肺癌是全球癌症死亡的主要原因之一，而早期診斷對於提高患者的存活率至關重要。近年來，人工智慧（AI）在醫療影像領域的應用日益廣泛，為肺癌的診斷和治療帶來了新的希望。一項發表在《Frontiers in Oncology》期刊上的研究，探討了基於AI的電腦斷層掃描（CT）影像分析，如何預測以部分實質性結節（part-solid nodules, PSNs）表現的肺腺癌的侵襲性，為臨床決策提供更精確的資訊。

研究背景與目的

腫瘤侵襲性是決定手術策略和患者預後的重要因素。傳統上，醫生依賴於CT影像的主觀判斷來評估腫瘤的侵襲性，但這種方法容易受到觀察者差異的影響。本研究旨在探索基於AI的CT影像直方圖指標，這些指標與表現為PSNs的肺腺癌的侵襲狀態顯著相關，並構建放射組學模型來預測腫瘤的侵襲性。

研究方法

研究團隊回顧性分析了2014年1月至2019年10月在北京大學人民醫院接受手術切除的肺腺癌患者的資料，這些患者的腫瘤表現為PSNs。根據病理學評估，腫瘤被分為原位腺癌（adenocarcinoma in situ, AIS）、微浸潤性腺癌（minimally invasive adenocarcinoma, MIA）和浸潤性腺癌（invasive adenocarcinoma, IAC）。整個隊列被隨機分為訓練集（70%，n=832）和驗證集（30%，n=356），用於建立和驗證預測模型。

研究人員使用基於AI的演算法（InferRead CT Lung）提取每個肺結節的CT直方圖參數。為了進行特徵選擇，建立了多變數迴歸模型來識別與腫瘤侵襲性相關的因素。然後，使用邏輯迴歸分類器構建放射組學模型。模型的預測性能通過受試者工作特徵（ROC）曲線和校準曲線進行評估。

研究結果

研究共納入了299例AIS/MIA和889例IAC。在訓練集中，多變數邏輯迴歸分析顯示，年齡（勝算比OR，1.020；95% CI，1.004–1.037；p=0.017）、吸菸史（OR，1.846；95% CI，1.058–3.221；p=0.031）、實質平均密度（OR，1.014；95% CI，1.004–1.024；p=0.008）、實質體積（OR，5.858；95% CI，1.259–27.247；p=0.037）、胸膜牽拉徵象（OR，3.179；95% CI，1.057–9.559；p=0.039）、方差（OR，0.570；95% CI，0.399–0.813；p=0.002）和熵（OR，4.606；95% CI，2.750–7.717；p<0.001）是IAC的獨立預測因子。 訓練集和驗證集的ROC曲線下面積（AUC）表明，直方圖模型（AUC=0.892）比臨床模型（AUC=0.852）和綜合模型（AUC=0.886）具有更好的區分能力。

研究討論

近年來，醫學影像的數位處理已成為一個熱點。CT資訊的量化分析促進了對肺結節內部結構的理解。特別是以深度學習為代表的人工智慧技術已廣泛應用於醫學影像領域。基於CT影像的肺結節篩查、分析和診斷已進入精準化和智慧化時代。肺結節的臨床診斷過程和效率得到了極大的提高。

本研究開發了一種基於AI的直方圖模型，可以可靠地預測表現為PSNs的肺腺癌的腫瘤侵襲性。這一發現將為指導日常實踐中PSNs的精準管理提供有希望的價值。

其他相關研究與進展

除了上述研究，其他研究也顯示了AI在肺癌診斷中的潛力。例如，一項發表在《Radiology》上的研究，開發了一種聯合深度學習和放射組學AI模型，可以標記肺癌患者腫瘤的侵襲程度。該模型在預測微浸潤性腺癌方面表現出較高的準確性（85%）。

此外，一些研究還探索了使用AI來預測早期肺癌患者的內臟胸膜侵犯（visceral pleural invasion, VPI）。一項研究使用AI輔助的三維（3D）CT影像分析，發現“實質性結節”和“胸膜接觸”是VPI的關鍵預測因子，模型的AUC達到0.831。

另一項研究則結合腫瘤內和腫瘤周圍的放射組學特徵以及臨床資料，建立了一個綜合模型來預測肺腺癌的侵襲性。結果顯示，該綜合模型的AUC達到0.93，靈敏度為0.91，特異性為0.86，優於其他模型。

AI在肺癌診斷中的挑戰與未來展望

儘管AI在肺癌診斷中顯示出巨大的潛力，但也存在一些挑戰。例如，CT影像的品質可能因醫療機構而異，這可能會影響模型的性能。此外，將AI系統整合到現有的診斷工作流程中，以及確保資料隱私和安全，也是實際應用中需要考慮的問題。

然而，隨著技術的不斷發展，AI在肺癌診斷中的應用前景仍然廣闊。未來的研究可以集中在以下幾個方面：

  • 開發更精確、更可靠的AI模型，以提高肺癌的早期檢測率和診斷準確性。
  • 探索使用AI來預測患者對不同治療方案的反應，從而實現個體化治療。
  • 開發使用者友好的介面，並為醫療專業人員提供充分的培訓，以促進AI技術的採用和信任。
  • 建立多中心、大規模的資料集，以提高AI模型的泛化能力和魯棒性。

結論與研判

AI在肺癌診斷領域的應用正在快速發展，為提高診斷準確性、改善患者預後帶來了新的希望。基於AI的CT影像分析，可以更精確地預測肺腺癌的侵襲性，為臨床醫生提供更全面的資訊，從而制定更合理的治療方案。儘管目前仍存在一些挑戰，但隨著技術的不斷進步和研究的深入，AI有望在肺癌的早期檢測、診斷和治療中發揮更大的作用。AI輔助診斷將有助於減少不必要的手術，並為患者提供更精準的治療方案，最終提高肺癌患者的存活率和生活品質。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: November 3, 2025