Bayes分析在孤立性肺结节CT诊断中的应用

目的 探讨Bayes分析在孤立性肺结节(SPN)CT定性诊断中的价值.方法 利用Bayes分析从352例SPN训练集中得到恶性SPN的验前比及各临床和CT表现的似然比,求出各SPN的恶性概率.并前瞻性的在132例SPN测试集中予以检验.结果 根据似然比的高低得出,较能提示恶性SPN的特征为空泡征、短毛刺、深分叶等,较能提示良性SPN的特征为良性钙化模式、强化值＜20 HU、"多边形"轮廓等;Bayes分析诊断测试集SPN的敏感度、特异度、符合率、阳性预测值及阴性预测值分别为88.5%、85.9%、87.1%、84.4%、89.7%,其诊断符合率与高年资甲、乙医生常规阅片比较无统计学差异(P均＞0.05),但高于低年资丙、丁医生(P均＜0.05).对于非转移瘤SPN的诊断,Bayes分析的ROC曲线下面积(AZ)为0.957,大于高年资医生组(AZ＝0.886,P＝0.003)和低年资医生组(AZ＝0.845,P＝0.000).结论 SPN相关的各临床和CT表现的似然比可以用来指导日常阅片;Bayes分析是一个有效的诊断辅助工具,可以提高医生鉴别SPN良恶性的能力,尤其对低年资医生的帮助较大.

Application of Bayesian Analysis in CT Diagnosis of Solitary Pulmonary Nodules