论文部分内容阅读
目的 探讨人工智能(AI)肺结节定量参数预测磨玻璃结节(GGN)肺癌浸润程度的临床应用价值.方法 回顾性分析行胸部高分辨率CT(HRCT)扫描且手术病理证实为早期肺癌的GGN共104个,其中原位癌(AIS)18个、微浸润肺腺癌(MIA)39个、浸润性腺癌(IAC)47个,将AIS、MIA划分为非浸润组,IAC划分为浸润组.比较2组结节AI定量参数的差异,并以受试者工作特征(ROC)曲线和二元Logistics回归模型评估AI定量参数对GGN病灶侵袭程度的预测价值.结果 长径、最大面积、体积、CT平均值、CT最大值、CT最小值在2组GGN中差异有统计学意义(P＜0.05).CT定量参数的预测价值从高到低分别为长径[曲线下面积(AUC)= 0.817]、最大面积(AUC = 0.804)、体积(AUC= 0.789)、平均 CT 值(AUC = 0.773)、最大 CT 值(AUC= 0.743),综合长径和CT最大值可提高AI的预测价值(AUC = 0.855,P＜0.05).Logistics回归分析显示长径(OR= 1.618,P＜0.05)及平均CT值(OR=1.008,P＜0.05)为预测GGN侵袭性的独立预测因子,诊断阈值分别为长径13.405 mm、平均CT值-578.565 HU.结论 AI肺结节相关量化参数可有效预测早期GGN肺癌的浸润程度,尤其长径和平均CT值的预测价值较高.