典型文献
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
文献摘要：
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。
文献关键词：
人工智能网络;肾透明细胞癌;肉瘤样分化
中图分类号：
作者姓名：
林博涵;邱钱仁顺;陈少豪;许宁;郑清水;薛学义;魏勇
作者机构：
福建医科大学附属第一医院泌尿外科，福州 350005;福建医科大学泌尿外科研究所，福州 350005;福建省肿瘤精准诊疗重点实验室，福州 350005
文献出处：
引用格式：
[1]林博涵;邱钱仁顺;陈少豪;许宁;郑清水;薛学义;魏勇-.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)[J].中华实验外科杂志,2022(05):966-969
A类：
B类：
人工智能网络,肾透明细胞癌,癌肉瘤,肉瘤样分化,ccRCC,精准诊断,诊疗方案,方案制定,临床病理资料,受试者工作特征,DeLong,test,统计学分析,肿瘤最大径,级低,低级,别组,高级别
AB值：
0.150059
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
