计算机用于疾病的辅助诊断（Computer assist diagnosis，CAD）在很早之前就已经使用于临床，近年来更是发展成为人工智能（AI），作为医疗中的全球性热点。其中，肺结节的AI辅助诊断是临床最容易的切入点。已有很多的AI软件可以用来辅助诊断肺结节的良恶性。本人有幸使用过5年前的传统软件和目前的AI软件分析过肺结节，相比较目前的AI已经有了很大的进步，即将进入临床发挥巨大的作用。

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。通过分析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相比，可以节省大量的时间。 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），省去医生寻找的时间。

之后，AI软件可以给出对结节的大小，密度精确的数据。对于磨玻璃结节来说，结节的密度是很重要的参数。结节密度代表了肿瘤生长的深度。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平均密度为-567。通过密度数据的比较，可以显示肿瘤生长的趋势。

最后，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，由医生参考。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，可以继续观察。

当然，临床上AI大规模应用，还需要各种条件成熟以及AI软自身的进步。目前，分析一例肺结节大概需要30分钟左右，是无法在门诊大规模应用的。因此，需要更好的网络及计算机分析速度。一份完整的肺部薄层CT数据大约是200M左右。希望网络CT数据的传输，结节分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特殊、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够准确，也是常见现象。这些都需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分析，而且对于前后结节对比的分析结果缺乏判断能力，这些都需要软件进一步的优化学习来解决。

总之，AI肺结节的诊断是趋势，医生已经可以采用AI软件来进一步提高自己的结节分析能力，配合AI对结节数据化的精准分析，配合医生的判断，相互补充，可以将肺结节的诊断水平大大提升。