CT定量参数预测肺磨玻璃结节病理类型的价值

作     者：石逸秋 沈雨雯 陈劼 闫婉莹 刘可夫 Yiqiu SHI;Yuwen SHEN;Jie CHEN;Wanying YAN;Kefu LIU

作者机构：南京医科大学附属苏州医院苏州市立医院放射科苏州215008 推想医疗科技股份有限公司北京100020 

出 版 物：《中国肺癌杂志》 (Chinese Journal of Lung Cancer)

年 卷 期：2024年第27卷第2期

页      面：118-125页

核心收录：

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：苏州市科技局项目基金项目(No.SKY2023064)资助 

主　　题：肺肿瘤 磨玻璃结节 病理类型 计算机断层扫描 

摘      要：背景与目的肺磨玻璃结节(ground glass nodules,GGNs)的病理类型对临床治疗方案的选择具有十分重要的意义,本研究旨在探讨主观计算机断层扫描(computed tomography,CT)影像学征象及人工智能定量参数在预测GGNs病理类型中的价值。方法回顾性分析389例病理明确诊断的GGNs,其中,前驱腺体病变[包括非典型瘤样增生(atypical adenomatous hyperplasia,AAH)、原位腺癌(adenocarcinoma in situ,AIS)]138例,微浸润腺癌(microinvasive adenocarcinoma,MIA)109例,浸润性腺癌(invasive adenocarcinoma,IAC)142例。对结节的影像形态学特征进行主观评价,并利用肺结节人工智能系统自动获得定量参数。结果在主观CT影像学征象中,AAH+AIS、MIA和IAC组间结节最大径及毛刺征、分叶征、胸膜牵拉征出现的频率随病理级别增高而增加;在人工智能定量参数中,结节大小相关参数、CT值相关参数、实性占比、能量及熵随病理级别增高而增加。通过多因素Logistic逐步回归分析,人工智能定量参数在区分GGNs的病理类型中不亚于主观CT影像学征象。结论人工智能定量参数对区分GGNs的病理类型有一定的价值。