目的 分析肩关节冈上肌出口位X线摄片对肩部撞击综合征(SIS)的临床诊断价值.方法 选取2018年1月-2021年12月某院收治的肩袖损伤患者120例为研究对象,将磁共振成像(MRI)影像学特征中可见肩袖部分或全部撕裂检查结果为金标准,比较MRI与肩关节冈上肌出口位X线摄片的阳性检出率,Kappa 一致性分析肩关节冈上肌出口位X线摄片对SIS的诊断效能.结果 肩关节冈上肌出口位X线摄片阳性率为31.67％,诊断SIS的灵敏度、特异度和Kappa系数值分别为85.00％、95.00％和0.810.肩关节冈上肌出口位X线摄片与MRI在肩峰诊断检出率比较上无差异(P＞0.05).冈上肌出口位X线平片显示Ⅰ型、Ⅱ型和Ⅲ型分别有45例、26例和49例;无骨赘形成、小骨赘和大骨赘分别有41例、35例和44例,不同骨赘大小人群中Ⅰ型、Ⅱ型和Ⅲ型肩峰所占比例比较差异有统计学意义(Z=11.007,P=0.004).A-H值10～15 mm有65例,＜10 mm有26例,＜5 mm有29例,不同A-H值人群中Ⅰ型、Ⅱ型和Ⅲ型肩峰所占比例比较差异有统计学意义(Z=37.334,P=0.004).结论 肩关节冈上肌出口位X线摄片在SIS临床诊断效能良好,其肩峰形态为Ⅲ型及A-H值＜10 mm,提示SIS发生可能性.

肺结节是指胸片或者CT上直径＜3 cm的团块状病灶,是肺部肿瘤的早期表现形式[1].研究显示,不明原因的肺部肿瘤早期病变中多伴有孤立性肺结节[2].故早期发现并诊断肺结节对预防和治疗肺癌有积极作用.目前临床常采用CT检查,可根据CT影像学征象来鉴别肺结节性质.但有报道显示, CT检查仍存在漏诊、误诊的现象,使得诊疗延误,影响患者预后[3].近年来随医学技术的不断发展革新,人工智能(artificial intelligence,AI)被广泛应用于医疗体系,其通过快速标记病变部位对肺结节良恶性性质进行分类,具有效率快、诊断效能高和操作简单等优点,仅需输入大量的肺结节图像数据和病理结果即可自行获取相应对应关系,从而准确发现肺结节,降低漏诊率[4].因此,本次研究旨在探讨分析AI辅助肺结节CT的诊断效能,以期为临床诊断提供参考依据.现报道如下.