利用人工智能预测肺部磨玻璃密度结节侵袭性的相关研究

目的:探讨利用人工智能对肺部磨玻璃密度结节(GGN)侵袭性的预测价值。方法:选取2021年6月—2022年12月在长江大学附属第一医院放射科行胸部CT检查的患者55例,并且最终经手术和病理证实为肺腺癌的肺磨玻璃结节60枚。参考病理检查结果,60枚GGN被纳入浸润前组(n=34)与侵袭组(n=26),比较两组一般资料与AI量化参数,根据AI量化参数差异情况绘制受试者工作特征(ROC)曲线并分析各参数的AUC与诊断效能;使用二元Logistic回归分析GGN侵袭性的独立预测因子。结果:两组性别比例、年龄资料比较无显著差异(P> 0.05);侵袭组长径、实性成分占比、平均CT值、最大CT值、最大面积与体积均高于浸润前组,最小CT值低于浸润前组(P<0.05)。AI量化参数中的长径、实性成分占比、平均CT值、最大面积、体积均对GGN侵袭性有较好的预测价值(P<0.05)。长径、平均CT值均属于预测GGN侵袭性的独立影响因子(P<0.05)。结论:AI量化参数能够有效预测肺腺癌患者肺部GGN侵袭性,且量化参数中的长径与平均CT值属于独立预测因子,预测价值较高,能为患者病情进展评估提供更加准确的数据支持,对后续早期治疗方案制定与治疗效果评估有积极意义。