基于CT动脉期图像构建预测肾透明细胞癌分级人工智能模型及其效能分析

作者：陈心怡; 明樱; 韩雨晴; 黄陈翠; 徐井旭; 刘庆伟^*; 黄召勤^*

来源：医学影像学杂志, 2020, 30(06): 1033-1036.

• 放射组学
• 肾细胞癌
• 体层摄影术,X线计算机

目的探讨构建一种基于增强CT动脉期的人工智能预测模型,以实现术前对高级别(Fuhrman III～IV)及低级别(Fuhrman I～II)肾透明细胞癌(ccRCC)的分级。方法回顾性分析了121例cc RCC患者(高级别=47例,低级别=74例)的增强CT图像。两位放射科医师合作在每个患者的CT图像上绘制了整个肿瘤的轮廓,并由软件自动形成肿瘤的3D-VOI。从VOIs中提取了6种特征。基于这些特征建立了Logistic Regression(LR)模型。结果在训练集中,LR模型的敏感性和特异性分别为85.42%和86.30%,AUC为0.9238。在验证集中,模型的敏感性和特异性分别为81.25%和84.93%,AUC为0.8987。结论基于增强CT的人工智能预测模型有助于术前预测高、低级别ccRCC。

• 单位
  山东第一医科大学; 山东大学