在穿皮针活检之前预测亚固体肺结节:人工神经网络和活检结果的比较
H Chuang1, L Yun2, L Jiang-Ping3
1Department of Nuclear Medicine (Treatment Centre of Minimally Invasive Intervention and Radioactive Particles), First Affiliated Hospital of Army Medical University, Chongqing, China.
Clinical radiology
|December 30, 2023
概括
人工神经网络 (ANN) 模型的准确性与皮肤内核针活检 (PCNB) 的准确性相当,用于预测亚固体结节 (SSN). PCNB提供了稍微更高的诊断能力,强调了为此程序精心选择患者.
科学领域:
- 肺部病理学 肺部病理学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 亚固体结节 (SSN) 在侵入性手术前需要准确的诊断.
- 穿皮核心针活检 (PCNB) 是SSN诊断的一种侵入性方法.
- 人工神经网络 (ANN) 提供了非侵入性诊断预测的潜力.
研究的目的:
- 开发和验证人工神经网络 (ANN) 模型,用于预测亚固体结节 (SSN).
- 为了比较ANN模型的诊断性能与皮肤内核针活检 (PCNB).
- 提供基于诊断准确性的SSN最佳治疗策略的指导.
主要方法:
- 一项使用计算机断层扫描 (CT) 数据对1459名SSN (2013-2021) 的回顾性研究.
- 使用手术和活检数据开发和验证ANN模型.
- 多变量分析以确定选择PCNB患者的预测因素.
主要成果:
- 在手术后活检组 (p=0.086) 中,ANN和PCNB的准确性相似.
- 与ANN相比,PCNB的灵敏度较低 (p=0.000),但特异性更高 (p=0.001).
- 对于PCNB选择的关键预测因素包括瘤史,大小 (2-3厘米),体积 (>400厘米) 和平均CT值 (≥-450 HU).
结论:
- 在诊断SSN方面,ANN和PCNB都非常准确,PCNB的诊断能力略高.
- 仔细选择PCNB的患者对于最大限度地提高SSN管理的好处至关重要.
- 在活检之前,ANN模型作为预测SSN特征的有价值工具.
