建立1种以¹⁸F－FDG PET/CT和临床信息为基础的数学模型，并评价该模型对SPN良恶性的鉴别诊断价值。

回顾性分析2004年11月至2014年5月在南方医科大学南方医院PET中心行¹⁸F－FDG PET/CT显像的SPN患者164例，纳入患者的临床信息(年龄、性别、吸烟史、恶性肿瘤病史)、薄层CT形态信息(结节大小、位置、毛刺征)和PET代谢信息进行logistic回归分析，建立数学模型，设立最佳工作点，通过ROC曲线分析和评估该模型对SPN的诊断效能。

164例SPN患者中，104例经病理证实为肺癌，60例为良性病变。统计学分析结果显示，患者年龄、病灶毛刺征(0：无，1：有)和代谢增高程度(0：不高于纵隔，1：高于纵隔)对诊断模型的建立有价值(χ²＝5.486、16.240和33.855，均P<0.05)，而性别、吸烟史、病灶大小和位置对诊断模型的建立无价值(χ²＝2.452、0.453、0.127和0.390，均P>0.05)，恶性肿瘤病史因相关病例数太少(仅2例)而被排除在统计学分析之外。最终得到包含患者年龄、病灶毛刺征和代谢增高程度的SPN诊断模型：P＝1/(1＋e^－z)，其中z＝－5.512＋0.061×年龄＋2.208×毛刺征＋3.767×代谢增高程度。将该诊断模型与PET二分法进行配对ROC曲线比较，两者的AUC分别为0.92(95% CI：0.87～0.96)和0.80(95% CI：0.73～0.86)，前者的诊断效能较高(z＝4.369，P<0.05)。当诊断模型的最佳工作点设为P＝0.796 7时，该模型和PET二分法对SPN的诊断灵敏度分别为91.3%(95/104)和94.2%(98/104)，差异无统计学意义(χ²＝0.800，P>0.05)；诊断特异性分别为80.0%(48/60)和65.0%(39/60)，前者优于后者(χ²＝7.111，P<0.05)。

成功建立以¹⁸F－FDG PET、薄层CT和临床信息为基础的SPN鉴别诊断模型；该模型诊断肺癌的灵敏度高，特异性优于传统的PET二分法，具有潜在的临床应用价值。