应用Logistic回归分析方法研究肺部良、恶性磨玻璃结节的HRCT影像特征

摘要

目的通过Logistic回归分析,筛选出对肺部良、恶性磨玻璃结节(ground glass nodule,GGN)的鉴别诊断有意义的HRCT影像征象.方法选自2016年1月~2017年12月在安徽医科大学第二附属医院经手术或活检病理确诊的肺部GGN病例,共96例,根据手术及病理检查结果,可分为良性GGN组及恶性GGN组,回顾性分析两组病例的临床(性别、年龄)及影像资料(病灶大小、形态、边缘、界面、密度、内部结构及邻近结构),通过χ^2检验筛选出鉴别良、恶性GGN的相关因素,并建立多因素Logistic回归模型,绘制ROC曲线.结果96例肺部GGN中,良性组44例,恶性组52例,单因素分析显示病灶分叶征、毛刺征、界面征(模糊、清楚光整、清楚毛糙)、囊状透亮影及密度5种征象对鉴别良、恶性GGN差异有统计学意义(P<0.05);多因素分析显示分叶征、清楚但毛糙的边界及毛刺征与恶性GGN相关(P<0.05).利用回归方程得出诊断恶性GGN的准确率为85.40%,特异性为81.80%,敏感度为88.50%,阳性和阴性预测值分别为85.19%、85.71%,ROC曲线下面积为0.907.结论具有分叶征、毛刺征及清楚毛糙边界的GGN往往提示恶性病变,这有助于提高影像诊断的准确率.