肺亚实性结节的CT影像学特征与病理等级相关性分析

王 聪，朱 兰，杨世平，郭扣松，凌 洪

(四川石油管理局总医院放射科，四川 成都 610213)

肺亚实性结节(SSN)包括纯磨玻璃结节与部分实性结节(磨玻璃、实性密度混杂)。肺腺癌国际多学科分类标准指出，原位癌(AIS)、微浸润性腺癌(MIA)经手术切除后其5年无病生存率(DFS)几乎100%，浸润性腺癌(IAC)术后5年DFS不超过90%[1]。同时以保证患者预后为基础，AIS、MIA给予楔形切除，IAC则以肺叶切除为主。可见术前采取相关技术鉴别病理等级(AIS、MIA或IAC)对术式选择，预后改善具有重要指导意义。研究表明，CT图像中病理是腺癌的SSN及其实性成分与病理切片肿瘤及其浸润性成分相对应[2]，且SSN实性成分大小与肿瘤浸润成分大小有关[3]。但目前关于SSN实性成分测量手段还无标准手段。本研究主要分析SSN的CT影像学特征对病例等级的预测价值，现报道如下。

1 资料与方法

1.1一般资料我院2017年4～10月检出的SSN患者110例。纳入标准：①经胸部CT检查发现SSN；②术前均行高分辨率CT检查；③CT检查前均未行穿刺活检；④相关资料完整。排除标准：①合并肺不张、纵隔淋巴结肿大者；②合并其他恶性肿瘤者；③配合度低；④资料不全者。男41例，女69例；年龄35～75岁[(54.38±5.24)岁]；单发结节92例，多发结节18例，共128个结节；病理证实肺腺癌27例(32个结节)，其中AIS 5个，MIA 12例，AIS+MIA共17个，计为AIS+MIA组，IAC 15个，计为IAC组。

1.2检查方法所有患者均行CT检查，西门子SOMATOM Definition AS CT扫描机，全肺扫描。相关参数：管电压120 kV，自动管电流，层厚8 mm，重建层厚1 mm，重建层间距1 mm，螺距0.6；扫描矩阵512×512，FOV 350 mm×350 mm。将扫描后获得的高分辨CT图像传至相关工作站，利用肺结节模块定量分析。肺窗固定，手动逐层勾画结节边缘，自动识别且计算三维体积，即肺窗结节体积(WNLW)；上述基础上调整阈值到-300 HU，自动识别CT值-300 HU以上成分且计算三维体积，即阈值=-300 hU时结节实性成分体积(SCT)；肺窗固定，手动逐层勾画肺窗结节内对血管、支气管轮廓遮盖的成分，自动识别计算三维体积，即肺窗结节实性成分体积(SCLW)；纵隔窗固定(窗宽、窗位分别为400 HU、40 HU)，手动逐层勾画结节内显影成分，自动识别计算三维体积，计纵隔窗结节实性成分体积(SCMW)。勾画过程中需避开肉眼可见血管、支气管、胸膜组织。

1.3统计学方法应用SPSS 20.0软件处理数据。计数资料比较采用χ2检验；符合正态分布的计量资料以均数±标准差表示，组间比较采用t检验，不符合正态分布者以中位数±四分位数间距描述，行Mann-Whitney U检验。对所有CT定量特征行Logistic分析，获取病理等级独立预测因素。对独立预测因素行受试者工作特征(ROC)曲线分析。P< 0.05为差异有统计学意义。

2 结果

2.1CT诊断价值以病理结果为金标准，CT对SSN良恶性诊断敏感度84.37%(27/32)，特异度93.75%(90/96)，准确度91.41%(117/128)。见表1。

表1 CT诊断SSN良恶性与手术病理结果 (个)

2.2不同病理等级肺腺癌(SSN恶性)CT定量指标AIS+MIA组患者WNLW、SCT、SCLW、SCMW均明显低于IAC组(P< 0.05)。见表2。

表2 不同病理分级肺腺癌患者CT定量特征比较 (mm3)

2.3CT定量特征Logistic回归分析多因素Logistic回归分析显示，SCT是SSN恶性病理等级的独立预测因素，见表3。

表3 CT定量特征多因素Logistic回归分析

2.4ROC曲线分析对SCT进行ROC曲线分析，显示SCT诊断病理等级最佳临界值为138 mm3，SCT≥138 mm3时，对IAC诊断敏感度、特异度分别为82%、94%，曲线下面积0.89，见图1。

3 讨论

SSN有良恶性之分，常通过结节大小、形态、边缘、内部密度、内部结构等特征综合判断，对恶性SSN患者来说，尽可能早期手术切除，对良性SSN患者来说，建议3个月复查，并按照Fleischner学会推荐意见随访方案处理[4]。目前临床常见影像学技术包括X射线、CT、MRI等，其中X射线常作为初筛工具，操作简单、价格低廉，但其易受重叠投影等影响，难以准确显示大多数肺磨玻璃密度病变形态，易漏诊或误诊；由于肺部质子密度低，MRI诊断之敏感性不均匀，空间分辨率不高，其诊断肺结节敏感度比CT显著低，临床常不建议MRI用于SSN诊断；CT被认为是SSN诊断的首选手段，具有分辨率高、后处理技术强大等特点[5～7]。本研究以病理结果为金标准，显示CT对良恶性SSN诊断敏感度、特异度及准确度均较高，这可能与CT分辨率高、靶扫描或靶重建等有关。

图1 对SCT进行分析的ROC曲线图

目前临床肺腺癌病理分级主要包括AIS、MIA、IAC，后两者为浸润性成分，浸润大小5 mm以下为MIA，5 mm及以上为IAC，病理等级越高，浸润成分越多，浸润大小越大。病理对照证实，肿瘤细胞顺着肺泡内壁伏壁式生长、肺实质未浸润部分于CT上显示出SSN之磨玻璃成分；肿瘤细胞增殖、肺实质浸润则于CT上显示出实性成分[2]。刘慧婷等[8]表明SSN质量测量重复性较好，认为CT可作为SSN随访定量评估重要手段。郑文松等[9]认为CT阈值分割法对SSN实性成分识别准确度高，CT阈值可设为-300 HU或-250 HU。Shikuma等[10]认为-300 HU作为结节实性成分体积测量阈值，实性成分体积对结节随访、患者预后预测有较大的价值。顾亚峰等[11]研究发现不同维度SSN大小、实性成分中，SCT是区别AIS、MIA与IAC的独立因子，认为CT定量特征对病理等级有一定的预测作用。本研究在前人成果基础上选择体积测量法，相比一维/二维长径测量法具有测量误差小、变异率小、可重复性强、准确度高等特点[12]。本研究结果显示AIS+MIA组患者WNLW、SCT、SCLW、SCMW比IAC组均显著低，与范丽等[13]研究结果相符，提示不同窗宽、窗位下IAC实性成分体积比AIS、MAI均显著大。同时多因素Logistic回归分析发现SCT是SSN恶性病理等级的独立预测因素。分析其可能原因：肿瘤细胞最初顺着肺泡壁表面增殖，对肺实质无影响，随后慢慢对肺泡壁浸润，肿瘤细胞组间取代肺泡空腔，结节越来越密实[14]；对肿瘤组织增殖、正常肺组织被替代程度较低部分，肺窗条件下附近磨玻璃成分对比度低，于纵隔窗条件下难以显示，肉眼难以准确鉴别实性成分；而-300 HU阈值测量实性成分体积，可避免肉眼观察误差，比传统肺窗或纵隔窗条件下测量实性成分效果佳。另外，ROC曲线发现SCT≥138 mm3时，对IAC诊断敏感度为82%，特异度为94%，可见SCT对SSN实性成分大小可准确反映。但本研究样本例数少，可能存在一定的偏倚，有待日后通过大样本研究进一步分析。

综上，CT三维定量测量SSN实性成分，对病理分级预测有重要价值，特别是SCT。

[1] Trails WD，Brambilla E，Noguchi M，et al.International assoeiation for the study of lun-g cancer/american thoracic society/european respiratory society international muhidisciplin-ary classification of lung adenocarcinoma[J].J Thorac Oncol，2011，6(2)：244-285.

[2] Liao JH，Amin VB，Kadoch MA，et al.Subsolid pulmonary nodules：CT-pathologiccorrelationusing the2011IASLC/ATS/ERS classification[J].Clin Imaging，2015，39(3)：344-351.

[3] Cohen JG，Goo JM，Yoo RE，et al.Software performance in segmenting grou-nd-glass and solid components of subsolid nodules in pulmonary adenocarcinomas[J].Eur Radiol，2016，26(12)：4465-4474.

[4] Naidich DP，Bankier AA，MacMahon H，et al.Recommendations for the manag-ement of subsolid pulmonary nodules detected at CT：a statement from the Fleischner So-ciety[J].Radiology，2013，266(1)：304，317.

[5] 中华医学会放射学分会心胸学组.肺亚实性结节影像处理专家共识[J].中华放射学杂志，2015，49(4)：254-258.

[6] 吴芳，蔡祖龙，田树平，等.1 cm以下磨玻璃密度肺腺癌的CT征象与病理亚型及免疫组织化学的相关性[J].中国医学科学院学报，2015，37(2)：163-170.

[7] 李雄，赵原，钟智，等.卵巢成熟囊性畸胎瘤的常规影像诊断与病理分析[J].实用医院临床杂志，2016，13(4)：153-155.

[8] 刘慧婷，王颖，冯磊，等.亚实性肺结节CT三维质量分析：观察者内及观察者间差异[J].中国肺癌杂志，2015，18(5)：289-294.

[9] 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.

[10]Shikumak，Menju T，Chenf，et al.Is volumetric 3-dimensional computed tomography usefu-l to predict histological tumour invasiveness？ Analysis of 211 lesions of c T1N0M0 lung adenocarcinoma[J].Interact Crdiovasc Ta horac Srug，2016，22(6)：831-838.

[11]顾亚峰，吴慧珍，李琼，等.肺亚实性结节不同维度CT定量特征对病理等级的预测价值[J].实用放射学杂志，2017，33(7)：996-1001.

[12]李梦琦，韩融城，宋文静，等.CT三维容积分析在实性肺结节恶性风险度评估中的价值[J].中国肺癌杂志，2016，19(5)：279-285.

[13]范丽，顾亚峰，李琼，等.不同窗宽窗位下肺亚实性结节及其实性成分大小对病理等级的预测价值[J].中华放射学杂志，2017，51(7)：484-488.

[14]邹勤，范丽，李琼，等.肺磨玻璃密度结节MDCT定量与病理分型相关性的研究[J].实用放射学杂志，2016，32(11)：1681-1684，1695.