刘 巧 曾 燕 刘 博 王 毅 李晓凤 周代全

肺癌具有较高的发病率和死亡率，肺腺癌在肺癌中占据最大比例。2021年WHO肺部肿瘤组织学分类［1］将非典型腺瘤样增生（atypical adenomatous hyperplasia，AAH）、原位腺癌（adenocarcinoma in situ，AIS）定义为腺体前驱病变，其具有向微浸润性腺癌 （minimally invasive adenocarcinoma，MIA）及浸润性腺癌（invasive adenocarcinoma，IAC）发展的趋势，但生长速度较缓慢，一般只需定期随访观察即可，即使行手术治疗，AIS手术完全切除后患者5年无病生存率达100%或接近100%。而MIA及IAC根据病情发展严重程度一般需行手术治疗，研究指出ⅠA期肺腺癌患者手术切除后5年无病生存率为74.6%［2-4］。因此早期鉴别腺体前驱病变与肺腺癌不仅可帮助临床制订合适的治疗方案，还可提高患者的生存率。目前临床中主要依靠手术或穿刺组织病理学检查等有创方式来明确病变的病理类型，近年来随着人工智能及影像组学技术的发展，通过从CT和MRI等影像中高通量提取反映组织微观变化的定量信息并构建模型，有望以无创的方式实现疾病的早期诊断和预后预测［5］。因此，本研究采用影像组学技术高通量挖掘CT影像中的信息，获取影像组学特征，结合临床信息构建机器学习模型，以期实现对肺腺癌的早期、准确预测。

方 法

1. 数据来源

收集重庆医科大学附属第三医院2017年1月—2020年12月收治的186例病理类型明确的肺结节患者，其中男性59例，女性127例，年龄20~88岁。肺结节病理亚型包括AAH（12例）、AIS（35例）、MIA（48例）和IAC（91例），根据2021年WHO肺部肿瘤组织学分类标准将所有病例划分为腺体前驱病变组（AAH和AIS）与腺癌组（MIA和IAC），再按照7∶3比例将数据分为训练集（130例）和测试集（56例）。……