基于CT特征和机器学习的鸟-胞内分枝杆菌复合群肺病和初治肺结核鉴别诊断模型的构建与验证

作     者：张嘉诚 黄婷婷 何旭 韩鼎盛 许倩 时付坤 侯代伦 张岚 ZHANG Jiacheng;HUANG Tingting;HE Xu;HAN Dingsheng;XU Qian;SHI Fukun;HOU Dailun;ZHANG Lan

作者机构：河南中医药大学影像医学与核医学系河南郑州450046 河南中医药大学第一附属医院放射科河南郑州450000 首都医科大学附属北京市胸科医院放射科北京101149 河南中医药大学第一附属医院MRI科河南中医药大学中医药信息智能分析与利用郑州市重点实验室河南郑州450000 

出 版 物：《中国医学影像学杂志》 (Chinese Journal of Medical Imaging)

年 卷 期：2024年第32卷第10期

页      面：1007-1013,1039页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：河南省科学技术基金(222300420219) 

主　　题：鸟复合分枝杆菌 结核 肺 体层摄影术 X线计算机 机器学习 诊断 鉴别 

摘      要：目的基于胸部CT特征和机器学习构建并验证鸟-胞内分枝杆菌复合群肺病与肺结核的鉴别诊断模型。资料与方法回顾性收集2021年5月—2022年8月于首都医科大学附属北京市胸科医院确诊为鸟-胞内分枝杆菌复合群肺病及肺结核患者作为训练集,并前瞻性收集2022年9月—2023年5月河南中医药大学第一附属医院患者作为外部验证集。分析患者临床资料及影像学征象,分别采用逻辑回归、随机森林和支持向量机方法建立模型,并在验证集中进行外部验证。使用受试者工作特征曲线和精确率-召回率曲线评估模型的诊断效能,比较各模型曲线下面积的差异。结果两组患者年龄和咯血率差异有统计学意义(t=30.414,P0.05)。两组支气管扩张类型和分布差异有统计学意义(χ^(2)=4.634,P=0.031;χ^(2)=23.113,P0.001)。3种机器学习模型中,支持向量机模型较逻辑回归、随机森林模型的鉴别诊断效能更好,训练集和验证集中,受试者工作特征曲线下面积、敏感度、特异度、准确度、阳性预测值和阴性预测值分别为0.960、0.857、0.936、0.905、0.933、0.880和0.885、0.767、0.800、0.783、0.793、0.774。精确率-召回率曲线显示支持向量机模型的精确率高且召回率低,即模型的性能良好。结论基于临床特征和CT征象构建的机器学习模型具有较高的诊断效能,有助于提高鸟-胞内分枝杆菌复合群肺病和肺结核的鉴别诊断。