张力，肖丹丹

1.北京中医医院顺义医院医学工程处，北京 101300；2.北京中医医院顺义医院放射科，北京 101300； *通信作者 张力z_z200888@126.com

在全球范围内，肺癌的发病率和死亡率高，并呈年轻化趋势，且较多患者发现时已处于进展期，其5年生存率仅为19%，早诊早治是提高肺癌生存的关键[1-2]。早期肺癌在胸部CT主要表现为肺小结节，虽然其检出率逐年提高，但假阳性率较高，导致目前肺结节良恶性鉴别诊断存在困难，微小结节的诊断更具挑战[3-5]。

非小细胞肺癌约70%为肺腺癌，肺腺癌及浸润前病变分为不典型腺瘤样增生（atypical adenocarcinoma hyperplasia，AAH）、原位腺癌（adenocarcinomain situ，AIS）、微浸润腺癌（microinvasive adenocarcinoma，MIA）和浸润性腺癌（invasive adenocarcinoma，IAC）[6]。不同类型的治疗方式不同，患者预后生存有差别，因此在CT上准确判断肺腺癌亚型的临床意义重大[2,5-6]。

人工智能时代，各种分类器可有效鉴别结节的良恶性，辅助医师提高诊断效率的同时，也减少了读片者的主观偏差，对肺结节的定性诊断可无创地量化肿瘤表型特征，降低过度诊断，缓解患者的压力[1,7-11]。

大量影像组学和深度学习在肺结节诊断方面的研究充分证明了这种高度定量技术手段的有效性[12-16]，目前在肺结节的鉴别诊断、病理分型甚至分子分型方面有大量研究[12,15,17-18]，但对不同模型在不同类型结节判断能力的表现鲜有报道，现有的研究无法综合评估不同组学模型的优缺点，也限制了其在临床上的应用[9,11,16,18]。本研究创新性地引入双影像组学模型——针对不同大小类型的实性和亚实性肺结节，从良恶性分类以及侵袭程度分级方面对模型进行评估。……