肺结节的早期检测和诊断在肺癌筛查和预防中至关重要。传统的肺部CT技术具有高分辨率、非侵入性和快速等优点，已广泛应用于肺结节的初步检测，但其在鉴别不确定性肺结节（IPNs）方面仍存在一定局限性。肺部活检虽然被视为诊断的金标准，但由于其侵入性、可能的并发症以及较长的诊断时间限制了其广泛应用。随着人工智能（AI）技术的发展，特别是深度学习在医学影像分析中的应用，AI在CT影像中肺结节检测和分类的研究取得了显著进展。本文分析了AI技术在结节识别、特征提取、分类模型训练及性能评估等方面的应用；讨论了卷积神经网络、支持向量机等算法在提高诊断准确性和效率方面的优势，以及现有研究面临的数据质量、模型泛化性和可解释性等方面的挑战；探讨了多模态数据融合、个性化诊断系统和实时诊断支持系统等未来研究方向，旨在为该领域研究人员提供全面的研究现状和未来发展建议，以推动AI在IPNs CT诊断中的应用和发展。