CT征象用于孤立性肺结节良恶性鉴别诊断的Logistic回归分析及预测模型构建

目的:建立基于CT影像特征预测孤立性肺结节(solitary pulmonary nodule,SPN)良恶性的Logistic回归模型,并探讨该预测模型在鉴别诊断SPN良恶性中的应用价值.方法:回顾性收集188例SPN患者,其中良性结节62例、恶性结节126例,比较两组CT征象指标,以病理诊断作为金标准,建立Logistic回归预测模型,计算预测模型准确率、灵敏度、特异度等指标,绘制ROC曲线并计算曲线下面积.结果:单因素及多因素Logistic回归分析结果显示:分叶征(OR=7.085)、胸膜凹陷征(OR=13.224)、毛刺征(OR=15.062)是SPN良、恶性鉴别诊断的主要CT影像特征指标.Logistic回归模型对SPN良恶性的预测正确率为93.1%(175/188)、灵敏度91.3%(115/126)、特异度96.8%(60/62)、阳性预测价值98.3%(115/1117)、阴性预测价值84.5%(60/71).ROC曲线下面积为(0.943±0.017),P<0.001,95%CI:0.911-0.974.结论:基于CT征象的Logistic预测模型对于鉴别SPN良恶性具有较高的价值.