医疗领域是人工智能（AI）赋能的主要场景之一，人工智能（AI）有望为疾病带来新的解决办法，提升诊断治疗效率。肿瘤转移的早期诊断对于临床治疗至关重要，人工智能（AI）在医学领域已显示出巨大的应用前景。本文将结合陈娟的研究成果，讲述她对运用人工智能AI在医学放射成像领域的精准诊断，以及运用AI检测肿瘤转移的诊断性能。

陈娟2012/07-2019/07，在江苏省中西医结合医院(Jiangsu Province Hospital of Chinese and Western Medicine)检验科担任主管检验技师、教学秘书长，主持PCR免疫室工作，担任内审员、质控组成员，从事中药研究和相关基因检测与心血管疾病、糖尿病和肿瘤标志物相关的研究工作。新冠（COVID-19）疫情爆发后，陈娟担任南京华银医学检验所实验室(Nanjing Huayin Medical Laboratory)基因中心主任，积极开展新型冠状病毒感染肺炎感控防护工作以及实验室检测技术指南和实验室生物安全指南等相关的工作。2021/10-至今，担任南京润太医学检验实验室主任、主要负责人，为实验室提供服务相关的专业、学术、顾问或咨询、组织、管理及教育事务。她还是The Clinical and Laboratory Standards Institute (CLSI)会员，中国民族医药学会(China Medical Association of Minorities,CMAM)外科分会理事、中国中医药信息学会(China Medical Informatics Association)睡眠分会第二届理事会常务理事。

为了评估AI算法在医学放射学成像检测肿瘤转移中的诊断准确性。陈娟在PubMed和Web of Science中检索2000年1月1日至2020年1月30日发表的文献，将评估AI模型通过医学放射学图像诊断肿瘤转移的文献纳入研究。同时排除了使用组织病理学图像或医学波形数据图像以及侧重于感兴趣区域分割的文献。她将提供足够信息以构建列联表的文献纳入meta分析，并对这些文献进行了亚组分析。另外，她对使用相同数据集比较AI模型与医疗专业人员诊断效能的文献进行了单独研究。

陈娟共检索到文献2617篇，纳入系统评价69篇。其中，meta分析纳入了34篇可构建列联表（共123张）的文献。Meta分析结果显示AI算法诊断敏感性为82%（95%CI 79-84%），特异性为84%（82-87%），曲线下面积（AUC）为0.90（0.87-0.92）。在4篇具有外部验证的文献中，AI算法诊断敏感性为89%（95%CI 84-93%），特异性为74%（69-79%），AUC为 0.88（0.85-0.0.91）。对不同AI算法的分析表明，机器学习诊断敏感性为87%（83-90%），特异性为89%（82-93%）；深度学习为86%（82-89%）和87%（82-91%）。单独分析8篇比较了使用同一样本的AI算法和医疗专业人员之间的诊断效能的文献，结果显示，AI算法敏感性为89%（83-93%），特异性为85%（79-89%）；而对于医疗专业人员则为72%（61-81%）和72%（63-79%）。

陈娟提出的AI算法通过医学放射成像诊断肿瘤转移的效能令人满意，就敏感性和特异性而言，其效果与医疗专业人员相当甚至更好。陈娟的研究证明了AI在医疗领域应用的文献需要使用更加规范严格的术语和评价标准，并且完善外部验证和与医疗专业人员的比较。

陈娟认为，AI技术的发展为检测肿瘤转移的诊断性能提供了一个可行的方案。一方面，AI通过使用计算机的算法优化流程和决策的能力已成功被应用于智能诊疗、医学影像分析、电子健康病历的大数据管理、精准医疗、分子生物学及新药研发等方向，极大地改善了医疗环境。另一方面，AI在检测肿瘤转移的性能上已经展现了一定的潜力：它可以通过使用高效的算法从大量成像数据中检测和“学习”特征，帮助医师减少诊断和治疗相关错误并促进个性化医疗，从而达到指导临床实践的目的。此外，AI可以用于识别疾病特有的模式并关联新的特征，以获得具有创新性的科学见解。正如过去50年中放射学的数字化随着分辨率的提高和更广泛的使用而彻底改变了这一领域，下一个十年准备在放射学中进行一场由人工智能推动的革命--不是为了取代放射科医生、肿瘤科医生或一般的临床医生，而是为他们提供一个新的工具库，以更好地指导治疗，并最终改善病人护理。（作者：石修奇）