对比卷积神经网络分类模型与放射科医师鉴别浸润性肺腺癌的效能

目的比较基于胸部CT建立的卷积神经网络(CNN)分类模型与放射科主治医师分类磨玻璃结节(GGN)中的浸润前病变(PIL)与浸润性腺癌(IA)的效能。方法回顾性分析1086例经病理确诊PIL或IA患者的胸部CT,共1214枚GGN,按9∶1比例将其分为训练组(n=1092)及验证组(n=122)。对训练组数据进行各向同性预处理和3D图像块随机采样和填充,建立CNN分类模型,将训练组GGN分类为PIL或IA,并于验证组进行验证。由2名放射科主治医师(医师1和2)对验证组GGN进行分类,鉴别PIL与IA。采用受试者工作特征(ROC)曲线比较CNN分类模型与2名放射科主治医师对验证组进行分类的效能。结果ROC曲线显示,CNN分类模型、医师1及2鉴别PIL与IA的曲线下面积(AUC)分别为0.866、0.742及0.769;CNN分类模型诊断敏感度(84.81%)显著高于医师1(67.09%,χ^(2)=11.352,P<0.001)、2(74.68%,χ^(2)=18.473,P<0.001),而特异度与医师1、2差异均无统计学意义(P均>0.05)。结论CNN分类模型鉴别GGN中的PIL与IA的效能优于放射科医师。