难定性肺结节

肺结节发病率非常高,隐藏其中的早期肺癌因为结节较小很难诊断,常引起延误诊断或过度治疗。为重视和解决这一问题,并基于以往经验特提出"难定性肺结节"这一新的分类。"难定性肺结节"定义为无法通过非手术活检明确诊断,且高度怀疑为早期肺癌的肺结节。可通过白春学提出的将"复杂问题简单化、简单问题数字化、数字问题程序化,程序问题体系...     

健康体检人群肺结节患病特征及其影响因素分析

目的 分析健康体检人群肺结节的患病特征及其影响因素。方法 回顾性分析2022年1月至2023年6月在河南省洛阳正骨医院健康管理中心体检行肺部低剂量CT的受检者的一般资料。收集体检者一般资料、检前问卷及肺CT结果。分析肺结节的检出情况及特征,将是否有肺结节分为肺结节组与无肺结节组,分析比较两组的一般情况,采用多因素Logistic回归分析发生肺结节的影响因素。结果 1386例体检者中,检出肺结节580例(41.85%),男性386例(66.55%),女性194例(33.45%),微小结节384例(27.71%),实性结节428例(30.88%),多发结节367例(26.48%)。男性肺结节检出率高于女性(P<0.05),女性肺结节检出率随年龄增长而升高(P<0.001);两组间年龄、性别、呼吸道症状、吸烟、厨房油烟暴露的分布差异有统计学意义(P<0.05),多因素Logistic回归分析显示,年龄大、有呼吸道症状、吸烟、厨房油烟暴露是肺结节发生的危险因素,经常锻炼可降低肺结节发生的风险。结论 健康体检人群肺结节检出率高,年龄、有呼吸道症状、吸烟、厨房油烟暴露是健康体检人...     

人工智能肺结节辅助诊断软件在肺CT检查结节分析中的临床应用

<正>肺癌是发病率及致死率最高的恶性肿瘤,每年新增确诊患者以百万计为单位。大部分肺癌患者由于各种原因其发现和治疗时已属于晚期,采用单纯药物治疗或手术治疗,其5年生存率均不高[1-4]。怎样才能更早发现肺部疾病,更早对肺结节进行定位及定性,早期精准医疗,一直是影像科及肺部医师讨论和研究的方向。随着计算机断层扫描(computed tomography,CT)的大量使用,提高了肺结节的检出率,CT低剂量技术及薄层技术的广泛应用使肺部低剂量筛查检查变成一种常规检测手段,人工智能(artificial Intelligence,AI)技术一直被定义为精准医疗的典范,其强大的后处理能力及进一步学习和分析的能力逐渐得到认可。     

肺结节人工智能判读与术后病理的对比分析

目的 评价人工智能对肺结节的良恶性鉴别能力及在临床上应用价值。方法 回顾性分析本院2019年—2021年经手术治疗且有术后病理的肺结节患者464人,包含485个结节;将所有患者的胸部CT图像导入人工智能(Artificial Intelligence, AI)系统,统计得到的肺结节相关参数,分析不同类型结节AI参数之间的关系。结果 恶性结节的AI恶性概率及准确率均明显高于良性结节,差异均具有显著统计学意义(P<0.01);恶性混杂磨玻璃结节的长径值越大,恶性概率越大;恶性混杂磨玻璃结节的AI准确率均明显高于纯磨玻璃及实性结节,差异有显著统计学意义(P<0.01);长径>1 cm的恶性结节中,混杂磨玻璃的恶性概率均要明显大于纯磨玻璃及实性结节,差异均具有统计学意义(P<0.05);术前穿刺活检准确率与AI比较,差异无统计学意义。结论 AI对良性结节的鉴别能力较低,对混杂磨玻璃结节良恶性鉴别有较高的临床应用价值,且长径对混杂磨玻璃结节的鉴别有一定的参考价值,但临床上AI是否可代替穿刺活检仍不确定。     

非小细胞肺癌伴对侧肺内结节的外科治疗

目的探讨非小细胞肺癌(non-small cell lung cancer,NSCLC)伴对侧肺结节的诊断及治疗。方法 24例获明确诊断的NSCLC患者伴对侧肺结节,均接受手术治疗,术后辅助放、化疗,并定期跟踪随访14～21个月。结果 24例患者中,其中6例有原发或转移癌;2例术后2年内死于心脑血管意外;16例良性病变;肺结节的大小,原发癌的病理类型和分期与结节性质之间无联系。结论 NSCLC患者伴对侧肺结节,若不能获得病理学诊断,并非手术禁忌证。     

胸膜病变误诊为肺内疾病一例

1 病例简介患者,男,73岁,因咳嗽、咳痰、气短1周入院.1周前患者受凉后出现咳嗽、咳黄白色痰,每日约20ml,气短,无喘息,发热,体温达38℃,无乏力、食欲不振及夜间盗汗.既往史:脑梗死1年,遗留左侧肢体活动不灵.查体:体温37.5℃,脉搏80次/min,呼吸18次/min,血压120/78mmHg(1 mmHg=0.133kPa).胸廓无畸形,双侧呼吸动度均等,双肺呼吸音粗糙,右下肺少许湿啰音.心率80次/min,律齐,无杂音.辅助检查:血常规:白细胞计数12.71×109/L,中心粒细胞分数为0.813,淋巴细胞分数为0.086,支持感染性疾病.     

采用AI的CT影像特征对肺结节良恶性鉴别的价值分析

目的采用人工智能(artificial intelligence, AI)的胸部低剂量计算机断层扫描(low-dose computed tomography, LDCT)影像特征分析肺结节良恶性的危险因素,建立肺结节良恶性预测模型。 方法选择2021年1月至2022年12月我院收治的肺结节患者240例,收集临床资料,采用LDCT及AI鉴别肺结节,进行多因素分析,筛选肺结节良恶性的危险因素,建立二元Logistics回归模型,比较AI、影像医师及预测模型的诊断价值。 结果最小CT值、直径R、毛刺征、血管穿行征、纯磨玻璃结节、部分实性结节是影响肺结节良恶性的危险因素(P<0.05)。二元Logistics回归模型为logit(P)＝－2.905＋(0.93×直径R)＋(1.572×血管穿行)＋(1.346×毛刺征)＋(1.755×纯磨玻璃结节)＋(2.25×部分实性结节)－(0.001×最小CT值),AI、影像医师及预测模型鉴别的灵敏度分别为89.86%、81.88%、73.19%,特异度分别为32.35%、55.88%、73.53%,阳性似然比分别为1.328、1.856、2.762,阴性似然比分别为0.314、0.324、0.365,曲线下面积(area under the curve, AUC)分别为0.611、0.689、0.789。 结论联合肺结节形态特征及基于AI的CT定量参数回归模型对肺结节良恶性的诊断价值优于AI及影像医师,具有临床意义。     

人工智能影像系统预测肺结节良恶性及浸润性的临床初探

目的 评估人工智能辅助诊断系统对肺结节定性诊断的准确性及预测肺腺癌浸润程度的临床应用价值。方法 回顾性分析本院2021年1月至2022年1月经手术病理证实的肺结节患者。将肺结节分为恶性肿瘤组和良性病变组,其中肺腺癌又分为浸润性腺癌组和非浸润性腺癌组。将各组肺结节影像资料导入人工智能辅助诊断系统,记录量化参数、恶性概率及预测病理亚型,并采用受试者工作特征曲线评估人工智能诊断系统鉴别良恶性肺结节的效能及预测肺腺癌侵袭程度的临床价值。结果 人工智能诊断与病理结果的一致性检验的Kappa值为0.676(P<0.001)。人工智能组鉴别良恶性肺结节的ROC曲线下面积为0.91,敏感度94.3%,特异度70.2%;医师阅片组的ROC曲线下面积为0.767,敏感度80.5%,特异度63.3%。两组患者临床资料比较,年龄、性别、恶性概率、CT平均值和CT最大值差异有统计学意义(P<0.05)。人工智能自动预测肺腺癌侵袭程度的ROC曲线下面积为0.808,敏感度71.0%,特异度89.7%。结论 人工智能系统对肺结节定性诊断与肺结节病理结果的一致性好,对早期肺癌诊断具有重要意义,并且能自动预...     

69例肺淋巴瘤临床、CT表现及病理特征分析

目的 探讨肺淋巴瘤的CT表现、临床病理特征,评价其在诊断中的应用价值。方法 回顾性分析2012-2021年就诊于南京脑科医院(胸科院区)的69例肺淋巴瘤患者的临床特征、CT表现和病理类型。结果 肺淋巴瘤以男性多发(69.6%),B细胞来源居多(66.7%)。继发性肺淋巴瘤出现临床症状的比例较原发性肺淋巴瘤高(85.7%vs 60.0%)。粘膜相关淋巴瘤(MALT)是原发性肺淋巴瘤的主要病理类型。病理类型为MALT的淋巴瘤中,PPL多为单侧病灶分布,支气管充气征、血管造影征是最常见的CT征象,胸腔积液少见;SPL病灶侧别则无明显倾向性,跨叶分布亦较少;支气管充气征及血管造影征比例较PPL低,胸腔积液比例升高;两组的CT征象均以结节肿块型为主,其次为肺炎肺泡型。结论 HRCT对肺淋巴瘤诊断的确立及分型有指导意义,结节/肿块病灶伴支气管充气征、血管造影征、胸腔积液应注意鉴别淋巴瘤。     

连续性肺部混合磨玻璃结节影19例临床分析

目的：研究肺部混合磨玻璃结节影（mixed ground-glass opacity,mGGO）的疾病构成、诊断技术及疾病与影像学特点关系。方法前瞻性研究经病理证实的19例连续性肺部mGGO病例的基本临床资料、影像学特征（包括病灶大小、边缘特征、GGO百分比、内部特征、邻近特征、结节外表现）。根据确诊结果分为良性病变组和恶性病变组,并比较上述观察指标。结果19例肺部mGGO结节中良性病变4例（良性病变组）,恶性15例（恶性病变组）。恶性病变组中CT表现分叶征（86.7％）、边界清楚（86.7％）和血管集束征（80.0％）明显高于良性病变组。恶性病变组GGO百分比≤50％为14例,良性病变组仅1例（P＝0.016）。基本临床资料、病灶大小、部位、内部特征、结节外表现及结节至壁层胸膜距离在良恶性病变组中均无差异（P均＞0.05）。11例CT引导经皮穿刺肺活检均获确诊。结论肺部mGGO结节的CT表现对病变性质鉴别诊断有一定意义。经皮穿刺肺活检术对肺部mGGO结节确诊率高。     

CT薄层影像特征制定的肺结节分级评估系统区分良恶性肺结节的应用价值

目的探究CT薄层影像特征制定的肺结节分级评估系统区分孤立性肺结节(SPN)良恶性的应用价值。方法回顾性分析我院2018年9月至2020年7月确诊的122例SPN患者的临床资料。采用CT薄层影像特征制定的肺结节分级评估系统进行分级评定,并以病理诊断结果为“金标准”,分析其准确性、敏感度及特异度,并通过Kappa检验分析其与病理诊断结果的一致性。结果病理诊断证实良性SPN 56例,占45.9%(56/122),多为不典型增生及错构瘤,占28.6%(16/56),恶性SPN 66例,占54.1%(66/122),多为腺癌及鳞癌;肺结节分级标准分类2级31例、3级29例、4A级9例、4B级53例;肺恶性结节中,空泡征、宝石征、肿瘤血管征、毛刺征的发生率明显高于肺良性结节(均P<0.05),而病灶周围有卫星病灶的发生率明显低于肺良性结节(P<0.05);将肺结节分级标准中3级及以下归为阴性结节,4级及以上归为阳性结节,诊断准确率为90.2%。肺结节分级标准诊断肺良性结节与病理结果表现出了较好的一致性(Kappa=0.803),以肺结节分级标准诊断肺良性结节的结果与“金标准”(病理诊断结果)比较,得到的敏感度87.9%(58/66)和特异度92.9%(52/56)。结论影像诊断时,合理利用基于CT薄层影像特征制定的肺结节分级评估系统能有效地分类CT筛查出的肺结节,较好区分SPN的良、恶性。     

CT薄层影像特征制定的肺结节分级评估系统区分良恶性肺结节的应用价值

目的探究CT薄层影像特征制定的肺结节分级评估系统区分孤立性肺结节(SPN)良恶性的应用价值。方法回顾性分析我院2018年9月至2020年7月确诊的122例SPN患者的临床资料。采用CT薄层影像特征制定的肺结节分级评估系统进行分级评定,并以病理诊断结果为“金标准”,分析其准确性、敏感度及特异度,并通过Kappa检验分析其与病理诊断结果的一致性。结果病理诊断证实良性SPN 56例,占45.9%(56/122),多为不典型增生及错构瘤,占28.6%(16/56),恶性SPN 66例,占54.1%(66/122),多为腺癌及鳞癌;肺结节分级标准分类2级31例、3级29例、4A级9例、4B级53例;肺恶性结节中,空泡征、宝石征、肿瘤血管征、毛刺征的发生率明显高于肺良性结节(均P<0.05),而病灶周围有卫星病灶的发生率明显低于肺良性结节(P<0.05);将肺结节分级标准中3级及以下归为阴性结节,4级及以上归为阳性结节,诊断准确率为90.2%。肺结节分级标准诊断肺良性结节与病理结果表现出了较好的一致性(Kappa=0.803),以肺结节分级标准诊断肺良性结节的结果与“金标准”(病理诊断结果)比较,得到的敏感度87.9%(58/66)和特异度92.9%(52/56)。结论影像诊断时,合理利用基于CT薄层影像特征制定的肺结节分级评估系统能有效地分类CT筛查出的肺结节,较好区分SPN的良、恶性。     

磨玻璃结节预测非小细胞肺癌浸润的研究

目的 研究磨玻璃结节（GGN）预测非小细胞肺癌（NSCLC）浸润的情况。方法 回顾性选择2014年1月至2019年6月经手术切除病理证实为GGN型NSCLC患者244例,分析其CT特征和病理检查结果,评估GGN与NSCLC浸润的关联性。结果 244例GGN病理检查为腺癌,其中原位腺癌（AIS）44例,微浸润腺癌（MIA）53例,浸润性腺癌（IA）147例。9例支气管充气征GGN病理结果全部为IA。2例存在淋巴结转移。AIS组、MIA组和IA组在密度、分叶、毛刺、空泡征、支气管充气征、胸膜牵拉征、血管集束征,以及实性成分大小、实性成分比例和结节最大径方面比较差异有统计学意义（P<0.05）。受试者工作特征（ROC）曲线分析结果显示,结节最大径、实性成分大小、实性成分比例具有预测NSCLC是否浸润的价值,其中以结节最大径的诊断效能最佳。结论 GGN大小可用于预测NSCLC是否浸润。     

人工智能在肺结节良恶性鉴别诊断中的价值分析

目的评价人工智能(artificial intelligence, AI)风险评估对肺结节良恶性鉴别诊断的价值。 方法收集2018年8月至2019年12月唐都医院行胸部CT检查，发现肺结节患者310例，将患者CT影像数据DICOM文件拷贝输入到"FACT人工智能"软件系统对结节进行分析，获得结节的部位、数量、特征(磨玻璃、亚实性、实性)、大小、密度、以及恶性风险概率AI值和Lung-rads分级；其中39例肺结节经过多学科讨论，建议采用外科手术、经皮肺穿刺或者支气管镜下活检等，271例患者进行随访。 结果31例肺结节病理诊断良性14例，分别为结核8例，隐球菌2例，炎性结节4例；恶性25例，分别肺鳞癌2例，腺癌23例。进一步分析，恶性病变的AI风险概率明显高于良性病变(P<0.05)；结节AI风险概率与肺结节特点(磨玻璃、亚实性、实性)显著相关(P<0.05)，而与数量及边缘毛刺征无显著相关性(P>0.05)；肺结节特点(磨玻璃、亚实性、实性)在良恶性之间存在显著性差异(P<0.05)，而密度和体积之间在在良恶性之间无显著性差异(P>0.05)。肺结节Lung-rads分级与AI风险概率之间具有显著的相关性(P<0.05)。 结论依据人工智能自动分析良恶性概率AI值对肺结节良恶性鉴别诊断具有一定的价值，值得临床借鉴。     

螺旋CT形态学特征在肺结节良恶性诊断中的临床意义

<正>肺结节指影像透亮度低、直径小于3 cm、边界清楚的肺部结节,病变周围为肺实质,无淋巴结转移、肺气肿、肺不张等表现^[1-2]。肺结节良恶定性诊断准确率不高,相当数量的孤立性肺结节为早期肺癌恶性结节。预测患癌风险和准确诊断恶性程度对肺癌治疗至关重要。CT检查是临床常用的检查肺结节手段,常规CT检查操作简便,误诊率高,难以准确估计病灶大小,对病灶和钙化的鉴别灵敏度不高。螺旋CT相较于常规CT时间和空间分辨率、检出钙化灵敏度高,     

术前误诊良性肺结节与典型恶性肺结节临床分析

目的分析术前误诊为恶性的良性孤立性肺结节(solitary pulmonary nodule, SPN)与典型恶性SPN的临床特点和影像学特征,建立模型预测良恶性SPN。 方法选择2019年1月至2022年3月我院收治的术前疑似恶性SPN行手术治疗患者621例,术后病理证实为良性SPN 243例为观察组,恶性SPN 378例为对照组。收集患者临床影像资料,采用多因素Logistic回归分析筛选恶性SPN危险因素,建立模型预测良恶性SPN,验证模型预测价值。 结果观察组女129例(53.09%),平均年龄(54.66±10.52)岁,对照组女242例(64.02%),平均年龄(59.68±8.48)岁(P<0.05);观察组实性结节173例(71.19%),肺裂周围结节155例(63.79%),圆形/类圆形结节143例(58.85%),对照组实性结节184例(48.68%),肺裂周围结节77例(20.37%),圆形/类圆形结节161例(42.59%)(P<0.05)。多因素回归分析显示年龄、肿瘤标志物、直径、体积平均CT值、边界是否清楚、与肺裂位置关系、分叶、胸膜凹陷征是恶性SPN危险因素(P<0.05)。验证模型受试者工作特征曲线下面积0.815,大于PKUPH模型(0.785,P＝0.776)及梅奥模型(0.502, P＝0.012)。 结论术前易误诊为恶性的良性SPN女性居多,发病年龄偏小,影像学特征圆形/类圆形、肺裂周围实性成分为主。模型预测SPN性质,具有临床意义。     

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

目的 探讨肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值.方法 回顾性分析医院2018年3月～2019年3月收治的178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型,所有患者均经手术治疗,肺结节均经病理检查明确良恶性,恶性结节也均明确病理类型.统计肺部影像人工智能诊断...     

人工智能技术在MSCT肺结节诊断中的应用

人工智能(artificial intelligence,AI)是当前科学技术发展中的一门前沿学科[1],被定义为精准医疗的典范,其强大的后处理能力和进一步学习、分析能力逐渐得到业界的认可,它广泛应用于医学领域,在临床医学影像诊断中、特别是在肺部小结节的诊断应用已日渐增多,但临床应用方面的有关报道仍较少。近年来,我院在肺部小结节、冠状动脉血管成像以及颅内血肿诊断等方面的MSCT影像诊断也在不断尝试应用。相信在不久的将来,以人工智能技术为主导的新潮流[2],必将为医学影像诊断带来新机遇。本文有关肺部结节MSCT应用的认识进行分析,供同道参考。     

肺微小磨玻璃结节CT检查方法的优选

近年来,由于生活水平和医疗卫生保健福利的不断提高,健康体检成为不可或缺的医疗保健项目之一.肺部病变是常见的疾病,由于低剂量CT扫描和图像薄层重建的推出并广泛应用于体检筛查和肺部疾病的检查,使肺部早期、微小癌肿的发现率在逐年增加.肺部早癌发病前期隐蔽性较高,无明显症状,容易被忽视,当出现胸痛、咳血等明显症状时,病情一般已...