目的运用人工智能结节密度直方图对磨玻璃结节的病理分型进行预判研究.资料与方法回顾性收集经病理证实的磨玻璃结节121例,其中腺体前驱病变(PGL)分为非典型瘤样增生(AAH)和原位癌(AIS)共34例,微浸润腺癌(MIA)28例、浸润性腺癌(ICA)59例.所有患者胸部平扫薄层图像传至人工智能工作站,采用密度直方图自动计算肺结节最大CT值、最小CT值、平均CT值、实性成分体积,比较3组上述定量指标的差异;绘制受试者工作特征(ROC)曲线,分析各指标对不同病理分型的诊断效能.结果PGL组平均CT值为(-627.68±94.29)Hu,低于MIA组的(-546.96±33.96)Hu和ICA组的(-469.80±56.12)Hu(F=14.371,P<0.001);PGL组分别与MIA组、ICA组比较,差异均有统计学意义(P均<0.05).ICA的实性成分体积为(385.96±36.90)mm3,大于PGL组的(35.22±28.02)mm3和MIA组的(178.75±49.86)mm3(F=-4.168,P<0.001);ICA组分别与PGL组和MIA组比较,差异均有统计学意义(P均<0.05).平均CT值鉴别PGL和浸润性腺病变(MIA+ICA)的敏感度和特异度分别为81.4％、67.6％,ROC曲线下面积为0.757,临界值为-586 Hu;实性成分体积鉴别PGL和浸润性腺病变(MIA+ICA)的敏感度和特异度分别为68.5％、91.2％,ROC曲线下面积为0.706,临界值为71.58 mm3.结论基于肺结节密度直方图定量分析磨

作者：张怀瑢；孙潇；田兴仓；韩颜竹；洪立平；朱力

来源：中国医学影像学杂志 2021 年 29卷 12期