AI、HRCT及联合应用诊断肺亚实性结节浸润性病变的价值

摘要

目的：探究人工智能（AI）提取肺结节大小、密度以及纹理特征和胸部HRCT影像特征对鉴别肺亚实性结节浸润性病变的价值。方法：收集2018年1月—2021年8月我院就诊的166例患者（共166个肺亚实性结节）的临床资料。以术后病理结果为金标准，根据有无肺间质组织浸润，将肺结节分为非浸润与浸润组。比较AI与人工鉴别肺结节浸润性的结果。比较两组间AI提取特征及HRCT影像特征。用逐步Logistic回归分析分别建立AI、HRCT及两者联合的预测模型，比较三个模型的预测效能。结果：病理结果显示非浸润组46例，浸润组120例。AI与影像医师人工鉴别肺结节浸润性病变准确度分别78.92%、88.55%，两组准确度具有统计学差异（P<0.001）。AI提取的17个特征中，除了偏度外，其余16个特征在两组间有统计学差异（P均<0.05）。HRCT影像特征中最大截面长短径、边缘、形态、细支气管改变、胸膜凹陷征、血管集束征及实性成分在两组间有统计学差异（P均<0.05）。ROC曲线显示，AI、HRCT及联合模型鉴别肺结节浸润性的AUC值分别为0.867、0.900、0.922，联合模型的诊断效能最高，其诊断敏感度81.67%、特异度93.48%、阳性预测值97.03%、阴性预测值66.15%。DeLong检验表明：联合模型的AUC高于AI和HRCT模型（Z=-2.564、-2.066,P=0.010、0.039），但AI与HRCT模型间的AUC无统计学差异（Z=-1.155,P=0.248）。结论：AI、HRCT及联合模型对鉴别肺结节浸润性病变均有较高价值，联合模型预测效能明显高于AI及HRCT模型，说明AI辅助影像医生提高肺结节诊断和评估的准确性。

关键词

孤立性肺结节 / 体层摄影术,螺旋计算机