纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建

胡宇; 杜铭

doi:10.13406/j.cnki.cyxb.003200

您当前的位置：

首页 >

文章列表页 >

纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建

临床研究 | 更新时间：2025-10-21

- 纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建
- Correlation analysis and prediction model construction of CT signs and infiltration degree of pure ground-glass nodule lung adenocarcinoma
- 重庆医科大学学报 2023年48卷第4期页码：423-429
- 作者机构：
  
  重庆医科大学附属第一医院胸心外科，重庆 400016
- 作者简介：
  
  胡　宇，Email：1244403760@qq.com，研究方向：胸心外科肿瘤治疗。
  杜　铭，Email：ljdyt1103@sina.com。
- 基金信息：
- DOI：10.13406/j.cnki.cyxb.003200
  中图分类号： R655.3
- 收稿：2022-10-07，
  
  修回：2023-01-05，
  
  录用：2023-02-02，
  
  纸质出版：2023-04-28
- 稿件说明：
移动端阅览
胡宇,杜铭.纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建[J].重庆医科大学学报,2023,48(4):423-429.

Hu Yu,Du Ming.Correlation analysis and prediction model construction of CT signs and infiltration degree of pure ground-glass nodule lung adenocarcinoma[J].Journal of Chongqing Medical University,2023,48(4):423-429.
胡宇,杜铭.纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建[J].重庆医科大学学报,2023,48(4):423-429. DOI： 10.13406/j.cnki.cyxb.003200.

Hu Yu,Du Ming.Correlation analysis and prediction model construction of CT signs and infiltration degree of pure ground-glass nodule lung adenocarcinoma[J].Journal of Chongqing Medical University,2023,48(4):423-429. DOI： 10.13406/j.cnki.cyxb.003200.

摘要

目的

探究纯磨玻璃结节（pure ground-glass nodule，pGGN）肺腺癌计算机断层扫描（computed tomography，CT）征象与其浸润程度的相关性，建立CT征象与浸润程度的预测模型。

方法

回顾性分析424例经手术切除、病理活检证实且胸部CT表现为pGGN的肺腺癌患者临床资料及CT征象，根据病理活检结果分为非典型腺瘤样增生、原位腺癌、微浸润腺癌和浸润性腺癌4组，对组间差异采用卡方检验或Fisher确切概率法进行统计分析。对有统计学意义的结果，使用怀卡托智能分析环境（Waikato environment for knowledge analysis，WeKa）中的6种学习算法进行预测模型构建，并验证准确性，挑选出最适用于本研究的预测模型。

结果

4组间在结节直径、结节密度值上的差异具有统计学意义（

0.001），对应的直径平均值分别为6.90、8.65、10.71、14.56 mm，对应的密度平均值分别为-633.16、-543.04、-401.03、-322.94 HU，随着病灶的浸润程度加重，结节的直径及密度值呈现明显的上升趋势。4组间在结节边界、分叶、毛刺、血管穿行、胸膜凹陷、空气支气管征、空泡征等的差异具有统计学意义（

0.05），而结节的生长位置，年龄、吸烟史、直系亲属肺癌家族史等差异无统计学意义（

0.05）。随机森林算法所构建的模型预测准确率为76.42%~79.72%，Kappa系数为0.597~0.670，受试者工作特征（receiver operating characteristic，ROC）曲线下面积均大于0.9，在误差指标中表现最优，是最适合于本研究的预测模型。

结论

pGGN的不同CT征象与其浸润程度密切相关，可以用于建立预测模型。基于随机森林算法所建模型，在有创干预前早期快速识别pGGN浸润程度的平均准确率为78.07%，准确度最高，对肺癌预测具有潜在应用价值。

Abstract

Objective

To explore the correlation between computed tomography（CT） signs and infiltration degree of pure ground-glass nodule（pGGN） lung adenocarcinoma，and establish a prediction model of CT signs and infiltration degree.

Methods

The clinical data and CT signs of 424 patients with lung adenocarcinoma confirmed by surgical resection，pathological biopsy and chest CT findings of pGGN were analyzed retrospectively，and according to the results of pathological biopsy，they were divided into four groups： atypical adenomatous hyperplasia，adenocarcinoma

in situ

，minimally invasive adenocarcinoma an

d invasive adenocarcinoma. The Chi-square test or Fisher’s exact probability test was used for statistical analysis of differences between groups. For the results with statistical significance，six learning algorithms in Waikato environment for knowledge analysis（WeKa） were used to build the prediction model，verify the accuracy，and select the prediction model most suitable for this study.

Results

The differences in nodule diameter and nodule density between the four groups were statistically significant（

0.001），with the corresponding mean diameters of 6.90，8.65，10.71 and 14.56 mm，and the corresponding mean densities of -633.16，-543.04，-401.03 and -322.94 HU，respectively. The diameter and density of the nodules showed an obvious upward trend with the increase of the degree of invasion of the lesions. There were statistically significant differences among the four groups in nodule boundary，lobulation，burr，vascular perforation，pleural indentation，air bronchogram sign，and vacuole sign（

0.05），but there were no statistically significant differences in nodule growth position，age，smoking history，family history of lung cancer in immediate family（

0.05）. The prediction accuracy of the model constructed by the random forest algorithm fluctuated between 76.42% and 79.72%，the Kappa coefficient fluctuated between 0.597 and 0.670， and the area under the receiver operating characteristic（ROC） curve was greater than 0.9，which was the best among the error indicators. Thus，it is the most suitable prediction model for this study.

Conclusion

The different CT signs of pGGN are closely related to the degree of infiltration， and can be used to establish a prediction model. Based on the model built by random forest algorithm，the average accuracy of quickly identifying the pGGN infiltration degree in the early stage before invasive intervention is 78.07%，which is the highest accuracy，and can potentially be used in the prediction of lung cancer in the future.

关键词

Keywords

references

中华医学会肺癌临床诊疗指南（2022版） [J ] . 中华肿瘤杂志， 2022 ， 44 （ 6 ）： 457 - 490 .

Chinese Medical Association guideline for clinical diagnosis and treatment of lung cancer （2022 edition） [J ] . Chin J Oncol ， 2022 ， 44 （ 6 ）： 457 - 490 .

Pedersen JH ， Saghir Z ， Wille MMW ， et al . Ground-glass opacity lung nodules in the era of lung cancer CT screening：radiology，pathology，and clinical management [J ] . Oncology （Williston Park）， 2016 ， 30 （ 3 ）： 266 - 274 .

张　为，李小虎，杜丹丹，等 . 纯磨玻璃结节的CT特征及定量分析对肺腺癌病理分类的预测价值 [J ] . 中国医学影像学杂志， 2018 ， 26 （ 9 ）： 658 - 663 .

Zhang W ， Li XH ， Du DD ， et al . CT features and quantitative analysis of pure ground-glass nodules in the pathological grading and prediction of lung adenocarcinoma [J ] . Chin J Med Imaging ， 2018 ， 26 （ 9 ）： 658 - 663 .

张　宏，丁必彪，魏恒乐，等 . 高分辨率CT对肺纯磨玻璃结节侵袭性的预测价值 [J ] . 临床放射学杂志， 2019 ， 38 （ 3 ）： 436 - 440 .

Zhang H ， Ding BB ， Wei HL ， et al . Prediction value of the invasiveness in pure ground-glass opacity on lung high-resolution CT images [J ] . J Clin Radiol ， 2019 ， 38 （ 3 ）： 436 - 440 .

Gao JW ， Rizzo S ， Ma LH ， et al . Pulmonary ground-glass opacity：computed tomography features，histopathology and molecular pathology [J ] . Transl Lung Cancer Res ， 2017 ， 6 （ 1 ）： 68 - 75 .

Gao YN ， Zhou R ， Lyu QW . Multiomics and machine learning in lung cancer prognosis [J ] . J Thorac Dis ， 2020 ， 12 （ 8 ）： 4531 - 4535 .

Sun T ， Wang JJ ， Li X ， et al . Comparative evaluation of support vector machines for computer aided diagnosis of lung cancer in CT based on a multi-dimensional data set [J ] . Comput Methods Programs Biomed ， 2013 ， 111 （ 2 ）： 519 - 524 .

李　运，陈克终，隋锡朝，等 . 孤立性肺结节良恶性判断数学预测模型的建立 [J ] . 北京大学学报（医学版）， 2011 ， 43 （ 3 ）： 450 - 454 .

Li Y ， Chen KZ ， Sui XZ ， et al . Establishment of a mathematical prediction model to evaluate the probability of malignancy or benign in patients with solitary pulmonary nodules [J ] . J Peking Univ Health Sci ， 2011 ， 43 （ 3 ）： 450 - 454 .

丁　宁，范国华，李梦娟 . Nomogram模型预测肺部混合磨玻璃结节微浸润腺癌和浸润性腺癌临床价值 [J ] . 临床放射学杂志， 2021 ， 40 （ 6 ）： 1097 - 1101 .

Ding N ， Fan GH ， Li MJ . The clinical value of the nomogram model for predicting minimally invasive adenocarcinoma and invasive adenocarcinoma with mixed ground glass nodules [J ] . J Clin Radiol ， 2021 ， 40 （ 6 ）： 1097 - 1101 .

王成武，晏峻峰 . 早期糖尿病风险预测模型的比较研究 [J ] . 智能计算机与应用， 2021 ， 11 （ 1 ）： 64 - 68 .

Wang CW ， Yan JF . Comparison of early diabetes risk prediction models [J ] . Intell Comput Appl ， 2021 ， 11 （ 1 ）： 64 - 68 .

Mansour EA . Prognosis of thoracic cancer using the bierman random committee machine learning [J ] . Int J Onl Eng ， 2021 ， 17 （ 12 ）： 135 - 150 .

Gould MK ， Donington J ， Lynch WR ， et al . Evaluation of individuals with pulmonary nodules：when is it lung cancer? Diagnosis and management of lung cancer，3rd ed：American College of Chest Physicians evidence-based clinical practice guidelines [J ] . Chest ， 2013 ， 143 （ 5 Suppl ）： e93 S-e120S.

肺结节诊治中国专家共识（2018年版） [J ] . 中华结核和呼吸杂志， 2018 ， 41 （ 10 ）： 763 - 771 .

China expert consensus on diagnosis and treatment of pulmonary nodules （2018 edition） [J ] . Chin J Tuberc Respir Dis ， 2018 ， 41 （ 10 ）： 763 - 771 .

苏大同，王　颖 . 肺结节CT随访中的生长特性评估 [J ] . 中国肺癌杂志， 2017 ， 20 （ 8 ）： 584 - 588 .

Su DT ， Wang Y . Growth evaluation of pulmonary nodules on chest CT [J ] . Chin J Lung Cancer ， 2017 ， 20 （ 8 ）： 584 - 588 .

Miao YY ， Zhang JY ， Zou JW ， et al . Correlation in histological subtypes with high resolution computed tomography signatures of early stage lung adenocarcinoma [J ] . Transl Lung Cancer Res ， 2017 ， 6 （ 1 ）： 14 - 22 .

Yang J ， Wang HL ， Geng C ， et al . Advances in intelligent diagnosis methods for pulmonary ground-glass opacity nodules [J ] . Biomed Eng Online ， 2018 ， 17 （ 1 ）： 20 .

Zheng B ， Zhou XW ， Chen JH ， et al . A modified model for preoperatively predicting malignancy of solitary pulmonary nodules：an Asia cohort study [J ] . Ann Thorac Surg ， 2015 ， 100 （ 1 ）： 288 - 294 .

张　颖，窦一峰 . 基于WEKA的医学数据分类及糖尿病早期预测 [J ] . 医学信息， 2021 ， 34 （ 6 ）： 32 - 35 .

Zhang Y ， Dou YF . Medical data classification and early diabetes prediction based on WEKA [J ] . J Med Inf ， 2021 ， 34 （ 6 ）： 32 - 35 .

Cho J ， Ko SJ ， Kim SJ ， et al . Surgical resection of nodular ground-glass opacities without percutaneous needle aspiration or biopsy [J ] . BMC Cancer ， 2014 ， 14 ： 838 .

柳蒋书，孟　刚，梁晓，等 . 59例纯磨玻璃结节影像与病理相关因素的定量分析 [J ] . 临床与实验病理学杂志， 2019 ， 35 （ 7 ）： 804 - 807 .

Liu JS ， Meng G ， Liang X ， et al . Imaging-pathological related factors of pure ground glass nodules in lungs：quantitative analyses of 59 cases [J ] . Chin J Clin Exp Pathol ， 2019 ， 35 （ 7 ）： 804 - 807 .

Hu HY ， Wang QG ， Tang HM ， et al . Multi-slice computed tomography characteristics of solitary pulmonary ground-glass nodules：differences between malignant and benign [J ] . Thorac Cancer ， 2016 ， 7 （ 1 ）： 80 - 87 .

Wu HR ， Liu CQ ， Xu MQ ， et al . A retrospective study of mean computed tomography value to predict the tumor invasiveness in AAH and clinical stage ia lung cancer [J ] . Zhongguo Fei Ai Za Zhi ， 2018 ， 21 （ 3 ）： 190 - 196 .

Kim D ， Kim HK ， Kim SH ， et al . Prognostic significance of histologic classification and tumor disappearance rate by computed tomography in lung cancer [J ] . J Thorac Dis ， 2018 ， 10 （ 1 ）： 388 - 397 .

Chen KN . The diagnosis and treatment of lung cancer presented as ground-glass nodule [J ] . Gen Thorac Cardiovasc Surg ， 2020 ， 68 （ 7 ）： 697 - 702 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

建立稳定敲减MINK1表达的肺腺癌细胞系及对其初步分析

基于SEER数据库异时双原发肺癌预后模型的构建和验证

孤立性肺结节的良恶性预测因子及预测模型的建立与验证

MPVR评估肺磨玻璃结节侵袭性的价值

FERMT1通过Wnt/β-catenin信号通路调控EMT促进肺腺癌转移的机制研究