人工智能辅助诊断系统对肺腺癌亚型的预测价值

目的探讨人工智能(artificial intelligence,AI)辅助诊断系统分析磨玻璃结节(ground glass nodule,GGN)的CT定量参数对肺腺癌亚型的预测价值。方法回顾性选取新疆医科大学第一附属医院昌吉分院2017-01至2021-12经手术病理证实的肺内磨玻璃结节患者97例,根据病灶的浸润程度分为非浸润组(44例)和浸润组(53例)。提取GGN的AI定量参数特征,采用独立样本t检验比较两组间统计学差异;预测GGN病灶侵袭程度用受试者特征曲线(receiver operator characteristic curve,ROC)和二元Logistics回归模型评估AI定量参数的诊断效能。结果非浸润组和浸润组比较,GGN最大径、体积、平均CT值和实性成分所占比均有差异(P<0.05),CT定量参数的预测价值从高到低依次为实性成分占比、平均CT值、最大径、体积。Logistics回归分析显示实性成分占比(OR=1.262,P<0.05)及平均CT值(OR=1.010,P<0.05)在预测GGN侵袭中的诊断价值较高,可作为独立预测因子,诊断阈值为1.085%和-557.00 HU。结论AI可通过分析GGN的实性成分占比和平均CT值对肺腺癌亚型做出有效预判。