仅需2%辐射剂量的AI技术革新CT扫描
根据发表于北美放射学会《放射学：心血管成像》期刊的研究，深度学习算法使超低剂量CT扫描诊断肺炎的辐射量降至标准扫描的2%。这项突破性技术显著提升影像清晰度，减少假阳性结果，可能重新定义临床指南。
超低剂量CT扫描的突破性进展
以色列拉马特甘希巴医学中心诊断影像科放射科医生马克西米利亚诺·克鲁格（Maximiliano Klug）指出："免疫缺陷患者的肺部感染可能危及生命。CT扫描虽是检测肺炎的金标准，但重复检查会导致显著的辐射暴露。"研究表明，超低剂量CT扫描的平均有效辐射剂量仅为标准CT的2%，在保持诊断准确性的同时大幅降低辐射风险。
超低剂量CT影像质量的挑战
超低剂量CT扫描因"噪声"增加导致影像颗粒感增强，影响诊断准确性。研究团队测试了深度学习算法对超低剂量CT的去噪能力。2020年9月至2022年12月间，54例发热免疫缺陷患者接受了标准剂量和超低剂量胸部CT扫描。所有超低剂量影像均通过深度学习算法进行去噪处理。
放射科医生评估结果
放射科医生独立评估了54例患者的三种影像：标准剂量CT、超低剂量CT及去噪后超低剂量CT。评估过程采用双盲法，医生未接触任何临床信息。深度学习算法显著改善了超低剂量CT的影像质量和清晰度，不仅减少了假阳性结果，还使结节更容易被识别。例如在42岁男性健康肺部案例中，超低剂量CT因噪声干扰被错误判断为病毒感染，而去噪处理后成功纠正了这一误判。
技术应用的扩展前景
研究团队指出，这种基于深度学习的去噪技术不仅适用于免疫缺陷患者，对儿童等辐射敏感群体同样具有应用价值。克鲁格医生表示："这项试点研究验证了超低剂量CT结合AI的诊断潜力。未来需要更大规模的研究来验证成果，但该技术有望成为年轻免疫缺陷患者的新标准。"
研究基本信息
标题：《去噪超低剂量胸部CT评估免疫缺陷人群肺炎》
作者：Maximiliano Klug, Tamer Sobeh, Michael Green 等
DOI：10.1148/ryct.240189
【全文结束】
