基于深度学习人工智能在肺结节定性诊断中的临床应用研究

目的:探讨基于深度学习人工智能在肺结节定性诊断中的临床应用价值。方法:回顾性分析2020年1月—2022年12月东莞市松山湖中心医院符合纳入标准的230例患者的325个肺结节的资料,根据阅片方式分为A组(双人阅片),B组(AI单独阅片),C组(双人+AI综合阅片),以病理为金标准,统计和比较各组对325个肺结节检出的阅片时间、灵敏度、特异度、阳性预测值、阴性预测值、准确率。结果:A组阅片时间(14.37±2.12)min,B组阅片时间(1.34±0.12)min,C组阅片时间(8.34±1.26)min,B组阅片时间短于A组和C组,且C组阅片时间短于A组,差异具有统计学意义(P<0.05)。A组诊断的灵敏度、特异度、阳性预测值、阴性预测值、准确率分别为85.97%、36.17%、88.85%、30.36%、78.76%,B组分别为91.01%、42.55%、90.36%、44.44%、84.00%,C组分别为90.29%、55.32%、92.27%、49.27%、85.23%,各组差异有统计学意义(P<0.05)。结论:AI辅助医师阅片可以缩短阅片时间,有效提高肺结节诊断的灵敏度、特异度和准确率。

乳腺癌数字乳腺体层合成表现与分子分型的相关性分析

目的:探讨乳腺癌4种分子分型,即Luminal A、Luminal B、人表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)过表达型、三阴性乳腺癌(triple-negative breast cancer,TNBC)数字乳腺体层合成(digital breast tomosynthesis,DBT)图像特征差异及其相关性。方法:收集广东省妇幼保健院经病理学检查证实为乳腺癌的患者209例。术前均行DBT检查及免疫组织化学染色,分析肿块大小、形态、边缘毛刺征、微钙化及腋窝淋巴结转移情况。根据免疫组织化学结果将患者分为Luminal A、Luminal B、HER2过表达型和TNBC,分析DBT影像学征象与乳腺癌分子分型相关性。结果:209例乳腺癌患者中Luminal A、Luminal B、HER2过表达型、TNBC分别有41例(19.62%)、109例(52.15%)、28例(13.40%)、31例(14.83%)。不同分子分型乳腺癌DBT影像学征象在肿块大小、形态、微钙化方面差异有统计学意义(P<0.05),在患者的年龄、毛刺征及腋窝淋巴结转移方面差异无统计学意义(P>0.05)。结论:Luminal B最常见,HER2过表达型常伴有毛刺征、微钙化及形态多不规则,TNBC肿块大、形态规则、多无微钙化及毛刺征。DBT影像学特征可预测乳腺癌分子分型,为术前肿瘤生物学行为判断、预后评估及个体化治疗提供可靠的影像学依据。

双能量CT成像碘图参数鉴别良恶性孤立性肺结节的应用研究

目的:研究双能量CT成像碘图参数在鉴别良恶性孤立性肺结节(SPN)中的应用。方法:回顾性分析2023年3月~2023年10月在东莞市松山湖中心医院收治的64例SPN患者,依据病理学活检结果将患者分为良性组(n=34例)和恶性组(n=30例)。所有患者分别于动脉期和静脉期接受双能量CT成像扫描,计算各碘图参数[动脉期碘覆盖值(AOL)、动脉期碘浓度(AIC)、动脉期标准化碘浓度(ANIC)、静脉期碘覆盖值(VOL)、静脉期碘浓度(VIC)、静脉期标准化碘浓度(VNIC)]。根据病理学活检结果,分析双能量CT成像检查的诊断结果。比较良性组和恶性组SPN患者的各碘图参数(AOL、AIC、ANIC、VOL、VIC、VNIC),并用受试者操作特征(ROC)分析碘图参数对恶性SPN的鉴别诊断效能。结果:以病理学活检结果为金标准,双能量CT成像碘图参数对SPN定性诊断的Kappa一致性为0.658,诊断准确率为82.81%,灵敏度76.47%,特异度90.00%,阳性预测率为89.66%。良性组和恶性组SPN患者的AOL、VOL、AIC和VIC均无统计学差异(P>0.05)。良性组的ANIC、VNIC均较恶性组低,有统计学差异(P<0.05)。ROC分析显示,ANIC和VNIC诊断恶性结节的ROC下曲线面积分别为0.761和0.798,此时ANIC和VNIC的截断值分别为0.249和0.332。以截断值为临界值,采用联合检测,ROC下曲线面积为0.835,具有较高的敏感度(66.67%)和特异度(94.12%)。结论:双能量CT成像碘图参数中使用ANIC和VNIC联合检测对恶性SPN具有较好的诊断效能,可以为临床提供较好的参考价值。