术前基于CT的人工智能衍生的定量参数和成像特征,用于预测组织学确认的亚厘米腺癌结节的侵入性:一项两中心研究
Qi Chen1, Hongbiao Sun2, Qinling Jiang3
1Department of Radiology, Kunshan Third People's Hospital, Kunshan, China.
Quantitative imaging in medicine and surgery
|December 10, 2025
概括
在小肺结节中预测侵入性是很困难的. 将人工智能 (AI) 的定量参数与计算机断层扫描 (CT) 图像功能相结合,可以提高亚厘米肺腺癌评估的准确性.
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:
- 评估亚厘米肺腺癌的入侵性是具有挑战性的.
- 计算机断层扫描 (CT) 的解释是主观的.
- 人工智能 (AI) 为小节点提供客观,可重现的定量参数.
研究的目的:
- 开发和验证模型,以预测亚厘米腺癌结节的侵入性.
- 利用CT衍生的AI定量参数和成像功能.
- 提高早期肺癌的诊断准确度.
主要方法:
- 从两个中心对337名患有亚厘米腺癌结节的患者进行了回顾性分析.
- 使用逻辑回归识别独立预测者的识别.
- 构建定性 (CT特征),定量 (AI参数) 和组合模型.
主要成果:
- 密度,不规则的形态和传单特征是重要的预测因素.
- 最长的直径,和质量是人工智能衍生的重要预测因素.
- 组合模型在训练组中实现了0.901的曲线下的面积 (AUC).
结论:
- 集成定量AI参数和CT放射特征的模型显示高性能.
- 这种方法改善了对亚厘米腺癌结节的侵入性预测.
- 人工智能增强的CT分析为肺结节评估提供了一个有前途的工具.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
2.0K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
470
