基于定量CT对浸润性肺结核病变临床评估的价值分析

目的:基于常规实验室指标,验证人工智能(Artificial intelligence,AI)在浸润性肺结核临床评估中的价值。方法:回顾性收集2021年1月—2022年1月在延安市第二人民医院确诊的96例浸润性肺结核患者的临床资料、实验室指标及胸部CT,并对胸部CT上病变范围和病变征象进行半定量评分,计算出病变比例得分、病变严重程度得分。用AI获取肺结核患者的定量CT指标(病灶体积(LeV,m L)、病灶占双肺体积的比例(LeV%)及病灶质量(LM,g)),采用Pearson或Spearman检验分析人工视觉评分、定量CT指标与实验室指标之间的相关性,并绘制定量CT指标与实验室指标、人工视觉评分与实验室指标的相关性分析图。结果:人工视觉评分(全肺病变比例得分、病变严重程度得分)(r=0.225~0.497,P<0.001)、CT定量指标(LeV、LeV%、LM)(r=0.290~0.576,P<0.001)与实验室指标WBC、NEU、LYM、ALB、PAB、ESR、A/G、MLR、NLR、PLR呈轻-中度相关。结论:AI定量分析的定量CT指标、人工视觉评分与实验室指标的定量指标呈轻-中度相关,证实了定量CT在浸润性肺结核的临床诊断中具有可行性。

基于定量CT检测浸润性肺结核病变的可行性研究

目的 基于计算机肺部感染辅助诊断系统,验证人工智能(AI)技术在浸润性肺结核病灶检测及评估中应用的准确性及可行性。方法 回顾性搜集2020年1月至2022年7月延安市第二人民医院确诊的初次就诊的浸润性肺结核患者120例,对肺部病变范围和病变征象进行半定量评分。将各肺叶的病变范围和各病变征象分数相加,得到最终的分数。采用Pearson或Spearman相关分析全肺及各肺叶视觉评分(病变范围得分、病变严重程度得分、各征象得分)与CT定量指标[病灶体积(LeV)、病灶占肺体积的百分比(LeV%)及病灶质量(LM)]之间的相关性。结果 全肺病变范围得分、病变严重程度得分与全肺定量CT指标LeV、LeV%、LM呈高度相关(r=0.783~0.826,P<0.001);各肺叶LeV%与人工评估的病变比例得分、各肺叶LM与人工评估的病变严重程度得分均呈高度相关(r=0.761~0.913,P<0.001)。结论 AI获得的全肺及各肺叶CT定量指标与传统视觉评分具有高度相关性,证实了其在浸润性肺结核客观影像学定量评估中具有准确性及可行性。