关键词:
肺腺癌
肺结节
病理亚型
人工智能
循环染色体异常细胞
鉴别
摘要:
目的探讨人工智能(AI)参数联合循环染色体异常细胞(CAC)在鉴别亚实性结节型肺腺癌的病理亚型的价值。方法回顾性分析2023年3月至2024年3月在郑州大学第一附属医院收治的224例亚实性肺结节患者。根据术后病理将患者分为微浸润组(n=164)和浸润组(n=60)。将各组的CT图像导入人工智能辅助诊断系统,记录亚实性肺结节的定量参数,人工识别CT征象,同时采用荧光原位杂交技术得到CAC计数。将两组进行单因素分析,有统计学差异(P<0.05)的变量纳入多因素Logistic回归中构建预测模型,同时进行ROC曲线分析评价其性能。结果两组的年龄、结节类型、毛刺征、胸膜凹陷征、AI恶性概率、2D长径、2D短径、3D长径、3D短径、体积、平均CT值、最大CT值、标准差及CAC计数差异有统计学意义(P<0.05)。多因素Logistic回归分析显示3D长径(OR=22.618、95%CI=8.080~63.312)、最大CT值(OR=7.469、95%CI=3.124~17.853)、CAC(OR=5.545、95%CI=2.253~13.648)是预测亚实性结节型肺腺癌的病理亚型的独立危险因素。3D长径、最大CT值、CAC三者单独及联合检测的AUC分别为0.854(95%CI:0.792~0.915)、0.793(95%CI:0.725~0.861)、0.675(95%CI:0.591~0.759)、0.912(95%CI:0.866~0.958),联合检测优于单独(Z_(联合-3D长径)=3.229,P=0.001,Z_(联合-最大CT值)=4.411,P<0.001,Z_(联合-CAC=4.995),P<0.001)。结论3D长径、最大CT值、CAC是预测亚实性结节型肺腺癌病理亚型的独立危险因素,上述指标联合检测可以提高亚实性结节型肺腺癌病理亚型的鉴别能力。