简介:摘要目的探讨基于随机森林的参数响应图(PRM)定量参数对肺功能的预测价值。方法回顾分析2018年8月至2019年12月在上海长征医院接受胸部三大疾病筛查的受试者615例。根据肺功能指标[第1秒用力呼气容积与用力肺活量的比值(FEV1/FVC)及第1秒用力呼气容积占预计值的百分比(FEV1%)]分为正常组、高危组及慢性阻塞性肺疾病(COPD)组。小气道CT定量参数主要为PRM参数,包括全肺、左肺、右肺及5个肺叶的肺体积、功能小气道疾病体积(PRMVfSAD)、肺气肿体积(PRMVEmph)、正常部分肺体积(PRMVNormal)、未分类部分肺体积(PRMVUncategorized)及后四者体积占全肺的百分比(%)。采用单因素方差分析或Kruskal-Wallis H检验3组间基本临床特征(年龄、性别、身高、体质量)、肺功能参数和小气道CT定量参数的差异;采用Spearman检验评价PRM参数与肺功能参数的相关性。最后构建基于PRM联合4个基本临床特征的随机森林回归模型,预测肺功能。结果3组间全肺PRM参数差异均有统计学意义(P<0.001)。CT定量参数PRMVEmph、PRMVEmph%、PRMVNormal%与FEV1/FVC呈中度相关(P<0.001),全肺体积、PRMVNormal、PRMVUncategorized及PRMVUncategorized%与FVC呈强或中度正相关(P<0.001),余PRM参数与肺功能参数呈弱或极弱相关。基于以上参数建立预测FEV1/FVC的随机森林模型和预测FEV1%的随机森林模型。预测FEV1/FVC的随机森林模型预测FEV1/FVC与实际值在训练集中R2=0.864,验证集中R2=0.749;预测FEV1%的随机森林模型预测FEV1%与实际值在训练集中R2=0.888,验证集中R2=0.792。验证集中,随机森林FEV1%预测模型对正常组及高危组分类的灵敏度为0.85(34/40),特异度为0.90(65/72),准确度为0.88(99/112);随机森林FEV1/FVC预测模型对非COPD患者及COPD患者分类的灵敏度0.89(8/9),特异度1.00(112/112),准确度0.99(120/121);两个模型联合对COPD组内[慢性阻塞性肺疾病全球倡议(GOLD)Ⅰ、GOLD Ⅱ、GOLD Ⅲ+Ⅳ]分类的准确度为0.44。结论小气道CT定量参数PRM可区分正常人群、高危及COPD人群;基于PRM参数结合临床特征的联合回归预测模型,对正常组及高危组、非COPD及COPD组的预测效果良好,进而实现一次CT扫描能够完成对功能小气道和肺功能的一次性评估。
简介:摘要目的探讨CT特征预测胸膜下临床ⅠA期周围型肺腺癌脏层胸膜侵犯(VPI)的价值。方法回顾性分析2015年1月至2021年11月于海军军医大学长征医院诊断为胸膜下临床ⅠA期周围型肺腺癌274例患者的CT征象。按照6∶4的比例,将2015年1月至2019年8月收集的164例患者作为训练组,将2019年8月至2021年11月收集的110例患者作为验证组。定量测量肿瘤最大径、实性成分最大径、病灶与胸膜间最小距离,计算实性成分占比;并分析肿瘤的CT征象,如肿瘤与胸膜的关系分型、是否存在桥征、病灶的位置、密度类型、形状、边缘、边界等。采用单因素分析找出与VPI相关的变量,再进行多因素logistic回归分析,明确VPI的独立危险因素,建立二元logistic回归模型。在训练组和验证组中使用受试者操作特征曲线评估模型的预测效能。结果274例肺腺癌中有VPI 121例,无VPI 153例。训练组中有VPI 79例、无VPI 85例。单因素分析发现训练组中实性成分最大径、实性成分占比、密度类型、毛刺征、血管集束征、肿瘤与胸膜关系、桥征在有VPI与无VPI肺腺癌患者间差异有统计学意义(P<0.05)。多因素logistic回归分析发现训练组中肿瘤与胸膜关系[以Ⅰ型为参照,Ⅱ型(OR=6.662,95%CI 2.364~18.571,P<0.001),Ⅲ型(OR=34.488,95%CI 8.923~133.294,P<0.001)]及血管集束征(OR=4.257,95%CI 1.334~13.581,P=0.014)是VPI的独立危险因素。以0.504为训练组logistic回归模型的最佳截断值,其预测VPI的灵敏度为62.03%、特异度为89.41%,曲线下面积为0.826。该模型在验证组中以0.449为最佳截断值,其预测VPI的灵敏度为92.86%、特异度为47.06%,曲线下面积为0.713。结论CT特征中肿瘤与胸膜关系、血管集束征有助于鉴别胸膜下的临床ⅠA期周围型肺腺癌是否发生VPI。
简介:摘要目的探讨中国医学影像人工智能(AI)发展现状,为AI的发展提供数据支持。方法2022年5月,中华医学会放射学分会和中国医学影像AI产学研用创新联盟携手以调查问卷形式在全国发起中国医学影像AI应用现状和发展需求调研。本次调研分别围绕医学影像AI临床应用、企业发展以及在高校的教育需求等面向不同人群开展,并进行描述性统计分析。结果中国医学影像AI在临床应用、企业发展及教育教学方面取得了长足发展。临床应用方面,90.8%(5 765/6 347)的调查者对AI有了初步以上的了解,62.1%(3 798/6 119)的医师表示科室中已经有医学影像AI产品的应用,AI产品目前已经在医学影像检查全流程中展开应用,尤其是辅助诊断,肺结节AI筛查应用占比达到89.5%(3 401/3 798)。制约医学影像AI快速发展的主要因素为人才缺乏[47.3%(3 002/6 347)]、数据质量低[45.7%(2 898/6 347)]和产品功能不完善[40.4%(2 566/6 347)]。企业方面,规模在100人以下占比为65.4%(17/26),规模在100人以上的企业占比为34.6%(9/26),企业当前主要的使用对象面向二级以上医院,占比约92.3%(24/26)。教育方面,不同层次学校目前开展的AI课程、实践操作以及讲座的数量和质量各不相同,其中硕博士AI课程开设最多,占比约22.5%(86/381),而针对专科生、本科生及规培生开设AI课程占比均小于15%,超过60%学生均表示学校有必要加开AI类课程,其中硕博士对加开AI类课程需求最大[84.8%(323/381)]。结论中国医学影像AI发展及普及继续繁荣向好,机遇与挑战并存,要坚持临床需求为导向,实现临床应用、企业发展及教育教学的协同发展。
简介:摘要公众体检意识的增强、CT分辨率的提高、人工智能的辅助等,使肺结节检出率明显提高。由于肺结节有可能是肺癌,或者有发展为肺癌的潜在可能性,公众对肺结节“谈虎色变”,使肺结节的临床处理过度现象普遍存在,如何科学筛查、精准诊断、正确处理是医疗界必须面对的科学问题。笔者从筛查、诊断、治疗3个环节,全面分析了肺结节预防、诊断和治疗中存在的过度现象和风险,旨在提高医患双方对肺结节过度诊疗危害的认识,提升肺结节精准诊疗水平。
简介:摘要2019年12月,新型冠状病毒肺炎在中国爆发,疫情迅速以武汉市为中心蔓延至全国和境外。影像科作为疫情防控一线科室,在肺炎筛查和分流、影像诊断与鉴别、疗效评估和随访、工作流程和管理、人员管控和排班乃至科室感染防控能力等诸多方面都面临考验。面对突发疫情,如何迅速响应和正确决策,有许多值得讨论和思考的问题。