林晨晨 刘海洋 于春艳 周超 辛瑞夏 王慧 徐志伟 张晓菊

磨玻璃结节(ground-glass nodule，GGN)是一种非特异性的肺部征象，在CT肺窗上表现为圆形或椭圆形的淡薄密度增高影，其内可见血管纹理及支气管走行[1]。近年来随着CT早期筛查的开展，GGN的检出率越来越高[2-3]。研究表明，80%以上的纯磨玻璃结节为良性病变或腺体前驱病变，长期随访稳定，无需干预；而混合磨玻璃结节(mixed ground-glass nodule, mGGN)则显示出更大的恶性可能，与贴壁生长的肺肿瘤密切相关[4-6]。因此，亟需探索一种准确、有效的方法在早期对mGGN进行风险预测。三维CT定量分析通过计算机辅助软件实现结节的三维重建，可以反映结节体积、密度及血管伴行等情况，较传统平面CT图像有更好的再现性[7]。本研究分析了不同病理类型mGGN的定量参数差异，旨在为临床风险评估提供参考。

对象与方法

一、研究对象

回顾性分析2017年12月至2021年3月河南省人民医院收治的mGGN患者的资料。纳入标准：(1)CT扫描显示为混合磨玻璃结节，结节最大直径≤30mm；(2)治疗前曾在本院接受胸部CT检查且有完整的薄层图像(重建层厚≤2mm)；(3)结节有明确的病理学结果，或经过随访考虑为良性结节[1]：①经过2年以上的随访结节密度均匀不变或变淡；②在密度没有增加的情况下结节缩小、消失或没有变化；③病灶短期内迅速变大，倍增时间<15 d。排除标准：(1)中央型病变、合并胸腔积液或肺不张；(2)首次CT前已进行过化疗、放疗或者其他抗肿瘤治疗；(3)病理明确为肺外恶性肿瘤来源的结节。最终纳入204例，其中男75例(36.76%)，女129例(63.24%)，年龄18～79(54.88±11.28)岁。根据2015年WHO肺腺癌分类[8]，将肺结节依据病理描述分为：IA组(MIA+IAC)和non-IA组(良性+AAH+AIS)。本研究为回顾性研究，所有患者隐私均得到保护，并已通过河南省人民医院伦理委员会备案。

二、方法

1 资料收集：记录患者的临床资料，包括性别、年龄、吸烟史(吸烟 >1支 /d，持续时间>6个月定义为有吸烟史)、个人肿瘤史、肺部疾病史(如慢性阻塞性肺疾病、哮喘、肺纤维化、肺气肿、肺大泡)等一般资料。

2 CT扫描与图像分析：采用Philips 16排或64排螺旋CT机进行常规胸部扫描，患者取仰卧位，深吸气后屏住呼吸，自肺尖扫描至肋膈角以下，扫描参数：管电压100～120 kV，管电流100～500 mA，扫描层厚5.0mm，重建间隔0.625～2mm，并行冠、矢状位多平面图像重组(multi-planar reformation, MPR)。

由两名有3年以上阅片经验的医师在轴状位、冠状位、矢状位上对mGGN进行独立观察，为达到所有测量结果的标准化和可比性，统一设定图像的窗宽和窗位：肺窗：窗宽1500HU，窗位-700HU；纵隔窗：窗宽：400HU，窗位40HU。两人分别记录结节的性质、位置等特征，完成后交叉核对，有异议的征询第三位影像科医师协助判断。为获得肺结节的CT定量参数，将原始DICOM图像传至FACT数字肺TM(FACT-Digital Lung，神州德信)工作站，应用肺癌辅助诊断系统完成肺结节的自动筛查、分割及感兴趣区域(region of interest，ROI)的勾画，测量者逐层修正结节的轮廓以保证测量的准确性，尽量避开血管、支气管，随后系统自动测算三维状态下结节的直径、体积、平均CT值和血管密度等定量参数。

三、统计学方法

结 果

一、临床及病理特征

纳入的204个结节中，non-IA组60例，包括良性病变51例(85%)，不典型腺瘤样增生4例(6.67%)，原位腺癌5例(8.33%)；IA组144例，包括微浸润性腺癌4例(2.78%)，浸润性腺癌140例(97.22%)。组间比较显示，IA组患者年龄高于non-IA组(49.3±11.7vs. 57.2±10.3)，且更有可能位于上叶(P=0.001)或胸膜下(P<0.01)。两组患者在性别、吸烟史、肺气肿病史和个人肿瘤史上无明显差异(P>0.05)(见表1)。

二、三维CT定量参数的比较

经三维重建后发现，两组结节的直径、体积、平均CT值和血管密度等定量参数差异有统计学意义，IA组结节的直径、体积、平均CT值和血管密度均显著大于non-IA组(P<0.01)(见表2、图1，2)。

三、 mGGN浸润性的危险因素分析

将单因素分析中具有统计学差异的年龄、肺大泡、位于上叶或胸膜下、结节直径、体积、平均CT值和血管密度纳入多因素logistic回归分析，我们发现，结节的体积和平均CT值是预测病变浸润性的独立危险因素(P<0.01)(见表3)。

表1 两组患者的临床资料及影像特征比较

图1 右下肺混合磨玻璃结节

四、单一参数与联合指标预测效能分析

ROC曲线分析显示(见图3)，体积的最佳截断值为2250mm3，预测病灶浸润性的AUC为0.842，敏

表2 两组肺结节CT定量参数的比较(M(Q1～Q3))

图2 左上肺混合磨玻璃结节

表3 mGGN浸润性危险因素的多因素Logistic回归分析

感度、特异度、阳性预测值和阴性预测值，分别为63.9%、90.0%、93.9%和50.9%；平均CT值的最佳截断值为-475HU，预测浸润性的AUC为0.919，敏感度、特异度、阳性预测值和阴性预测值，分别为92.4%、81.7%、92.4%和81.7%；二者联合预测概率值AUC达到0.944，敏感度、特异度、阳性预测值和阴性预测值分别为95.1%、83.3%、93.2%和87.7%，预测价值最高。(见表4、图3)。

表4 体积、平均CT值及联合指标预测mGGN浸润性的的效能

图3 体积、平均CT值以及二者联合预测病变浸润性的ROC曲线

讨 论

长期临床实践发现，持续存在的亚实性结节，恶性可能较大[9]。然而，这类病灶往往缺乏毛刺征、分叶征、胸膜凹陷征等典型的恶性征象[10-11]，仅表现为密度和实性成分的差异，单纯从形态上难以鉴别出惰性生长的不典型腺瘤样增生或原位腺癌与快生长的浸润性腺癌。研究[12]表明，与视觉描述相比，放射学定量成像特征可以更好的提取结节大小信息、纹理分析等，实现无创性的预测。因此，本研究基于人工智能影像处理系统，探讨了三维CT定量分析在肺结节浸润性预测中的应用价值。

目前，多数研究均采用平均直径或最大横截面长径对结节尺寸进行测定，较少研究关注结节体积。然而，由于肺结节多在三维空间内向各个方向不均匀生长，几何形状通常不规则，相较于最大横截面长径或平均直径，体积能更全面、可靠地反映其形态大小[13-14]。在本研究中，我们分别计算了结节体积和平均直径在预测结节浸润性中的价值，结果显示，与二维直径相比，体积的准确性及可重复性更高，当体积>2250 mm3时，倾向病变存在浸润性。

大量证据显示，GGN中实性成分的比例，与肺结节的浸润程度密切相关[15-16]，有多个实性成分，长径不易测量的mGGN，平均CT值可以在一定程度上反映结节的密度和血供[17-18]。李琼[19]等分析了术后病理确诊为肺腺癌的mGGN，发现平均CT值对病变浸润性有良好的预测价值，以-486 HU为截断值，敏感度和特异度分别达到83.1%和77.3%。这与本研究的结果接近，结节中实性成分占比越高，平均CT值也越高，提示病灶病理浸润程度增加。

此外，本研究还对结节周围血管密度进行了量化分析，结果显示，IA组的平均血管密度显著大于non-IA组，但对于结节的浸润性预测未表现出明显优势。推测GGN周围血管发生不仅与结节良恶性质相关，还受结节大小、位置影响，具体应结合内部血管形态有无扭曲、僵直、增粗等进行判断[20]。

本研究通过人工智能影像处理系统量化参数，同质化程度高，克服了人工测量的误差，同时还引入了体积、CT值、血管密度等定量指标，提高了诊断的准确性。但由于选取的样本大多为进行外科手术的mGGN患者，存在潜在的选择偏倚，且研究样本量小，研究结果受限，未来仍需进一步扩大样本量证实。

综上所述，对于影像表现不典型的早期mGGN，三维CT定量分析可以提取病灶的特征化定量参数，实现对结节浸润性的良好预测，与传统二维CT形态特征相比，灵敏度和特异度均更高。