基于AI技术CT直方图参数模型预测微小磨玻璃结节样肺腺癌浸润性

【摘要】目的：探讨人工智能（AI）技术提取的CT直方图定量参数建立的诊断模型对微小磨玻璃结节样（长径≤10mm）肺腺癌浸润性的预测价值。方法：回顾性分析经手术病理证实为早期肺癌的98例患者共102个长径≤10mm的微小磨玻璃结节样（GGN）病灶的胸部HRCT图像,其中原位癌（AIS）32个、微浸润腺癌（MIA）21个、浸润性腺癌（IAC）49个。将AIS和MIA归为无浸润组,IAC归为浸润组。采用独立样本t检验（满足正态分布）或Mann-Whitney U检验（不满足正态分布）比较两组结节的长径和AI技术提取的直方图中各定量参数（包括实性成分占比、最大CT值、最小CT值、平均CT值、中位CT值、标准差、偏度、峰度和熵）值的差异。对组间差异有统计学意义的参数采用受试者工作特征曲线（ROC）评估其诊断价值,将AUC大于0.7的参数纳入logistic 回归分析,筛选出GGN浸润性的独立预测因子并建立诊断模型,利用ROC曲线分析模型的诊断效能,绘制预测模型的nomogram图,并采用校准曲线评价其预测效果。结果:实性成分占比、最大CT值、平均CT值、偏度、峰度和熵在无浸润性组和浸润性组间的差异均有统计学意义（P<0.05）;长径、最小CT值、中位CT值和标准差在两组间的差异无统计学意义（P＞0.05）。ROC曲线分析结果显示,各参数的诊断效能由高到低依次为熵（AUC=0.860）、平均CT值（AUC=0.845）、实性占比（AUC=0.817）、最大CT值（AUC=0.690）、峰度（AUC=0.665）和偏度（AUC=0.652）。logistic回归分析结果显示熵（OR=16.647,P<0.05）和平均CT值（OR=1.021,P<0.05）是预测GGN浸润性的独立影响因子;其中,熵的诊断阈值为3.745,相应敏感度和特异度分别为87.8%和89.6%;平均CT值的诊断阈值为－479.500HU,相应敏感度和特异度分别为81.6%和84.9%。nomogram图显示预测模型结果与实际情况之间的一致性良好,C指数为0.840（95%CI：0.757~0.923）。结论:基于AI技术建立的CT直方图定量参数模型对长径≤10mm早期肺腺癌的浸润性有一定的预测价值,定量参数中以熵和平均CT值的诊断效能较高。