基于人工智能的CT图谱参数区分支气管腺瘤和肺腺癌:一项两中心研究
Wen Zhao1, Ziqian Zhao1, Yingxia Wang2
1Department of Medical imaging, the First Affiliated Hospital of Kunming Medical University, Yunnan, Kunming, China.
PloS one
|September 8, 2025
概括
这项研究开发了一种人工智能驱动的名图,以区分良性支气管腺瘤 (BA) 和恶性肺腺癌 (LAC). 该工具整合了临床数据和AI衍生的功能,显示了改善非侵入性手术前诊断的潜力.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 支气管腺瘤 (BA) 是一种罕见的良性肺瘤.
- 在放射和显微镜上,BA可被误认为是肺腺癌 (LAC).
- 在术前准确区分BA和LAC在临床上很重要.
研究的目的:
- 开发和验证一个名字表来区分BA和LAC.
- 整合临床特征和人工智能衍生组图参数.
- 评估基于人工智能的名录仪的诊断性能.
主要方法:
- 对215名病理确诊的BA或LAC患者进行了回顾性研究.
- 使用临床数据和AI组图参数从训练队列 (n=151) 开发一个名图.
- 使用单独的队列 (n=64) 对名录的外部验证.
主要成果:
- 在BA和LAC组之间,结节密度和各种CT衍生参数 (直径,表面积,体积,) 的显著差异.
- 一个包含密度,二维短直径和CT值变异的名图实现了0.821 (训练) 和0.811 (验证) 的AUC.
- 人工智能衍生参数显示BA和LAC之间存在显著差异.
结论:
- 一个基于人工智能的名图可以有效地区分BA和LAC.
- 诺莫图像作为一个有前途的非侵入性手术前诊断工具.
- 这种方法有可能提高肺结节的诊断准确性.
