贯彻执行肺结核新诊断标准全面认识现代影像学的作用

伍建林 邱太春

肺结核(pulmonary tuberculosis)是指发生在肺组织、气管、支气管和胸膜的结核性病变。我国结核病分类的历史沿革先后经历了4个阶段。为了适应现代结核病防治的需求，中华人民共和国国家卫生和计划生育委员会于2017年11月9日新发布了《WS 196—2017 结核病分类》[1]和《WS 288—2017 肺结核诊断》[2]，同时废止了《WS 196—2001 结核病分类》和《WS 288—2008 肺结核诊断标准》，并于2018年5月1日起正式施行。

诊断原则及诊断依据

一、诊断原则

在新发布的《WS 288—2017 肺结核诊断》标准中，原则上规定肺结核的诊断是以病原学(包括细菌学、分子生物学)检查为主，结合流行病史、临床表现、胸部影像学、辅助检查及鉴别诊断等资料，并强调了综合性分析做出诊断的重要性，尤其是以病原学、病理学结果作为确诊依据。此外，儿童肺结核的诊断，除患儿痰液病原学检查之外，还要重视胃液病原学检查。

二、诊断依据

在新发布的《WS 288—2017肺结核诊断》标准中[2]，还规定了以下几方面的诊断依据：

1.流行病学史：有肺结核患者接触史。

2.临床表现：(1)症状：常见为咳嗽、咳痰≥2周，或痰中带血或咯血；如病变发生在胸膜可有刺激性咳嗽、胸痛和呼吸困难等症状；如病变发生在气管、支气管多有刺激性咳嗽，持续时间较长；少数患者可伴有结核性超敏感症候群，即结节性红斑、疱疹性结膜炎/角膜炎等。(2)体征：依结核病不同阶段或累及肺脏不同部位而有所不同；早期体征不明显，当病变累及范围较大时，局部叩诊呈浊音，听诊可闻及呼吸音；累及气管、支气管出现局部狭窄时，可闻及固定、局限性哮鸣音；累及胸膜时，早期可闻及胸膜摩擦音；大量胸腔积液时，则患侧胸廓饱满，肋间隙增宽，叩诊浊音至实音，听诊呼吸音减弱至消失等。

3.影像学检查：现代影像学检查在肺结核诊断中仍发挥着十分重要的作用。

1)原发性肺结核：表现为肺内原发病灶及胸内淋巴结肿大，或单纯胸内淋巴结肿大，X线、CT及MR检查均可显示。儿童病例也可仅表现为空洞、干酪性肺炎，以及由支气管淋巴瘘导致的支气管结核。

2)血行播散性肺结核：急性者表现为两肺均匀分布、大小与密度均一的粟粒结节影(直径1～3 mm)，CT显示最佳；亚急性或慢性者的弥漫病灶多分布于两肺上中部，大小不一，密度不均。儿童急性血行播散性肺结核可仅表现为磨玻璃样影。

3)继发性肺结核：表现呈多样性。轻者表现为斑片、结节及索条状影，或为结核瘤或孤立性空洞；重者可表现为大叶性浸润、干酪性肺炎、多发空洞和支气管播散等；反复迁延进展者可出现肺损毁，体积缩小，多发纤维厚壁空洞、继发性支气管扩张，多发钙化，以及肺门与纵隔结构移位，胸膜增厚及胸廓塌陷等。

4)气管、支气管结核：表现为气管或支气管壁不规则增厚、管腔狭窄或阻塞，远端肺组织可出现继发性不张或实变、支气管扩张及支气管播散灶等。

5)结核性胸膜炎：分为干性胸膜炎和渗出性胸膜炎。前者为胸膜早期炎性反应，影像学表现阴性；后者表现胸腔积液，可少量或中大量游离积液，或胸腔局限性积液，吸收缓慢者常并发胸膜增厚粘连，也可演变为胸膜结核瘤及脓胸等。

4.实验室检查：临床实验室检查对于诊断结核病十分重要、非常关键。

1)细菌学检查：涂片显微镜检查阳性；分枝杆菌培养阳性，菌种鉴定为结核分枝杆菌复合群。

2)分子生物学检查：结核分枝杆菌核酸检测阳性。

3)免疫学检查：结核菌素皮肤试验，中度阳性或强阳性；γ-干扰素释放试验阳性；结核分枝杆菌抗体阳性。

4)支气管镜检查：观察气管和支气管病变，抽吸分泌物、刷检及活检阳性。

5.病理学检查：典型结核病变由融合的上皮样细胞结节组成，中心为干酪样坏死，周边可见郎罕多核巨细胞，外层为淋巴细胞浸润和增生纤维结缔组织。证实结核性病变需在病变区找到病原菌，采用抗酸染色方法，常可在坏死区中心或与上皮样肉芽肿交界处检见红染的两端钝圆并稍弯曲的短棒状杆菌。

临床诊断与确诊病例的影像学作用

一、临床诊断病例

在新发布的《WS 288—2017 肺结核诊断》标准中[2]，对于临床上诊断的肺结核病例来说，影像学的表现起着十分重要的作用。在经过鉴别诊断排除其他肺部疾病时，同时符合下列项目之一者即可在临床上做出诊断：(1)具备胸部影像学表现+临床症状。(2)具备胸部影像学表现+结核菌素皮肤试验中度阳性或强阳性。(3)具备胸部影像学表现+γ-干扰素释放试验阳性。(4)具备胸部影像学表现+结核分枝杆菌抗体阳性。(5)具备胸部影像学表现+肺外组织病理检查证实为结核病者。(6)具备气管、支气管结核及结核性胸膜炎的影像学表现，可诊断为气管、支气管结核。(7)具备结核性胸膜炎的影像学表现，和胸腔积液为渗出液、腺苷脱氨酶升高，同时具备任一项免疫学检查阳性者可诊断为结核性胸膜炎。(8)儿童肺结核临床诊断病例应同时具备以下2条：①具备胸部影像学表现+临床症状；②具备结核菌素皮肤试验中度阳性或强阳性或γ-干扰素释放试验阳性。

二、临床确诊病例

在新发布的《WS 288—2017肺结核诊断》标准中[2]，临床确诊病例的条件如下。

1.痰涂片阳性者：凡符合下列项目之一者。(1)2份痰标本涂片抗酸杆菌检查阳性；(2)1份痰标本涂片抗酸杆菌检查阳性，同时影像学表现支持者；(3)1份痰标本涂片抗酸杆菌检查阳性，且1份痰标本分枝杆菌培养阳性者。

2.仅分枝杆菌分离培养阳性者：需影像学表现支持，至少2份痰标本涂片阴性并分枝杆菌培养阳性者。

3.分子生物学检查阳性者：需影像学表现支持，结核分枝杆菌核酸检测阳性。

4.肺组织病理学检查阳性者：符合结核病的组织病理学改变。

5.结核性胸膜炎：凡符合下列项目之一者。(1)具备影像学表现及胸腔积液或胸膜病理学检查阳性；(2)具备影像学表现及胸腔积液病原学检查阳性。

综上所述，在新版《WS 288—2017肺结核诊断》标准中[2]，无论是在肺结核的临床诊断病例还是在临床确诊病例中，胸部影像学表现均是十分重要的诊断条件之一，也表明了现代影像学检查在我国新的肺结核诊断标准中仍继续发挥着很重要的临床作用。

活动性肺结核判定的影像学作用

肺结核分为潜伏性结核感染、活动性与非活动性病变等3种类型[1]。其中活动性肺结核的判定对临床治疗意义重大，但其病变活动性与否取决于病理改变。肺结核的基本病理改变包括渗出、增殖和干酪样坏死(变质)，并可演变为空洞、肿块、纤维化及钙化等病变[3]。准确认识、解读上述病理改变所构成的影像学征象是判定肺结核是否活动性的重要基础。

一、X线摄影与CT扫描的比较

胸部X线摄影(简称“胸片”)对包括肺结核在内的诸多肺部疾病的检查与诊断中发挥了重要作用，尽管现代X线摄影已完全数字化并提高了图像质量，但与CT扫描的图像比较仍在肺结核的全面检出、微细征象观察、辅助临床诊断及治疗疗效评价等方面有所不足，尤其在肺结核活动性的判定方面存在较大限度。例如，胸片对肺小叶中心结节、树芽征、局限性磨玻璃样影、小气道壁增厚与管腔扩张，以及肺间质性改变等征象的观察与显示均不如CT扫描图像清晰和准确，这也是近年来胸部X线摄影检查在肺结核诊断中的临床应用逐渐减少的重要原因[4]。

二、活动性肺结核判定的CT征象

基于结核病的基本病理改变(渗出、增殖与变质性病变)所构成的影像学表现应属于活动性肺结核的征象。即在肺结核多种多样的CT表现中，下述征象可视为判定其活动性的典型表现或直接征象[5-7]：斑片状及大片状磨玻璃样或实变影(小叶、段性或叶性分布)、结节影(大小不等)、空洞(无壁空洞、薄壁或厚壁空洞)、边缘模糊的结核球或不规则团块影(即各种形态的结节或肿块样增殖性病灶)、支气管播散病灶(如树芽征、分支细线影、腺泡结节、小叶中心及小叶性阴影)等；此外，小叶间隔增厚、支气管血管束增粗、小气道壁不规则增厚与支气管扩张可视为活动性肺结核的间接征象。因此，正确识别与认证上述CT征象、准确解读其病理基础和有机结合临床症状，是对活动性肺结核做出判定的原则和有效方法。

与活动性征象相对的非活动性CT征象的观察与判定也在肺结核的治疗效果评价中起到重要的作用。如肺结核病灶中边缘清楚的条索状影反映了结核病变吸收与修复后的纤维化改变，钙化通常认为是肺结核病灶的完全愈合，净化空洞也是肺结核空洞性病变一种愈合方式，牵拉性支气管扩张则提示邻近肺组织纤维瘢痕性收缩等。但由于肺结核病程的复杂性、多变性，有时其活动性与非活动性呈现出逐渐演变或吸收好转与恶化进展交替性变化，导致不同病理状态多种形态阴影的共存[8]。因此，掌握上述规律和紧密结合临床对肺结核活动性与非活动性的准确判定十分重要。

人工智能在肺结核诊断中的应用现状

近年来，随着计算机技术、大数据和人工智能(artificial intelligence，AI)的快速发展，基于数字化X线摄影(DR)与CT大数据的计算机辅助诊断(computer-aided diagnosis, CAD)和AI再次成为研究的热点，相关产品与软件也陆续试用于临床并显示出很大的优势，不仅明显提高了工作效率，大大降低小病灶漏诊率，而且也提高了智能化精准诊断的水平，显示出广阔的应用前景。

一、AI应用于肺结节检出

AI影像诊断检测模型是基于深度学习的神经元数学模型，直接从海量医学影像原始数据出发，像人的视觉机制一样对信息层层抽象，通过策略网络和价值网络再层层分析提取，自动挖掘影像数据的有效组学特征，并随着经验的增加而逐步进化，实现“端到端”自我学习与不断提升，只要输入数据和对应结果，无需人类逻辑和经验干预，即可自行从经验中学习知识和做出判断，十分适用于医学影像辅助诊断[9-11]。

目前，基于AI的深度学习技术无论针对胸片还是CT扫描图像的肺结节检出均有许多的研究。例如，刘凯等[12]利用深度学习对胸片亚实性结节检测效能进行研究，结果显示其敏感度(69.4%)高于影像医师(55.4%)，且用时很短，但假阳性率也很高(55.4%)，需进一步优化。笔者[13]利用深度学习改进后的3D U-Net 模型对CT扫描图像上1177个肺结节进行良恶性鉴别的辅助诊断研究，模型预测准确率达84.5%，对恶性肺结节预测准确率达92.9%，其预测结果高出从业5～10年影像医师的诊断水平。

二、AI诊断肺结核的尝试

既往研究显示，不同医生之间或相同医生前后之间利用胸片对肺结核诊断准确率误差可达20%～30%，对肺结核活动性判定的准确率仅为30%[14]，因此，利用AI进行更准确的“同质化”诊断迫在眉睫。目前，已有国外学者应用AI技术对可疑人群胸片进行肺结核量化筛查，可在1 min内自动分析胸片上肺结核征象，并以百分制计分，该智能检测软件已在非洲和欧洲多国应用于筛选高危人群[15]。还有研究显示，利用CAD4TB软件筛查肺结核的能力高于普通放射科医生，但低于放射科专家[16]；其最新版本增加患者年龄与性别信息后，进一步提高了诊断准确率[17]。此外，Pande等[18]发现AI软件诊断肺结核的ROC曲线下面积(AUC)可达0.71～0.84，具备较高的临床应用价值。但目前AI软件尚不能提供肺结核治疗方案及其他伴随肺部疾病的检测与解读。

机器学习是AI的重要分支，其中深度学习是图像分类的最新技术。近年来，人们利用深度卷积神经网络(deep convolutional neural networks, DCNN)在胸片上检测胸腔积液，评价心脏肥大[19]，探测纵隔淋巴结[20]和检测肺结节[21]等方面均取得进展；有学者对胸片诊断肺结核研究得出AUC为0.88～0.96的结论[22]。此外，Lakhani等[23]认为，DCNN方法中的AlexNet和GoogLeNet集合在胸片检测肺结核的诊断效能最好，AUC高达0.99。Kim等[24]还利用DCNN对MR成像技术鉴别脊柱结核与化脓性脊柱炎的临床价值进行了研究，结果显示其准确率高于3名有经验放射科医师的联合正确诊断率，AUC分别为0.802和0.729，有望在MR扫描图像上实现脊柱性结核与化脓性脊柱炎的智能化鉴别诊断。

总之，随着我国互联网+、大数据、AI和智能机器人等新兴技术的不断发展和升级换代，数字化与智能化的肺结核诊断、治疗及患者管理将逐步得到应用与推广[25]。基于AI和深度学习的胸片与CT扫描图像的智能化阅片，将大幅度减少医生的阅片时间、增加工作效率和提高肺结核检出的敏感度与正确率，将在未来肺结核防治工作中发挥不可替代的重要作用。