目的:探讨Bayes分析在孤立性肺结节(SPN)CT定性诊断中的价值,并期望为SPN的管理提供帮助。方法:回顾性搜集连续SPN病例352例(恶性135例,良性217例)作为训练集。利用Bayes分析法先从训练集中求出恶性SPN的验前比及各临床和CT表现的似然比,再以此计算每个SPN的恶性概率,概率≥50%判为恶性,＜50%判为良性。并前瞻性地检验Bayes分析在132例SPN测试集样本(恶性61例,良性71例)中的诊断效能和预测概率的精度,与2位高年资和2位低年资放射科医生常规阅片的表现作比较。结果:(1)恶性SPN的验前比为0.61;(2)根据各临床和CT表现似然比的高低得出,较能提示恶性SPN的特征为空泡征、短毛刺、深分叶等,较能提示良性SPN的特征为良性钙化模式、强化值＜20HU、“多边形”轮廓等;(3)Bayes分析法回代检验训练集样本,其敏感度、特异度及符合率分别为88.9%、93.1%、91.5%。测试集中,Bayes分析的敏感度、特异度、符合率、阳性预测值及阴性预测值分别为88.5%、85.9%、87.1%、84.4%、89.7%,其诊断符合率与高年资甲医生(80.3%,x~2=2.37,P=0.122)和乙医生(79.5%,x~2=3.12,P=0.076)比较无统计学差异,但高于低年资丙医生(74.2%,x~2=7.05,P=0.012)和丁医生(74.2%,x~2=6.56,P=0.009);(4)对于非转移瘤SPN的诊断,Bayes分析的ROC曲线下面积(Az)为0.957,大于高年资医生组(Az=0.886,P=0.003)和低年资医生组(Az=0.845,P=0.000);(5)Bayes分析,高年资甲、乙医生,及低年资丙、丁医生的B值分别为0.099、0.140、0.137、0.154、0.179;(6)除外被错判的11例孤立性转移瘤,Bayes分析法估算概率＜20%的假阴性率为1.0%(5/484)。结论:(1)与SPN相关的各临床和CT表现的似然比可以用来指导日常阅片;(2)Bayes分析是一个有效的诊断辅助工具,可以提高医生鉴别SPN良恶性质的能力,尤其对低年资医生的帮助会很大;(3)Bayes分析法预报SPN恶性概率的精度较高,有望为SPN的临床决策提供一个量化的参考指标。