人工智能辅助的定量CT参数用于预测单独肺结节的风险程度
Long Jiang1, Yang Zhou2, Wang Miao3
1Shanghai Lung Cancer Center, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Annals of medicine
|September 19, 2024
概括
人工智能 (AI) 可以使用计算机断层扫描 (CT) 的定量参数来预测单个肺结节 (SPN) 的侵入性. CT值平均值和结节类型是关键预测因素,有助于对非小细胞肺癌 (NSCLC) 的治疗决策.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 单独的肺结节 (SPNs) 需要准确的表征来诊断肺癌.
- 非侵入性地确定癌症的侵入性对于指导外科治疗策略至关重要.
- 计算机断层扫描 (CT) 提供了对SPN的定量分析的潜力.
研究的目的:
- 调查定量CT参数在预测SPN的侵入性方面的有用性.
- 评估人工智能 (AI) 在分析SPN风险分层的CT数据中的作用.
- 确定CT特征与高风险SPNs相关的早期非小细胞肺癌 (NSCLC) 的特征.
主要方法:
- 从0-IB期NSCLC切除后患者中对355个SPN进行了回顾性分析.
- 利用专门的软件进行自动结节细分和定量CT参数提取.
- 采用单变量和多变量逻辑回归来识别高风险SPN的预测因素,以病理为参考标准.
主要成果:
- 定量CT参数,特别是平均CT值和结节类型 (磨砂玻璃与固体),被确定为高风险SPN的独立预测因子.
- 开发的模型实现了0.811的曲线下面积 (AUC),用于区分高风险结节.
- 结节类型显著影响了入侵性预测.
结论:
- 定量CT测量和结节特征与SPN侵入性相关.
- 人工智能驱动的基于软件的CT评估显示了SPN侵入性的非侵入性预测的前景.
- 需要进一步的前性研究,包括与良性结节的比较,以验证这些发现.


