Page 73 - 中国全科医学2022-17

·2118· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

径、结节体积、实性占比、恶性概率、表面征象、平均 表 4 GGN 增长影响因素的单因素与多因素 Cox 比例风险回归分析
结果
CT 值及偏度是 GGN 增长的影响因素（P<0.05），见表 4。
Table 4 Univariate and multivariate Cox proportional risk regression
以单因素 Cox 比例风险回归分析中 P<0.10 的变量 analyses of associated with the growth of ground-glass pulmonary nodules
为自变量（赋值同上）进行多因素 Cox 比例风险回归分 单因素 Cox 比例风险回归分析 多因素 Cox 比例风险回归分析
变量
析，结果显示结节平均直径、结节体积、恶性概率、表 HR（95%CI） P 值 HR（95%CI） P 值
面征象是实性结节和 GGN 增长的影响因素（P<0.05）， 年龄 0.985（0.958，1.013） 0.296 — —
实性占比及平均CT值是GGN增长的影响因素（P<0.05）， 性别 1.023（0.536，1.949） 0.946 — —
吸烟史 1.877（0.999，3.526） 0.050 — —
见表 3~4。
癌症家族史 1.023（0.532，1.967） 0.947 — —
结节数目 0.862（0.452，1.645） 0.653 — —
表 2 肺结节增长影响因素的 Cox 比例风险回归分析变量赋值表
Table 2 Cox proportional risk regression analysis variable assignment table 结节平均直径 5.552（2.811，10.964） <0.001 2.458（1.053，5.739） 0.038
of influencing factors of pulmonary nodule growth 结节体积 1.001（1.000，1.001） <0.001 1.001（1.000，1.002） 0.010
变量 赋值 实性占比 1.028（1.012，1.044） 0.001 1.022（1.002，1.041） 0.030
肺结节增长 增长 =1，无增长 =0 结节部位 0.990（0.804，1.218） 0.922 — —
年龄 实测值 恶性概率 2.813（1.422，5.562） 0.003 2.386（1.174，4.850） 0.016
表面征象 3.119（1.578，6.165） 0.001 3.026（1.492，6.136） 0.002
性别 男 =1，女 =0
平均 CT 值 1.003（1.001，1.005） 0.002 1.002（1.000，1.003） 0.045
吸烟史 有 =1，无 =0
偏度 1.521（1.055，2.193） 0.025 — —
癌症家族史 有 =1，无 =0
峰度 0.968（0.643，1.458） 0.877 — —
结节类型 多发 =1，单发 =0
注：—表示无此数据
结节平均直径 实测值
结节体积 实测值
3 讨论
实性占比 实测值
目前，为了尽早发现早期肺癌，各个医院大力开展
右肺上叶 =1，右肺中叶 =2，右肺下叶 =3，左肺
结节部位 了 HRCT、LDCT、螺旋 CT 及多学科会诊等多种诊疗模
上叶 =4，左肺下叶 =5
恶性概率 高危 =1，中危 =0 式筛查肺结节，但仍存在漏诊、误诊及过度医疗等问
表面征象 有 =1，无 =0 题 ［12］ 。AI 作为一种新型科学技术手段已广泛应用于各
平均 CT 值 实测值 个行业，尤其在医疗方面，在乳腺疾病、眼部疾病及风
偏度 实测值 湿性疾病等多个系统疾病均有涉及 ［13-15］ 。针对肺癌，
峰度 实测值
AI 早期开展项目主要应用于肺结节的检测、筛查以及
良恶性的评估，而对于 AI 随访管理肺结节方面的研究
表 3 实性结节增长影响因素的单因素与多因素 Cox 比例风险回归分
析结果 尚未深入，故本研究探讨了 AI 随访肺结节增长的影响
Table 3 Univariate and multivariate Cox proportional risk regression 因素及临床应用价值，以期为肺结节有效随访提供理论
analyses of factors associated with the growth of solid pulmonary nodules
依据。
单因素 Cox 比例风险回归分析 多因素 Cox 比例风险回归分析
变量 本研究中运用的 AI 随访系统是以全国多家大型三
HR（95%CI） P 值 HR（95%CI） P 值
年龄 1.016（0.989，1.043） 0.250 — — 甲医院胸部影像学资料及数十万训练数据集为基础形成
性别 0.759（0.380，1.516） 0.434 — — 的强大数据库 ［16］ ，可即时存储大量患者临床资料及影
吸烟史 1.863（0.949，3.659） 0.071 — — 像学信息，输入患者及医师联系方式，设置随访时间后，
癌症家族史 2.228（1.134，4.381） 0.020 — — AI 随访系统会定期发短信告知患者来院复诊、提醒医
结节数目 1.088（0.530，2.233） 0.817 — — 师联系本周随访患者，简化了手写、整理纸质版资料的
结节平均直径 4.059（2.282，7.218） <0.001 2.185（1.079，4.425） 0.030
烦琐过程，有利于防止重要信息遗失。相关研究表明，
结节体积 1.001（1.001，1.002） <0.001 1.001（1.000，1.001） 0.022 ［17］
肺结节体积的生长速度明显大于直径的生长速度 ，
实性占比 0.987（0.958，1.017） 0.391 — —
表明体积比直径更能反映肺结节的生长，具有更高的灵
结节部位 1.047（0.817，1.341） 0.717 — —
敏度和准确性，故本研究将肺结节直径增加≥ 2 mm 或
恶性概率 2.559（1.245，5.260） 0.011 2.232（1.036，4.806） 0.040
体积增长≥ 20% 或实性占比增加≥ 1% 作为其增长标
表面征象 2.781（1.354，5.715） 0.005 2.125（1.006，4.489） 0.048
准，同时通过 AI 三维卷积神经网络深度学习模型 ［18］ ，
平均 CT 值 1.000（0.999，1.002） 0.679 — —
偏度 0.962（0.693，1.334） 0.816 — — 利用 CT 号对患者的历史病历数据进行自动关联，并对
峰度 1.035（0.655，1.633） 0.884 — — 同一病灶进行配准分析，在同一机器上、按同一标准、
注：—表示无此数据 自动、精准计算肺结节影像学信息，快速识别肺结节关