人工智能CT定量参数预测肺腺癌磨玻璃结节的侵袭性

摘要

目的 探讨基于深度学习的人工智能辅助诊断肺腺癌磨玻璃结节(GGN)CT特征定量参数分析预判其病理侵袭性的价值.方法 回顾2018年1月至2019年8月经手术病理证实为肺腺癌GGN54枚,按照病理结果将其分为非浸润性腺癌组(n= 21)和浸润性腺癌组(n=33),并采用受试者工作特征曲线评估各项定量参数预测肺腺癌浸润性的诊断效能.将其原始数据导入人工智能软件工作站,记录其定量特征参数值.结果 两组在平均CT值、3D长径、最大面面积、表面积及体积方面比较差异有统计学意义(P＜0.05);两组其他定量参数差异无统计学意义(P＞0.05).平均CT值、3D长径、最大面面积、表面积及体积判断是否为浸润性腺癌组的最佳临界值分别为—476.73 Hu、10.35 mm、79.78 mm2、365.22 mm2、641.7 mm3.结论 基于深度学习的人工智能CT定量参数对GGN样肺腺癌侵袭性的预判具有一定价值,平均CT值、3D长径、体积、最大面面积及表面积可作为有效的影像学预测标志物.