吴虹霖， 雷丽程， 杨茂江， 蒋小凤， 王 朗， 李 杨， 杨汉丰

CT引导下经皮胸腔肺穿刺活检（percutaneous transthoracic needle biopsy，PTNB）广泛应用于肺部病变的诊断，尤其是辨别肺部病变的良恶性。该检查准确率高、安全性好、并发症少［1］。气胸是其最常见的并发症，发生率为4%～62%［2-3］。既往研究大多探讨气胸的风险因素，鲜见气胸预测模型的建立。近年来，人工智能和机器学习算法对疾病的早期诊断和风险预测成为一大热点，如诊断冠状动脉疾病和前列腺癌［4-5］，预测癌症存活率等［6］。

本文基于以往文献报道和临床经验总结的气胸风险因素，联合机器学习的方法，旨在构建具有较高判别能力的气胸预测模型。该模型可作为初步筛选工具，用于识别CT引导下PTNB术后发生气胸的高危患者，有助于医师优化穿刺路径以降低气胸发生率。

1 材料与方法

1.1 临床资料

回顾性分析2016年11月—2017年4月于我院介入室行CT引导下PTNB患者528例，其中53例发生气胸，气胸发生率为10.0%。纳入标准：川北医学院附属医院PACS系统检索肺穿刺活检患者；院内进行病理诊断。排除标准：病灶最大直径＜5 mm；病灶属于纵隔内或胸膜肿块；影像资料不完整。本研究中机器学习方法在两样本数量（气胸/非气胸）接近的情况下能更快地得到更好的预测模型，因此，共计纳入94例患者（气胸组/非气胸组为43/51），其中男62例，女32例，年龄为37～84岁，平均（61.1±9.6）岁。本研究经本院伦理委员会批准，所有患者均知晓手术目的及风险，并签署知情同意书。

1.2 方法

1.2.1 术前准备 所有患者术前（1个月内）经胸部CT平扫和增强扫描或PET-CT检查发现肺部结节，需行CT引导下PTNB明确病灶性质。……