基于定量CT构建的诺模图对重症新型冠状病毒肺炎的诊断价值

目的探讨基于定量CT构建的诺模图对重症新型冠状病毒肺炎的诊断价值。方法回顾性分析117例新型冠状病毒肺炎(corona virus disease 2019,COVID⁃19)患者的临床和胸部CT资料。所有患者分为轻症组(82例)和重症组(35例)。对两组间差异有统计学意义的临床和定量CT指标进行多因素logistic回归分析,确定重症COVID⁃19相关的独立危险因素,构建诺模图,并通过ROC曲线分析、校准曲线及Hosmer⁃Lemeshow拟合优度检验进行模型验证。结果多因素logistic回归结果显示年龄(OR=1.155,95%CI:1.069~1.247)、淋巴细胞计数与白细胞计数比值(OR<0.001,95%CI:0~0.005)、LeV%(OR=1.136,95%CI:1.013~1.274)、MLeD(OR=1.009,95%CI:1.001~1.018)是重症COVID⁃19的影响因素。绘制诺模图,其ROC曲线下面积为0.969,校准曲线显示预测概率与实际概率符合度良好。Hosmer⁃Lemeshow拟合优度检验(χ^(2)=4.352,P=0.824)显示诺模图诊断重症COVID⁃19具有较好效能。结论基于定量CT构建的诺模图对于重症COVID⁃19的临床诊断具有较好的效能。

基于AI定量检测新型冠状病毒肺炎胸部CT演变特征分析

目的探讨人工智能(AI)定量检测在新型冠状病毒肺炎(COVID-19)不同分型中胸部CT动态变化特征的价值。方法回顾性分析2020年1月至2020年5月期间多家医疗中心确诊的95例COVID-19非重症患者和22例COVID-19重症患者的连续动态CT扫描结果及首次临床症状、实验室检查结果。使用AI技术自动分割COVID-19病灶得到CT定量结果。采用独立样本t检验或非参数检验比较两组间定量指标的差异。对发病后天数与CT定量数据进行三次多项式曲线回归函数拟合,得到变化曲线。结果重症组患者除GGO%小于非重症组外,剩余CT定量指标均大于非重症组(P﹤0.05)。非重症组CT定量指标约第10~11天达到峰值,10~30天内迅速好转,30~40天基本消散。重症组发病高峰迟于非重症组1~2天,病变吸收速度远低于非重症组,并且消失时间延长。结论AI定量检测有助于准确识别COVID-19肺炎胸部CT的动态演变过程。不同定量指标能够客观地评估肺内病变性质,为疾病的转归提供客观依据。