研究人员开发的人工智能工具能够比专业放射科医生更准确地发现患者气道中难以察觉的异物。这项发表在《npj数字医学》期刊上的研究表明，该AI模型在检查难以在CT扫描中显影的物体时表现优于放射科医生。论文题为"利用深度学习在胸部CT中自动检测透射线性异物吸入"。
这些意外吸入的异物可能导致咳嗽、窒息、呼吸困难，若未得到适当治疗，有时会引发更严重的并发症。研究结果凸显了AI在诊断复杂且潜在危及生命的疾病时对医生的支持作用。
该研究由南安普顿大学的王一华博士、泽霍尔·贝勒卡蒂尔博士和罗布·尤因教授领导，并与武汉的研究人员合作完成。
"这些异物可能极其细微，即使对经验丰富的临床医生来说也容易遗漏，"南安普顿大学研究者、论文共同第一作者陈哲博士表示，"我们的AI模型如同第二双眼睛，帮助放射科医生更早、更可靠地发现这些隐藏病例。"
透射线性异物难以检测
异物吸入（FBA）指物体（通常是食物或小块材料）卡在气道中的情况。当植物材料或 crayfish shells（小龙虾壳）等物体具有透射线性（在X光中不可见，在CT扫描中影像也很微弱）时，检测难度极大。这常导致漏诊或延迟诊断，使患者面临严重并发症风险。成人FBA病例中高达75%涉及透射线性异物。
AI模型的开发与测试过程
为应对这一挑战，研究团队创建了深度学习模型。该模型结合高精度气道映射技术（MedpSeg）与分析CT图像中异物隐藏迹象的神经网络。模型在中国多家医院合作下，使用三个独立患者组（总计超400名患者）进行训练和测试。
为验证模型性能，研究人员将其与三名拥有十年以上临床经验的放射科专家进行对比。测试任务为分析70例CT扫描，其中14例经支气管镜检查确认为透射线性FBA病例。
AI与放射科医生的性能对比
当放射科医生检测到透射线性FBA病例时，其精确率达100%（无假阳性）。相比之下，AI模型精确率为77%，存在一定假阳性。然而，放射科医生遗漏了大部分FBA病例，仅识别出36%，凸显了人类发现此类病例的困难。AI模型则能发现71%的病例，大幅降低漏诊率。
在平衡精确率与召回率的F1分数上，模型以74%的成绩优于放射科医生的53%。
"研究结果展示了AI在医学中的实际应用潜力，尤其适用于标准影像难以诊断的疾病，"论文主要作者王一华博士评论道。研究人员强调，该系统旨在辅助而非取代放射科医生，为复杂或不确定病例提供额外诊断信心。研究团队下一步计划开展更大规模、更多样化人群的多中心研究，以优化模型并降低偏差风险。
更多信息：Liu Xiaofan等，《利用深度学习在胸部CT中自动检测透射线性异物吸入》，《npj数字医学》（2025）。DOI: 10.1038/s41746-025-02097-w
期刊信息：《npj数字医学》
提供方：南安普顿大学
引用：AI在胸部扫描中检测隐藏物体优于放射科医生（2025年11月12日）取自2025年11月12日
【全文结束】
