人工智能肺结节辅助诊断系统预测亚实性肺结节恶性概率

摘要

cqvip:目的评价人工智能(AI)肺结节辅助诊断系统预测肺亚实性结节(SN)恶性概率的效能。方法将86例接受手术治疗SN患者分为3组:组1为浸润前病变,组2为微浸润腺癌,组3为浸润性腺癌。将术前胸部CT数据导入AI肺结节识别软件,记录其自动测量的SN的CT值、体积及恶性概率预测值。比较3组SN在CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率预测值,并对各组进行平扫与增强后配对样本检验。分析根据各期CT对各组SN恶性概率预测值与CT值及体积的相关性。结果共纳入88个SN,组1、组2和组3分别含27、28及33个SN。AI系统检测SN的敏感度为100%(88/88)。AI系统检测根据CT平扫、增强后动脉期、延迟期对组1 SN的恶性概率预测值分别为[85.18(56.64,92.08)]%、[67.15(58.99,90.30)]%和[89.82(56.64,92.23)]%,组2分别为[93.10(85.72,95.75)]%、[89.61(74.44,95.35)]%和[92.21(86.74,95.59)]%,组3分别为[97.05(92.81,98.74)]%、[96.89(90.40,98.60)]%和[96.49(89.89,98.69)]%。3期CT扫描对3组SN恶性概率预测值差异均有统计学意义(P均0.05),各期CT对SN的恶性概率预测值与其CT值及体积均呈正相关(P均<0.01)。结论基于深度学习的AI肺结节辅助诊断系统可协助判定肺腺癌SN侵袭程度;平扫CT数据可用于辅助预测SN恶性概率,而增强CT对判断SN性质无明显帮助。