AI软件在识别肺结节上的巨大进步：目前的AI软件已经可以做到自动识别肺结节。
通过剖析DICOM原始的CT文件，可以将绝大部分的肺结节识别出来。
比之前传统软件全手动去勾画结节的边界比较，可以节省大量的韶光。
如图显示，AI软件可以自动识别3mm以上的实性结节、磨玻璃结节（红圈所示），省去年夜夫探求的韶光。

之后，AI软件可以给出对结节的大小，密度精确的数据。
对付磨玻璃结节来说，结节的密度是很主要的参数。
结节密度代表了肿瘤成长的深度。
而这些数据靠人眼是难以精确读出的，而AI却可以很快地给出数据。
下图中该磨玻璃结节的均匀密度为-567。
通过密度数据的比较，可以显示肿瘤成长的趋势。

末了，AI软件可以给出结节的恶性概率。
上图中的磨玻璃结节，AI给出的恶性概率是64%。
这是由AI阅读了大量的CT图像学习后给出的，由年夜夫参考。
当然，如果这个结节由我来判断，我会给出95%的恶性概率。
根据肺磨玻璃结节浸润风险模型判断，该结节有65%的可能为微浸润腺癌，而浸润性腺癌的风险较小，目前比较安全，可以连续不雅观察。

当然，临床上AI大规模运用，还须要各种条件成熟以及AI软自身的进步。
目前，剖析一例肺结节大概须要30分钟旁边，是无法在门诊大规模运用的。
因此，须要更好的网络及打算机剖析速率。
一份完全的肺部薄层CT数据大约是200M旁边。
希望网络CT数据的传输，结节剖析在几分钟内即可以完成。
因此，让我们一起期待5G的到来吧！

其次，AI软件本身对某些位置分外、密度非常淡的磨玻璃结节识别有困难，对磨玻璃结节的边界识别也不足准确，也是常见征象。
这些都须要改建算法来提高结节识别的准确性。
还有，目前还没有AI软件可以对结节的浸润程度做进一步的剖析，而且对付前后结节比拟的剖析结果缺少判断能力，这些都须要软件进一步的优化学习来办理。

总之，AI肺结节的诊断是趋势，年夜夫已经可以采取AI软件来进一步提高自己的结节剖析能力，合营AI对结节数据化的精准剖析，合营年夜夫的判断，相互补充，可以将肺结节的诊断水平大大提升。