王璟琛,柴军.人工智能体积密度法判断肺亚实性结节的浸润性研究[J].CT理论与应用研究,2023,32(2):241-248.DOI:10.15953/j.ctta.2022.099.WANGJC,CHAIJ.EvaluationoftheInvasionofPulmonarySubsolidNodulesbytheArtificialIntelligenceVolumetricDensityMethod[J].CTTheoryandApplications,2023,32(2):241-248.DOI:10.15953/j.ctta.2022.099.(inChinese).人工智能体积密度法判断肺亚实性结节的浸润性研究王璟琛1,2,柴军2✉1.内蒙古科技大学包头医学院,内蒙古包头0140002.内蒙古自治区人民医院医学影像科,呼和浩特010000摘要：目的：探讨人工智能（AI）体积密度法判断肺亚实性结节（SSNs）浸润性的价值。方法：回顾性分析106例患者的108枚SSNs的CT和病理结果，将结节分为腺体前驱病变组和腺癌组。通过肺结节AI软件测量并比较两组的最大CT值、最小CT值、平均CT值、峰度、偏度、Perc.25％、Perc.50％、Perc.75％、Perc.95％、结节体积、结节平均径等CT定量参数。使用Medcalc软件得出受试者工作特征曲线（ROC），评价诊断SSNs浸润性的敏感度、特异度、阳性预测值及阴性预测值，用逻辑回归分析评估他们的诊断性能。结果：SSNs的多数CT定量参数差异存在统计学意义，其中，诊断效能最高的是Perc.25％，AUC达0.797；其次为Perc.50％和平均CT值，AUC均为0.787。Logistic回归分析显示，将诊断效能最高的Perc.25％分别与Perc.50％和平均CT值两两建立联合诊断模型1，其中Perc.25％与平均CT值的模型诊断效能最高，且联合诊断模型诊断效能高于Perc.25％与平均CT值单独的诊断效能。Medcalc软件分析显示，Perc.25％≥-578HU和平均CT值≥-468HU的SSNs病理表现为腺癌的可能性大。将Perc.25％与结节平均径结合，可获得对判断SSNs浸润性非常有价值的联合诊断模型2。结论：AI体积密度法对SSNs的浸润性有较高的诊断价值，联合使用Perc.25％与平均CT值比单独使用更能准确地判断浸润性。关键词：CT；人工智能；体积密度法；肺亚实性结节DOI:10.15953/j.ctta.2022.099中图分类号：R814.42文献标识码：A肺癌已经成为世界各地癌症患者死亡的主要原因[1]。近年来，肺亚实性结节（subsolidnodules，SSNs）的检出率逐年增高，SSNs经常和肺腺癌有关[2]。由于不同病理阶段的SSNs的临床预后及治疗策略不同，因此术前影像学评估SSNs的侵袭程度对临床决策具有重要的意义[3-4]。以往对SSNs的大小测量多以最大横截面的最大横径来代表SSNs大小，以手动勾画感兴趣区内的平均CT值代表结节密度[...
