使用基于人工智能的3D固体组件体积细分来预测T1期肺腺癌的侵袭性质的最佳值的探索
Wensong Shi1,2, Yuzhui Hu3, Yingli Sun4
1Department of Thoracic Surgery, The Fifth Clinical Medical College of Henan University of Chinese Medicine (Zhengzhou People's Hospital), Zhengzhou, China.
Quantitative imaging in medicine and surgery
|January 22, 2025
概括
这项研究发现,基于人工智能 (AI) 的三维固体组件体积 (3D SCV) 是有效的预测肺腺癌的侵入性. 最佳AI值为-350HU,可以准确区分侵袭性和非侵袭性T1肺癌.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
背景情况:
- 术内冷病理学在评估恶性肺结节侵袭性方面具有低于最佳的准确性.
- 从术前成像中预测肺腺癌的侵入性对于手术规划至关重要.
- 目前没有使用值细分来预测T1肺腺癌侵入性的标准.
研究的目的:
- 评估AI计算的3DSCV在预测T1肺腺癌侵入性的有效性.
- 为了确定最佳的AI值细分值和预测侵入性的切断点.
- 分析不同T1肺腺癌结核大小的最佳值.
主要方法:
- 从两个中心对1,179个T1肺腺癌结核进行了回顾性分析.
- 基于人工智能的值细分,以计算7个CT值 (-550到0HU) 的3DSCV.
- ROC曲线分析以确定最佳值和切线值;根据结节直径 (T1a,T1b,T1c) 进行子组分析.
主要成果:
- 基于AI的3D SCV是T1肺腺癌侵入性的稳定预测指标.
- 最佳值为-350 HU,其AUC为0.930 (灵敏度为88.5%,特异性为83.9%).
- 最佳值因结节大小而异:T1a为-450 HU,T1b为-250 HU,T1c为-350 HU,所有都具有高AUC.
结论:
- -350 HU值是有效的预测T1肺腺癌的入侵性使用AI 3D SCV细分.
- 最佳值显示出基于肺结节直径的变化.
- 基于人工智能的3DSCV提供了一个有前途的手术前工具,用于评估肺腺癌的侵入性.
