Обоснование. Рентгенография органов грудной клетки — один из широко распространённых и доступных методов скрининга патологий лёгких. Однако её диагностические возможности, особенно в отношении визуализации лёгочных узелков, ограничены. Недостаточная эффективность обнаружения рентгенологами лёгочных узелков на рентгенограмме органов грудной клетки влияет на своевременность постановки диагноза и терапевтический результат. Одним из путей повышения данного показателя является внедрение систем автоматизированного анализа рентгенограмм органов грудной клетки, в частности с применением искусственного интеллекта. Однако вопросы диагностической ценности этих технологий в практическом здравоохранении остаются в значительной степени нерешёнными вследствие ограниченных данных о показателях диагностической точности классического анализа рентгенологами.

Цель исследования. Оценить основные показатели диагностической точности рентгенологов при выявлении лёгочных узелков на рентгенограммах органов грудной клетки.

Методы. Проведено одноцентровое выборочное исследование с использованием ретроспективных данных. Каждому из 100 рентгенологов предложено оценить 100 рентгенограмм органов грудной клетки, из которых 50 содержали патологические изменения, а 50 соответствовали норме. Наличие узелков в лёгких оценивали по следующей шкале: отсутствуют (0,00); вероятно отсутствуют (0,25); затрудняюсь ответить (0,50); вероятно присутствуют (0,75); присутствуют (1,00). Валидацию наличия или отсутствия лёгочных узлов проводили три врача-эксперта с использованием бинарной шкалы (0/1) на основании данных компьютерной томографии органов грудной клетки, проведённой пациентам спустя не более 14 дней после рентгенографии. Кроме того, оценивали время обработки изображения, различие в показателях рентгенологов и врачей-экспертов, выраженные в абсолютных единицах (D), а также основные показатели диагностической точности рентгенологов.

Результаты. Результаты исследования показали следующие значения метрик: площадь под характеристической кривой (ROC AUC) — 0,858±0,059; точность — 0,822±0,048; чувствительность — 0,779±0,097; специфичность — 0,864±0,095. Отмечена незначительная положительная корреляция между точностью и средним временем обработки изображения (коэффициент корреляции Спирмена r_s=0,189) и низкая положительная корреляция (r_s=0,344) между временем обработки изображения и величиной D.

Заключение. Полученные результаты могут быть использованы для оценки качества разрабатываемых автоматизированных систем обнаружения, а также для сравнительного анализа эффективности альтернативных методов и подходов к диагностике лёгочных узелков.

论证：胸部器官X线摄影是广泛可用且普及的肺部病理筛查方法之一。然而，其诊断能力，特别是在肺结节可视化方面，是有限的。放射科医生在胸部X光片上检测肺结节的有效性不足，影响了诊断的及时性和治疗效果。提高该指标的途径之一是引入胸部X光片自动分析系统，特别是应用人工智能。然而，由于关于放射科医生经典分析诊断准确性的数据有限，这些技术在实用医疗中的诊断价值问题在很大程度上仍未解决。

目的：评估放射科医生在胸部X光片上识别肺结节的主要诊断准确性指标。

方法：进行了一项单中心、选择性研究，使用了回顾性数据。向100名放射科医生各提供100张胸部器官X光片，其中50张包含病理改变，50张符合正常标准。肺部结节存在性按以下量表评估：不存在（0.00）；可能不存在（0.25）；难以回答（0.50）；可能存在（0.75）；存在（1.00）。由三位专家医师使用二元量表（0/1）对X光摄影后不超过14天进行的胸部器官计算机断层扫描数据进行肺结节存在或缺席的验证。此外，还评估了图像处理时间、放射科医生与专家医师在绝对单位（D）上的指标差异以及放射科医生的主要诊断准确性指标。

结果：研究结果显示以下度量值：受试者工作特征曲线下面积（ROC AUC）—0.858±0.059； 准确度—0.822±0.048；灵敏度—0.779±0.097；特异性—0.864±0.095。发现准确度与平均图像处理时间之间存在不显著的正相关（斯皮尔曼相关系数r_s=0.189），以及图像处理时间与D值之间存在低度正相关（r_s=0.344）。

结论：所得结果可用于评估开发的自动检测系统质量，以及比较诊断肺结节替代方法和途径的有效性。