南安普顿大学的研究人员开发了一种人工智能（AI）工具，该工具能够比经验丰富的放射科医生更有效地识别出卡在患者气道中的难以察觉物体。
在一项题为《使用深度学习在胸部CT上自动检测透射线异物吸入》的研究中（发表于《npj Digital Medicine》期刊），该AI模型在分析CT扫描以检测透射线异物方面表现优于放射科医生——这类物体在标准成像中难以可视化。
这些意外吸入的物体可能导致咳嗽、窒息和呼吸困难，若不及时治疗可能引发严重并发症。研究结果突显了AI在协助临床医生诊断复杂且潜在危及生命的疾病方面的潜力。
该研究由南安普顿大学的王一华博士、泽霍尔·贝尔卡蒂尔博士和罗布·埃文斯教授领导，并与来自中国武汉的研究人员合作。
“这些物体可能极其细微且容易被忽视，即使是经验丰富的临床医生也难以察觉，”该研究的共同第一作者、博士研究员陈哲表示，“我们的AI模型就像第二双眼睛，帮助放射科医生更早、更可靠地发现这些隐藏病例。”
异物吸入（FBA）是指物体——通常是食物或小碎片——卡在气道中。当这些物体（如植物材料或小龙虾壳）具有透射线特性（在X光上不可见且在CT扫描中影像微弱）时，检测变得尤为困难。高达75%的成人FBA病例涉及透射线材料，常导致漏诊或延误诊断。
为解决这一挑战，研究人员创建了一个深度学习模型，将高精度气道映射技术（MedpSeg）与分析CT图像中异物细微迹象的神经网络相结合。
该模型使用三个独立的患者群体进行训练和测试——总计超过400名患者——并与中国的医院合作。其性能与三名专家放射科医生进行了对比，每位医生均拥有十年以上临床经验，他们审查了70次CT扫描（包括14例确诊FBA病例）。
尽管放射科医生在识别病例时达到100%精确度（无假阳性），但他们仅检测到36%的实际FBA病例。相比之下，AI模型检测到71%的病例，但因存在部分假阳性，其精确度为77%。在平衡精确度与召回率的F1分数指标上，AI达到74%，优于放射科医生的53%。
“这些结果展示了AI在医学中的实际潜力，特别是对于通过标准成像难以诊断的疾病，”该研究的主要作者王一华博士表示。
研究人员强调，该系统旨在辅助而非取代放射科医生——在复杂或不确定的病例中提供额外的信心支持。研究团队计划开展多中心研究，利用更大规模且更多样化的人群优化模型并减少偏差。
该研究获得了英国医学研究委员会和中国国家留学基金管理委员会的支持。
【全文结束】
