亚实性肺结节CT征象在良恶性鉴别及腺癌恶性侵袭程度评估中的价值

背景与目的亚实性肺结节为肺原发腺癌的常见计算机体层成像(computed tomography,CT)表现,依据其CT影像特征预测病理分型对确定临床治疗策略具有临床价值。本研究根据病理分类,回顾性分析良性、不典型腺瘤样增生(atypical adenomatous hyperplasia,AAH)/原位腺癌(adenocarcinoma in situ,AIS)/微侵袭性腺癌(minimally invasive adenocarcinoma,MIA)、侵袭性腺癌三组亚实性肺结节的CT征象,评估其在良恶性鉴别及恶性侵袭程度判别中的价值。方法回顾性分析106例经手术切除亚实性结节的CT征象。依据手术病理分为良性和恶性组,恶性组根据侵袭程度分为无/微侵袭组(AAH/AIS/MIA)、侵袭性腺癌组,测量结节大小、实性成分比例、瘤肺界面、形状、边缘、胸膜牵拉征、空气支气管征、结节内血管异常等CT征象。根据单因素分析(χ2检验、非参数检验Mann-Whitney U检验)结果筛选有统计学差异的变量,纳入Logistic回归多因素分析。结果 Logistic回归分析显示清晰的瘤肺界面、空气支气管征以及结节内血管异常是恶性结节的重要预测指标,风险比分别为38.1(95%CI:5.0-287.7;P<0.01)、7.9(95%CI:1.3-49.3;P=0.03)、7.2(95%CI:1.4-37.0;P=0.02)。更大的实性成分所占比例是侵袭性腺癌与AAH/AIS/MIA组鉴别的重要指标,其风险比分别为1.04(95%CI:1.01-1.06,P=0.01)。结论亚实性结节中出现清晰的瘤肺界面、空气支气管征、结节内血管异常提示其恶性概率增加。恶性结节中实性成分所占比例越大预示着侵袭性更高。

基于深度学习的人工智能胸部CT肺结节检测效能评估

背景与目的肺结节精确检测是实现肺癌早诊的基础。基于深度学习的人工智能在肺内结节检测领域发展迅速,对其效能进行验证是促进其应用于临床的前提。本研究旨在评估基于深度学习技术的人工智能软件在胸部计算机断层扫描(computed tomography, CT)恶性及非钙化结节检出中的价值。方法由天津医科大学总医院自建胸部CT肺结节数据库中随机抽取200例胸部CT数据,包含病理证实的肺癌及随访结节病例,导入肺结节人工智能识别系统,记录软件自动识别结节,并与原始影像报告结果进行对比。人工智能软件及阅片者检测到的结节由2名胸部专家进行评估并记录其大小及特征。计算灵敏度、假阳性率评估人工智能软件及医师的结节检测效能,应用McNemar检验确定二者之间是否存在显著性差异。结果 200例胸部多层螺旋CT共包含非钙化结节889枚,其中肺癌结节133枚,小于5 mm结节442枚。人工智能及放射科医师肺癌检出率皆为100%。人工智能软件结节检测灵敏度明显高于放射科医师(99.1%vs 43%, P<0.001)。人工智能总体假阳性率为每例CT 4.9个,排除5 mm以下结节后降为1.5个。结论基于深度学习的人工智能软件能实现恶性肺结节的无漏诊检出,具有较医师更高的结节检出灵敏度,在排除微小结节后可降低假阳性率。

不同类型肺结节的生长曲线分析

背景与目的计算机断层扫描(computed tomography,CT)随访评估肺内结节的生长特性是临床判断结节良恶性的常用策略。不同生物学行为的肺结节可能具有不同的生长速度和生长模式。本研究的目的是绘制不同类型肺结节的体积生长曲线,了解其生长方式,为判断结节性质并制定肺结节随访方案提供依据。方法应用三维分析软件对111例接受2次及以上CT检查的肺结节(实性结节54例、亚实性结节57例)的影像资料进行回顾性分析。35例恶性及5例良性结节经病理或组织学确认,其余71例经两年随访无显著生长,经专家会诊确认为肺癌低危结节。所有结节按密度及性质分组:实性良性/低危结节、实性恶性结节、亚实性良性/低危结节、亚实性恶性结节。以随访间隔时间(d)为X轴,以随访结节的三维体积(mm3)和三维体积对数为Y轴,绘制体积线性及指数性生长曲线,由研究者主观观察曲线的形态。应用卡方检验比较不同性质肺结节的生长曲线的差异。结果实性恶性结节中12例(66.7%)生长曲线快速上升,3例(16.7%)先平缓-后上升,2例(11.1%)缓慢上升,1例(5.56%)平直。亚实性恶性结节中8例(47.1%)呈快速上升型,4例(23.5%)缓慢上升,3例(17.6%)平直,2例(11.8%)为先下降-后上升型。实性良性/低危结节中5例(13.9%)呈下降型,17例(47.2%)平直,8例(21.6%)缓慢上升,6例(16.7%)呈波浪型。亚实性良性/低危结节中4例(10%)呈下降型,21例(52.5%)平直,9例(22.5%)缓慢上升,6例(15%)呈波浪型。良性/低危结节与恶性结节生长曲线分布存在显著性差异(χ2=42.4,P<0.01)。结论肺癌生长曲线具有异质性,快速上升是恶性肺结节的特征性生长曲线,但部分可在一定时期内表现为平直、缓慢上升甚至下降。缓慢生长不能排除肺癌可能,尤其是亚实性结节。

人工智能在肺结节检测与诊断中的应用及发展

肺癌病死率很高,通过胸部CT检测肺结节对肺癌的早期诊断、治疗意义重大。计算机辅助检测与诊断系统可以帮助放射科医师减少工作量并提高诊断准确率。而随着深度学习的发展,基于深度学习的计算机辅助检测与诊断系统也日益发展。本文就人工智能在肺结节检测与诊断中的应用及发展进行综述。