文献类型：期刊文章

作　　者：顾佳毅[1] 史豪庭[2] 杨琳希[1] 沈逸卿[3] 王紫馨[2] 冯琦[4] 汪明[1] 曹晖[1]

Gu Jiayi;Shi Haoting;Yang Linxi;Shen Yiqing;Wang Zixin;Feng Qi;Wang Ming;Cao Hui(Department of Gastrointestinal Surgery,Renji Hospital,Shanghai Jiaotong University School of Medicine,Shanghai 200127,China;Shanghai Jiaotong University School of Medicine,Shanghai 200025,China;School of Mathematical Sciences,Zhiyuan Innovative Research Center,Shanghai Jiaotong University,Shanghai 200240,China;Department of Radiology,Renji Hospital,Shanghai Jiaotong University School of Medicine,Shanghai 200127,China)

机构地区：[1]上海交通大学医学院附属仁济医院胃肠外科,200127 [2]上海交通大学医学院,200025 [3]上海交通大学数学科学学院,上海交通大学致远创新研究中心,200240 [4]上海交通大学医学院附属仁济医院放射科,200127

出　　处：《中华胃肠外科杂志》

基　　金：国家自然科学基金(82072669);上海市交通大学医学院第15期大学生创新训练计划项目(1521Z201)。

年　　份：2021

卷　　号：24

期　　号：9

起止页码：796-803

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的增强CT是术前诊断和评估胃黏膜下肿瘤(SMT)恶性潜能的重要检查手段,在区分直径>5 cm胃的胃肠间质瘤(GIST)和胃良性SMT中有较高的诊断准确率。本研究拟使用深度学习算法建立基于增强CT的鉴别诊断模型GISTNet,评估其在术前鉴别直径≤5 cm的胃GIST和其他胃SMT的预测价值。方法采用诊断性试验研究方法。回顾性收集2016年9月至2021年4月期间,上海交通大学医学院附属仁济医院胃肠外科连续性收治的181例接受手术、且术后病理证实为肿瘤直径≤5 cm胃SMT患者,排除13例CT图像质量不佳者,共计168例患者纳入研究。其中107例为GIST,61例为非GIST的SMT(non⁃GIST),其中术后病理27例为平滑肌瘤,24例为神经鞘瘤,6例为异位胰腺,4例为脂肪瘤。病例纳入标准:(1)手术前经增强CT诊断为胃SMT的患者;(2)术前完善胃镜且活检病理未见异型细胞;(3)临床、病理资料齐全。排除标准:(1)手术前接受过抗肿瘤药物治疗;(2)无影像或任何原因导致的CT图像质量不佳;(3)术后病理诊断为除GIST外的其他胃恶性肿瘤。将研究对象根据留出法(hold⁃out method)随机划分为GIST鉴别诊断模型(GISTNet)的训练集(148例)和测试集(20例),用于GISTNet诊断模型的训练及其性能评估。GISTNet模型建立后,在测试集采用5个指标进行评估,即灵敏度、特异度、阳性预测值、阴性预测值和受试者工作曲线(ROC)计算的曲线下面积(AUC)。进一步将GISTNet诊断模型与现有文献报道的传统影像学征象所组成的模型比较。此外,为了比较深度学习模型与影像科医生对胃SMT影像诊断的准确性,3位工作经验分别为3、9、19年的影像科医生、在隐藏临床病理信息的情况下,对测试集中的样本进行判断,将3位医生的准确率与GISTNet模型相对比。结果GISTNet模型在测试集上获得了0.900(95%CI:0.827~0.973)的AUC,当阈值为0.345时,GISTNet模型的灵敏度为100%,特异度为67%,�

关 键 词：胃肠间质瘤,胃  鉴别诊断  计算机断层摄影 人工智能 深度学习  

分 类 号：R735]