目的:探讨人工智能辅助诊断系统在肺结节良恶性诊断方面的临床应用价值,并结合CT影像特征进一步探寻预测肺癌浸润程度的可能性。通过构建预测模型了解与肺癌侵袭性相关的因素,为临床医生预测肺癌浸润程度提供可供应用的列线图,以便指导临床医生应用人工智能辅助诊断系统准确判断肺结节的良恶性及浸润程度。材料和方法:从我院电子病案系统及深睿人工智能诊断系统提取临床资料及肺结节影像资料,应用确切的病理数据和恶性概率绘制人工智能辅助诊断系统诊断肺结节良恶性的接受者操作特征曲线(Receiveroperating characterCH-223191价格istic curvselleckchem CX-5461e,ROC),评估该计算机辅助诊断(computer assisted diagnosis/detection,CAD)系统的诊断效能。同时,采用单因素分析、多因素Logistic回归分析临床资料和影像资料筛选出与肺癌浸润程度相关的独立危险因素,并以此构建预测模型并绘制列线图;应用训练集进行内部验证,通过ROC曲线下面积(Area under the curve,AUC),采用Hosmer-Lemeshow检验对构建的模型的效能进行评价。结果:1、共纳入符合条件的肺结节术后患者199例,其中男性91例,女性108例,平均年龄56.31±11.88岁;其中包括良性结节49例(纯磨玻璃结节7例,部分实性结节7例,实性结节35例),恶性结节149例(部分实性结节35例,纯磨玻璃结节74例,实性结节40例),癌前病变1例(为纯磨玻璃结节)。2、根据病理资料和恶性概率绘制ROC曲线,计算曲线下面积0.886,人工智能预测肺结节良恶性的准确率为84.9%,灵敏度为97.3%Microbiota-independent effects,特异度为48%,阳性预测值为84.8%,阴性预测值为85.7%。计算截断值,取最佳截断值79.5%为诊断恶性肺结节的临界值,灵敏度为74.5%,特异度为90.0%。3、通过单因素分析和多因素逻辑回归分析,确定与肺癌的浸润程度相关的独立危险因素为最大直径、年龄、分叶征、胸膜凹陷征、空泡征;构建预测模型并绘制列线图,计算ROC曲线的曲线下面积为0.88,采用HosmerLemeshow检验(H-L检验)检验模型拟合良好。结论:1、应用深睿人工智能辅助诊断系统预测肺结节良恶性的恶性概率的临界值为79.5%。2、最大直径、年龄、分叶征、胸膜凹陷征、空泡征是预测肺癌浸润程度的独立危险因素。