肺部单发实性病灶良恶性鉴别在放射学界是个古老又悬而未决的话题。因为每种鉴别方法都有各自的优缺点，它们的提出和应用都伴随着不少新问题。国内外文献对此作了较多的研究。在这些性质判别的方法学研究中，以X线形态和征象研究历史较为久远。实践证明：仅凭少数几个常见恶性征象来确定病灶性质，容易将良性病变误诊为恶性而导致不必要的手术治疗。综合应用各种征象来进行良恶性鉴别是目前形态鉴别方法学研究方向之一。 国外有关文献报道已有与这方面相关的尝试，研究设计者制定artificial neutral network(人工神经网络法)，通过计算机辅助方法提取部分病灶常见征象如大小、密度、分叶、毛刺及其他临床征象如年龄，烟龄等进行综合分析，应用概率测算公式，计算研究病灶的恶性可能概率。而国内目前这方面报道还不多。但国内许多文献研究资料一致认为：在应用形态学鉴别病灶性质时，必须将各种征象综合考虑和应用，才有可能提高病灶性质鉴别的准确性。 1、研究目的 为提高肺部单发实性病灶中恶性的CT诊断准确率，制定病灶恶性可能等级预测法，结合笔者收集的资料进行初步试用，探讨该法在临床鉴别诊断中的应用价值。 2、材料与方法 连续收集本院经手术病理或临床追踪治疗证实并经CT检查的43例病例作为本次研究对象，其中 27例恶性，16例良性。根据文献中描述的 7个常见恶性征象制定病灶恶性可能等级预测法。这7个征象分别是分叶征，毛刺征，密度不均匀，无钙化，病灶边缘（周围肺野）清楚，胸膜凹陷征，纵隔淋巴结肿大。病灶恶性可能等级预测法制定方法如下：将符合7个征象中的一个定为第一等级，以罗马字母1表示，符合7个征象中的二个定为第二等级，以罗马字母＊表示，以此类推，直至本法制定的最高恶性可能等级W。从设计方法可知，等级数越高，认为病灶恶性可能就越大。再运用双盲法请三位高年资放射科医师对病灶进行此7个常见恶性征象判读，依照恶性可能等级预测法结合征象判读结果评定相应病灶恶性可能等级，统计以不同恶性等级作为阈值时检出恶性病灶的正确率。 3、结果 本组43例病灶征象判读结果表明：本研究事先指定的七个常见恶性征象良恶性病灶都存在，只是恶性病灶更常见。对制定的病灶恶性可能等级预测法进行试用并进行统计显示：随着恶性预测可能等级的增高，对恶性病灶的CT诊断准确率就越高。在本组资料中，当恶性预测可能等级＞ V时，恶性病灶的 CT诊断准确率为 100％。 4、讨论与结论 肺部单发实性病灶的良恶性鉴别一直是困扰放射学界的难题。本研究在综合应用各种征象进行病灶性质鉴别的总体思路下，通过制定病灶恶性可能等级预测法进行恶性病灶的筛选，为良恶性鉴别尝试一种新方法。但由于条 2件所限，收集的病例不多，病种也不够广，虽已初步显示出一些规律，尚需作大宗病例的前瞻性研究以接受进一步的检验。 根据本次试用病灶恶性可能等级预测法后得出的统计结果，我们认为采用该法综合分析应用CT的各种恶性鉴别征象，有助于提高恶性病灶的CT诊断准确率。