基于CT图像的神经网络模型鉴别纯磨玻璃样微浸润性腺癌和浸润性腺癌

目的 基于CT图像建立神经网络模型鉴别呈纯磨玻璃结节(pure ground-glass nodules,pGGN)的微浸润腺癌(minimally invasive adenocarcinoma,MIA)和浸润性腺癌(invasive adenocarcinoma,IAC).方法 回顾性收录2015年1月至2018年1月期间于大连医科大学附属第一医院薄层CT上显示为pGGN,经手术病理证实为单发MIA 151例、IAC 127例.收集所有患者临床及影像特征,比较MIA组与IAC组之间临床及影像特征的差异性并建立神经网络模型,通过分析受试者操作特征曲线(subject operat-ing characteristic,ROC),计算并比较受试者工作特征曲线下面积(area under the curve,AUC)评估IAC的预测价值.结果 临床特征上,MIA组患者年龄低于IAC组(P<0.001);影像形态上,MIA组中类圆形多见,但是,分叶征、血管集束征、空气支气管征、空泡征和胸膜凹陷征均少于IAC组(均P<0.001);定量上,MIA组的mCT-LP、mCT-W、直径、体积和质量均低于IAC组(均P<0.001).利用神经网络模型预测IAC的ROC曲线明显优于各项定量指标,其AUC、总体预测准确率、敏感度和特异度分别为0.91、81.00％、78.81％和86.61％.结论 神经网络模型有助于鉴别呈现pGGN的MIA与IAC.