張 彬，路成文（通信作者），徐婧雯，仲莉瑋，陳憲令

（1 龍口市人民醫(yī)院放射科 山東 煙臺 265700）（2 波士頓大學(xué) 美國馬薩諸塞州 波士頓 02134）

隨著高分辨率CT 臨床大量應(yīng)用，肺磨玻璃結(jié)節(jié)（ground-glass nodule，GGN）被大量發(fā)現(xiàn)。人工智能（artificial intelligence，AI）不但能篩出GGN，而且能定量分析、評估惡性程度，但對其測量的各種參數(shù)與病理類型間的關(guān)系尚未明確定論。既往研究指出，結(jié)節(jié)大小、密度、實性成分等因素與病理類型間密切相關(guān)[1-3]。本研究旨在探討AI 對GGN 定量分析與病理類型相關(guān)性。

1 資料與方法

1.1 一般資料

選取2017年5月—2022年3月龍口市人民醫(yī)院和青島大學(xué)附屬醫(yī)院行胸部CT 檢查后接受手術(shù)治療的GGN 患者152 例，其中男48 例，女104 例，平均年齡（55.5±9.6）歲。納入標(biāo)準(zhǔn)：①結(jié)節(jié)直徑≤3 cm；②CT 圖像層厚≤1 mm。先根據(jù)病理結(jié)果將GGN 患者分為四組：不典型腺瘤樣增生（atypical adenomatous hyperplasia，AAH） 組、 原位癌（adenocarcinoma in situ，AIS） 組、 微浸潤性腺癌（microinvasive adenocarcinoma，MIA）組及浸潤性腺癌（invasive adenocarcinoma，IAC）組。再根據(jù)臨床治療策略分成腺體前驅(qū)病變組（AAH+AIS）及腺癌組（MIA+IAC）兩組。

1.2 方法

掃描參數(shù)：GE LightSpeed VCT 采用管電壓140 kV、管電流260 mA，GE Revolution 采用管電壓120 kV，管電流50 ～450 mA，GE 660 采用管電壓120 kV，管電流50～450 mA，Siemens Somatom Definition Flash 采用管電壓120 kV、參考管電流267 mA，后三者均使用自動管電流技術(shù)。采用標(biāo)準(zhǔn)算法，重建層厚≤1mm。圖像傳入商湯科技的CT 影像輔助診斷系統(tǒng)V1.0，得到結(jié)節(jié)最大直徑、體積、最大密度、最小密度、平均密度及惡性概率。

1.3 統(tǒng)計學(xué)方法

采用R 語言統(tǒng)計軟件進(jìn)行數(shù)據(jù)分析。AI 測量CT參數(shù)以均數(shù)±標(biāo)準(zhǔn)差（±s）表示，行Kruskal-Wallis rank sum test 檢驗，以P＜0.05 為差異有統(tǒng)計學(xué)意義。再對腺體前驅(qū)病變組及腺癌組使用受試者操作特征曲線（receiver operating characteristic,ROC 曲線）分析方法確立二者之間的最佳截斷值。

2 結(jié)果

2.1 GGN 患者的臨床資料統(tǒng)計分析

152 例患者，男性48 例，女性104 例，平均年齡（55.5±9.6）歲，其中125 例患者為切除單一磨玻璃結(jié)節(jié)，21 例患者切除兩個磨玻璃結(jié)節(jié)，5 例患者切除三個磨玻璃結(jié)節(jié)，1 例患者切除五個磨玻璃結(jié)節(jié)。10 個AAH，36個AIS，48 個MIA 及93 個IAC，見表1。

表1 不同病理類型間GGN 臨床信息

2.2 GGN 最大徑統(tǒng)計分析

四組之間GGN 最大徑比較，差異有統(tǒng)計學(xué)意義（P＜0.05），四組之間兩兩比較，AAH、AIS、MIA 三組間病灶最大徑之間差異無統(tǒng)計學(xué)意義（P＞0.05），IAC 組與其他三組之間差異有統(tǒng)計學(xué)意義（P＜0.05），見表2。分析腺體前驅(qū)病變組及腺癌組最大徑ROC 曲線得出：最佳截斷值是9.255 mm，其中靈敏度和特異度分別為68.8%、71.7%，見表3、圖1。

圖1 腺體前驅(qū)病變組及腺癌組各定量測量數(shù)據(jù)ROC 曲線

表2 不同病理類型間GGN 的AI 量化參數(shù)（±s）

表2 不同病理類型間GGN 的AI 量化參數(shù)（±s）

注：與其他組比較，①P＜0.05。GGN，肺磨玻璃結(jié)節(jié)；AI，人工智能；AAH，典型腺瘤樣增生；AIS，原位癌；MIA，微浸潤性腺癌；IAC，浸潤性腺癌。

AAHAISMIAIACP最大徑/mm6.85±2.169.01±3.978.29±3.4312.62±4.69*＜0.05體積/mm3162.41±119.09525.82±873.61369.49±361.84959.89±1014.48①＜0.05最大密度/HU-378.40±151.76-360.31±169.11-318.18±217.67-119.72±180.83①＜0.05最小密度-808.70±98.38-820.56±96.66-808.93±94.61-835.28±80.860.384平均密度/HU-651.70±68.24-645.76±79.70-629.40±103.17-526.36±167.58①＜0.05惡性概率/%57±2269±2270±2385±12①＜0.05

表3 腺體前驅(qū)病變組與腺癌組ROC 曲線分析

2.3 GGN 體積統(tǒng)計分析

四組之間體積比較，差異有統(tǒng)計學(xué)意義（P＜0.05）；四組之間兩兩比較，AAH、AIS、MIA 三組間病灶體積之間比較，差異無統(tǒng)計學(xué)意義（P＞0.05），IAC 組與其他三組之間差異有統(tǒng)計學(xué)意義（P＜0.05），見表2。分析腺體前驅(qū)病變組及腺癌組兩不同臨床治療策略組的體積ROC 曲線得出：最佳截斷值是348.350 mm3，其中靈敏度和特異度分別為68.1%、71.7%，見表3、圖1。

2.4 GGN 最大密度統(tǒng)計分析

四組之間最大密度比較，差異有統(tǒng)計學(xué)意義（P＜0.05），四組之間兩兩比較，AAH、AIS、MIA 三組間病灶最大密度之間比較，差異無統(tǒng)計學(xué)意義（P＞0.05），IAC 組與其他三組之間差異有統(tǒng)計學(xué)意義（P＜0.05），見表2。分析腺體前驅(qū)病變組及腺癌組兩不同臨床治療策略組的最大密度ROC 曲線得出：最佳截斷值是-259.500 HU，其中靈敏度和特異度分別為68.1%、78.3%，見表3、圖1。

2.5 GGN 平均密度統(tǒng)計分析

四組之間平均密度比較，差異有統(tǒng)計學(xué)意義（P＜0.05），AAH、AIS、MIA 三組間病灶平均密度之間比較，差異無統(tǒng)計學(xué)意義（P＞0.05），IAC 組與其他三組之間比較，差異有統(tǒng)計學(xué)意義（P＜0.05），見表2。分析腺體前驅(qū)病變組及腺癌組兩不同臨床治療策略組的平均密度ROC 曲線得出：最佳截斷值是-588.000 HU，其中靈敏度和特異度分別為53.9%、89.1%，見表3、圖1。

2.6 GGN 惡性概率統(tǒng)計分析

四組之間惡性概率差異有統(tǒng)計學(xué)意義（P＜0.05），AAH、AIS、MIA 三組病灶惡性概率之間比較，差異無統(tǒng)計學(xué)意義（P＞0.05），IAC 組與其他三組之間差異有統(tǒng)計學(xué)意義（P＜0.05），見表2。分析腺體前驅(qū)病變組及腺癌組兩不同臨床治療策略組的惡性概率ROC 曲線得出：最佳截斷值是79.5%，其中靈敏度和特異度分別為64.5%、67.4%，見表3、圖1。

3 討論

目前，很多關(guān)于GGN 的研究主要集中在形態(tài)學(xué)特征和密度方面[4-7]。因較小的GGN 形態(tài)學(xué)特征并不顯著，定量測量可重復(fù)性差，定性診斷更困難。本研究采用AI測量結(jié)節(jié)大小、密度及惡性概率定量參數(shù)，因此很好地避免人工閱片可重復(fù)性差的缺點。

結(jié)節(jié)大小是評估GGN 良惡性及浸潤性的一項重要指標(biāo)[8]。本研究結(jié)果顯示：病灶的最大徑、病灶體積在IAC 組與其他三組之間的差異有統(tǒng)計學(xué)意義，而在AAH、AIS、MIA 三組間的差異無統(tǒng)計學(xué)意義，這與既往研究[9-11]相似。本研究結(jié)果還顯示：腺體前驅(qū)病變和腺癌的最大徑的最佳截斷值是9.255 mm，AUC 為0.686；腺體前驅(qū)病變和腺癌的體積的最佳截斷值是348.350 mm3，AUC 為0.685，這與蔡雅倩等[12]的研究結(jié)果相似。

影像學(xué)成像的密度差異的病理機(jī)制可能是GGN 內(nèi)細(xì)胞沿著肺泡間隔生長，導(dǎo)致肺泡腔內(nèi)氣體減少，或由于肺泡塌陷、纖維化等因素導(dǎo)致[13]。本研究中，各組之間在最大密度和平均密度差異有統(tǒng)計學(xué)意義；腺體前驅(qū)病變和腺癌平均密度的最佳截斷值是-588.000 HU，AUC為0.704，靈敏度和特異度分別為53.9%、89.1%，這與既往研究[12,14]結(jié)果相似。國內(nèi)外研究[15-16]認(rèn)為，腫瘤實性成分越多，GGN 越傾向于惡性。這也較好地解釋了為什么磨玻璃結(jié)節(jié)的最大密度在不同病理類型之間的差異是有統(tǒng)計學(xué)意義的。本研究中，各種GGN 的最小密度比較，差異無統(tǒng)計學(xué)意義，與既往研究[9,12,17]結(jié)果相似。之所以最小密度差異無統(tǒng)計學(xué)意義，可能是因為腫瘤組織沿肺泡壁生長，受其內(nèi)支氣管影、未填充肺泡組織以及AI 勾畫感興趣區(qū)準(zhǔn)確率等因素影響太大。

既往關(guān)于AI 評估磨玻璃結(jié)節(jié)的惡性概率的研究較小、結(jié)果也不盡相同。熊靜嫻等[18]認(rèn)為，GGN 惡性風(fēng)險是否隨著AI 評估風(fēng)險增高而遞增暫不明確。蔡雅倩等[12]指出當(dāng)惡性概率大于80%時，提示GGN 惡性的可能性較大。這與本研究結(jié)果是一致的。

綜上所述，AI 輔助診斷系統(tǒng)定量測量肺結(jié)節(jié)參數(shù)與病理類型間有相關(guān)性，可以一定程度上幫助判斷肺結(jié)節(jié)性質(zhì)，有助于判斷外科治療的最佳時間點。