肺部病灶负荷的纵向评估

在美国，肺癌是死亡人数的第二大原因。及早检测可疑肺结节对于患者的治疗计划、管理和改善结果至关重要。虽然已提出许多用于肺结节分割和体积分析的方法，但很少有研究关注总肺肿瘤负荷的纵向变化。在本工作中，我们训练了两个 3D 模型（nnUNet），一种带解剖先验，一种不带，自动分割肺部病灶并量化每个患者的总病灶负荷。没有先验的 3D 模型在显著性上（$p < .001$）优于带先验的模型。对于检测临床显著的病灶大于 1cm，实现了 71.3% 的精确率、68.4% 的灵敏度和 69.8% 的 F1 分数。进行分割时，获得了 Dice 评分为 77.1 ± 20.3 和不规则距离误差为 11.7 ± 24.1 mm。病灶负荷的中位数为 6.4 cc（IQR: 2.1, 18.1），手动测量与自动测量之间的中位数体积差为 0.02 cc（IQR: -2.8, 1.2）。还进行了线性回归和 Bland-Altman 图进行一致性评估。该方法可为患者产生个人化的总肿瘤负荷评估，并促进随时间的间隔变化跟踪。