人工智能量化参数联合256层螺旋CT扫描对肺磨玻璃结节浸润程度的预测

doi:10.3969/j.issn.1006-5725.2025.19.022

摘要/Abstract

摘要：

目的分析人工智能（AI）量化参数联合256层螺旋CT扫描对肺磨玻璃结节（GGN）浸润程度的预测价值。方法选取2021年5月至2024年7月南京脑科医院收治的经术后病理确诊的GGN患者98例，对其术前采取AI量化参数、256层螺旋CT扫描，并在病理检查后将非典型腺瘤样增生（AAH）、原位腺癌（AIS）、微浸润性腺癌（MIA）归为非浸润性病变组，浸润性腺癌（IAC）为浸润性病变组。对比两组AI量化参数联合256层螺旋CT扫描参数，分析影响GGN患者浸润程度的因素及预测价值。结果 98例GGN患者中，AAH患者有29例，AIS患者有22例，MIA患者有19例，IAC患者有28例。浸润性病变组平均CT值、结节长径、最大面积、有空气支气管征、血管集束征、形状为不规则均高于非浸润性病变组（P < 0.05）。经二元logistic回归分析，有空气支气管征、血管集束征、形状为不规则、平均CT值、结节长径、最大面积可作为GGN患者浸润性病变的影响因素（P < 0.05）。经ROC曲线分析，有空气支气管征、血管集束征、形状为不规则、平均CT值、结节长径、最大面积诊断GGN患者浸润性病变的灵敏度、特异度高于单一检测。且有空气支气管征、血管集束征、形状为不规则、平均CT值、结节长径、最大面积联合预测GGN患者浸润性病变具有较高的价值（AUC为0.907）。结论 AI量化参数联合256层螺旋CT扫描能够较好地预测GGN患者浸润程度，对临床术前判断肺GGN浸润程度具有一定的指导价值。

关键词: 人工智能量化参数, 256层螺旋CT扫描, 肺磨玻璃结节, 浸润程度

Abstract:

Objective To analyze the predictive value of artificial intelligence （AI） quantitative parameters combined with 256?slice spiral CT scans for assessing the invasiveness of lung ground?glass nodules （GGNs）. Methods This study included 98 GGN patients diagnosed by postoperative pathology at the hospital from May 2021 to July 2024. Preoperative assessments involved AI quantitative parameters and 256?slice spiral CT scans. Patients were categorized into non?invasive （AAH， AIS， MIA） and invasive （IAC） groups based on pathology. AI parameters and CT scan results were compared to analyze factors influencing invasiveness and their predictive value. Results Among the 98 GGN patients， there were 29 AAH cases， 22 AIS， 19 MIA， and 28 IAC. The invasive group had higher average CT values， nodule long?axis diameter， maximum area， presence of air bronchogram， vascular clustering signs， and irregular shapes compared to the non?invasive group （P < 0.05）. Binary logistic regression identified these six features （air bronchogram， vascular clustering， irregular shape， average CT value， nodule long diameter， and maximum area） as significant factors affecting GGN invasiveness （P < 0.05）. ROC curve analysis showed that the combined detection of these parameters had higher sensitivity and specificity than single tests， with an AUC of 0.907， indicating a high predictive value for assessing GGN invasiveness. Conclusion The combination of AI quantitative parameters and 256?slice spiral CT scanning effectively predicts the invasiveness of GGN， providing significant clinical guidance for preoperative evaluation.

Key words: artificial intelligence quantitative parameters, 256-slice spiral CT scans, lung ground-glass nodules, invasiveness

中图分类号:

R563.1

王春,王晓娣,张海涛,刘丹. 人工智能量化参数联合256层螺旋CT扫描对肺磨玻璃结节浸润程度的预测[J]. 实用医学杂志, 2025, 41(19): 3106-3111.

Chun WANG,Xiaodi WANG,Haitao ZHANG,Dan. LIU. Predictive value of ai quantitative parameters combined with 256⁃slice spiral CT scans for the invasiveness of lung ground⁃glass nodules[J]. The Journal of Practical Medicine, 2025, 41(19): 3106-3111.

图/表 7

表1

表2

图1

图2

表3

表4

图3

参考文献 24

[1]	闵旭红，王召华，马冬春，等. 基于人工智能诊断术前预测肺磨玻璃结节浸润程度的应用价值［J］. 实用放射学杂志，2022，612（8）：1242-1246.
[2]	许国安，朱良炎，徐靖，等. 人工智能肺结节辅助诊断系统在肺磨玻璃结节病理浸润程度评估中的应用价值［J］. 南昌大学学报（医学版），2022，62（4）：53-56.
[3]	赵亚波，丁同文. 人工智能辅助肺磨玻璃结节性质及病理成份的临床应用研究［J］. 山西医药杂志，2024，53（10）：750-754.
[4]	许小伍，朱林，王鹏. 低剂量CT扫描在孤立性肺结节定性诊断中的应用及影像学特征分析［J］. 实用放射学杂志，2022，38（2）：217-221.
[5]	周小君，马玲，盛林丽，等. 人工智能量化参数预测磨玻璃结节早期肺癌浸润性的临床初探［J］. 实用放射学杂志，2021，37（3）：388-391.
[6]	付军，黄翩翩，姚庆东，等. 人工智能量化参数对亚实性结节肺腺癌浸润程度的预测价值［J］. 中国中西医结合影像学杂志，2023，21（5）：487-492.
[7]	KOIKE H， ASHIZAWA K， TSUTSUI S，et al. Differentiation Between Heterogeneous GGN and Part-Solid Nodule Using 2 D Grayscale Histogram Analysis of Thin-Section CT Image［J］.Clin Lung Cancer， 2023，24（6）：541-555. doi:10.1016/j.cllc.2023.06.001 doi: 10.1016/j.cllc.2023.06.001
[8]	CELSE T， CAZIN C， MIETTON F，et al. Genetic analyses of a large cohort of infertile patients with globozoospermia， DPY19L2 still the main actor， GGN confirmed as a guest player［J］. Hum Genet，2021，140（1）：43-57. doi:10.1007/s00439-020-02229-0 doi: 10.1007/s00439-020-02229-0
[9]	邱建升，辛小燕，杨雯，等. 双层探测器光谱CT单能量图像及电子云密度图鉴别诊断肺磨玻璃结节良性与恶性的价值［J］. 中华放射学杂志，2022，56（2）：175-181
[10]	崔效楠，叶兆祥. 基于术前CT影像的肺结节病理类型预测模型研究［J］. 中华放射学杂志， 2024， 58（2）：243-244.
[11]	李岳鸿，阮婷，文琨，等.纵隔淋巴结CT影像学特征对肺结节病的诊断价值［J］.重庆医学， 2025， 54（1）：168-171.
[12]	孙际伟，于安宏，张洪. 人工智能联合低剂量扫描对磨玻璃结节检测准确性的体模研究［J］. 实用放射学杂志，2022，38（11）：1869-1872，1877.
[13]	蒋先伟，黄刚，王志梅，等. 基于数据挖掘的中医药治疗肺结节遣方用药规律研究［J］. 中国医院用药评价与分析，2021，21（8）：981-986.
[14]	乔弟. 低剂量螺旋CT对以亚实性肺结节为主要表现的早期肺腺癌的诊断意义［J］. 安徽医药，2022，26（3）：591-594.
[15]	刘海法，杨丽，王琦，等. 深度学习重建算法对胸部低剂量CT肺结节测量及显示影响的模体研究［J］. 放射学实践，2023，38（8）：977-984.
[16]	刘志敏，祁佩红. 低剂量与常规剂量CT在肺磨玻璃影结节鉴别和浸润性诊断中的应用比较［J］. 中国CT和MRI杂志，2023，21（11）：47-49.
[17]	刘刚，毛旭，解晓婷，等. 多模态人工智能模型对肺磨玻璃结节的良恶性的诊断研究［J］. 实用放射学杂志，2023，39（6）：904-907.
[18]	宣建新，刘哲峰，滕伟，等. 术前256层螺旋CT双低剂量扫描对结肠癌肿瘤侵犯及肠系膜血管分布的评估价值［J］. 中国医学装备，2023，20（6）：47-52.
[19]	崔晓荣，兰丽华，李向阳，等. 基于MSCT三维扫描加重建对成人髋关节发育不良全髋关节置换术中髋臼假体的选择及截骨的准确性预测价值［J］. 实用医学杂志， 2024， 40（9）：1309-1313.
[20]	王爽，雷盛，谷涛，等. 人工智能肺结节辅助诊断软件在肺CT检查结节分析中的临床应用［J］. 中华肺部疾病杂志（电子版），2019，12（6）：757-759.
[21]	刘亚斌，李庆，周围，等. 胸部CT结合AI诊断系统对疑似肺结节患者的诊断及对结节类型的评估价值［J］. 现代生物医学进展，2022，22（5）：955-959，949.
[22]	王雪燕，鲍海华，温生宝，等. 冠状动脉AI诊断系统在高海拔地区CHD患者评估中的应用价值［J］. 重庆医学，2024，53（5）：733-737.
[23]	姚庆东，张呈兵，付军，等. 冠脉CT血管造影斑块人工智能定量参数与血流储备分数的关系［J］. 实用医学杂志， 2024， 40（17）：2489-2494.
[24]	黄良江，毛德文，郑景辉，等. 人工智能在肝性脑病风险预测模型中的应用进展［J］. 实用医学杂志， 2024， 40（3）：289-294.

组别	例数	平均CT值/HU	结节体积/mm³	结节长径/mm	结节短径/mm	最大面积/mm²
浸润性病变组	28	-468.63 ± 69.85	1 532.30 ± 156.89	15.20 ± 3.65	8.09 ± 0.87	163.52 ± 36.58
非浸润性病变组	70	-546.69 ± 75.89	1 465.20 ± 149.69	12.15 ± 2.89	7.79 ± 0.69	129.52 ± 29.85
t值		4.702	1.977	4.368	1.801	4.769
P值		0.000	0.051	0.000	0.075	0.000

组别	例数	分叶征		毛刺征		空气支气管征		血管集束征
组别	例数	是	否	是	否	是	否	是	否
浸润性病变组	28	16（57.14）	12（42.86）	15（53.57）	13（46.43）	21（75.00）	7（25.00）	19（67.86）	9（32.14）
非浸润性病变组	70	42（60.00）	28（40.00）	34（48.57）	36（51.43）	30（42.86）	40（57.14）	25（35.71）	45（64.29）
t值		0.068		0.200		8.279		8.352
P值		0.795		0.655		0.004		0.004

相关因素	β值	SE值	Wald χ² 值	OR（95%CI）	P值
空气支气管征	1.386	0.499	7.724	4.000（1.505 ~ 10.633）	0.005
血管集束征	1.335	0.475	7.887	3.800（1.497 ~ 9.647）	0.005
平均CT值	0.016	0.004	14.361	1.016（1.008 ~ 1.025）	0.000
结节长径	0.315	0.086	13.468	1.370（1.158 ~ 1.621）	0.000
形状为不规则	1.414	0.519	7.417	4.111（1.486 ~ 11.371）	0.006
最大面积	0.032	0.008	15.611	1.032（1.016 ~ 1.049）	0.000

项目	截断值	灵敏度	特异度	AUC	95%CI	P值
空气支气管征	-	0.750	0.571	0.661	0.544 ~ 0.778	0.013
血管集束征	-	0.679	0.643	0.661	0.541 ~ 0.780	0.013
平均CT值	-516.12 HU	0.714	0.614	0.779	0.679 ~ 0.879	0.000
结节长径	13.66 mm	0.536	0.643	0.725	0.606 ~ 0.844	0.001
形状	-	0.786	0.529	0.657	0.541 ~ 0.773	0.015
最大面积	143.99 mm²	0.679	0.714	0.756	0.641 ~ 0.872	0.000
联合	-	0.929	0.914	0.907	0.847 ~ 0.967	0.000