Page 74 - 中国全科医学2022-17
P. 74

http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn  ·2119·


           键指标变化情况，从而增加随访过程的准确性。                               患者信息，简化随访流程，在早期肺癌筛查中是一种必
               本研究结果显示，实性结节组的实性占比、平均                           不可少的诊疗手段，有利于为预测肺结节增长、制订合
           CT 值高于 GGN 组，提示基于 AI 肺结节密度在 CT 影像                   适的随访时间提供参考依据。
           学中主要表现为实性占比和平均 CT 值的不同，表明 AI                            作者贡献：吴久纯负责文章的构思与设计、研究的
           对肺结节定性分类诊断具有指导意义，是数据化肺结节                            实施与可行性分析、统计学处理及论文撰写；李甜、李
           分类的重要指标，有利于肺结节患者的分类管理。K-M                           晓东负责论文的修订；卓越负责数据整理；张玉娇负责
           法分析结果显示，两组肺结节增长累积百分比无显著差                            数据收集；吴久纯、刘敬禹负责结果的分析与解释；刘
           异。多因素 Cox 比例风险回归分析结果显示，无论是实                         敬禹负责文章的质量控制及审校、对文章整体负责，监
           性结节还是 GGN，结节平均直径、结节体积、恶性概                           督管理。
           率及表面征象均是肺结节增长的独立影响因素，这意味                                本文无利益冲突。
           着平均直径、体积较大，具有表面征象及高危恶性概率                            参考文献
           的肺结节更容易增长；有研究表明结节较大及具有分                             ［1］CRUICKSHANK A，STIELER G，AMEER F. Evaluation of the
           叶征、毛刺征等表面征象的肺结节恶性可能性大                     ［19］ ，        solitary pulmonary nodule［J］. Intern Med J，2019，49（3）：
                                                                   306-315. DOI：10.1111/imj.14219.
           本研究基于 AI 还发现恶性概率是肺结节增长的独立影
                                                               ［2］杨锋，樊军，田周俊逸，等 . 人群肺亚实性结节 CT 筛查及人工
           响因素。蔡雅倩等        ［20］ 研究发现良、恶性肺结节的恶性
                                                                   智能应用研究初探［J］. 中华胸心血管外科杂志，2020，36（3）：
           概率差异有统计学意义，当恶性概率 >80％时肺结节恶                              145-150. DOI：10.3760/cma.j.cn112434-20191126-00420.
           性的可能性较大，建议临床医师结合多个肺结节增长                                 YANG F，FAN J，TIAN-ZHOU J Y，et al. Population-based
           预测因素有目的、有方向地对肺结节进行严密监测和密                                research of pulmonary subsolid nodule CT screening and artificial
           切随访，以尽早发现早期肺癌并采取治疗措施。本研                                 intelligence application［J］. Chinese Journal of Thoracic and
           究结果显示，GGN 中平均 CT 值和实性占比也是其增长                            Cardiovascular  Surgery，2020，36（3）：145-150.  DOI：
                                                                   10.3760/cma.j.cn112434-20191126-00420.
                                 ［21］
           的独立影响因素；LIN 等            指出肺结节内实性成分代
                                                               ［3］中华医学会呼吸病学分会肺癌学组，中国肺癌防治联盟专家
           表纤维细胞的增殖或是肿瘤中的侵袭性成分，当 GGN
                                                                   组 . 肺结节诊治中国专家共识（2018 年版）［J］.  中华结核
           内新近出现或原有软组织密度影不同程度的增加时，                                 和 呼 吸 杂 志，2018，41（10）：763-771. DOI：10.3760/cma.
           应高度警惕恶性结节的可能；此外，张正华等                    ［22］ 通过         j.issn.1001-0939.2018.10.004.
           多因素 Logistic 回归分析 AI 定量参数时指出平均 CT 值                 ［4］盛林丽 . 基于人工智能 CT 定量参数预测肺纯磨玻璃结节生长趋
           （OR=1.009）是浸润性早期肺癌的独立影响因素；复                             势的临床研究［D］. 昆明：昆明医科大学，2021.
           旦大学教授洪群英曾在解读《肺结节诊治中国专家共识                                SHENG L L. Clinical study of predicting the growth trend of
                                                                   lung nodules based on artificial intelligence CT quantitative
           （2018 年版）》时提到，GGN 的平均 CT 值在鉴别肺
                                                                   parameters［D］. Kunming：Kunming Medical University，2021.
           结节良恶性方面具有重要参考价值，即结节密度高低与
                                                               ［5］李欣菱，王颖 .  人工智能在肺结节检测与诊断中的应用及发
           恶性概率呈正相关        ［23］ ，因此，对 GGN 进行随访时密                   展［J］. 新发传染病电子杂志，2019，4（3）：185-189. DOI：
           切关注结节的平均 CT 值及实性占比至关重要。同时医                              10.19871/j.cnki.xfcrbzz.2019.03.014.
           师可参考 AI 随访系统纳入的多种肺结节诊治国际指南                              LI X L，WANG Y. Application and development of artificial
           制订个性化治疗方案及适当的随访时间                 ［24］ 。                intelligence in detection and diagnosis of pulmonary nodules［J］.
               本研究基于 InferRead CT Lung R 9.0 智能筛查系统                Electronic Journal of Emerging Infectious Diseases，2019，4（3）：
                                                                   185-189. DOI：10.19871/j.cnki.xfcrbzz.2019.03.014.
           对中高危肺结节进行密切随访，然而对于肺结节的研究
                                                               ［6］马景旭，陈欢，王红 . 分析肺部影像人工智能诊断系统鉴别诊
           应该是多层面的，从临床资料、影像学特征、分子标志
                                                                   断肺结节性质［J］. 临床肺科杂志，2021，26（6）：842-846.
           物到基因水平均可能影响早期肺癌的发生发展                    ［25］ ，因     ［7］刘娜，赵正凯，邹佳瑜，等 . 基于人工智能的胸部 CT 肺结节检
           此肺结节的具体生长模式还需进一步研究。在周彩存教                                出及良恶性诊断效能评估［J］. CT理论与应用研究，2021，30（6）：
           授倡导下，本院开展了肺癌自身抗体检测项目，包括                                 709-715. DOI：10.15953/j.1004-4140.2021.30.06.06.
           p53、SOX2、PGP9.5 及 GAGE7 等七种自身抗体，从分                      LIU N，ZHAO Z K，ZOU J Y，et al. Evaluation of detection and
           子层面对非稳定型高危肺结节进行筛查，这不仅减轻了                                diagnostic efficiency of pulmonary nodules by chest CT based on
                                                                   artificial intelligence［J］. Computerized Tomography Theory and
           患者的精神压力，而且减少了医疗费用、有利于避免过
                                                                   Applications，2021，30（6）：709-715. DOI：10.15953/j.1004-
           度医疗   ［26］ ，未来本院有望从基因层面出发对不同类型
                                                                   4140.2021.30.06.06.
           的肺结节进行多态性研究。                                        ［8］曹孟昆，姜杰，朱晓雷，等 . 人工智能肺部结节辅助诊疗系统
               综上所述，AI 随访系统可以分析肺结节增长的影                             预测肺结节的良恶性及浸润情况［J］. 中国胸心血管外科临床
           响因素，有助于判断良恶性结节，同时有效管理肺结节                                杂志，2021，28（3）：283-287.
   69   70   71   72   73   74   75   76   77   78   79