 教授，医学博士，主任医师，硕士生导师，宁夏医科大学总医院放射科副主任。 主要研究方向：心、肺疾病的影像诊断。 “国家百千万人才工程第三层次” 新世纪学术、技术带头人人选。第15届中华放射学分会委员，第8届中华影像技术学分会委员，中华医学会影像技术分会《医学影像技术临床实践技能培训基地-宁夏》主任。 向下滑动查看更多信息 主治医师，硕士。 主要从事肺部疾病研究。
张怀瑢，孙潇，田兴仓，韩颜竹，洪立平，朱力*
宁夏医科大学总医院放射科
[1]张怀瑢,孙潇,田兴仓,韩颜竹,洪立平,朱力.基于人工智能密度直方图预测磨玻璃结节病理分型[J].中国医学影像学杂志,2021,29(12):1212-1215+1221. DOI: 10.3969/j.issn.1005-5185.2021.12.009.
运用人工智能结节密度直方图对磨玻璃结节的病理分型进行预判研究。
回顾性收集经病理证实的磨玻璃结节121例，其中腺体前驱病变（PGL）分为非典型瘤样增生（AAH）和原位癌（AIS）共34例，微浸润腺癌（MIA）28例、浸润性腺癌（ICA）59例。所有患者胸部平扫薄层图像传至人工智能工作站，采用密度直方图自动计算肺结节最大CT值、最小CT值、平均CT值、实性成分体积，比较3组上述定量指标的差异；绘制受试者工作特征（ROC）曲线，分析各指标对不同病理分型的诊断效能。
PGL组平均CT值为（-627.68±94.29）Hu，低于MIA组的（-546.96±33.96）Hu和ICA组的（-469.80±56.12）Hu（F=14.371，P<0.001）；PGL组分别与MIA组、ICA组比较，差异均有统计学意义（P均<0.05）。ICA的实性成分体积为（385.96±36.90）mm3，大于PGL组的（35.22±28.02）mm3和MIA组的（178.75±49.86）mm3（F=-4.168，P<0.001）；ICA组分别与PGL组和MIA组比较，差异均有统计学意义（P均<0.05）。平均CT值鉴别PGL和浸润性腺病变（MIA+ICA）的敏感度和特异度分别为81.4%、67.6%，ROC曲线下面积为0.757，临界值为-586 Hu；实性成分体积鉴别PGL和浸润性腺病变（MIA+ICA）的敏感度和特异度分别为68.5%、91.2%，ROC曲线下面积为0.706，临界值为71.58 mm3。
基于肺结节密度直方图定量分析磨玻璃结节中平均CT值和实性成分体积有助于区分结节的病理分型。  随着高分辨率CT在临床中的广泛应用，磨玻璃结节（ground glass nodules，GGNs）的检出率逐年升高。GGNs是肺部非特异性的CT征象，可能发生于良性肺疾病，但持续存在的GGNs应高度怀疑为肺腺癌[1]。WHO 2021年肺肿瘤组织新分类中将非典型瘤样增生（atypical adenomatous hyperplasia，AAH）和原位癌（adenocarcinoma in situ，AIS）归为腺体前驱病变（precursor glandular lesion，PGL）；浸润性病变包括微浸润腺癌（minimally invasive adenocarcinoma，MIA）及浸润性腺癌（invasive adenocarcinoma，ICA）[2]，该分类提出原位癌不是恶性肿瘤，对GGNs处理指导意见重大。持续存在的GGNs从AAH、AIS、MIA到ICA是一个过程，反映了肿瘤生长、演变及转化的特点，不同的病理类型处理方法及预后存在差异[3]。AAH、AIS暂不需要手术，可随访复查；MIA可采取楔形切除，手术创伤小，术后无需放化疗，5年生存率可达100%[4]；ICA常采用肺叶切除[5]。然而，早期肺腺癌影像形态学表现不典型，而且AAH、AIS、MIA、ICA的影像学特征部分重叠。 近年，随着人工智能（artificial intelligence，AI）技术的发展，AI对肺癌的早期诊断能够提供一定的技术支持，如通过结节CT值和实性成分可以判断其侵袭程度[6-7]。 本研究通过AI结节密度直方图技术定量分析磨玻璃肺结节特征，预测GGNs的病理分型，以更好地帮助临床制订治疗方案和管理患者。 1.1 研究对象 回顾性选取宁夏医科大学总医院2017年1月—2020年12月经手术和病理证实的CT表现为GGNs患者121例，其中男50例，女71例，年龄35~74岁，平均（51±13）岁，分为PGL组（AAH和AIS）34例、MIA组28例、ICA组59例。纳入标准：①有完整薄层图像的肺部GGNs；②有完整的病理结果；③未行放疗或化疗。排除标准：①肺部转移瘤；②图像质量差；③结节内有空洞。本研究通过我院伦理委员会审查（2020-552）。 1.2 检查方法 采用西门子Somatom Definition Flash 64排螺旋CT机，患者取仰卧位，头先进，一次吸气屏气后完成全肺扫描，扫描范围自胸廓入口至肺底部，扫描参数：120 kV，自动毫安，层厚8 mm，螺距1.375∶1，视野387 mm，矩阵512×512，扫描时间7.41 s。扫描完成后，将数据用标准算法（B31）进行轴位重建，层厚1.0 mm。图像观察条件：肺窗的窗宽2 000 Hu，窗位-500 Hu；纵隔窗的窗宽440 Hu，窗位45 Hu，必要时采取合适的调窗技术。 1.3 CT定量测量方法 首先由1名具有5年工作经验的放射科医师筛选磨玻璃肺结节，再由1名具有10年工作经验的放射科医师核查，意见不统一时双方讨论达成一致意见，2位医师均采用盲法分析。将所有薄层图像传至推想科技肺结节后处理工作站6.0版本，自动检测所有肺结节，并且对结节分类（以-145 Hu为界区分实性与非实性成分[8-9]），人工筛选出软件识别的GGNs，参照胸部CT肺结节数据集构建及质量控制专家共识进行标注[10]，采用密度直方图自动计算肺结节最大CT值、最小CT值、平均CT值、实性成分体积（图1）。  图1 AI筛检GGNs。GGNs位于右肺下叶（箭）。自动测量结节最长径（13.8 mm）与最短径（10.5 mm）；AI自动给出GGNs相关定量参数最大CT值、最小CT值、平均CT值、实性成分体积等 1.4 统计学方法 采用SPSS 23.0软件，符合正态分布的计量资料以x±s表示，多组间比较采用单因素方差分析；不符合正态分布的计量资料以M（Q1，Q3）表示，采用Kruskal-Wallis H检验，再行组间两两比较；计数资料组间比较采用χ2检验；绘制风险指数的受试者工作特征（ROC）曲线，计算曲线下面积（AUC），并求得临界值，以P<0.05为差异有统计学意义。 2.1 结节实性成分体积与病理类型分析 121例GGNs中，ICA实性成分体积最大，其次是MIA，PGL最小；PGL与ICA两组间实性成分体积比较，差异有统计学意义（P<0.05）；PGL与MIA实性成分体积比较，差异无统计学意义（P>0.05）；MIA与ICA组实性成分体积比较，差异有统计学意义（P<0.05），见表1。  MIA和ICA均为浸润性病变，进一步比较实性成分体积在PGL与浸润性病变（MIA+ICA）间的差异，绘制ROC曲线，诊断PGL组和浸润性病变（MIA+ICA）的敏感度和特异度分别为68.5%、91.2%，曲线下面积为0.706，临界值为71.58 mm3，见图2。  图2 各定量参数鉴别PGL和浸润性病变（MIA+ICA）的ROC曲线 2.2 CT值与结节病理类型分析 CT值与不同GGNs病理类型的统计（表1）显示，121例结节中的最大CT值、最小CT值、平均CT值在PGL中均低于MIA和ICA。PGL与MIA平均CT值比较，差异有统计学意义（P=0.029）；ICA与PGL两组间最大CT值、最小CT值、平均CT值比较，差异均有统计学意义（P<0.05）；ICA与MIA平均CT值比较，差异有统计学意义（P<0.05）。进一步比较平均CT值在PGL组与浸润性病变（MIA+ICA）间的差异，绘制ROC曲线，诊断PGL和浸润性病变（MIA+ICA）的敏感度和特异度分别为81.4%、67.6%，曲线下面积为0.757，临界值为-586 Hu，见图2。 肺癌是目前全球发病率最高的肿瘤，其癌症相关死亡率居首位[11]。在肿瘤的早期生长阶段进行检查与治疗，可以将五年生存期提高至80%以上[12]。CT检查是筛查早期肺癌的主要方法，但早期肺癌的影像学形态不典型，易造成误诊、漏诊。近年随着AI技术的发展，其可对肺结节的定量测量提供重要的支持。 3.1 GGNs实性成分体积对病理分型的预测价值 GGNs内实性成分的多少与病变病理侵袭性等级相关，若GGNs病灶内含有实性组织成分，提示可能为腺癌，且恶性率高达90%以上[13-14]。既往研究主要通过测量GGNs实性成分长径和实性成分占肿瘤比率（consolidation-to-tumor ratio，CTR）作为常用参数，即肺窗中实性成分大小与结节总大小的比值[15]。Yoshida等[16]研究发现MIA内实性成分长径大于PGL，可以作为预测MIA的独立因素。黎增亮等[17]报道当CTR值>0.5时，是多发GGNs患者随访和治疗的参考指标。由于选择识别磨玻璃成分与实性成分的窗宽、窗位不同，往往会导致测量差异较大。本研究基于AI肺结节密度分析，以-145 Hu为界自动区分磨玻璃成分和实性成分，自动测量GGNs中实性成分与非实性成分体积，首先排除了人为主观因素的测量误差，从而获得更高的准确度；其次体积测量能更直观地反映实性成分在结节内的占比。本研究发现，ICA实性成分体积明显大于MIA和PGL，与以往研究一致[18]；但是PGL与MIA之间实性成分体积无显著差异，与以往研究结果不一致[19]，可能由于MIA实性成分较少，多表现为纯GGNs，与PGL鉴别困难；也可能是MIA病例数较少。本研究将MIA和ICA归为浸润性病变，PGL为非浸润性病变，当实性成分体积为71.58 mm3时，可为临床鉴别PGL与浸润性病变（MIA+ICA）提供参考价值。 3.2 GGNs的CT值对病理分型的预测价值 CT值测量在鉴别GGNs性质和区分病理类别中具有重要价值，既往研究表明ICA的CT值高于MIA和PGL，在结节随访中如CT值增加，则需进行临床干预[20]。代平等[21]报道随着GGNs侵袭性增加，最大CT值、平均CT值也相应地增大，当平均CT值为-577 Hu时，诊断浸润前与浸润性病变的敏感度达到86.2%。张红艳等[22]报道诊断浸润前与浸润性病变的平均CT临界值为-547 Hu。Han等[23]报道较高的CT值表明结节具有一定的侵袭性，预测GGNs侵袭性的临界值为-617 Hu。最大CT值可能代表结节内出血、钙化等，而最小CT值反映结节内空气含量，因此选用最大或最小CT值进行鉴别可能存在一定的误差。本研究基于AI密度直方图技术计算出结节的平均CT值，能真实地反映GGNs内肿瘤侵袭程度。本研究显示，ICA平均CT值高于PGL和MIA，3组间有显著差异，与郑旻等[20]的研究结果一致。由于MIA与ICA均为腺癌，需要临床干预；而PGL随访观察即可，因此在临床工作中鉴别PGL与浸润性病变（MIA+ICA）尤为关键。本研究发现，当平均CT值为-586 Hu时，可以为临床鉴别PGL与浸润性病变（MIA+ICA）提供参考，但还需结合病灶内实性成分体积及形态学特征综合做出判断。 3.3 本研究的局限性 ①纳入样本量较少，所有GGNs分为3组，其中MIA组病例最少，且与浸润前病变和ICA之间鉴别较困难，可能存在选择偏倚；②由于GGNs边界模糊，因此在识别勾画病灶时难免会出现误差；③所有病灶未进行增强扫描，对肿瘤的增殖方式、微循环、间质血管增生等深层次信息尚不能发掘。 总之，基于AI结节密度直方图定量分析可以客观地反映GGNs的整体情况。CT值测量和结节实性成分体积有助于鉴别PGL与浸润性病变（MIA+ICA），为临床医师精准制订结节处理策略提供一定的依据。 [1] 张为, 李小虎, 杜丹丹, 等. 纯磨玻璃结节的CT特征及定量分析对肺腺癌病理分类的预测价值[J]. 中国医学影像学杂志, 2018, 26(9): 658-663. DOI: 10.3969/j.issn.1005-5185.2018.09.005. [2] 李媛, 谢惠康, 武春燕. WHO胸部肿瘤分类(第5版)中肺肿瘤部分解读[J]. 中国癌症杂志, 2021, 31(7): 574-580. DOI: 10.19401/j.cnki.1007-3639.2021.07.003. [3] 姜格宁, 陈昶, 朱余明, 等. 上海市肺科医院磨玻璃结节早期肺腺癌的诊疗共识(第一版)[J]. 中国肺癌杂志, 2018, 21(3): 147-159. DOI: 10.3779/j.issn.1009-3419.2018.03.05. [4] Su H, Gu C, She Y, et al. Predictors of upstage and treatment strategies for stage IA lung cancers after sublobar resection for adenocarcinoma in situ and minimally invasive adenocarcinoma[J]. 2021, 10(1): 32-44. DOI: 10.21037/tlcr-20-828. [5] Giffin C, Kidane B. Commentary: less is maybe more: sublobar resection in screen-detected lung cancers[J]. J Thorac Cardiovasc Surg, 2021. DOI: 10.1016/j.jtcvs.2021.08.028. [6] Chu ZG, Li WJ, Fu BJ, et al. CT Characteristics for predicting invasiveness in pulmonary pure ground-glass nodules[J]. Am J Roentgenol, 2020, 215(2): 351-358. DOI: 10.2214/AJR.19.22381. [7] Mao R, She Y, Zhu E, et al. A proposal for restaging of invasive lung adenocarcinoma manifesting as pure ground glass opacity[J]. Ann Thorac Surg, 2019, 107(5): 1523-1531. DOI: 10.1016/j.athoracsur.2018.11.039. [8] 郑文松, 王卿, 王颖, 等. 亚实性肺结节CT阈值分割:实性成分识别与定量[J]. 中国肺癌杂志, 2017, 20(5): 341-345. DOI: 10.3779/j.issn.1009-3419.2017.05.07. [9] 徐志广, 孙建男, 沙茹玉, 等. 不同CT阈值识别磨玻璃结节中实性成分研究[J]. 中国临床医学影像杂志, 2021, 32(4): 254-257. DOI: 10.12117/jccmi.2021.04.007. [10] 中华医学会放射学分会, 中国食品药品检定研究院, 国家卫生健康委能力建设与继续教育中心, 等. 胸部CT肺结节数据集构建及质量控制专家共识[J]. 中华放射学杂志, 2021, 55(2): 104-110. DOI: 10.3760/cma.j.cn112149-20200713-00915. [11] Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660. [12] Detterbeck FC, Boffa DJ, Kim AW, et al. The eighth edition lung cancer stage classification[J]. Chest, 2017, 151(1): 193-203. DOI: 10.1016/j.chest.2016.10.010. [13] Hattori A, Suzuki K, Takamochi K, et al. Prognostic impact of a ground-glass opacity component in clinical stage IA non-small cell lung cancer[J]. J Thorac Cardiovasc Surg, 2021, 161(4): 1469-1480. DOI: 10.1016/j.jtcvs.2020.01.107. [14] Ma X, Zhou S, Huang L, et al. Assessment of relationships among clinicopathological characteristics, morphological computer tomography features, and tumor cell proliferation in stage I lung adenocarcinoma[J]. J Thorac Dis, 2021, 13(5): 2844-2857. DOI: 10.21037/jtd-21-7. [15] Xi J, Yin J, Liang J, et al. Prognostic impact of radiological consolidation tumor ratio in clinical stage ia pulmonary ground glass opacities[J]. Front Oncol, 2021, 11: 616149. DOI: 10.3389/fonc.2021.616149. [16] Yoshida M, Yuasa M, Ogawa H, et al. Can computed tomography differentiate adenocarcinoma in situ from minimally invasive adenocarcinoma?[J]. Thorac Cancer, 2021, 12(7): 1023-1032. DOI: 10.1111/1759-7714.13838. [17] 黎增亮, 潘宴青, 马国栋. 实性影/占位总径比率在肺多发性磨玻璃样结节术后的预后价值[J]. 临床外科杂志, 2020, 28(9): 841-844. DOI: 10.3969/j.issn.1005-6483.2020.09.014. [18] Xi J, Yin J, Liang J, et al. Prognostic impact of radiological consolidation tumor ratio in clinical stage ia pulmonary ground glass opacities[J]. Front Oncol, 2021, 11: 616149. DOI: 10.3389/fonc.2021.616149. [19] Sun F, Huang Y, Yang X, et al. Solid component ratio influences prognosis of GGO-featured IA stage invasive lung adenocarcinoma[J]. Cancer Imaging, 2020, 20(1): 87. DOI: 10.1186/s40644-020-00363-6. [20] 郑旻, 黄先敏. 基于CT定量参数评估肺部磨玻璃样结节的侵袭程度[J]. 中国CT和MRI杂志, 2019, 17(8): 61-64. DOI: 10.3969/j.issn.1672-5131.2019.08.019. [21] 代平, 何其舟, 王思凯, 等. CT定量分析预测肺部肿瘤性磨玻璃结节病理侵袭性的价值[J]. 放射学实践, 2019, 34(10): 1108-1112. DOI: 10.13609/j.cnki.1000-0313.2019.10.011. [22] 张红艳, 陈文. 肺部磨玻璃结节CT影像学定量分析对肺腺癌病理分类的预测价值[J]. 中国CT和MRI杂志, 2021, 19(7): 63-66. DOI: 10.3969/j.issn.1672-5131.2021.07.020. [23] Han L, Zhang P, Wang Y, et al. CT quantitative parameters to predict the invasiveness of lung pure ground-glass nodules (pGGNs)[J]. Clin Radiol, 2018, 73(5): 504.e1- 504.e7. DOI: 10.1016/j.crad.2017.12.021. 向下滑动查看更多参考文献 |
|
|
