人工智能联合CT影像组学对磨玻璃肺结节浸润性的预测价值

摘要

目的 探讨基于人工智能(artificial intelligence, AI)联合高分辨率CT影像组学的预测模型在磨玻璃肺结节中区分微浸润性腺癌(minimally invasive adenocarcinoma, MIA)与浸润性腺癌(invasive adenocarcinoma, IAC)的应用价值。方法 回顾性收集272例经手术病理确诊为MIA或IAC的患者，按7∶3比例随机划分为训练集与验证集。提取临床特征、AI特征及影像组学特征。采用单因素与多因素回归分析、相关性分析、LASSO回归进行特征筛选，采用随机森林算法分别构建临床-AI模型、影像组学模型及联合模型。利用ROC曲线、校准曲线及决策曲线分析评估各模型的预测性能与临床应用价值。结果 经多因素分析，临床与AI特征中的年龄[比值比(OR)=1.055,95%置信区间(CI)1.016～1.094]、熵(OR=3.029,95%CI 1.246～7.360)、CT中位数(OR=0.961,95%CI 0.934～0.988)及CT平均值(OR=1.044,95%CI 1.015～1.075)为独立预测因子，并用于构建临床-AI预测模型；在影像组学特征中，经筛选最终纳入5个关键特征建立影像组学模型；随后结合临床、AI及影像组学特征，构建联合预测模型。训练集中，联合模型、影像组学模型与临床-AI模型的AUC分别为0.948、0.945和0.904,验证集中分别为0.891、0.888和0.824。联合模型在区分MIA与IAC方面表现最佳，且在校准曲线和决策曲线分析中均显示出较高的准确性与临床净收益。结论 人工智能联合高分辨率CT影像组学模型在磨玻璃肺结节浸润性预测中优于单独的临床-AI或影像组学模型，可为术前精准评估及个体化手术策略制定提供重要参考。

关键词

人工智能 / 影像组学 / 磨玻璃结节 / 肺腺癌

基金资助

2022年张家口市市级科技计划项目(No.2221187D)