基于MRI的人工智能模型对高级别胶质瘤和脑转移瘤分类诊断的效能及验证
郑慧1
赵倩茹2
方慧3
吕锟3
张丹妮3
曹鑫3
鲍奕仿3
耿道颖3
1.东南大学附属徐州市中心医院影像科,徐州 2210092.复旦大学生物医学工程与技术创新学院3.复旦大学附属华山医院放射科
摘要：目的 构建基于脑部CE-T1WI和T2 FLAIR的人工智能(AI)模型,验证并评估其对脑高级别胶质瘤和转移瘤的诊断效能及临床应用价值.方法 回顾性收集有手术病理结果的272例脑肿瘤病人的脑MRI影像资料,其中高级别胶质瘤143例,脑转移瘤129例.将4名不同年资[低年资医生2名(阅片年限2、3年)、中年资医生2名(阅片年限5、8年)]放射科医生随机均分为2组,试验组2名医生在AI辅助下诊断,对照组2名医生单独诊断.2组医生对全部病人的MRI影像进行2轮交叉阅片,中间间隔3周的洗脱期.以病理结果作为诊断金标准,应用DBMH分析法比较2组医生诊断效能,计算受试者操作特征曲线下面积(AUC)、敏感度、特异度和准确度,并对比AI模型、中低年资医生亚组的诊断效能.结果 AI模型分类诊断的AUC为0.975(95%CI:0.956～0.993),敏感度为97.20%、特异度为97.67%,准确度为97.43%.试验组、对照组对脑高级别胶质瘤和转移瘤分类诊断的AUC值分别为0.934(95%CI:0.909～0.958)、0.707(95%CI:0.645～0.768),敏感度分别为98.08%、83.22%,特异度分别为69.19%、52.13%,准确度分别为84.38%、68.47%.低、中年资医生试验组诊断效能均高于对照组.结论 基于神经网络构建的AI模型在脑高级别胶质瘤和转移瘤的分类诊断中具有良好的效能,可提升放射科医生的诊断准确率,为临床诊治决策提供参考依据.
关键词：脑转移瘤高级别胶质瘤磁共振成像人工智能
分类号：R739.41(神经系肿瘤)R445.2(诊断学)R318(医用一般科学)
资助基金：国家自然科学基金(82372048)上海市科委项目(22TS1400900)上海市科委项目(23S31904100)上海市科委项目(24SF1904201)
论文发表日期：2026-01-15
在线出版日期：2026-02-02（本平台首次上网日期，不代表文献的发表时间）
页数：6( 39-43,89 )
英文信息