目的探讨利用双层探测器光谱CT肺部虚拟平扫(VNC)图像进行肺结节人工智能(AI)诊断的可行性。方法回顾性分析2022年5－11月间，在南京大学医学院附属鼓楼医院行胸部CT平扫联合双期增强扫描的52例患者资料。选择静脉期扫描数据重建肺窗VNC图像。用AI诊断软件对常规平扫(TNC)和VNC图像进行分析，测量肺实质的CT值和噪声并计算信噪比(SNR)，并由2名放射医师对图像质量进行主观评分。记录各期扫描的剂量长度乘积(DLP)，并计算有效剂量(E)。采用配对t检验比较2组图像质量客观指标和辐射剂量，采用Wilcoxon非参数检验比较图像质量主观评分。采用Wilcoxon符号秩检验比较2组图像AI诊断的敏感性和假阳性检出率(FPDR)。结果与TNC相比，静脉期VNC图像的噪声降低了13.8%，SNR升高14.9%，DLP和E均降低了33.3%，差异具有统计学意义(t＝5.82、－5.35、22.93、22.92，P <0.05)。2组图像肺实质的CT值及主观评分差异均无统计学意义(P >0.05)。对于不同类型的肺结节，2组图像AI诊断的敏感性差异均无统计学意义(P >0.05)。但对于直径≤4 mm实性结节和全部肺结节总体而言，VNC组的FPDR略有升高，差异具有统计学意义(Z＝－2.03、－3.09，P <0.05)，对于其他类型的肺结节，FPDR差异则无统计学意义(P >0.05)。结论基于光谱CT的肺部静脉期VNC图像，在保证图像质量和肺结节AI诊断准确性，且FPDR没有显著升高的情况下，大幅降低患者辐射剂量，可以替代TNC进行常规应用。
(8.0+极速模式)