最新的研究成果，本论文的主要观点为目的 探讨人工智能（Artificial Intelligence，英文缩写为AI）诊断早期肺癌结节的良恶性鉴别的能力。方法 本研究采用回顾性分析的方法，在2015年1月-2020年10月的病历资料中收集病理确诊为肺恶性肿瘤患者的肺结节CT图像资料382例及良性肺结节的CT图像资料156例，共538例，分别采用AI阅片和医师阅片两种方法判读所选取的所有患者的胸部 CT，对肺结节良恶性鉴别结果进行统计学分析和ROC曲线对比，并用AI二次阅片，采用 Kappa检验评定AI阅片的可靠性。结果 本研究设计的优化算法的AI阅片读取孤立实性结节（SN）CT图像的敏感度（96。3%）、阳性预测值（96。8%）、准确率（95。2%）略高于医师诊断的敏感度（89。0%）、阳性预测值（93。9%）、准确率（88。1%）；读取磨玻璃结节（GGN）CT图像的敏感度（95。3%）、阳性预测值（95。8%）、准确率（93。7%）略高于医师诊断的敏感度（93。2%）、阳性预测值（89。4%）、准确率（87。4%）。AI对两类结节两次重复阅片的Kappa值接近1。AI阅片与医师阅片诊断肺结节良恶性的AUC分别为0。934、0。888。结论 AI阅片诊断肺结节良恶性的阳性预测值及准确率比临床医师阅片更高，且两次AI阅片结果高度一致。AI在一定程度上可以辅助放射科医师进行SPN良恶性的诊断。不知是否符合录用要求，望您批评与指正。