目的:基于肺结节人工智能软件建立决策树模型,为IA期小细胞肺癌(Small-cell lung carcinoma,SCLC)与非小细胞肺癌(Non small-cell lung carcinoma,NSCLC)的鉴别诊断提供思路.方法:对109例实性肺结节患者的术前CT资料进行回顾性分析,采用肺结节人工智能软件自动提取CT纹理征象,并建立决策树模型;最后以受试者工作特征曲线(Receiver operating curve,ROC)评估决策树模型的诊断效能.结果:依据手术病理将患者分为NSCLC组(n=93)与SCLC组(n=16).与NSCLC相比,SCLC的CT最大值、CT最小值、CT平均值、CT值方差、熵更大,且偏度值更低(均P＜0.005).CT值方差(节点阈值214.045 HU)、熵(节点阈值9.105)纳入最终的决策树模型,该诊断模型的曲线下面积(Area under curve,AUC)为0.806,对应的敏感度、特异度以及准确度分别为68.8％、92.5％、89.0％.结论:基于CT纹理征象构建的决策树模型,为NSCLC与SCLC的鉴别诊断提供了准确客观、可视化的诊思路.
作者：郭曦；吴彦平；漆万银
来源：中国临床医学影像杂志 2022 年 33卷 4期
