几乎每个肺癌患者都有多个肺结节，而局部晚期非小细胞肺癌（NSCLC）中结节多样性的重要性仍不清楚。这项研究探讨了在手术切除的I-III期NSCLC患者中深度学习检测到的总结节数（TNN）与生存结果之间的关系。从我们的数据库中识别出从2005年至2018年接受手术切除的I-III期NSCLC并进行了术前胸部CT扫描的患者。使用卷积神经网络（CNN）的基于深度学习的AI算法被用于肺结节（PN）的检测和分类。在AI中检测到2126例患者中，共有33410个PN。每人检测到的TNN中位数为12（IQR 7-20）。AI检测到的TNN（作为连续变量分析）是RFS（HR 1.012，95％CI 1.002-1.022，p = 0.021）和OS（HR 1.013，95％CI 1.002-1.025，p = 0.021）的独立预后因素III期队列的多变量分析；在第一和第二阶段队列中，其与生存率没有显着相关性。就结节类别而言，上叶结节，同侧结节，另一侧结节，实心结节，甚至小（≤6mm）实心结节的数量是独立的预后因素；中叶/下叶结节，同叶结节，亚实性结节，钙化结节和穿膜结节的数目与生存率无关。在生存树分析中，该模型没有使用传统的IIIA和IIIB分类，而是通过AI检测到的TNN对病例进行了分组（较低与较高：对数秩p <0.001），在第三阶段队列中显示出对生存的卓越区分。总之，AI检测的TNN与手术切除的III期NSCLC患者的生存率显着相关。术前CT扫描发现较低的TNN表示接受完全手术切除的患者预后较好。



"点击查看英文标题和摘要"