通过使用两个不同的结节细分算法对结节体积分类进行比较,用于LDCT肺癌基线查数据集中的结节体积分类

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 肺癌查程序使用低剂量CT (LDCT) 检测肺结节.
• 精确的肺结节体积分类对于确定恶性瘤风险和指导患者管理至关重要.
• NELCIN-B3队列为评估查技术提供了有价值的数据集.

研究的目的:

• 为了比较两个不同的细分算法的性能,用于肺结节体积分类.
• 在肺癌查背景下,评估参与者/扫描水平上的算法准确性.
• 在现实查人群中评估自动结节分析的临床实用性.

主要方法:

• 来自NELCIN-B3队列的LDCT扫描使用两个软件算法进行分析:Syngo.via VB30A (软件A) 和AVIEW v1.1.39.14 (软件B).
• 两个独立的放射科医生根据NELSON2.0协议评估了结节分类,将固体成分≥100mm3的结节分类为不确定的阳性.
• 意见分歧通过协商一致解决,为计算错误分类 (积极和消极) 建立了一个参考标准.

主要成果:

• 软件间的协议几乎是完美的 (κ = 0.88),这表明算法之间的一致性很高.
• 软件A (阅读器1) 导致12个错误分类 (11个正值,1个负值),产生了99.6%的负预测值 (NPV).
• 软件B (阅读器2) 产生了5个错误分类 (2个正数,3个负数),净净值为98.9%.

结论:

• 两种评估的软件算法在LDCT肺癌查中的肺结节体积分类方面表现相似且高性能.
• 这些发现支持使用这些算法在参与者/扫描层面进行结节评估.
• 建议在不同的LDCT肺癌查计划中进行进一步验证,以确认可通用性.