摘要

目的：基于肺结节人工智能软件建立决策树模型，为IA期小细胞肺癌（Small-cell lung carcinoma,SCLC）与非小细胞肺癌（Non small-cell lung carcinoma,NSCLC）的鉴别诊断提供思路。方法：对109例实性肺结节患者的术前CT资料进行回顾性分析，采用肺结节人工智能软件自动提取CT纹理征象，并建立决策树模型；最后以受试者工作特征曲线（Receiver operating curve,ROC）评估决策树模型的诊断效能。结果：依据手术病理将患者分为NSCLC组（n=93）与SCLC组（n=16）。与NSCLC相比，SCLC的CT最大值、CT最小值、CT平均值、CT值方差、熵更大，且偏度值更低（均P<0.005）。CT值方差（节点阈值214.045 HU）、熵（节点阈值9.105）纳入最终的决策树模型，该诊断模型的曲线下面积（Area under curve,AUC）为0.806，对应的敏感度、特异度以及准确度分别为68.8%、92.5%、89.0%。结论：基于CT纹理征象构建的决策树模型，为NSCLC与SCLC的鉴别诊断提供了准确客观、可视化的诊思路。

关键词