卵巢癌转移灶的智能识别与结构化报告填充：一项多中心研究

摘要

目的 探索人工智能技术在卵巢癌转移灶精准定位和评估中的应用模式。方法 共纳入3个中心273例卵巢癌转移患者腹盆腔增强计算机体层成像（CT）图像，经诊断医师标注，共获得174个膈下转移灶及516个肝周转移灶，随机划分为训练集（n=561）和测试集（n=129），构建基于深度卷积网络的膈下/肝周位置二分类模型，计算其准确率、灵敏度、特异度、精确度、F1值及曲线下面积（AUC）。基于增强CT四期图像及手术病理资料，填充结构化报告并评估其性能。结果 膈下/肝周位置区分模型的AUC为0.78，准确率0.721，灵敏度0.417，特异度0.839，精确度0.500,F1值0.455。结构化报告填充中，对肝周转移灶位置的分类模型表现最佳，AUC为0.83，准确率0.753，灵敏度0.804，特异度0.702，精确度0.725,F1值0.763；其他特征模型的识别能力有待提升。结论 本研究探索并构建了“影像自动分析-关键特征提取-报告结构化填充”的临床辅助工作模式，为优化诊断流程、提升报告标准化水平提供了实践框架。

关键词

卵巢癌 / 腹膜转移 / 计算机体层成像 / 人工智能 / 结构化报告