临床放射学杂志

作者：白国杰, 李珂欣, 韩向春, 盛辉, 董宁, 周云鹏

单位：300400 天津市北辰区中医医院放射科（白国杰、李珂欣）;病理科（韩向春）;264000 烟台市烟台山医院影像科（盛 辉、董 宁）;257034 东营,胜利油田中心医院医学影像科（周云鹏）

关键词：人工智能 体层摄影术,X线计算机 肺腺癌 浸润性

<b>目的</b> 探讨基于人工智能（AI）的CT定量特征在预测结节及肿块型肺腺癌浸润性中的应用价值。<b>方法</b> 回顾性分析经手术病理证实的1218例结节及肿块型肺腺癌患者的术前高分辨率胸部CT资料,其中训练队列1052例（非浸润组491例、浸润组561例）,验证队列166例（非浸润组98例、浸润组68例）。通过AI肺结节分析软件自动提取病灶的16个定量特征参数,包括直方图特征、熵及病灶大小等。采用<em>Mann-Whitney U</em>检验比较非浸润组与浸润组间各参数差异;对差异显著的指标进行受试者工作特征（ROC）曲线分析,筛选曲线下面积（AUC）&#x0003E;0.750的变量,并进一步采用二元<em>Logistic</em>回归分析确定独立预测因子;同时评估单因素及多因素模型的预测性能。<b>结果</b> 在训练队列中,AI提取的CT定量特征在非浸润组与浸润组间差异均具有统计学意义（<em>P</em>&#x0003C;0.05）。ROC曲线及<em>Logistic</em>回归分析结果显示,CT平均值、熵及长径为预测结节及肿块型肺腺癌浸润性的独立预测因子。当CT平均值阈值&#x0003E;-400.8 HU、熵&#x0003E;8.0、长径&#x0003E;10 mm时,预测敏感度与特异度分别为63.99％和79.23％、75.40％和82.28％、81.82％和74.75％。三者联合预测浸润性的AUC为0.918,敏感度和特异度分别为82.35％和88.19％,均显著高于单一指标。在验证队列中,基于<em>Logistic</em>回归模型计算的预测概率值（AUC=0.939）预测结节及肿块型肺腺癌浸润性的效能,同样优于CT平均值（AUC=0.807）、熵（AUC=0.874）及长径（AUC=0.882）。<b>结论</b> 基于AI的CT定量特征分析可有效评估结节及肿块型肺腺癌的浸润性。CT平均值、熵和长径为主要独立预测指标,三者联合分析可显著提高预测准确率,为术前浸润性判断及个体化治疗策略制定提供重要参考。

来源：2026年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第5期