AI“啄医生”对肺结节良恶性鉴别的价值研究

摘要

目的：将AI“啄医生”对肺结节良恶性的分析结果与中级放射科医生利用飞利浦肺结节CAD软件+人工分析的诊断结果进行比较，评价两者对肺结节良恶性鉴别的诊断效能，同时总结分析恶性肺结节的CT影像学特征。　　方法：搜集205例共计210个具有病理结果的肺结节：1、分析患者的年龄、性别、部位分布与肺结节良恶性的关系；2、按肺结节的病理类型（良性、浸润前病变、浸润性腺癌）、结节类型（实性结节，纯磨玻璃结节，混合性磨玻璃结节）及大小（d≦1cm，1cm＜d≦2cm，2cm﹤d≦3cm）进行分组，分析两种方式诊断肺结节良恶性的准确率、敏感性、特异性、阳性预测值及阴性预测值，评价AI“啄医生”与飞利浦肺结节CAD软件+人工分析（人工诊断）对肺结节良恶性的诊断效能；3、将210例肺结节按病理类型分为良性组、浸润前病变组（非腺瘤样增生及原位腺癌）、浸润性腺癌组三组，分析记录其影像学特征：结节类型、大小（长短径）、体积、密度、钙化有无、瘤-肺边界、分叶征、毛刺征、胸膜凹陷征、细支气管造影征、血管异常表现、空泡征，分析三组间的差异。　　结果：1、良恶性组间性别构成比较差异无统计学意义（P＞0.05）；恶性组平均年龄大于良性组，差异有统计学意义（P＜0.05）；良恶性组间肺结节部位分布比较差异无统计学意义（P＞0.05）。2、210个肺结节中良性结节57个，恶性结节153个（浸润前病变21个，浸润性腺癌132个），AI共检出良性结节54个，恶性结节141个（浸润前病变16个，浸润性腺癌125个），检出率为92.8％；AI诊断肺结节整体准确率为68.2％（良性结节66.7％，浸润前病变37.5％，浸润性腺癌72.8％）。AI诊断实性结节、纯磨玻璃结节、混合性磨玻璃结节及d≦1cm，1cm＜d≦2cm，2cm＜d≦3cm结节的准确率分别为74.6％，45.8％，64.9％及55.6％,62.9％,80.3％，均低于人工诊断，两种方式对纯磨玻璃结节的诊断准确率最低，亚厘米结节次之。AI诊断肺结节的敏感性、特异性、阳性预测值及阴性预测值68.7％，66.7％，84.3％，45.0％，均低于人工诊断，特别是对结节的阴性预测值；但AI诊断d≦1cm结节的特异性（95.0％）高于人工诊断（85％），AI诊断纯磨玻璃结节的特异性、阳性预测值与人工诊断相当，均100％；AI诊断其余各类结节的价值比较均低于人工诊断，尤其是诊断纯磨玻璃结节及亚厘米的敏感性及d＞1cm结节的特异性，但对混合磨玻璃结节及d＞1cm结节的阳性预测值接近。3、三组间瘤-肺边界比较其差异无统计学意义（P＞0.05）；结节的类型、大小、体积、密度、钙化、分叶征、毛刺征、胸膜凹陷征、细支气管造影征、血管异常表现、空泡征在三组间比较均有统计学差异（均P＜0.05）。　　结论：1、年龄越大，结节恶性概率增大。2、AI“啄医生”目前版本肺结节良恶性的鉴别价值总体不及人工诊断，但对d≦1cm的肺结节诊断特异性较高，有利于放射科医生判断亚厘米结节的良恶性，对其他各类结节的诊断也具有较好辅助作用，具有一定的临床价值。3、随着肺结节的增大，恶性概率增加，同时随着肺结节的增大、密度的增高，提示其浸润性有可能在增加；肺结节的分叶征、毛刺征、胸膜凹陷征、细支气管造影征、血管异常表现、空泡征均提示结节恶性可能，其中分叶征、毛刺征、胸膜凹陷征的出现提示结节的侵袭性，血管异常表现、空泡征的出现有助于结节恶变的判断。

目录

前言

资料与方法

1 一般资料

2 图像采集方式及设备

3 胸部CT图像分析

4 结果分析方法

5 统计分析方法

结果

1 一般资料分析结果

1.1性别、年龄与肺结节良恶性的关系

1.2 发病部位与肺结节良恶性的关系

2 肺结节的诊断结果

2.1 AI诊断结果

2.2 飞利浦肺结节CAD软件+中级放射科医生(简称人工诊断)的诊断结果

3 两种方式的诊断价值比较

4.1 结节类型与良恶性的关系

4.2 结节的大小、体积、密度与良恶性的关系

4.3 结节的高分辨率CT征象与良恶性的关系

4.4选取对肺结节恶性具有定性意义的CT特征

讨论

1 患者性别、年龄及肺结节的部位分布与良恶性的相关性

2 AI在肺结节良恶性诊断中的价值

3 肺结节的高分辨率CT征象对良恶性的诊断价值

结论

参考文献

英汉缩略词对照表

致谢

综述:肺结节诊断及人工智能相关研究现状

附录

声明