基于人工智能CT密度定量对肺结节的良恶性诊断价值

• 作者: 牛媛 黄晓旗 陈新花 王剑 闫军 李建龙
• 来源期刊: 延安大学学报（医学科学版）
• 学科: 医学
• 关键词: CT密度定量 肺结节 亚实性与实性
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 临床研究
• 页码范围: 72-76
• 页数: 5页
• 分类号: R445.2
• 语种: 中文
• DOI: 10.19893/j.cnki.ydyxb.2021-0272

摘要

目的 探讨基于人工智能学习CT密度定量对肺内孤立性亚实性及实性结节的良恶性诊断价值.方法 回顾性分析延安大学附属医院2017年6月至2021年6月经手术后病理学检查证实的73例肺内孤立性亚实性及实性肺结节患者,利用人工智能肺结节辅助诊断分析软件对肺结节患者胸部CT进行定量分析.采用独立样本t检验或非参数检验比较两组患者CT密度定量参数的差异,进行单因素与多因素的二元logistic回归分析,绘制ROC曲线并计算曲线下面积(AUC),鉴别肺腺癌的独立危险因素.P<0.05为差异有统计学意义.结果 肺亚实性及实性结节的大小(长、短径)及CT最大值差异均无统计学意义.CT平均值、CT最小值与CT值方差有统计学意义(P<0.05).回归分析显示CT值方差是肺腺癌组患者独立影响因素(OR值=1.020,95％CI:1.003～1.037),预测准确率80.4％.ROC曲线下面积AUC=0.812(95％CI:0.680～0.943),临界值60.13,灵敏度78.6％,特异度78.6％.结论 人工智能肺结节CT密度定量参数能够鉴别肺腺癌与肺内良性结节,CT值方差是敏感、客观的影像学定量指标.