基于人工智能胸部CT参数和Lung-RADS分级判断肺磨玻璃结节浸润性的预测模型构建和评价

摘要

目的 探讨人工智能肺癌筛查平台（AVIEW LCS）自动分析得出的CT定量参数、肺部影像报告和数据系统（Lung-RADS）分级构建预测模型判断肺磨玻璃结节（GGN）浸润性的临床价值。方法 回顾性收集2017年1月至2020年11月宁夏医科大学总医院普胸外科行GGN手术治疗的208例患者资料。所有患者术前胸部CT图像导入AVIEW LCS软件，自动检测CT定量参数及Lung-RADS分级并按随机7∶3比例分为训练组与验证组，使用训练组样本构建GGN浸润程度预测模型，在验证组验证，并从区分度、校准度、有效性方面对模型进行评价。结果 训练组与验证组间各临床资料、CT参数及Lung-RADS分级差异均无统计学意义（P均>0.05）。基于训练组148例数据，多因素Logistic回归分析显示当预测模型取亚实性结节质量（Mass）、最大直径、平均CT值、最小CT值和Lung-RADS分级时，赤池信息准则（AIC）值最小，从而构建预测模型。ROC曲线显示训练组预测模型AUC为0.859，验证组为0.769(Delong检验P>0.05);Hosmer-Lemeshow检验（P>0.05）和校准曲线表明模型拟合良好，决策曲线分析（DCA）显示临床净受益率较高。结论 基于AVIEW LCS分析的CT定量参数和Lung-RADS分级构建预测模型，能够在术前较准确判断GGN是否为浸润性腺癌，有助于优化临床决策。

关键词

肺磨玻璃结节 / 浸润性腺癌 / 人工智能 / AVIEW LCS / 预测模型 / 列线图