人工智能测量结节质量,以确定瘤磨砂玻璃结节的侵入性
Ting-Wei Xiong1,2, Hui Gan1,2, Fa-Jin Lv1
1Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Quantitative imaging in medicine and surgery
|September 16, 2024
概括
人工智能 (AI) 准确地测量结节质量,以预测瘤地面玻璃结节 (GGNs) 的侵入性. 这种基于人工智能的结节质量分析是评估GGN侵入性的有效工具.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 新塑性地面玻璃结节 (GGNs) 需要精确的侵袭性分期.
- 结节质量是一个关键指标,但其AI衍生的测量效率需要验证.
- 这项研究验证了人工智能测量的结节质量,用于预测GGN侵入性.
研究的目的:
- 确定人工智能 (AI) 测量结节质量的有效性,以预测瘤GGN的侵入性.
- 为了比较人工智能衍生的结节质量的预测性能与传统的计算机断层扫描 (CT) 功能.
主要方法:
- 来自755名患者的788个病理确认的瘤GGN的回顾性分析 (2019年5月-2023年9月).
- 使用人工智能软件量化结节质量,并评估其他CT特征.
- 接收器操作特征 (ROC) 分析,以评估侵入性病变 (IL) 和侵入性腺癌 (IAC) 的预测疗效.
主要成果:
- 用AI测量结节质量有效地区分了侵袭性病变 (ILs) 与 in situ腺癌 (AIS) (AUC 0.821) 和侵袭性腺癌 (IACs) 与AIS和微侵袭性腺癌 (MIAs) (AUC 0.883).
- 结节质量疗效与大小相比,优于其他CT特征,用于区分IL和AIS.
- 结节质量在区分IAC与AIS和MIA方面明显优于其他CT特征.
结论:
- 基于人工智能的结节质量分析是评估GGN侵入性的验证和有效工具.
- 人工智能对结节质量的测量为GGN分期提供了有价值的预测信息.
- 这种人工智能方法提高了评估瘤GGN的诊断能力.
