林晨晨 劉海洋 于春艷 周超 辛瑞夏 王慧 徐志偉 張曉菊

磨玻璃結(jié)節(jié)(ground-glass nodule，GGN)是一種非特異性的肺部征象，在CT肺窗上表現(xiàn)為圓形或橢圓形的淡薄密度增高影，其內(nèi)可見血管紋理及支氣管走行[1]。近年來隨著CT早期篩查的開展，GGN的檢出率越來越高[2-3]。研究表明，80%以上的純磨玻璃結(jié)節(jié)為良性病變或腺體前驅(qū)病變，長期隨訪穩(wěn)定，無需干預(yù)；而混合磨玻璃結(jié)節(jié)(mixed ground-glass nodule, mGGN)則顯示出更大的惡性可能，與貼壁生長的肺腫瘤密切相關(guān)[4-6]。因此，亟需探索一種準(zhǔn)確、有效的方法在早期對mGGN進(jìn)行風(fēng)險預(yù)測。三維CT定量分析通過計算機(jī)輔助軟件實現(xiàn)結(jié)節(jié)的三維重建，可以反映結(jié)節(jié)體積、密度及血管伴行等情況，較傳統(tǒng)平面CT圖像有更好的再現(xiàn)性[7]。本研究分析了不同病理類型mGGN的定量參數(shù)差異，旨在為臨床風(fēng)險評估提供參考。

對象與方法

一、研究對象

回顧性分析2017年12月至2021年3月河南省人民醫(yī)院收治的mGGN患者的資料。納入標(biāo)準(zhǔn)：(1)CT掃描顯示為混合磨玻璃結(jié)節(jié)，結(jié)節(jié)最大直徑≤30mm；(2)治療前曾在本院接受胸部CT檢查且有完整的薄層圖像(重建層厚≤2mm)；(3)結(jié)節(jié)有明確的病理學(xué)結(jié)果，或經(jīng)過隨訪考慮為良性結(jié)節(jié)[1]：①經(jīng)過2年以上的隨訪結(jié)節(jié)密度均勻不變或變淡；②在密度沒有增加的情況下結(jié)節(jié)縮小、消失或沒有變化；③病灶短期內(nèi)迅速變大，倍增時間<15 d。排除標(biāo)準(zhǔn)：(1)中央型病變、合并胸腔積液或肺不張；(2)首次CT前已進(jìn)行過化療、放療或者其他抗腫瘤治療；(3)病理明確為肺外惡性腫瘤來源的結(jié)節(jié)。最終納入204例，其中男75例(36.76%)，女129例(63.24%)，年齡18～79(54.88±11.28)歲。根據(jù)2015年WHO肺腺癌分類[8]，將肺結(jié)節(jié)依據(jù)病理描述分為：IA組(MIA+IAC)和non-IA組(良性+AAH+AIS)。本研究為回顧性研究，所有患者隱私均得到保護(hù)，并已通過河南省人民醫(yī)院倫理委員會備案。

二、方法

1 資料收集：記錄患者的臨床資料，包括性別、年齡、吸煙史(吸煙 >1支 /d，持續(xù)時間>6個月定義為有吸煙史)、個人腫瘤史、肺部疾病史(如慢性阻塞性肺疾病、哮喘、肺纖維化、肺氣腫、肺大泡)等一般資料。

2 CT掃描與圖像分析：采用Philips 16排或64排螺旋CT機(jī)進(jìn)行常規(guī)胸部掃描，患者取仰臥位，深吸氣后屏住呼吸，自肺尖掃描至肋膈角以下，掃描參數(shù)：管電壓100～120 kV，管電流100～500 mA，掃描層厚5.0mm，重建間隔0.625～2mm，并行冠、矢狀位多平面圖像重組(multi-planar reformation, MPR)。

由兩名有3年以上閱片經(jīng)驗的醫(yī)師在軸狀位、冠狀位、矢狀位上對mGGN進(jìn)行獨立觀察，為達(dá)到所有測量結(jié)果的標(biāo)準(zhǔn)化和可比性，統(tǒng)一設(shè)定圖像的窗寬和窗位：肺窗：窗寬1500HU，窗位-700HU；縱隔窗：窗寬：400HU，窗位40HU。兩人分別記錄結(jié)節(jié)的性質(zhì)、位置等特征，完成后交叉核對，有異議的征詢第三位影像科醫(yī)師協(xié)助判斷。為獲得肺結(jié)節(jié)的CT定量參數(shù)，將原始DICOM圖像傳至FACT數(shù)字肺TM(FACT-Digital Lung，神州德信)工作站，應(yīng)用肺癌輔助診斷系統(tǒng)完成肺結(jié)節(jié)的自動篩查、分割及感興趣區(qū)域(region of interest，ROI)的勾畫，測量者逐層修正結(jié)節(jié)的輪廓以保證測量的準(zhǔn)確性，盡量避開血管、支氣管，隨后系統(tǒng)自動測算三維狀態(tài)下結(jié)節(jié)的直徑、體積、平均CT值和血管密度等定量參數(shù)。

三、統(tǒng)計學(xué)方法

結(jié) 果

一、臨床及病理特征

納入的204個結(jié)節(jié)中，non-IA組60例，包括良性病變51例(85%)，不典型腺瘤樣增生4例(6.67%)，原位腺癌5例(8.33%)；IA組144例，包括微浸潤性腺癌4例(2.78%)，浸潤性腺癌140例(97.22%)。組間比較顯示，IA組患者年齡高于non-IA組(49.3±11.7vs. 57.2±10.3)，且更有可能位于上葉(P=0.001)或胸膜下(P<0.01)。兩組患者在性別、吸煙史、肺氣腫病史和個人腫瘤史上無明顯差異(P>0.05)(見表1)。

二、三維CT定量參數(shù)的比較

經(jīng)三維重建后發(fā)現(xiàn)，兩組結(jié)節(jié)的直徑、體積、平均CT值和血管密度等定量參數(shù)差異有統(tǒng)計學(xué)意義，IA組結(jié)節(jié)的直徑、體積、平均CT值和血管密度均顯著大于non-IA組(P<0.01)(見表2、圖1，2)。

三、 mGGN浸潤性的危險因素分析

將單因素分析中具有統(tǒng)計學(xué)差異的年齡、肺大泡、位于上葉或胸膜下、結(jié)節(jié)直徑、體積、平均CT值和血管密度納入多因素logistic回歸分析，我們發(fā)現(xiàn)，結(jié)節(jié)的體積和平均CT值是預(yù)測病變浸潤性的獨立危險因素(P<0.01)(見表3)。

表1 兩組患者的臨床資料及影像特征比較

圖1 右下肺混合磨玻璃結(jié)節(jié)

四、單一參數(shù)與聯(lián)合指標(biāo)預(yù)測效能分析

ROC曲線分析顯示(見圖3)，體積的最佳截斷值為2250mm3，預(yù)測病灶浸潤性的AUC為0.842，敏

表2 兩組肺結(jié)節(jié)CT定量參數(shù)的比較(M(Q1～Q3))

圖2 左上肺混合磨玻璃結(jié)節(jié)

表3 mGGN浸潤性危險因素的多因素Logistic回歸分析

感度、特異度、陽性預(yù)測值和陰性預(yù)測值，分別為63.9%、90.0%、93.9%和50.9%；平均CT值的最佳截斷值為-475HU，預(yù)測浸潤性的AUC為0.919，敏感度、特異度、陽性預(yù)測值和陰性預(yù)測值，分別為92.4%、81.7%、92.4%和81.7%；二者聯(lián)合預(yù)測概率值A(chǔ)UC達(dá)到0.944，敏感度、特異度、陽性預(yù)測值和陰性預(yù)測值分別為95.1%、83.3%、93.2%和87.7%，預(yù)測價值最高。(見表4、圖3)。

表4 體積、平均CT值及聯(lián)合指標(biāo)預(yù)測mGGN浸潤性的的效能

圖3 體積、平均CT值以及二者聯(lián)合預(yù)測病變浸潤性的ROC曲線

討 論

長期臨床實踐發(fā)現(xiàn)，持續(xù)存在的亞實性結(jié)節(jié)，惡性可能較大[9]。然而，這類病灶往往缺乏毛刺征、分葉征、胸膜凹陷征等典型的惡性征象[10-11]，僅表現(xiàn)為密度和實性成分的差異，單純從形態(tài)上難以鑒別出惰性生長的不典型腺瘤樣增生或原位腺癌與快生長的浸潤性腺癌。研究[12]表明，與視覺描述相比，放射學(xué)定量成像特征可以更好的提取結(jié)節(jié)大小信息、紋理分析等，實現(xiàn)無創(chuàng)性的預(yù)測。因此，本研究基于人工智能影像處理系統(tǒng)，探討了三維CT定量分析在肺結(jié)節(jié)浸潤性預(yù)測中的應(yīng)用價值。

目前，多數(shù)研究均采用平均直徑或最大橫截面長徑對結(jié)節(jié)尺寸進(jìn)行測定，較少研究關(guān)注結(jié)節(jié)體積。然而，由于肺結(jié)節(jié)多在三維空間內(nèi)向各個方向不均勻生長，幾何形狀通常不規(guī)則，相較于最大橫截面長徑或平均直徑，體積能更全面、可靠地反映其形態(tài)大小[13-14]。在本研究中，我們分別計算了結(jié)節(jié)體積和平均直徑在預(yù)測結(jié)節(jié)浸潤性中的價值，結(jié)果顯示，與二維直徑相比，體積的準(zhǔn)確性及可重復(fù)性更高，當(dāng)體積>2250 mm3時，傾向病變存在浸潤性。

大量證據(jù)顯示，GGN中實性成分的比例，與肺結(jié)節(jié)的浸潤程度密切相關(guān)[15-16]，有多個實性成分，長徑不易測量的mGGN，平均CT值可以在一定程度上反映結(jié)節(jié)的密度和血供[17-18]。李瓊[19]等分析了術(shù)后病理確診為肺腺癌的mGGN，發(fā)現(xiàn)平均CT值對病變浸潤性有良好的預(yù)測價值，以-486 HU為截斷值，敏感度和特異度分別達(dá)到83.1%和77.3%。這與本研究的結(jié)果接近，結(jié)節(jié)中實性成分占比越高，平均CT值也越高，提示病灶病理浸潤程度增加。

此外，本研究還對結(jié)節(jié)周圍血管密度進(jìn)行了量化分析，結(jié)果顯示，IA組的平均血管密度顯著大于non-IA組，但對于結(jié)節(jié)的浸潤性預(yù)測未表現(xiàn)出明顯優(yōu)勢。推測GGN周圍血管發(fā)生不僅與結(jié)節(jié)良惡性質(zhì)相關(guān)，還受結(jié)節(jié)大小、位置影響，具體應(yīng)結(jié)合內(nèi)部血管形態(tài)有無扭曲、僵直、增粗等進(jìn)行判斷[20]。

本研究通過人工智能影像處理系統(tǒng)量化參數(shù)，同質(zhì)化程度高，克服了人工測量的誤差，同時還引入了體積、CT值、血管密度等定量指標(biāo)，提高了診斷的準(zhǔn)確性。但由于選取的樣本大多為進(jìn)行外科手術(shù)的mGGN患者，存在潛在的選擇偏倚，且研究樣本量小，研究結(jié)果受限，未來仍需進(jìn)一步擴(kuò)大樣本量證實。

綜上所述，對于影像表現(xiàn)不典型的早期mGGN，三維CT定量分析可以提取病灶的特征化定量參數(shù)，實現(xiàn)對結(jié)節(jié)浸潤性的良好預(yù)測，與傳統(tǒng)二維CT形態(tài)特征相比，靈敏度和特異度均更高。