譚培蘭，張曉林，柏輝，謝檣

1四川電力醫(yī)院醫(yī)學(xué)影像科，成都610021

2三六三醫(yī)院放射科，成都610041

肺癌是嚴重威脅人類健康的惡性腫瘤，其中多 灶性肺腺癌為常見的病理類型，主要表現(xiàn)為肺結(jié)節(jié)，又以磨玻璃結(jié)節(jié)（ground-glass nodule，GGN）為主要表現(xiàn)形式，根據(jù)病理性質(zhì)，GGN可分為惡性與良性，良性主要有局灶性炎癥、纖維化等，惡性則包括原位腺癌（adenocarcinoma in situ，AIS）、微浸潤性 腺癌（minimally invasive adenocarcinoma，MIA）、非典型腺瘤樣增生（atypical adenomatous hyperplasia，AAH）等癌前病變，此外還有浸潤性腺癌（invasive adenocarcinoma，IAC）可歸入肺腺癌的浸潤前病變。根據(jù)GGN的密度以及實質(zhì)成分不同，可以將GGN分為純磨玻璃結(jié)節(jié)（pure groundglass nodule，pGGN）和伴有實性成分的混合磨玻璃結(jié)節(jié)（mixed ground-glass nodule，mGGN）[1-3]。近年來隨著計算機斷層掃描（CT）的廣泛應(yīng)用，肺結(jié)節(jié)的檢出率越來越高，同時隨著計算機輔助系統(tǒng)與影像技術(shù)相結(jié)合，為臨床診斷的準確性提供了幫助，其中圖像紋理特征分析技術(shù)具有良好的應(yīng)用價值，國內(nèi)外對此種技術(shù)的研究均相對較少[4-5]。本研究旨在分析計算機輔助CT圖像特征在GGN早期肺癌診斷中的臨床應(yīng)用價值，為臨床診斷提供可靠的參考依據(jù)，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料

選擇2015年8月至2017年8月四川電力醫(yī)院收治的肺結(jié)節(jié)患者。納入標準：①臨床資料完整；②術(shù)前接受CT檢查并經(jīng)手術(shù)切除或穿刺活檢病理證實為pGGN。排除標準：①合并心、肝、腎、造血系統(tǒng)等嚴重疾病者；②合并其他惡性腫瘤者；③合并精神疾病者；④妊娠期及哺乳期婦女；⑤影像資料不完整者。根據(jù)納入和排除標準，共納入128例早期肺癌患者，共有131個pGGN。128例患者中，男73例，女55例，年齡24～73歲，平均（51.84±6.92）歲。使用計算機輔助檢測軟件對pGGN進行全自動分割，獲取有效的121個肺結(jié)節(jié)圖像紋理特征參數(shù)，將其分為侵襲前組42例（AIS 31例，AAH 11例）及侵襲性組79例（IAC 43例，MIA 36例）。

1.2 檢查方法

所有患者取仰臥位且雙臂上舉，應(yīng)用西門子SOMATOM Definition雙源CT進行掃描，將掃描層厚設(shè)置為8 mm，重建層厚為1 mm，管電壓為100 kV，管電流為100 mAs，螺距為0.6。pGGN判定標準為在高分辨力CT肺窗上，其局部肺組織表現(xiàn)為模糊的輕度密度增高影。隨后由計算機輔助檢測軟件自動識別肺結(jié)節(jié)并進行自動檢測，后提取pGGN圖像紋理特征參數(shù)。最后由2名經(jīng)驗豐富的閱片者對數(shù)據(jù)以及圖像進行分析，有分歧的問題可共同商討后一致認定。

1.3 觀察指標

①對侵襲前組及侵襲性組的圖像紋理特征參數(shù)進行分析比較，包括容積紋理特征參數(shù)（最大有效長徑、體積、表面積、質(zhì)量）、一階紋理特征參數(shù)（平均密度、標準偏倚、峰度、偏度）以及二階灰度共生矩陣參數(shù)（能量、逆差矩、對比度、自相關(guān)、熵）。②分析計算機輔助系統(tǒng)對肺結(jié)節(jié)的漏檢情況，其中結(jié)節(jié)位置分為中心性（位于周圍及肺門區(qū)域間）、胸膜下（與胸膜相連且兩者關(guān)系為垂直與平行）、周圍性（距離胸膜＜2 cm但未與胸膜相連）。③觀察結(jié)節(jié)的大小、密度以及病灶、邊緣、瘤-肺界面、內(nèi)部狀態(tài)、與周圍組織關(guān)系等CT征象。

1.4 統(tǒng)計學(xué)方法

采用SPSS 20.0統(tǒng)計軟件進行數(shù)據(jù)分析，計量資料以均數(shù)±標準差（±s）表示，組間比較采用t檢驗，以P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 CT圖像紋理特征參數(shù)的比較

侵襲性組容積紋理特征參數(shù)中最大有效長徑、體積、表面積、質(zhì)量，一階紋理特征參數(shù)中平均密度、標準偏倚以及二階灰度共生矩陣參數(shù)中逆差矩、對比度均高于侵襲前組，二階灰度共生矩陣參數(shù)中能量低于侵襲前組，差異均有統(tǒng)計學(xué)意義（P＜0.05）；兩組結(jié)節(jié)一階紋理特征參數(shù)中峰度、偏度以及二階灰度共生矩陣參數(shù)中自相關(guān)、熵比較，差異均無統(tǒng)計學(xué)意義（P＞0.05）。（表1）

表1 兩組結(jié)節(jié)CT圖像紋理特征參數(shù)的比較

2.2 計算機輔助系統(tǒng)對pGGN的漏檢情況

經(jīng)計算機輔助系統(tǒng)檢測，共有12個pGGN漏診，多為最大徑＜5 mm或位于胸膜下及周圍性的結(jié)節(jié)。（表2）

2.3 肺腺癌CT圖像特征

典型肺腺癌的CT圖像如圖1所示，患者女，年齡50歲，在左肺上葉有AIS與MIA兩處病變，CT顯示左肺上葉前段AIS呈pGGN，無分葉征、毛刺征，且邊界清楚；后段MIA同樣呈pGGN，可見分葉征、胸膜凹陷征以及空泡征（圖1A）。在病理鏡下，AIS顯示為腫瘤細胞連續(xù)緊密排列，沿肺泡壁表現(xiàn)為伏壁式生長，但無間質(zhì)以及血管浸潤（圖1B）。在病理鏡下，MIA顯示為腫瘤細胞沿肺泡壁以伏壁式生長為主，但可見＜0.5 cm的浸潤灶，在肺泡間隔中還可見纖維成分（圖1C）。

表2 計算機輔助系統(tǒng)對pGGN的漏檢情況

圖1 肺腺癌患者的典型CT圖像及病理圖

3 討論

肺癌具有較高的發(fā)病率以及病死率，臨床越來越重視肺癌的預(yù)防及治療。早期肺癌主要以肺腺癌為主，近年來肺腺癌的發(fā)病率也呈逐年上升趨勢，初期無明顯癥狀，部分患者可存在咳嗽、咳痰等癥狀，但隨著病情加重，可導(dǎo)致咳血、呼吸困難等嚴重后果，威脅生命[6-8]。目前，胰腺癌治療可以無需放化療，采用微創(chuàng)性手術(shù)即可大大提高患者的生存率，因此，應(yīng)當對肺腺癌進行早期診斷，以快速改善患者生存質(zhì)量[9]。早期肺腺癌主要以肺結(jié)節(jié)為表現(xiàn)形式，肺腺癌的病灶大小與良惡性有關(guān)，一般結(jié)節(jié)直徑越大，惡性的可能性越大，并且隨著結(jié)節(jié)內(nèi)實性成分增多，惡性程度也相應(yīng)提高。肺結(jié)節(jié)多以CT為主要檢查手段，經(jīng)CT檢查其表現(xiàn)為GGN影，呈較為淡薄的密度增高影，而GGN多見于多種肺部疾病，往往因炎性細胞浸潤、液體潴留等因素導(dǎo)致局部肺組織密度增加，氣體含量減少，從而形成GGN，當周圍無組織浸潤或者肺泡腔塌陷時，CT圖像可表現(xiàn)為pGGN，反之表現(xiàn)為部分實性結(jié)節(jié)[10-11]。

因AIS、AAH、IAC、MIA之間征象重疊或征象表現(xiàn)完全相同，導(dǎo)致pGGN的侵襲性鑒別較為困難，基于此，臨床需做出有效診斷從而給予患者針對性的治療措施[12]。目前，臨床可應(yīng)用定量分析法分析GGN，如直方圖分析法、三維定量分析法以及圖像紋理特征分析法，其中圖像紋理特征分析法在影像診斷類研究中得到廣泛應(yīng)用，如結(jié)合超聲、CT、磁共振成像（MRI）以及正電子發(fā)射斷層顯（positron emission tomography，PET）-CT能夠?qū)α紣盒阅[瘤、腫瘤侵襲性進行有效鑒別，其主要經(jīng)過肺區(qū)域分割、結(jié)節(jié)識別、結(jié)節(jié)分割以及輔助診斷4個步驟[13-14]。該方式不僅可以精確顯示病變形態(tài)以及病灶代謝特征，從而提高診斷率以及準確率，還可以對患者病變發(fā)展狀況、預(yù)后生存狀況等進行預(yù)測，有助于及時采取有效治療措施[15-16]。但是，在實際臨床診斷中計算機輔助CT圖像特征檢出pGGN仍存在不足之處，由于pGGN密度較低，對結(jié)節(jié)采用全自動分割容易對瘤-肺界面識別不清晰，所獲得的圖像紋理參數(shù)有所偏差，影響閱片者的診斷，而其他分割方式，如半自動分割以及手動分割均須閱片者對分割線進行合理調(diào)整，付出一定精力，并具有豐富臨床診斷經(jīng)驗，進而可得到較為準確的診斷結(jié)果，因此，全自動分割為當前診斷的有效方式，但仍需進一步提高準確性[17-18]。

本研究結(jié)果顯示，侵襲性組容積紋理特征參數(shù)中最大有效長徑、體積、表面積、質(zhì)量，一階紋理特征參數(shù)中平均密度、標準偏倚以及二階灰度共生矩陣參數(shù)中逆差矩、對比度均高于侵襲前組，能量低于侵襲前組；而一階紋理特征參數(shù)中峰度、偏度以及二階灰度共生矩陣參數(shù)中自相關(guān)、熵比較，差異均無統(tǒng)計學(xué)意義，因此，通過分析計算機輔助CT圖像特征可進行早期病理診斷并為醫(yī)師選擇適當?shù)闹委煼绞教峁┛煽恳罁?jù)。此外，本研究結(jié)果還顯示，最大徑＜5 mm或位于胸膜下及周圍性的結(jié)節(jié)容易漏檢，說明計算機輔助檢查肺結(jié)節(jié)仍存在不足，需結(jié)合其他檢測方式共同檢測，以提高檢測準確率。

綜上所述，計算機輔助CT圖像特征在診斷GGN早期肺癌中具有良好的效果，可對肺結(jié)節(jié)的診斷提供幫助，同時在進行臨床診斷的過程中，應(yīng)當提高閱片者技術(shù)，準確把握影像特征，避免漏診或誤診發(fā)生，并且應(yīng)經(jīng)大規(guī)模研究進行驗證，提高后期研究的準確性，為臨床診斷提供重要參考價值。