人工神经网络对孤立性肺结节的诊断价值

目的利用人工神经网络（ANN）理论,建立一种全新的模式判别方法用于薄层CT上原发良恶性孤立性肺结节（SPN）的鉴别,并探讨其诊断价值及对不同级别医师的辅助诊断作用。方法收集经手术或穿刺活检病理证实的SPN200例（周围型小肺癌135例,良性结节65例）,观察3项临床指标和9项薄层CT指标,并对定性指标进行量化。从中随机选择70%左右的样本（140例）作为训练集,建立ANN诊断模型,并与社会科学统计软件（SPSS）分析处理的Logistic回归模型作比较,计算两种模型对所有样本诊断的正确率和ROC曲线下面积。利用训练好的ANN模型对另外60例样本进行测试,分析初、中、高三级放射科医师使用ANN模型前后的ROC曲线下面积。结果ANN模型诊断的正确率为98.0%,高于Logistic回归模型的正确率86.0%（P〈0.001）;两种模型诊断的ROC曲线下面积分别为0.996±0.004和0.936±0.017,差异有统计学意义（P〈0.001）。ANN模型及初、中、高级医师首次诊断的ROC曲线下面积分别为0.954、0.737、0.813、0.874,其中ANN与初、中级医师的差异具有统计学意义（P值分别为0.001、0.007）,而与高级医师的差异无显著性（P=0.070）;初、中、高级医师使用ANN后的ROC曲线下面积分别为0.920、0.938、0.952,三级医师使用ANN后的诊断能力均有显著提高（P值分别为0.000、0.001、0.039）;使用ANN后各级医师对SPN的诊断差异无显著性（初-中级、初-高级、中-高级比较的P值分别为0.614、0.369、0.645）。结论①根据本研究提出的SPN的征象分类可用于建立ANN模型;②ANN模型用于薄层CT上原发良恶性SPN的鉴别诊断优于传统的Logistic回归模型;③ANN模型对于不同级别的放射科医师都有一定程度的辅助诊断作用。

Diagnostic value of artificial neural network in solitary pulmonary nodules