CT特征联合肿瘤标志物预测肺磨玻璃结节肿瘤浸润性的回顾性队列研究
目的 探讨磨玻璃结节肿瘤浸润性的独立危险因素,建立肿瘤浸润性预测模型.方法 回顾性分析兰州大学第一医院胸外科2018年6月-2021年5月入院且病理结果明确的389例肺结节患者的临床资料.按照纳入标准共242例患者纳入研究,其中男107例、女135例,平均年龄(57.98±9.57)岁.将纳入研究患者DICOM格式的CT资料导入到人工智能系统.人工智能系统识别、自动计算并输出肺结节的性质、标准直径、实性成分大小、体积、平均CT值、最大CT值、最小CT值、中心CT值以及有无分叶、毛刺、胸膜凹陷、血管穿行等特征.根据病理诊断结果将患者分成两组,浸润前病变(非典型腺瘤样增生/原位腺癌)及浸润性病变(微浸润性腺癌/浸润性腺癌).应用单因素及多因素分析,筛选磨玻璃结节肿瘤浸润性的独立危险因素,建立预测模型.绘制受试者工作特征曲线,计算出临界值,根据约登指数得到敏感度和特异度.结果 单因素及多因素分析结果显示:中心CT值、细胞角蛋白19片段(Cyfra21-1)、实性成分大小、结节性质、毛刺征是判断磨玻璃结节肿瘤浸润性的独立危险因素.浸润前病变和浸润性病变中心CT值、Cyfra21-1、实性成分大小最佳临界值分别为-309.00 Hu、3.23 ng/mL、8.65 mm.预测模型的公式为:logit(P)=0.982-(3.369×结节性质)+(0.921×实性成分大小)+(0.002×中心CT值)+(0.526×Cyfra21-1)-(0.0953×毛刺征).回归模型预测值曲线下面积为0.908,准确率为91.3％.结论 通过分析CT特征及肿瘤标志物所建立的预测模型能够较好地预测肿瘤的浸润性.其预测效果均优于任何单一因素的预测效果.
磨玻璃结节、CT特征、肿瘤标志物、肿瘤浸润性、人工智能
29
R734.2;R563;R135.2
甘肃省青年科技基金计划;甘肃省自然科学基金
2022-10-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
1113-1119
