人工智能肺结节诊断系统对亚实性肺结节良恶性的预测

作者：周诚; 刘文亚^*

来源：临床放射学杂志, 2022, 41(02): 265-268.

DOI：10.13437/j.cnki.jcr.2022.02.003

• 人工智能
• 肺结节
• 肺癌
• 诊断

目的 评价人工智能(AI)肺结节影像诊断系统预测亚实性结节(SN)恶性概率值的效能。方法 搜集2017年至2019年经手术及病理结果证实的142个SN,将结节分为原位癌组、浸润性腺癌组、炎性结节组。将患者术前CT检查数据导入AI肺结节诊断系统，记录系统测量的SN的体积、平均CT值、能量值、恶性概率值。比较三组SN在CT平扫、增强扫描动脉期及延迟期中的体积、CT值、能量值及恶性概率值，并对平扫、动脉期及延迟期扫描的各组数据进行配对样本检验。分析根据各期CT图像对各组SN恶性概率值与CT值、体积、能量的相关性。结果 共纳入142个SN,其中1组为42个，2组为75个，3组为25个。AI系统对三组SN平扫、动脉期、延迟期所检测恶性概率值分别为1组中9.5(7,84.25)%、89(79.75,90)%、89(68.25,90)%;2组中84(26,89)%、89(85,90)%、89(85,90)%;3组中16(9,79)%、79(19,89)%、70(22,89)%,三组SN在扫描各期的恶性概率值均存在统计学差异(P<0.01)。三组SN在扫描各期的CT值、体积、能量值均存在统计学差异(P<0.001),3组间两两比较均存在统计学差异，每组内平扫与动脉期、平扫与延迟期均存在统计学差异(P<0.001),动脉期与延迟期比较差异均无统计学差异(P>0.05)。CT扫描各期的CT值及体积、能量值对SN的恶性概率值均呈正相关(P均<0.01)。结论 AI肺结节辅助诊断系统提供的一些参数，可以为医师对良恶性结节的鉴别提供一定的帮助。

• 出版日期2022
• 单位新疆医科大学附属肿瘤医院; 新疆医科大学第一附属医院