人工智能多参数特征诊断肺结节良恶性的回顾性研究

摘要

目的：探讨人工智能(AI)预测肺结节良恶性的可靠性。方法：回顾性收集2019年1月—2024年12月广东药科大学附属第一医院经病理证实的500例肺结节胸部CT影像。通过AI分析图像，导出相关定量及非定量参数并进行统计学分析。筛选差异有统计学意义的参数进行多因素Logistic分析，绘制受试者工作特征曲线并评估模型的诊断效能，计算AI评估肺结节危险级别及Lung-RADS分级的灵敏度及特异度。结果：良性组及恶性组非定量参数中的分叶征、毛刺征、胸膜牵拉征、空泡征、气管穿行征、血管穿行征、结节类型、危险级及Lung-RADS分级)以及定量参数中的长径、短径、体积、最大面面积、表面积、3D长径、CT最小值、能量比较，差异有统计学意义(P<0.05)。多因素Logistic分析发现，分叶征、胸膜牵拉征、血管穿行征、长径为预测肺结节良恶性的独立危险因素；受试者工作特征曲线分析显示，AI预测模型对于肺结节良恶性有一定的预测能力[曲线下面积(AUC)=0.61]。AI评估肺结节危险级别的灵敏度为69.94%，特异度为57.07%；Lung-RADS分级的灵敏度为77.85%，特异度为35.33%。结论：AI在预测肺结节良恶性方面具有一定的灵敏度和特异度，存在提升空间。

关键词

人工智能 / 肺结节 / 肺影像报告与数据 / 多参数特征 / 诊断效能