基于人工智能系统的图谱分析计算机断层扫描功能,以预测地面玻璃结节的瘤入侵性

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 肺部地面玻璃结节 (GGNs) 需要对侵入性的准确评估.
• 人工智能 (AI) 提供了分析计算机断层扫描 (CT) 组图数据的潜力.
• 评估AI在预测GGN侵入性和对比增强CT (CECT) 的附加值方面的作用至关重要.

研究的目的:

• 评估人工智能分析的CT图谱指标在预测GGN瘤入侵性的有效性.
• 为了比较非增强型CT (NECT) 与CECT在使用AI预测GGN侵入性的诊断性能.

主要方法:

• 在手术前的NECT和CECT扫描中,对患有GGN的患者进行了基于AI的组图分析.
• 单变量分析确定了与侵入性相关的因素,随后进行了多变量物流建模.
• 模型性能使用接收机操作特征 (ROC) 和精度召回 (PR) 曲线进行评估.

主要成果:

• 在NECT上通过AI分析的平均CT值和固体成分体积是腺癌的显著预测因素.
• NECT和CECT模型的诊断性能 (AUC,AUPR) 没有显著差异.
• 精度指标在NECT和CECT模型之间是可比的,表明对比度增强没有额外的好处.

结论:

• 基于人工智能的组图分析有助于GGN诊断和恶性瘤检测.
• 平均CT值和固体成分体积是瘤侵入性的独立预测指标.
• 与NECT相比,CECT在GGN侵入性预测方面没有显著改善诊断性能.