使用人工智能在亚固体肺结节中估计病理亚型.
Xiaoqin Hu1, Liu Yang2, Tong Kang1
1Department of Radiology, The Fourth Hospital of Wuhan, Wuhan, China.
Heliyon
|August 22, 2024
概括
人工智能 (AI) 能够有效地区分入侵性肺腺癌亚型在亚固体结节 (SSN) 中. 像主要直径和3D CT值的关键成像功能提高了早期检测的诊断准确性.
科学领域:
- 肺部医学 肺部医学
- 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) 在识别肺腺癌亚型时存在诊断挑战.
- 准确区分非侵入性腺癌和侵入性腺癌对于患者管理至关重要.
研究的目的:
- 评估人工智能 (AI) 在区分SSNs内侵袭性肺腺癌的病理亚型方面的有效性.
- 为了确定在肺腺癌中预测侵入性的关键成像特征.
主要方法:
- 从110名患者120个SSN的回顾性分析.
- 使用人工智能系统自动提取定性和定量成像特征,随后进行放射科医生验证.
- 后勤回归和ROC分析以确定独立的风险因素和诊断性能.
主要成果:
- 大直径和3DCT值被确定为侵入性腺癌的独立风险因素.
- 确定了最佳截止值:主要直径为15.5毫米,3D CT值为5.17毫米.
- 使用这些特征的组合模型实现了0.868的AUC,灵敏度为84.5%,特异性为80.6%.
结论:
- 大直径和3DCT值是区分非侵入性从侵入性腺癌的有价值指标.
- 人工智能驱动的分析显著提高了SSN中侵入性肺腺癌的病理亚型的分类性能.
