AI肺部磨玻璃结节的诊断方法研究  

作　　者：王万章 唐玉红 向映春 程远华 孙希文[1] 

机构地区：[1]同济大学附属上海市肺科医院影像科,上海200240 [2]四川省宣汉县人民医院,四川达州635000

出　　处：《中国科技期刊数据库 医药》2023年第6期6-11,共6页

摘　　要：抽取182例患者195枚磨玻璃结节术后病理报告(又称金标准),选取其中五个临床参数,随后将其导入AI软件系统,依次与经病理证实过的CT片重新诊断,选取AI诊断报告中七个临床参数。方法 使用SPSS 23.0进行统计学分析。以表示为服从正态分布的连续变量,以中位数(25th-75th)表示不服从正态分布的连续变量;以频数(%)表示计数资料。采用wilcoxon符号秩和检验比较连续变量组间差异,分类变量组间差异比较采用McNermar检验。结果 变量的关联性检验采用spear秩相关或kappa一致性检验。采用有序logistic回归建立不同类型磨玻璃结节预测模型。绘制风险指数的受试者特征(ROC) 曲线评价指标的诊断能力。P<0.05表示具有统计学意义。结论 (1)所患磨玻璃结节男女构成比没有差异,3类磨玻璃结节年龄的组间构成比存在差异,相比于AAH+AIS组患者,MIA组和IA组患者年龄结构比偏大。(2)AI在肺结节诊断方面,结节位置准率在86.67%,恶性风险准确率69.23%,Lung-RADS分级准确率62.54%。恶性风险概率(%)与lung-rads分类对AAH+AIS、MIA、IA有预测作用。但总体而言,人工智能对肺部磨玻璃结节的准确率相对较低。

关 键 词：磨玻璃结节 肺癌 人工智能 CT 

分 类 号：R563[医药卫生—呼吸系统]