不同WHO肺癌病理分类下人工智能对肺结节良恶性的诊断效能

作     者：黄文君 李巧巧 敬文斌 葛艳明 董鹏 范丽 HUANG Wenjun;LI Qiaoqiao;JING Wenbin

作者机构：德阳市第二人民医院放射科618000 海军军医大学第二附属医院放射诊断科上海200003 山东第二医科大学医学影像学院261000 山东第二医科大学附属医院影像中心 

出 版 物：《临床放射学杂志》 (Journal of Clinical Radiology)

年 卷 期：2025年第44卷第1期

页      面：76-82页

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

基　　金：国家自然科学基金项目(编号:82171926,81930049,82202140) 国家重点研发计划项目(编号:2022YFC2010002,2022YFC2010000) 上海市科学技术委员会项目(编号:21DZ2202600) 国家卫生健康委员会医学影像数据库建设项目(编号:YXFSC2022JJSJ002) 上海长征医院临床创新项目(编号:2020YLCYJ-Y24) 德阳市科学技术局社会发展领域重点研发指导类项目(2024SZY115) 北京医学奖励基金会睿影科研基金(编号:YXJL-2024-0350-0183) 

主　　题：人工智能 肺结节 腺体前驱病变 体层摄影术 X线计算机 

摘      要：目的验证商用的人工智能(AI)辅助诊断系统在世界卫生组织(WHO)新旧两种不同针对腺体前驱病变(PGL)的肺癌分类标准下预测肺结节良恶性的诊断效能。方法回顾性搜集2019年1月至2021年12月期间经病理证实的肺结节,共404例。根据WHO 2015版和2021版两种分类标准,将PGL分别纳入恶性病变和良性病变进行良恶性分组。分析AI诊断肺结节与术后病理的一致性,并构建不同分类标准下基于AI定量特征的恶性肺结节预测模型。结果当PGL被纳入恶性病变时(WHO 2015版),术后病理的良恶性与AI诊断的高低危间具有高度的一致性(Kappa=0.658),平均CT值(P0.001)是肺结节恶性的独立保护因素,预测模型的受试者工作特征曲线曲线下面积(AUC)为0.806(95%CI:0.756~0.856);当PGL被纳入良性病变时(WHO 2021版),术后病理的良恶性与AI诊断的高低危间具有中等程度的一致性(Kappa=0.440),熵(P=0.008)是肺结节恶性的独立危险因素,预测模型的AUC为0.749(95%CI:0.700~0.797)。结论AI软件的肺结节诊断结果与术后病理具有中等到高度的一致性,显示出较好的诊断性能,但需要随着病理分类的更新进一步优化对PGL的评估。