多原发肺癌病理结果与AI辅助CT诊断的相关性研究

摘要

目的 对比分析人工智能(Artificial Intelligence,AI)技术诊断多原发肺癌(Multiple Primary Lung Cancer,MPLC)与临床病理诊断结果 的一致性,进而探索AI在MPLC的诊断中的临床应用价值.方法 收集2017—2019年北京大学第三医院海淀院区收治的26例MPLC患者信息,共57个癌灶作为分析样本,采用AI辅诊系统定量分析目标病灶的结节大小、密度,并对结节的良恶性进行预测.根据病理分期将入组目标病灶分为两组,采用列联表χ2检验组间AI辅诊系统预测的结节类型的关联性.接着,对不同病理分期(0期、T1a1、T1a2、T1a3、T1b、T3a、T3b)与AI辅诊系统测量值进行线性相关性和线性回归分析.结果 不同病理分期组(二分类时),与AI辅诊系统预测的结节类型存在显著的关联性(P<0.05);同时,AI辅诊系统自动测量的结节体积、最长径和最短径与不同病理分期均存在显著的相关性(P<0.001);随着病理分期的改变,AI辅诊系统测量的最长径值增大;结节体积和最长径测量值随着肿瘤面积的增加而增大.结论 AI诊断不同临床病理分期的MPLC时具有较好区分性能,与基于病理结果 的诊断一致性高.在临床影像诊断工作中,可以参考AI的预测结果 ,对可疑恶性的肺结节重点观察,结合AI的体积测量和其他征象提示临床MPLC的可能性,提高MPLC的检出率.