人工智能体积密度法判断肺亚实性结节的浸润性研究

作者：王璟琛; 柴军^*

来源：CT理论与应用研究, 2023, 32(02): 241-248.

DOI：10.15953/j.ctta.2022.099

• CT
• 人工智能
• 体积密度法
• 肺亚实性结节

目的：探讨人工智能（AI）体积密度法判断肺亚实性结节（SSNs）浸润性的价值。方法：回顾性分析106例患者的108枚SSNs的CT和病理结果，将结节分为腺体前驱病变组和腺癌组。通过肺结节AI软件测量并比较两组的最大CT值、最小CT值、平均CT值、峰度、偏度、Perc.25%、Perc.50%、Perc.75%、Perc.95%、结节体积、结节平均径等CT定量参数。使用Medcalc软件得出受试者工作特征曲线（ROC），评价诊断SSNs浸润性的敏感度、特异度、阳性预测值及阴性预测值，用逻辑回归分析评估他们的诊断性能。结果：SSNs的多数CT定量参数差异存在统计学意义，其中，诊断效能最高的是Perc.25%,AUC达0.797；其次为Perc.50%和平均CT值，AUC均为0.787。Logistic回归分析显示，将诊断效能最高的Perc.25%分别与Perc.50%和平均CT值两两建立联合诊断模型1，其中Perc.25%与平均CT值的模型诊断效能最高，且联合诊断模型诊断效能高于Perc.25%与平均CT值单独的诊断效能。Medcalc软件分析显示，Perc.25%≥-578 HU和平均CT值≥-468 HU的SSNs病理表现为腺癌的可能性大。将Perc.25%与结节平均径结合，可获得对判断SSNs浸润性非常有价值的联合诊断模型2。结论：AI体积密度法对SSNs的浸润性有较高的诊断价值，联合使用Perc.25%与平均CT值比单独使用更能准确地判断浸润性。

• 出版日期2023
• 单位内蒙古科技大学包头医学院; 内蒙古自治区人民医院