这篇文档属于类型a，即报告了一项原创性研究。以下是基于文档内容生成的学术报告：

研究作者与机构
本研究的主要作者包括Wenjia Zhang、Xiaonan Cui、Jing Wang、Sha Cui、Jianghua Yang、Junjie Meng、Weijie Zhu、Zhiqi Li和Jinliang Niu。研究由山西医科大学医学影像科、天津医科大学肿瘤医院放射科、杭州医学院公共卫生学院流行病学与卫生统计系等机构合作完成。研究于2024年发表在《Scientific Reports》期刊上。

学术背景
肺癌是全球癌症死亡的主要原因，而孤立性肺结节（solitary pulmonary nodules, SPN）的影像学评估对于早期诊断和治疗至关重要。尽管平扫CT（plain CT）在肺结节检测中表现突出，但其在区分良恶性结节方面存在局限性。为了提供更准确的诊断，研究者提出了一种结合平扫CT和增强CT（contrast-enhanced CT）的模型，以预测孤立性实性肺结节的恶性概率。本研究的目的是比较仅基于平扫CT的模型与结合平扫和增强CT的模型在诊断肺结节恶性程度中的性能。

研究流程
1. 研究对象与数据收集
研究回顾性分析了2012年1月至2021年7月期间在两家医院接受手术的527例病理确诊的孤立性实性肺结节患者。其中，392例患者来自中心A，作为训练队列；135例患者来自中心B，作为外部验证队列。所有患者在手术前均接受了平扫和增强胸部CT扫描。
研究收集了两类临床特征（年龄、性别）、15项平扫CT特征（如结节直径、位置、形状、边缘等）和4项增强CT特征（如增强CT值、增强差异、增强率等）。

1. 模型构建
   研究构建了两个逻辑回归模型：模型1仅基于平扫CT特征，模型2结合了平扫和增强CT特征。模型构建过程中，研究者对临床和CT特征进行了标准化处理，并使用单变量分析筛选出显著特征（p < 0.05）。
   在训练队列中，模型1基于2项临床特征和15项平扫CT特征，模型2在此基础上增加了4项增强CT特征。

2. 模型评估
   模型在训练队列和外部验证队列中分别进行了评估，评估指标包括敏感性、特异性、准确性、阳性预测值（PPV）、阴性预测值（NPV）和受试者工作特征曲线下面积（AUC）。
   在训练队列中，模型1的AUC为0.92，模型2的AUC为0.95。在外部验证队列中，模型1的AUC为0.88，模型2的AUC为0.93。

主要结果
1. 模型性能
在外部验证队列中，模型1的敏感性、特异性、准确性分别为0.79、0.78、0.79，模型2的相应指标分别为0.88、0.91、0.90。这表明，结合增强CT特征的模型在诊断性能上显著优于仅基于平扫CT的模型。
具体而言，模型2在预测恶性结节时表现出更高的敏感性和特异性，尤其是在结节的血供特征（如增强CT值和增强率）方面表现突出。

1. 特征重要性
   在模型1中，血管侵犯（vascular invasion）和胸膜牵拉（pleural indentation）是预测恶性结节的最重要特征，而脂肪（fat）和边缘光滑（smooth）是预测良性结节的关键特征。
   在模型2中，异质性增强（heterogeneous enhancement）和血管侵犯是预测恶性结节的最显著特征，而脂肪和圆形/椭圆形（round/oval）是预测良性结节的关键特征。

结论
本研究构建的逻辑回归模型结合了平扫和增强CT特征，在评估孤立性实性肺结节的恶性程度方面表现出优异的性能。与仅基于平扫CT的模型相比，结合增强CT特征的模型显著提高了诊断的敏感性、特异性和准确性。这一模型可以为术前患者提供更准确的诊断建议，帮助决定是否需要进一步随访或手术干预。

研究亮点
1. 创新性
本研究首次系统地比较了仅基于平扫CT和结合增强CT的模型在肺结节恶性预测中的性能，填补了该领域的研究空白。
研究结合了多项CT特征（包括增强CT值、增强率等），构建了一个综合性的诊断模型，显著提高了诊断的准确性。

1. 应用价值
   该模型尤其适用于发展中国家，因为增强CT成本较低，且无需依赖昂贵的PET-CT设备。
   通过提供更准确的诊断，该模型可以减少漏诊和过度手术的风险，为患者提供更个性化的治疗方案。

其他有价值的内容
研究还指出，增强CT在评估肺结节血供特征方面具有独特优势，尤其是对于缺乏显著增强的结节（< 15 HU）可以高度预测其良性性质。此外，研究者建议未来可以进一步优化模型，纳入更多临床特征（如吸烟史、癌症家族史等），并在更多中心进行验证，以提高模型的普适性和临床适用性。

以上报告详细介绍了研究的背景、流程、结果和意义，为相关领域的研究者提供了全面的参考。