輔助診斷系統也已進入小試階段，經過一系列的開發與完善，系統成功應用并構建出萬例以上高質量標簽的影像數據庫具有可行性。
但 AI 所有的診斷都是基于人的思考，AI 所學會的東西都是人腦先學會再將程序錄入其中，當樣本量越來越大，AI 形成一定的記憶，再進行不斷的鍛煉及發現錯誤，才有了診斷準確率更高的 AI 輔助系統，所以 AI 結果不是百分百正確的，會存在一定的誤差，我們要做的就是將誤差降到最低，利用現有的臨床數據最大程度地造福患者[12]。
2 術前三維重建和手術計劃系統
三維重建技術作為 AI 輔助外科的一部分在臨床應用中越來越多，使用計算機軟件通過對 CT、磁共振成像（MRI）、正電子發射計算機斷層顯像（PET-CT）、數字減影血管造影（DSA）等圖像信息進行三維圖像重建，醫生可以更加直觀地看清楚病灶及病灶周圍血管，術者在手術前心中更加有底，手術中借助三維重建圖像看清患者肺部精細結構，幫助醫生制定合理的手術方案。這種方法對于復雜而又精細的外科手術來說，可以大大提高腫瘤定位的精確度[13]。CT 三維重建肺血管、支氣管圖像有助于進行精準的解剖性肺段切除，使胸腔鏡復雜肺段切除安全、便利，特別是對于結節位置較深、血管解剖有變異的患者來說，三維重建的優勢就特別明顯。根據患者 CT、超聲、MRI 的檢查數據，計算機繪制三維影像，直觀重現人體組織和器官的病理特征及數據，輔助臨床醫生制定術前手術規劃。但是，術前重建圖像與術中的實際解剖有一定差異。這是因為患者在做胸部 CT 檢查時，肺是處于膨脹的狀態；而胸腔鏡手術時肺往往處于萎陷狀態。兩種不同狀態下，肺血管、支氣管的走行不是完全一致的。其次，三維重建極其依賴圖像的掃描質量，一旦掃描期相把握不好，會增加重建的難度，從而影響后續的工作開展。且并非每例患者都有做增強 CT 的必要，因而，為了讓 CT 三維成像導航肺小結節在肺段切除中得到廣泛的應用，還需要放射科醫生的幫助[14]。肺部三維重建對于醫生的解剖要求較高，并且費時，但其對于患者卻是非常有利的，特別是對于肺段切除術、解剖有變異的患者來說，三維重建可以一定程度上降低手術風險。
通過術前三維重建結合達芬奇機器人手術選擇的手術切口，符合機器人手術操作系統的要求，不僅給術者提供了清晰視野及方便的操作空間，而且此方法簡單易行，加快術前準備速度，縮短手術時間、提高效率[15]；且可克服胸腔鏡輔助胸外科（VATS）的現有局限性，特別是在延長切除的情況下，從而能夠進一步提高微創操作的比例。
3 機器人手術中的人工智能
達芬奇手術系統使外科醫生在胸內手腕運動中有 7 個自由度，并提供了高清晰度三維視覺的新可能性。該系統通過提高手術每一步的精度和在干預過程中消除任何震顫來幫助外科醫生。雖然一般術語“機器人手術”通常適用于達芬奇手術系統，但它不是嚴格意義上的機器人手術，因為它不能被編程，也不能自己決定移動或執行任何類型的手術操作。有研究[16]表明，與腔鏡手術相比較，達芬奇機器人手術治療Ⅰ期非小細胞肺癌，淋巴結清掃更加徹底，雖然機器人手術的手術時間及手術費用長于和高于普通腔鏡手術，但是其療效更好、并發癥更少。從達芬奇機器人問世至今十幾年的時間，我們對于其研究正在慢慢深入，雖然目前還處在不斷摸索的階段，但相信在不遠的未來，達芬奇機器人的應用會越來越多，并更多地為大家所接受。
機器人輔助手術的定義不是 AI，盡管這個術語在這個背景下經常被錯誤地使用。達芬奇外科系統為臨床實踐提供了許多智能解決方案，但它不是自主機器人手術。該機器人是一個用來增強外科醫生能力的工具，而不是替代外科醫生。外科醫生可以控制機器人的每一個動作；該系統實時模擬外科醫生的手部動作。如果有任何可能使患者面臨危險的困難，外科醫生可以轉換并切換到一個傳統的切口。但隨著 AI 的出現，未來機器人系統似乎有可能能夠完全自己進行干預，并適應不同的場景。事實上，在 2016 年，Shademan 等[17]比較了監督自主系統［智能組織自主機器人（STAR）］、人工腹腔鏡手術和臨床使用的機器人輔助手術之間的腸吻合指標（平均吻合間距、吻合泄漏的壓力、需要從組織中取針的錯誤次數、完成時間和腸吻合腔減少的一致性）。基于這些指標，STAR 的監督自主性超過了機器人輔助手術、腹腔鏡方法和手動手術的性能。此研究表明，自主手術是可行的。外科醫生和 STAR 系統之間的交互式適應決策和執行為有趣地新增加外科醫生的可能性鋪平了道路。STAR 系統證明了在豬身上進行縫合的可行性，但盡管有進一步的研究，到目前為止還沒有申請食品藥品監督管理局的批準。
4 人工智能在肺癌輔助診斷中應用的發展與展望
AI 改變篩選、診斷和醫療保健管理方法的規模是巨大的，因為它能夠分析大數據的非結構化數據，從錯誤中學習，得出相關結論，這可能是決策的寶貴幫助。胸外科醫生應該增加他們在這一領域的知識，并了解 AI 技術如何影響他們的臨床實踐，以及他們與呼吸學家、病理學家和放射學家的合作。胸外科醫生應該是評估 AI 的相關性和驗證其在日常實踐中應用的關鍵參與者。這將需要與 AI 工程師、AI 程序員、AI 開發人員、醫院管理和醫療保健管理領導建立密切的合作。AI 是未來創新醫療的發展方向。而高質量數據的建設不是單單依靠社會資本及企業能夠獨立完成及實現的，需要通過國內權威醫療機構、醫學專家的主導，對患者診療病案進行梳理、建模、標注，建立數據標準及驗證體系，才能更加系統、有效地帶動 AI 醫療技術水平的提升[18]。
我國人口眾多，肺癌的發病率一直居高不下，中晚期肺癌的 5 年生存率仍然低，肺癌的早期篩查就極為重要。盡管肺結節的發病率和臨床意義很大，放射科醫生偶爾還是不能發現肺結節[19]。在我國，薄層 CT 掃描技術已經普及至基層醫院，如果將人工閱片技術推廣應用，將會大大提高基層醫院早期肺癌的檢出率。未來希望推動我國肺癌治療領域中 AI 類輔助診斷和診療系統的技術水平不斷發展，通過 AI 系統應用于臨床實踐，以達到準確、快捷、簡便的臨床輔助診斷及決策，推動一二級醫院診療水平[20]。
利益沖突：無。
作者貢獻：姜杰設計思路、撰寫并修改論文；耿國軍撰寫并修改論文；朱曉雷、張瀟文查閱資料、參與撰寫論文。