低剂量CT配智能诊断，首都医科大学提升肺结核检测水平

低剂量CT配智能诊断，首都医科大学提升肺结核检测水平

肺结核是严重威胁人类健康的重大传染病之一。据世界卫生组织（WHO）统计，2021年全球结核病估算发病人数为1060万例，其中我国估算结核病发病数为78万，占全球新发患者数的7.4%，是全球第三大结核病高负担国家。早期诊断和治疗是控制肺结核传播的关键，而影像技术在这一过程中发挥着至关重要的作用。

低剂量肺部CT（Low-Dose Computed Tomography, LDCT）是一种通过优化扫描参数来显著降低患者所受辐射剂量的CT检查方法。与传统CT相比，低剂量CT的辐射剂量仅为1/5至1/10，有效剂量通常小于1mSv，远低于我国平均自然本底辐射量3.1mSv。这种低辐射剂量的特点，使得低剂量CT更适合于短期内多次复查及需要长年随诊观察的病人，也更适合于健康人群的体检筛查。

在诊断效果方面，低剂量CT同样表现出色。它能够发现直径小于1厘米的微小结节，这些结节往往是早期肺癌的标志。研究表明，低剂量CT使高危人群的早期肺癌诊断率提高约74.1%，肺癌特异性死亡率降低大于20%。对于肺结核的诊断，低剂量CT同样具有较高的敏感性，能够清晰地显示肺部结构，发现早期病变。

近年来，机器学习和影像组学等新技术在肺结核诊断中的应用成为研究热点。影像组学通过从医学影像中提取大量定量特征，结合机器学习算法，能够实现对疾病更精准的识别和分类。

首都医科大学附属北京胸科医院在这一领域进行了积极探索。医院利用影像组学技术，结合低剂量CT影像，开发了智能诊断系统。该系统能够自动识别肺结核的典型影像特征，如粟粒结节、空洞性病变等，大大提高了诊断的准确性和效率。

作为国内肺结核研究领域的权威机构，首都医科大学附属北京胸科医院在影像技术应用方面积累了丰富经验。医院不仅在临床实践中广泛应用低剂量CT，还积极投身于新技术的研发和应用。

目前，医院正在开展多项关于机器学习和影像组学在肺结核诊断中应用的研究项目。这些研究旨在进一步提高诊断的精准度，减少误诊和漏诊，为患者提供更优质的医疗服务。

影像技术的不断进步，为肺结核的早期诊断和治疗带来了新的希望。低剂量CT的广泛应用，不仅提高了诊断的准确性，还大大降低了患者的辐射剂量。而机器学习和影像组学等新技术的应用，更是开启了智能诊断的新篇章。

作为国内肺结核研究的领军者，首都医科大学附属北京胸科医院将继续在这一领域深耕细作，为推动我国乃至全球肺结核防控事业作出更大贡献。