人工智能量化参数预测肺结节浸润程度的临床价值

作者：梁云; 谢宁; 刁晶艳; 任蒙蒙; 刘曙亮^*

来源：中国胸心血管外科临床杂志, 2022, 29(07): 878-885.

• 人工智能
• 磨玻璃结节
• 量化分析
• 肺癌
• 高分辨率计算机体层成像

目的 探讨人工智能（artificial intelligence,AI）肺结节定量参数预测肺磨玻璃结节（ground-glass nodule,GGN）浸润程度的临床价值。方法 回顾性分析2019年10月—2021年5月滨州医学院附属烟台山医院连续收治168例肺腺癌患者的临床资料，其中男43例、女125例，年龄21～78(55.76±10.88)岁。部分病例表现为多发GGN，且同一患者的不同病灶作为独立样本进行分析。178个GGN被分为两组，将原位腺癌（24个）和微浸润腺癌（77个）划分为非浸润组，浸润性腺癌（77个）划分为浸润组。比较两组间肺结节AI定量参数的差异，并以受试者工作特征曲线和二元logistic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 （1）两组间参数比较：除性别因素（P=0.115）外，浸润组肺结节长径[15.10(11.50,21.60)mm vs. 8.90(7.65,11.15)mm]、肺结节短径[10.80(8.85,15.20)mm vs. 7.40(6.10,8.95)mm]、肿瘤实性成分比值[13.58%(1.61%,63.76%) vs. 0.00%(0.00%,0.67%)]、平均CT值[–347.00（–492.00，–101.50）Hu vs.–598.00（–657.50，–510.00）Hu]、最大CT值[40.00（–40.00,94.50）Hu vs.–218.00（–347.00，–66.50）Hu]、最小CT值[–584.00（–690.50，–350.00）Hu vs.–753.00（–786.00，–700.00）Hu]、结节危险度（高危结节占比，92.2%vs. 66.3%）、恶性概率[91.66%(85.62%,94.92%) vs. 81.81%(59.98%,90.29%)]及年龄[（59.93±8.53）岁vs.(52.04±12.10)岁]明显大于或高于非浸润组（P均<0.001）。（2）单一量化参数的预测价值最高为肺结节长径（曲线下面积=0.843），最低为危险度（曲线下面积=0.627）;3种参数中任意两两联合：肺结节长径、平均CT值、肿瘤实性成分比值均可提高AI的预测价值。（3）Logistic回归分析显示，肺结节长径及平均CT值是预测浸润性腺癌的独立危险因素。（4）当肿瘤实性成分比值阈值为1.775%时，诊断浸润性腺癌灵敏度为0.753、特异度为0.851。结论 AI量化参数可有效预测GGN的浸润程度，为临床医生提供可靠的参考依据。

• 出版日期2022
• 单位滨州医学院