• 1. 濱州醫學院附屬煙臺山醫院 胸外科(山東煙臺 264000);
  • 2. 濱州醫學院公共衛生與管理學院流行病學教研室(山東煙臺 264000);
導出 下載 收藏 掃碼 引用

目的  探討人工智能(artificial intelligence,AI)肺結節定量參數預測肺磨玻璃結節(ground-glass nodule,GGN)浸潤程度的臨床價值。方法  回顧性分析2019年10月—2021年5月濱州醫學院附屬煙臺山醫院連續收治168例肺腺癌患者的臨床資料,其中男43例、女125例,年齡21~78(55.76±10.88)歲。部分病例表現為多發GGN,且同一患者的不同病灶作為獨立樣本進行分析。178個GGN被分為兩組,將原位腺癌(24個)和微浸潤腺癌(77個)劃分為非浸潤組,浸潤性腺癌(77個)劃分為浸潤組。比較兩組間肺結節AI定量參數的差異,并以受試者工作特征曲線和二元logistic回歸模型評估AI定量參數對GGN病灶侵襲程度的預測價值。結果  (1)兩組間參數比較:除性別因素(P=0.115)外,浸潤組肺結節長徑[15.10(11.50,21.60)mm vs. 8.90(7.65,11.15)mm]、肺結節短徑[10.80(8.85,15.20)mm vs. 7.40(6.10,8.95)mm]、腫瘤實性成分比值[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]、結節危險度(高危結節占比,92.2% vs. 66.3%)、惡性概率[91.66%(85.62%,94.92%) vs. 81.81%(59.98%,90.29%)]及年齡[(59.93±8.53)歲 vs. (52.04±12.10)歲]明顯大于或高于非浸潤組(P均<0.001)。(2)單一量化參數的預測價值最高為肺結節長徑(曲線下面積=0.843),最低為危險度(曲線下面積=0.627);3種參數中任意兩兩聯合:肺結節長徑、平均CT值、腫瘤實性成分比值均可提高AI的預測價值。(3)Logistic回歸分析顯示,肺結節長徑及平均CT值是預測浸潤性腺癌的獨立危險因素。(4)當腫瘤實性成分比值閾值為1.775%時,診斷浸潤性腺癌靈敏度為0.753、特異度為0.851。結論  AI量化參數可有效預測GGN的浸潤程度,為臨床醫生提供可靠的參考依據。

引用本文: 梁云, 謝寧, 刁晶艷, 任蒙蒙, 劉曙亮. 人工智能量化參數預測肺結節浸潤程度的臨床價值. 中國胸心血管外科臨床雜志, 2022, 29(7): 878-885. doi: 10.7507/1007-4848.202112041 復制

  • 上一篇

    海參多糖調控JAK2/STAT3/survivin通路對肝癌細胞增殖和凋亡的影響
  • 下一篇

    基于簡化白蛋白-膽紅素評分的多中心驗證研究:一項預測肝細胞肝癌切除術后并發癥和生存時間的新模型