인공지능을 이용한 비고형 폐 결절에서 병리적 아형 추정

목적 이 연구는 비고형 결절(SSNs)을 가진 환자에서 침윤성 폐 선암의 병리적 아형을 구별하기 위한 인공지능(AI)의 가치를 조사하는 것을 목표로 하였다. 재료 및 방법 이 후향적 연구는 120개의 SSNs를 가진 110명의 연속 환자를 포함하였다. SSNs의 정성적 및 정량적 이미징 특성은 인공지능 평가 시스템을 사용하여 자동으로 추출되었다. 그 후, 방사선과 의사는 이러한 특성을 다시 확인해야 했다. 우리는 모든 사례를 비IA 그룹(비침습적 선종(p. AAH) 11개와 침습적 선암(AIS) 25개 포함)과 IA 그룹(최소 침습성 선암(MIA) 7개와 침습성 선암(IAC) 77개 포함)으로 나누었다. 비IA와 IA 간에 단변량 분석에서 통계적으로 유의한 차이를 보인 변수를 다변량 로지스틱 회귀 분석에 포함시켰다. 수신자 작동 특성(ROC) 분석을 수행하여 컷오프 값을 결정하고 그들의 진단 성능을 평가하였다. 결과 다변량 로지스틱 회귀 분석은 주요 직경(오즈 비율 OR = 1.38; 95 % 신뢰 구간 CI, 1.02–1.87; P = 0.036)과 3차원(3D) CT 값의 엔트로피(OR = 3.73, 95 % CI, 1.13–2.33, P = 0.031)가 선암의 독립적인 위험 인자임을 보여주었다. 침습성 선암 진단을 위한 주요 직경 및 3D CT 값의 엔트로피 컷오프 값은 각각 15.5 mm 및 5.17이었다. 분류 성능을 개선하기 위해, 우리는 주요 직경과 3D CT 값의 엔트로피를 결합 모델로 융합하였고, 모델의 AUC는 0.868(민감도 = 0.845, 특이도 = 0.806)였다. 결론 주요 직경과 3D CT 값의 엔트로피는 비IA와 IA를 구별할 수 있다. AI는 SSNs을 가진 환자에서 침윤성 폐 선암의 병리적 아형을 구별하는 성능을 향상시킬 수 있다.