能谱CT虚拟平扫在肺结节AI辅助诊断系统预测亚实性结节恶性概率中的应用

【摘要】目的：通过与能谱平扫（TNC）图像对比，探究能谱CT虚拟平扫（VNC）图像在AI肺结节辅助诊断系统预测亚实性结节恶性概率中的效能表现。方法：本研究共纳入86例因肺内亚实性结节而行手术切除的患者，其中男26例、女60例，年龄（61.33±11.66）岁。按病理组织学结果将结节分为3组：A组为浸润前病变；B组为微浸润腺癌；C组为浸润性腺癌。将患者术前TNC和VNC图像上传至AI肺结节辅助诊断系统进行结节检测并记录结节的恶性概率预测值、体积及CT值，进一步行三组间结节数值的非参数检验（Kruskal-Wallis H检验）及每组TNC与VNC图像配对样本的非参数检验（Wilcoxon检验）。结果：入组病例中共切除88个亚实性结节，其中A组、B组和C组分别有27个、28个及33个结节。在TNC和VNC图像中3组结节均可被AI系统检出。利用TNC图像时，AI系统对A组、B组和C组中结节恶性概率的预测值分别为74.60%±19.76%、89.97%±8.55%和94.25%±7.04%；在利用VNC图像时，对三组中恶性概率预测值分别为70.01%±23.43%、88.20%±10.35%和94.51%±5.17%；2种图像上三组间预测值的差异均有统计学意义（P＜0.001）。在TNC和VNC图像上，三组间结节的CT值及体积的差异亦有统计学意义（P＜0.05）。每组结节在TNC和VNC图像上恶性概率预测值之间的差异无统计学意义（P>0.05）。结论：利用肺结节AI辅助诊断系统预测亚实性结节的恶性概率预测值时，VNC图像与TNC图像的预测效能相似。