P53、SOX2、GAGE-7联合人工智能量化参数构建列线图模型预测浸润性肺腺癌病理分级

摘要

目的 探讨基于肺癌自身抗体谱和人工智能(AI)量化参数的列线图模型在预测浸润性肺腺癌(IAC)病理分级中的临床应用价值。方法 回顾性收集2023年9月至2024年11月于山东大学附属省立医院术后病理诊断为浸润性肺腺癌患者238例，依据2021年WHO新分类肺腺癌病理分级标准，将其分为Ⅲ级IAC组58例，非Ⅲ级IAC组180例。比较两组间参数差异，采用多因素logistic回归筛选IAC预后分级的独立预测因素并构建Ⅲ级IAC预测模型，并进行内部验证以评估其效能，用列线图进行可视化描述。结果 (1)Ⅲ级IAC的患者中有27.6%存在淋巴结转移，27.6%的患者存在胸膜侵犯，37.9%的患者术后病理存在局部或广泛气腔播散。(2)在58例Ⅲ级IAC患者中，有14例患者行肺局部切除。(3)GAGE-7的抗体阳性率与肿瘤大小，高级别腺癌，临床分期，淋巴结转移，胸膜侵犯有关(P<0.05)。P53、SOX2、GAGE-7的阳性率在高级别腺癌中均显著高于低级别腺癌组(P<0.05)。(4)经多因素logistic分析筛选保留3个模型参数，分别为CTR、吸烟史以及肺癌自身抗体阳性。(5)参数联合诊断ROC曲线下面积为0.920(0.884～0.955),灵敏度为93.1%,特异度为72.2%,绘制诊断模型ROC曲线、列线图，校准曲线及决策曲线。结论 基于肺癌自身抗体谱和人工智能(AI)量化参数的列线图模型在预测浸润性肺腺癌病理分级中有较高应用价值，可为临床提供一种简单、有效且可重复的可视化预测工具。

关键词

肺癌自身抗体 / 病理分级 / 浸润性肺腺癌 / 列线图 / 人工智能