基于增强CT影像的人工智能模型在肺腺癌浸润性评估中的诊断价值

摘要

目的 探讨基于增强CT影像的人工智能（AI）模型在肺腺癌浸润性评估中的诊断价值。方法 选取2022年1月—2025年1月在宿州市立医院就诊、胸部CT发现肺结节并计划接受手术切除的患者为研究对象。所有患者术前接受增强CT扫描，并将扫描图像实时导入AI辅助诊断系统进行分析，由系统自动生成关于结节是否为浸润性肺腺癌的预测概率及量化参数。以术后病理诊断为金标准，评估AI辅助CT增强扫描对肺腺癌浸润性的术前预测效能。结果 141例患者经手术证实为肺腺癌的患者中，浸润性腺癌组为68.09%(96/141)。浸润性腺癌组与非浸润性腺癌组的年龄、体质量指数、性别构成、吸烟史、饮酒史、居住地构成、文化程度构成比较，差异均无统计学意义（P >0.05）。浸润性腺癌组的体积、质量、最大CT值、最小CT值、CT值标准差、最大层面积、3D长径、长短径平均值和量化参数熵均大于非浸润性腺癌组（P<0.05）。141例患者中浸润性为96例，增强CT扫描诊断阳性79例，AI辅助CT增强诊断阳性92例。增强CT扫描诊断肺腺癌浸润性的敏感性为82.29%(95%CI:0.732,0.893)(79/96)，特异性为75.56%(95%CI:0.605,0.871)(34/45)，准确性为80.14%(95%CI:0.726,0.861)(113/141);AI辅助CT增强检测肺腺癌浸润性的敏感性为95.83%(95%CI:0.897,0.989)(92/96)，特异性为88.89%(95%CI:0.759,0.963)(40/45)，准确性为93.62%(95%CI:0.880,0.970)(132/141)。结论 AI联合CT增强通过精准量化肺结节相关参数，可提升肺腺癌肺浸润性诊断的准确性、敏感性和特异性。

关键词

肺腺癌 / 肺结节浸润性 / 人工智能 / 增强CT扫描 / 诊断效能

基金资助

安徽省自然科学基金（2308085QH291）