基于术前CT人工智能网络识别肾透明细胞癌肉瘤样分化与核分级

目的:构建基于术前CT人工智能网络(AI)识别肾透明细胞癌(ccRCC)肉瘤样分化与核分级，为ccRCC术前精准诊断和诊疗方案制定提供依据。方法:分析福建医科大学附属第一医院2015年4月至2018年8月共286例ccRCC患者术前CT影像学及临床病理资料，建立基于术前CT的AI网络模型并探究其在识别ccRCC高低核分级及肉瘤样分化中的作用。采用 t检验、受试者工作特征(ROC)曲线和DeLong’test进行统计学分析。 结果:286例患者中，22例(7.7%)伴肉瘤样分化，病理核分级1级39例(13.6%)，2级186例(65.0%)，3级43例(15.0%)，4级18例(6.4%)。AI预测肉瘤样分化组中肉瘤样分化概率明显高于非肉瘤样分化组[(73.66±21.99)%比(37.41±23.40)%， t＝-7.012， P<0.01]，ROC曲线下面积(AUC)为0.87(0.80~0.94)；两组间肿瘤最大径差异无统计学意义( t＝-0.538， P>0.05)。核分级低级别组肿瘤最大径明显小于高级别组[(4.83±3.10) cm比(5.85±3.69) cm， t＝-2.166， P<0.05]，AI预测低级别组中病理低级别概率明显高于病理高级别组[(74.96±18.52)%比(40.28±0.21)%， t＝12.713， P<0.01]，AUC＝0.88(0.83~0.93)，优于肿瘤最大径0.62(0.54~0.70) (DeLong’test， Z＝4.563， P<0.01)。 结论:基于术前CT的AI网络有助于识别ccRCC肉瘤样分化与病理核分级。