CT三维重建联合胸腔镜精准肺段切除术对早期肺腺癌近期结果的影响分析

目的 探讨CT三维重建联合胸腔镜精准肺段切除术对早期肺腺癌近期结果的影响。方法 回顾性分析2020年1—12月间在惠州市中心人民医院接受肺段切除术治疗的早期肺腺癌病人100例的临床资料,根据手术方式的不同分为接受CT三维重建联合胸腔镜精准肺段切除术治疗的精准治疗组(n=41)、接受传统胸腔镜肺段切除手术治疗的传统治疗组(n=59),对比其手术情况相关指标、肺功能参数值、术后并发症发生情况、术后1年复发情况的差异。结果 精准治疗组病人的手术时间(102.31±19.38)min短于传统治疗组(118.64±21.23)min,术中出血量(62.45±8.34)mL少于传统治疗组(77.23±10.21)mL,差异有统计学意义(P<0.05)。精准治疗组、传统治疗组病人的淋巴结清扫个数差异无统计学意义(P>0.05)。术后1个月,精准治疗组病人的用力肺活量(FVC)(3.40±0.56)L、第1秒用力呼气容积(FEV1)(2.31±0.40)L、肺一氧化碳弥散量(DLCO)(17.95±2.68)mL·mmHg-1·min-1水平分别高于传统治疗组的(2.86±0.41)L、(2.08±0.36)L、(14.53±2.10)mL·mmHg-1·min-1,差异有统计学意义(P<0.05)。术后3个月,精准治疗组、传统治疗组病人的FVC、FEV1、DLCO水平差异无统计学意义(P>0.05)。精准治疗组、传统治疗组病人的术后并发症发生率差异无统计学意义(P>0.05)。术后随访1年内,两组病人均未发现复发病例。结论 CT三维重建联合胸腔镜精准肺段切除术可优化手术过程、改善早期肺腺癌病人术后早期的肺功能,可能是一种更为精准可靠的手术模式。

基于AI评估磨玻璃样肺腺癌浸润性及病理亚型的研究

目的 基于AI(人工智能)评估高分辨计算机断层扫描(HRCT)上表现为磨玻璃样肺腺癌的浸润性及病理亚型。方法 收集经病理证实为肺腺癌的GGN共205例,其中男79例,女126例,平均年龄59.87±11.49岁。根据病理浸润性可分为微浸润性腺癌(MIA)和浸润性腺癌(IA);IA又根据病理亚型分为低危组(含有乳头、贴壁或腺泡型为主且没有微乳头亚型和实体亚型的成分)和高危组(含有微乳头或实体亚型)。AI自动提取结节CT形态学特征并采用密度直方图自动计算结节CT定量指标以综合评估危险度。采用二元logistic回归分析并绘制风险指数的受试者工作特征(ROC)曲线进行评估。结果 经统计分析显示,GGN形态、垂直径、CT平均值是浸润性病变组的独立风险因素,其中GGN垂直径预测浸润性的诊断效能最大;GGN的CT最小值、实性占比、毛刺征是IA中高危组的独立风险因素,其中实性占比预测预后不良的诊断效能最大。结论 基于AI提取GGN的CT形态学特征及定量指标有助于磨玻璃样肺腺癌浸润程度及病理亚型的预测。

基于人工智能的肺磨玻璃密度结节三维测量与病理切片测量的相关性研究

目的:分析肺磨玻璃密度结节人工智能测量、半自动测量与病理数字切片测量之间的相关性。方法:收集91例表现为磨玻璃密度结节的T1a期肺腺癌的CT图像及病理切片资料。使用人工智能肺部影像分析系统(AILIAS)及半自动分割技术(SLLS)测量CT图像上结节的平均直径和体积,并在病理数字切片上测量结节的平均直径与面积。AILIAS及SLLS与病理数字切片平均直径测量值、AILIAS与SLLS体积测量值两两比较行Wilcoxon符号秩检验。采用Spearman秩相关分析AILIAS及SLLS体积测量值与病理数字切片面积测量值的相关性。结果:AILIAS与SLLS所测平均直径均大于病理数字切片(Z=-7.310,-8.557;均P<0.001)。AILIAS与SLLS所测直径间差异无统计学意义(Z=-0.744,P=0.457)。SLLS所测体积小于AILIAS(Z=-6.218,P<0.001)。AILIAS和SLLS体积测量值与病理数字切片面积测量值均显著相关(rs=0.729,0.727;均P<0.001)。结论:人工智能可多维度测量肺磨玻璃结节的直径和体积,与病理数字切片面积测量值有良好的相关性及一致性,可为磨玻璃结节的良恶性判定及临床疗效评估提供数据支持。

混合磨玻璃结节实性成分的CT定量参数对肺腺癌组织分化的预测价值

探讨肺部混合磨玻璃结节(mGGN)实性成分的三维CT定量参数预测浸润性非黏液腺癌(IAC)组织分化程度的价值。回顾性分析99例术后病理证实为IAC患者的临床及影像资料。依据国际肺癌研究学会病理新分级系统分为:高分化IAC(53例)、中分化IAC(31例)、低分化IAC(15例)。观察实性成分的三维CT定量参数与IAC组织分化程度之间的相关性。结果显示:实性成分体积、体积占比、平均CT值、平均直径在不同组织分化程度之间的差异均具有统计学意义(P<0.001)。多重比较结果显示,低分化IAC的实性成分体积、体积占比、平均CT值、平均直径均大于中高分化IAC;而中分化与高分化IAC之间仅体积占比有统计学意义。将高分化IAC与中分化IAC合并纳入A组,低分化IAC纳入B组,预测低分化IAC的ROC曲线结果显示实性成分体积、体积占比、平均CT值、平均直径的cut-off值分别为341.5 mm~3、52.9%、-116.5 HU、9.65 mm。总之,mGGN实性成分的三维CT定量参数对IAC的组织分化程度有较高的预测价值,对选择诊治方案和判断患者预后有较大的指导意义。

基于CT影像的早期肺腺癌病理类型预测方法研究进展

肺腺癌是非小细胞肺癌中最常见的类型。由于肺腺癌发生早期并没有明显的临床症状,多数患者发现时已处于晚期,晚期肺腺癌患者的预后情况极其不理想。早发现、早诊断和早治疗是提升患者生存率最有效的措施。根据癌细胞对周围组织浸润程度的不同,可将早期肺腺癌分为微浸润性腺癌和浸润性腺癌,同时腺体前驱病变也需长期观察随访,以防进一步发展恶化。不同病理类型的早期肺腺癌术后五年无病生存率存在很大差异,准确预测肺腺癌病理类型能够辅助医师更好地制定治疗方案,进一步改善病患的预后。早期肺腺癌与磨玻璃肺结节(ground⁃glass nodule,GGN)密切相关,CT凭借无创和高分辨率的优势成为了观察GGN最主要的影像方法。现有的早期肺腺癌病理类型预测研究主要围绕人工智能技术开展:传统影像组学基于计算机高通量提取和筛选GGN的定量特征来构建分类模型;而深度学习方法则自动提取GGN的深层特征并学习其与类别之间的隐含关系,以完成类别预测任务。目前国内外研究者基于GGN的CT影像以及影像组学和深度学习模型已发表了大量的早期肺腺癌病理组织类型预测的文献。本文主要就GGN的CT影像学特征、影像组学特征及深度学习方法在预测早期肺腺癌组织学类型方面的研究进展予以综述,以期为相关研究者提供有价值的参考。

人工智能辅助肺磨玻璃结节性质及病理成份的临床应用研究

目的研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值。方法从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究。根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄)。采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P<0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素。结果①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P<0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P<0.05),而2组GGN患者年龄差异无统计学意义(P>0.05)。②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P<0.05),其他无差异。③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值。结论基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断。人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳。

影像组学联合Nomogram图预测亚实性肺结节浸润性

目的:基于CT影像组学特征联合Nomogram图构建临床诊断模型,评价其对亚实性肺结节浸润性的预测能力。方法:回顾性收集在薄层CT图像表现为肺亚实性结节并经病理证实的患者的临床及影像学资料。从CT图像中提取影像组学特征。使用LASSO回归及K折交叉验证进行特征选择。根据确定的临床独立预测因子和RS,采用多因素Logistic回归分析分别构建3种预测模型:第1种基于临床资料及影像学特征参数;第2种依据影像组学特征;第3种临床-影像组学联合模型,使用Nomogram图将Logistic回归分析的结果进行可视化表达。采用受试者工作特征曲线比较3种模型对磨玻璃样肺腺癌IA和非IA的分类预测性能。采用决策曲线分析评估不同队列中3种模型的临床实用性。结果:共收集192例共204枚亚实性肺结节,根据组织学分型分为IA 114例,非IA 90例,训练集143例(IA/非IA为77例/66例),测试集61例(IA/非IA为38例/23例)。每个亚实性肺结节可提取1316个特征,通过特征选择及Logisti回归分析最终选取2个临床独立预测因子(平均CT值、结节最大径)及3个影像组学特征用于模型构建。临床-影像组学联合模型在训练集(AUC=0.920,95%CI:0.818~0.931)中区分IA和非IA的能力优于影像组学模型和临床模型(AUC=0.907,95%CI:0.792~0.914;AUC=0.822,95%CI:0.764~0.895),测试集中临床资料的加入对提高影像组学模型的诊断效能有一定帮助。DCA表明多数情况下联合模型可以提供更大的临床效益。结论:本研究开发的临床-影像组学组学联合模型在预测亚实性肺结节的浸润性方面表现良好。

CT评估肺磨玻璃结节进展及预后的研究现况

近年来,随着医学影像技术的不断发展,肺磨玻璃结节(ground glass nodule,GGN)的检出率逐年升高,并受到广泛关注。GGN不仅可见于良性疾病,也是肺腺癌的早期表现。与实性结节相比,GGN影像学表现形式多样,发展变化快慢不一,导致临床治疗的争议较大。该文基于不同的CT影像学检查方法评估肺GGN良恶性进展及预后,总结肺GGN在影像学方面的恶性进展预测,有助于临床医师在患者肺GGN筛查、随访、后期治疗中做出准确的判断。

肺磨玻璃结节确诊早期浸润性腺癌的危险因素及预测模型构建

目的:探讨肺磨玻璃结节(ground glass nodules,GGN)确诊早期浸润性腺癌危险因素并构建预测模型,旨在为浸润性肺腺癌早期鉴别诊断及治疗方案制定提供更多参考。方法:回顾性分析2017年01月至2023年01月于我院诊治肺GGN患者共171例194个结节临床资料,根据术后病理组织学检查是否为浸润性肺腺癌分为浸润组(158个)和非浸润组(36个);比较两组临床病理及影像学特征资料;采用单因素和多因素法评估肺GGN确诊早期浸润性腺癌独立危险因素,肺GGN确诊早期浸润性腺癌风险预测模型构建及效能分析。结果:171例194个结节经术后病理组织学检查确诊为浸润性肺腺癌结节共158个,占比为81.44%。两组合并胸膜凹陷征比例、结节实性成分比例、SUV指数比较差异有统计学意义(P<0.05);两组其他临床病理及影像学特征资料比较差异无统计学意义(P>0.05)。多因素分析结果显示,合并胸膜凹陷征、结节实性成分比例及SUV指数均是肺GGN确诊早期浸润性腺癌独立危险因素(P<0.05)。利用回归模型的独立影响因素以及P值预测概率对患者肺GGN确诊早期浸润性腺癌风险进行预测,约登指数分别为52.55%、94.13%、70.72%、96.66%。结论:肺GGN患者是否属于浸润性腺癌与是否合并胸膜凹陷征、结节实性成分比例及SUV指数关系密切;而基于上述指标构建预测模型能够准确指导浸润性肺腺癌早期鉴别诊断。

基于人工智能的CT影像征象对肺浸润性腺癌与微浸润腺癌的诊断

目的:探讨基于人工智能(AI)的电子计算机断层扫描(CT)影像学特征对表现为磨玻璃结节(GGN)的肺微浸润性腺癌(MIA)与浸润性腺癌(IAC)的鉴别诊断价值。方法:回顾性收集来自32名个体的37个GGN的组织病理学资料和CT图像,并将其分为MIA组和IAC组。将AI相关定量参数(长径、短径、体积、胸膜距离、平均CT值、最大CT值、最小CT值、钙化比例)进行有序多分类Logistic回归分析。结果:在37个GGN中,MIA和IAC分别有19和18个。两组基于AI测得的长径、最大CT值、体积均有明显差异(P均<0.05)。Logistic多因素回归分析显示基于AI测得的长径(OR=1.227,95%CI:1.032-1.460,P=0.02)是预测侵袭性肺腺癌浸润程度的独立危险因素(P<0.05)。结论:基于AI的CT影像学参数对早期肺腺癌亚型的鉴别具有重要价值,基于AI测得的长径、体积、最大CT值对临床鉴别MIA及IAC具有重要意义,其中基于AI测得的长径是预测侵袭性肺腺癌浸润程度的独立危险因素。

高分辨率CT在肺原位腺癌及微浸润腺癌鉴别诊断中的价值分析

目的:分析高分辨率CT(HRCT)在表现为磨玻璃结节的肺原位腺癌(AIS)及微浸润腺癌(MIA)鉴别诊断中的价值。方法:回顾性选取本院2018年3月—2023年3月期间收治的200例肺腺癌患者的临床资料为研究对象,以手术病理学诊断作为分类依据,分别设为纯磨玻璃结节组、混合磨玻璃结节组,对比两组AIS与MIA的HRCT影像学特征,并以工作特征曲线(ROC)分析影像学特征对AIS、MIA的鉴别诊断价值。结果:纯磨玻璃结节组AIS、MIA结节直径、磨玻璃成分CT值比较存在明显差异(P<0.05);混合磨玻璃结节组AIS、MIA分叶征、胸膜凹陷征、空气支气管征例数及结节直径、磨玻璃成分CT值比较存在明显差异(P<0.05);ROC曲线分析结果显示,纯磨玻璃结节组结节直径、磨玻璃成分CT值鉴别AIS、MIA曲线下面积分别为0.642、0.761,混合磨玻璃结节组分叶征、胸膜凹陷征、空气支气管征者占比,结节直径、磨玻璃成分CT值鉴别AIS、MIA曲线下面积分别为0.680、0.670、0.767、0.684、0.974。结论:HRCT能够为表现为纯磨玻璃结节及混杂密度磨玻璃结节的AIS与MIA的临床鉴别诊断提供有效信息。

以磨玻璃结节为表现的肺腺癌亚肺叶切除研究综述

手术是肺癌的主要治疗方式。长期以来,肺叶切除术被认为是治疗局部肺癌的标准术式,而亚肺叶切除术,包括肺楔形切除术与肺段切除术,通常只是一种替代术式,应用于无法耐受根治性手术的患者。然而,随着计算机断层扫描在临床中的广泛应用,肺磨玻璃结节的检出频率不断升高,而这一外科标准也逐渐发生了改变。在持续存在的肺结节中,磨玻璃影(ground glass opacity,GGO)通常预示着良好的预后,通常对应着不典型腺瘤样增生、原位腺癌或以附壁生长型模式为主要成分的腺癌等病理改变。大量的回顾性研究表明,对于这类病灶,亚肺叶切除术能够取得令人满意的治疗效果。来自日本的一系列前瞻性研究证实了对于GGO主导的早期肺癌,亚肺叶切除术同样是一种可选择的根治性手术方案。随访数据表明,这部分患者术后的生存状况与肺叶切除术相比无统计学差异。该文综述了影像学上表现为GGO的肺腺癌的亚肺叶切除研究进展。

不同浸润程度肺腺癌患者应用高分辨CT检测肺内磨玻璃密度结节及胸膜凹陷征和支气管阳性征的临床意义分析

目的探讨不同浸润程度肺腺癌患者应用高分辨CT(HRCT)检测肺内磨玻璃密度结节(CTGGO)及胸膜凹陷征、支气管阳性征的效果,分析HRCT对不同浸润程度肺腺癌的诊断价值。方法选取2021年7月至2022年7月瑞金市人民医院收治的80例肺腺癌(病理侵袭性)患者作为病理侵袭性组,随机选取同期80例肺腺癌(病理非侵袭性)患者作为病理非侵袭性组,所有患者均行HRCT检查。根据2015年WHO制定的《肺腺癌新分类》,将肺腺癌(病理侵袭性)患者分为浸润前病变(PI)、微浸润性腺癌(MIA)和浸润性腺癌(IA)。比较两组与病理侵袭性组不同浸润程度肺腺癌患者CTGGO、胸膜凹陷征、支气管阳性征占比情况及双侧肺部不同大小病灶的检出率。结果病理侵袭性组CTGGO、胸膜凹陷征、支气管阳性征占比均高于病理非侵袭性组(P<0.05)。病理侵袭性组双侧肺部不同大小病灶总检出率为93.75%,病理非侵袭性组为86.25%,两组比较差异无统计学意义。不同浸润程度肺腺癌患者CTGGO及胸膜凹陷征、支气管阳性征占比比较差异有统计学意义(P<0.05);IA患者CTGGO、支气管阳性征均低于PI患者,胸膜凹陷征、支气管阳性征均低于MIA患者,MIA患者CTGGO占比低于PI患者,差异有统计学意义(P<0.05)。病理侵袭性组PI、MIA、IA患者0~5、>5~10、>10~15、>15~20 mm病灶检出率比较差异无统计学意义。结论HRCT征象可应用于不同浸润程度的肺腺癌患者,通过HRCT图像中的CTGGO、胸膜凹陷征和支气管阳性征,进一步诊断肺腺癌。

肺部磨玻璃结节CT特征对肺腺癌类型及病理分期的临床应用价值探究

目的:研究肺部磨玻璃结节(Ground-glassopacity,GGO)CT特征对肺腺癌类型病理分期的临床应用价值。方法:回顾性分析112例已确诊为肺腺癌患者的CT影像学检查,总结和分析GGO的影像学特征,采用统计学方法对比分析不同类型肺腺癌患者中的GGO影像学特征差异,采用ROC曲线评价GGO的临床应用价值。结果:112例肺腺癌患者平均年龄43.05?6.78岁,不同类型肺腺癌患者无年龄和性别差异,纯磨玻璃结节(p GGO)在原位腺癌中检出率较高,混合磨玻璃结节(m GGO)在浸润性肺腺癌中检出率较高,GGO的直径大小、密度、体积、质量在浸润性肺腺癌中均较高。m GGO的实性百分比和结节密度在浸润性肺腺癌Ⅰ期、Ⅲ期中具有较高诊断效能。结论:肺部GGO的CT影像学特征是临床鉴别肺腺癌类型的主要手段之一,m GGO的CT影像学特征可作为浸润性肺腺癌病理分期的主要依据之一。

瘤内及瘤周联合影像组学模型对肺纯磨玻璃结节浸润性的预测价值

目的探讨瘤内及瘤周联合影像组学模型对肺纯磨玻璃结节(pGGN)浸润性的预测价值。方法选取186例经病理确诊的肺pGGN(186个),按8:2分为训练集和验证集。将前驱腺体病变不典型腺癌样增长(AAH)和原位腺癌(AIS)作为非浸润性病变组,将腺癌微浸润癌(MIA)和浸润性腺癌(IAC)作为浸润性病变组。每个结节勾画出瘤内和瘤周两个感兴趣区域(ROI),从每个ROI获得2600个影像特征。用最小绝对收缩和选择算法(LASSO)对其进行特征筛选,建立瘤内、瘤周及两者联合模型。通过受试者操作特征(ROC)曲线下面积(AUC)评价模型效能,Delong检验比较不同模型的效能。结果训练集中瘤内、瘤周及两者联合模型的AUC值分别为0.820、0.793、0.855,验证集中三个模型的AUC值分别为0.838、0.801、0.840。结论瘤内和瘤周影像组学模型对肺pGGN浸润性的预测价值无明显差异,两者联合模型可以略提高对肺pGGN浸润性的预测效能。

MSCT多平面重建技术用于磨玻璃结节样肺腺癌的鉴别诊断价值研究

目的 通过将多层螺旋CT(MSCT)多平面重建技术应用于磨玻璃结节(GGN)样肺腺癌的临床诊断,探讨MSCT对其鉴别诊断的价值。方法 回顾性收集2019年5月~2022年4月至我院就诊的150例GGN样肺腺癌患者(共150个结节)的临床资料,根据手术后病理结果,将其分为浸润前病变组(86例)和浸润性病变组(64例)。对所有入组患者MSCT图像进行分析,比较两组患者MSCT征象;以手术后病理组织学检查结果为基准,分析MSCT对p GGN样肺腺癌的诊断效能及对病理分型诊断准确率。结果 浸润前病变组与浸润性病变组患者在病灶大小、边缘情况、血管“集束”征、胸膜“凹陷”征方面存在显著性差异(P<0.05),其中浸润性病变边缘多见“分叶”征或“毛刺”征,形态以类圆形为主。MSCT诊断p GGN样浸润性病变的敏感度为92.19%,特异度为93.02%,准确性92.67%。MSCT对不典型腺瘤样增生(AAH)、原位腺癌(AIS)、微浸润性腺癌(MIA)、浸润性腺癌(IAC)诊断准确率分别是100%、100%、94.44%、89.29%,与病理学检查结果相比,符合率高(P>0.05)。结论 MSCT多平面重建技术对于GGN样肺腺癌浸润前病变、浸润性病变的鉴别诊断有较高价值,且有助于进行不同病理亚型诊断。

影像组学特征对磨玻璃结节型肺腺癌病理亚型的预测作用

目的验证影像组学模型鉴别磨玻璃结节(GGN)型肺腺癌病理亚型(浸润与非浸润)的准确性。方法回顾性收集184例结节影像学表现为GGN、术后病理证实为肺腺癌的180例手术病例,按照7∶3的比例将入组患者的结节随机分为训练组及验证组,训练组有129例结节,验证组有55例结节。选取磨玻璃结节CT图像中的1 mm平扫序列勾画感兴趣区域(ROI),从中提取960个影像组学特征,通过t检验及LASSO回归方法筛选出7个特征。利用支持向量机(SVM)的方法在训练组中构建影像组学模型,并在验证组中验证其准确性。应用受试者工作特征(ROC)曲线评估模型对GGN型肺腺癌病理亚型的预测效能。结果单因素分析结果显示,性别和病变位置与GGN的病理亚型差异无统计学意义(P>0.05),而年龄及CT图像中结节最大直径与GGN的病理亚型之间的差异有统计学意义(P<0.05)。影像组学模型在训练组的AUC(95%CI)值为0.94(0.89~0.99),准确度为91%、灵敏度95%、特异度为84%;在验证组的AUC(95%CI)值为0.88(0.83~0.93),准确度为83%、灵敏度84%、特异度为81%。结论基于影像组学特征建立的模型对GGN型肺腺癌病理亚型具有预测作用,可以为制定GGN型肺腺癌个体化诊疗策略提供依据。

肺薄层CT特征预测纯磨玻璃结节浸润性腺癌的价值

目的分析肺肿瘤性纯磨玻璃结节(pGGN)的薄层CT特征,构建逻辑(Logistic)回归模型预测浸润性腺癌的价值。方法回顾性收集2017年1月至2021年2月因胸部CT检查发现pGGN的连续病例,入组病例具有完整的临床影像资料和明确病理结果,依据病理类型分为腺体前驱病变组(不典型瘤样增生37例,原位腺癌51例)88例和浸润性病变组(微浸润腺癌84例,浸润性腺癌24例)108例。比较2组薄层CT特征分析指标是否存在差异,将具有统计学差异(P<0.05)的分析指标经二元多因素Logistic回归分析确定独立危险因素(P<0.05)并构建预测模型,绘制该模型及独立危险因素的受试者工作特征曲线(ROC),通过最大Youde指数确定最佳鉴别诊断效能。结果2组平均直径、平均CT值、肿瘤微血管CT成像征、空泡征、分叶征、毛刺征差异有统计学意义(P<0.05),2组空气支气管征差异无统计学意义(P=0.96)。Logistic回归预测模型表明肿瘤微血管CT成像征、分叶征是2组病理分类的独立预测因素(P<0.001),ROC曲线显示肿瘤微血管CT成像征、分叶征及Logistic回归预测模型的诊断效能均较高(AUC=0.88、0.8、0.74),并预测模型效能高于单项独立预测因素。结论肿瘤微血管CT成像征及分叶征是预测pGGN浸润性腺癌的重要CT特征,基于薄层CT特征Logistic回归模型有更高的鉴别诊断效能。

纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建

目的:探究纯磨玻璃结节(pure ground-glass nodule,pGGN)肺腺癌计算机断层扫描(computed tomography,CT)征象与其浸润程度的相关性,建立CT征象与浸润程度的预测模型。方法:回顾性分析424例经手术切除、病理活检证实且胸部CT表现为pGGN的肺腺癌患者临床资料及CT征象,根据病理活检结果分为非典型腺瘤样增生、原位腺癌、微浸润腺癌和浸润性腺癌4组,对组间差异采用卡方检验或Fisher确切概率法进行统计分析。对有统计学意义的结果,使用怀卡托智能分析环境(Waikato environment for knowledge analysis,WeKa)中的6种学习算法进行预测模型构建,并验证准确性,挑选出最适用于本研究的预测模型。结果:4组间在结节直径、结节密度值上的差异具有统计学意义(P<0.001),对应的直径平均值分别为6.90、8.65、10.71、14.56 mm,对应的密度平均值分别为-633.16、-543.04、-401.03、-322.94 HU,随着病灶的浸润程度加重,结节的直径及密度值呈现明显的上升趋势。4组间在结节边界、分叶、毛刺、血管穿行、胸膜凹陷、空气支气管征、空泡征等的差异具有统计学意义(P<0.05),而结节的生长位置,年龄、吸烟史、直系亲属肺癌家族史等差异无统计学意义(P>0.05)。随机森林算法所构建的模型预测准确率为76.42%~79.72%,Kappa系数为0.597~0.670,受试者工作特征(receiver operating characteristic,ROC)曲线下面积均大于0.9,在误差指标中表现最优,是最适合于本研究的预测模型。结论:pGGN的不同CT征象与其浸润程度密切相关,可以用于建立预测模型。基于随机森林算法所建模型,在有创干预前早期快速识别pGGN浸润程度的平均准确率为78.07%,准确度最高,对肺癌预测具有潜在应用价值。

人工智能CT定量分析对肺腺癌Ki-67LI的预测研究

目的 探索肺磨玻璃密度结节(GGN)人工智能(AI)CT定量分析对肺腺癌Ki-67表达指数(Ki-67LI)的预测方法,并评价其对肺腺癌病理类型的预测价值。方法 回顾性分析肺腺癌者230例,共308个GGN,分为不典型腺瘤样增生(AAH)/原位腺癌(AIS)组168个、微浸润性腺癌(MIA)组86个和浸润性腺癌(ICA)组54个。分析CT定量参数和Ki-67LI的组间差异和相关性,采用多元线性回归分析建立Ki-67LI预测模型,并评价该模型对不同病理类型肺腺癌的鉴别价值。结果 3D长径和CT平均值是Ki-67LI的独立预测参数(P<0.05),并建立预测模型:Ki-67LI预测值=1.476+0.311*3D长径+0.003*CT平均值;Ki-67LI预测值在各组间均有统计学差异(P<0.05),且对AAH/AIS和MIA以及MIA和ICA的鉴别价值均较高(AUC值0.837和0.862)。结论 AI CT定量分析可于术前对肺腺癌Ki-67LI进行预测,对GGN的侵袭性有一定预判价值。