换一批人工智能多参数特征诊断肺结节良恶性的回顾性研究
Retrospective study on artificial intelligence multi parameter feature prediction of benign and malignant pulmonary nodules
摘要目的:探讨人工智能(AI)预测肺结节良恶性的可靠性.方法:回顾性收集2019年1月—2024年12月广东药科大学附属第一医院经病理证实的 500 例肺结节胸部CT影像.通过AI分析图像,导出相关定量及非定量参数并进行统计学分析.筛选差异有统计学意义的参数进行多因素Logistic分析,绘制受试者工作特征曲线并评估模型的诊断效能,计算AI评估肺结节危险级别及Lung-RADS分级的灵敏度及特异度.结果:良性组及恶性组非定量参数中的分叶征、毛刺征、胸膜牵拉征、空泡征、气管穿行征、血管穿行征、结节类型、危险级及Lung-RADS分级)以及定量参数中的长径、短径、体积、最大面面积、表面积、3D长径、CT最小值、能量比较,差异有统计学意义(P＜0.05).多因素Logistic分析发现,分叶征、胸膜牵拉征、血管穿行征、长径为预测肺结节良恶性的独立危险因素;受试者工作特征曲线分析显示,AI预测模型对于肺结节良恶性有一定的预测能力[曲线下面积(AUC)=0.61].AI评估肺结节危险级别的灵敏度为69.94%,特异度为57.07%;Lung-RADS分级的灵敏度为77.85%,特异度为35.33%.结论:AI在预测肺结节良恶性方面具有一定的灵敏度和特异度,存在提升空间.
更多相关知识
关键词
人工智能肺结节肺影像报告与数据多参数特征诊断效能Artificial intelligencePulmonary nodulesLung imaging reporting and data systemMultiparameter featuresDiagnostic efficiency
分类号
R445（诊断学）
栏目名称
DOI
10.20267/j.issn.2096-3807.2025.20.003
发布时间
2025-11-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
