基于人工智能和CT征象构建磨玻璃结节肺腺癌的预测模型及验证
吴瑞
宁克佳
顾金凤
马磊
宋军博
安徽省阜阳市第二人民医院CT室,安徽 阜阳 236000
摘要：目的:基于AI定量参数和CT征象构建磨玻璃结节(GGN)肺腺癌的预测模型,并探讨模型的预测价值及进行验证.方法:回顾性收集我院术后病理明确的GGN患者 225例,符合纳入标准的GGN共 261 枚,按8∶2随机拆分为训练集和验证集.根据病理结果将GGN分为腺体前驱病变组和腺癌组,比较训练集中两组的AI定量参数和CT征象的差异性.运用多因素logistic回归筛选GGN肺腺癌的独立危险因素,构建预测模型及绘制列线图.采用受试者操作特征曲线(ROC)下面积(AUC)、校准曲线和临床决策曲线(DCA)评估模型的预测性能,验证集对模型进行验证.结果:Kappa检验显示两名主治医师对CT征象的观察一致较好.训练集和验证集基线分析显示,两者各变量均无统计学差异.训练集中,经单因素、多因素分析显示分叶征(OR=3.147,95%CI:1.303～7.601)、空泡征(OR=2.563,95%CI:1.109～5.922)、血管异常征(OR=3.551,95%CI:1.545～8.164)、长径(OR=1.154,95%CI:1.014～1.312)、平均 CT值(OR=1.006,95%CI:1.003～1.009)是GGN肺腺癌的独立危险因素,预测模型在训练集和验证集的AUC分别为 0.901(95%CI:0.859～0.943)和0.896(95%CI:0.810～0.983),具有较好的区分度,均优于单个独立危险因素.Hosmer-Lemeshow检验显示模型在训练集和验证集中均具有较好的拟合度;DCA曲线显示模型具有较好的临床适用性.结论:基于AI定量参数和CT征象构建的GGN肺腺癌预测模型具有较好的预测性能,可以为临床决策提供参考.
关键词：人工智能计算机断层扫描磨玻璃结节肺腺癌预测模型
分类号：TP18(自动化基础理论)R734.2(呼吸系肿瘤)R814(放射医学)
资助基金：阜阳市卫生健康科研项目(FY2023-016)
论文发表日期：2025-09-30
在线出版日期：2025-10-28（本平台首次上网日期，不代表文献的发表时间）
页数：10( 910-919 )
英文信息