| 摘要: |
| 目的 探讨基于人工智能（AI）量化参数构建肺腺癌浸润性的列线图模型，并进行内部验证。 方法 回顾性选择2022
年1月至2025年2月亳州市人民医院收治的149例肺腺癌患者为研究对象，按照7 : 3比例随机分为训练集104例和验证集45例，另
根据病理结果将训练集肺腺癌患者分为非浸润性组51例和浸润性组53例。在训练集中，采用单因素分析和多因素logistic回归分析
肺腺癌浸润性的独立影响因素，构建列线图模型，并在验证集中校验模型。分别采用ROC曲线、校准曲线和临床决策曲线评估预测模
型的区分度、校准度和临床有效性。 结果 训练集和验证集患者性别、年龄、CT量化参数比较差异均无统计学意义（均P＞0.05）。训
练集浸润性组患者年龄、结节体积、质量、CT最大值、CT平均值、CT值方差、最大面面积、表面积、3D长径、长短径平均值、熵均大于非
浸润性组，峰度、偏度均小于非浸润性组，差异均有统计学意义（均P＜0.05）。多因素logistic回归分析显示CT最大值、CT平均值、、
CT值方差最大面面积和峰度均是肺腺癌浸润性的独立影响因素（均P＜0.05）。基于CT最大值、CT平均值、CT值方差、最大面面积和
峰度构建肺腺癌浸润性的列线图模型，该模型在训练集和验证集中的 AUC 分别为 0.967（95%CI：0.942~0.992）和 0.921（95%CI：
0.858~0.983），灵敏度为0.925和0.838，特异度为0.950和0.844。校准曲线趋于理想曲线，Hosmer-Lemeshow检验结果显示训练
集χ2
=11.412，P=1.000，验证集χ2
=7.201，P=0.514。临床决策曲线显示模型的临床净获益较好。 结论 基于AI量化参数CT最大值、
CT平均值、CT值方差、最大面面积和峰度构建的列线图模型预测肺腺癌浸润性具有一定的临床价值，可为临床决策提供帮助。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:亳州市卫生健康科研立项项目（bzwj2022b013） |
|
|
|
|
| Abstract: |
|
| Key words: |
