CT直方图分析鉴别肺良恶性纯磨玻璃结节的价值

蔡雅倩，周小君，张正华，李浚利，闵蕊，韩丹，范木英

图1 右上肺pGGO。a)选取结节最大层面，勾画结节轮廓，获得测量ROI，注意避开血管和支气管等；b)软件自动生成ROI的CT值直方图，横轴代表CT值，纵轴代表像素点个数。

近年来，随着高分辨率CT在肺部应用的普及，对肺磨玻璃结节(ground-glass opacity，GGO)的检出率不断增高。准确的定性诊断对于选择合适的治疗方案、改善患者预后至关重要。国际早期肺癌行动计划(International Early Lung Cancer Action Program，I-ELCAP)筛查结果显示GGO中纯磨玻璃结节(pure ground-glass opacity，pGGO)的检出率为4.2%[1]。因恶性形态学征象(分叶、毛刺征、空泡征等)在肺pGGO中的出现率较低，故pGGO的定性诊断较难，目前国内外对pGGO的主要处理办法是将影像评估的结节大小、密度及随访改变作为判断手术时机的重要因素[2-3]，pGGO的大小与良恶性的关系尚无明确定论，而其内出现实性成分则为恶性的可能性较大，尤其是随访过程中如pGGO变成混杂磨玻璃结节(mixed ground-glass opacity，mGGO)，则提示为恶性的可能性更大。影像科医师肉眼观察结节的密度变化有一定限度，临床上常用指标为平均CT值，但常规CT值测量可能受到容积效应的影响。而CT直方图可以对病灶内每个像素点的CT值进行客观、准确的判断，发现病灶内肉眼无法观察到的细微密度改变。因此，本研究将探讨基于像素的CT直方图分析技术在鉴别肺内良、恶性pGGO中的价值。

材料与方法

1.临床资料

将本院2016年6月-2019年1月收治的经手术病理证实的52例单发pGGO患者纳入研究。根据病理结果将pGGO分为2组：恶性组28例，包括原位腺癌9例、微浸润性腺癌12例和浸润性腺癌7例；良性组24例，包括不典型腺瘤样增生15例、肺纤维化及玻璃样变4例、慢性炎症5例。纳入标准：①胸部HRCT平扫发现直径大于5mm的pGGO，避免因病灶过小勾画结节轮廓引起误差；②经手术病理证实；③患者资料完整。排除标准：①CT图像质量不佳；②患者有基础肺疾病，如慢性阻塞性肺疾病、结核和尘肺等。52例中男14例，女38例，年龄28～88岁，平均(51.92±12.89)岁。7例有吸烟史。

2.CT检查方法

使用Siemens Somatom Definition AS 128层螺旋CT机进行胸部HRCT扫描，扫描范围自肺尖至肺底，扫描参数：Care kV Semi和自动管电流调制技术，100 kV，80 mAs，螺距0.938，重建层厚1.0 mm，层间距1.0 mm，重建卷积函数为B70f。图像分析时肺窗窗宽1500 HU、窗位-400 HU，纵隔窗窗宽350 HU、窗位40 HU[4]。

3.图像后处理及分析

将重建后的1 mm肺窗薄层传入联影后处理工作站uWS-CT(ROO4)，在CT薄层横轴面图像上选取病灶最大层面，由一位从事胸部影像诊断的医师沿病灶边缘勾画ROI，避开可分辨的血管和支气管，每个病灶勾画3次ROI，取3次的平均值。根据手工勾画的ROI，软件可自动生成基于像素的病灶CT值直方图(图1)，记录直方图分布特点，并可获得直方图参数，包括跨度、峰度、均值、峰度对应CT值、最小和最大CT值。直方图的分布特点间接反映其偏度，是描述变量分布对称性的统计量，分为速升缓降、缓升速降、缓升缓降和速升速降四种类型。

4.统计学方法

使用SPSS 21.0软件包进行数据处理，使用独立样本t检验和χ2检验比较良、恶性组间临床资料及直方图参数的差异，使用二元Logistic回归分析筛选pGGO恶变的独立危险因素。以P<0.05为差异有统计学意义。

结 果

良、恶性组pGGO测量值及患者临床资料的比较结果见表1。两组间年龄、性别、有无吸烟史和病灶大小的差异无统计学意义(P>0.05)。直方图参数中平均CT值、峰值和最小CT值在两组间的差异无统计学意义(P>0.05)，而跨度、峰度对应CT值及最大CT值的组间差异有统计学意义(P<0.05)。

两组病变的CT直方图分布特点的比较结果见表速降型，两组间直方图分布特点的差异有统计学意义(χ2=28.534，P<0.001)。

图2 峰度对应CT值的ROC曲线，曲线下面积为0.799。

表1 两组的临床资料及直方图参数值的比较

表2 良、恶性组pGGO直方图分布特点的比较 (例)

2。良性组多表现为速升缓降型，恶性组多表现为缓升诊断效能分析：将组间差异有统计学意义的3个直方图参数(跨度、峰度对应CT值、最大CT值)纳入Logistic回归模型，筛选恶性pGGO的独立危险因素，结果显示峰度对应CT值对预测pGGO的恶变有一定价值(B=0.006，P=0.019)，其它两个指标无预测意义。经ROC曲线分析，峰度对应CT值预测肺良、恶性pGGO的曲线下面积为0.799(图2)，截断值、敏感度和特异度分别为-553 HU、64.3%和87.5%。

讨 论

肺pGGO的影像表现无特异性，常见于多种病理异常，如炎症、出血、水肿、局灶性纤维化和肿瘤等[5]，pGGO中大部分属于TNM分期的非Ⅰa病灶，Ⅰa类病灶占比为12%～40%[6]。目前，对于恶性征象不典型的pGGO常建议患者长期随访，但有可能耽误了患者的最佳治疗时间窗。有研究结果表明，Ⅰa期患者术后5年生存率接近100%[7-8]。因此，快速、有效地明确结节性质，尽早切除恶性结节是治疗的关键所在。病理上pGGO从不典型腺瘤样增生逐渐演变发展至浸润性腺癌的过程中，由于肿瘤细胞扩散能力逐渐增强，其内会出现实性成分，病灶内CT值可出现一定程度的升高。

近几年来随着HRCT的不断发展和普及，影像图片所能反映的信息越来越多元化、精准化，但影像医师的肉眼观察能力有限，计算机辅助诊断系统和人工智能仍处于研究和试用阶段，尚未形成行业准则。本研究中采用的直方图技术是目前运用较为广泛的一种定量分析技术，可以较准确地定量分析病灶内的组织成分，通过测量病灶内每个像素点的CT值，能客观准确地反映病灶内肉眼无法观察到的细微结构改变，而且此技术具有操作简单、获取信息方便、快捷等优点[9]。已有不少学者将直方图分析应用于乳腺肿块、甲状腺结节、胆管肿瘤和腮腺肿瘤的鉴别诊断[10-13]；在呼吸系统方面，也有文献报道将此项技术应用于肺灌注成像和肺实性结节的鉴别诊断[14-15]，但这项技术在良、恶性肺pGGO的鉴别诊断方面的应用相关报道较少且结果不尽相同。本研究将探讨CT直方图分析在良、恶性肺pGGO鉴别诊断中的价值。

本研究结果显示，良、恶性肺pGGO组之间最小CT值、平均CT值差异无统计学意义(P>0.05)。而曹恩涛等[2]报道良恶性pGGO组间平均CT值的差异有统计学意义(P<0.05)。笔者认为结果不一致的原因可能是由于平均CT值即使避开血管、肺纹理等结构，仍受到患者年龄、呼吸程度、基础疾病等多种因素的影响[16]。直方图参数中峰度是指病灶内占比最大的CT值区间的像素点个数，本研究中这一参数在两组间的差异无统计学意义(P>0.05)，可能的原因是像素点的个数与病灶大小有关。而峰度对应的CT值、最大CT值、直方图的跨度及分布特点在两组间的差异有统计意义(P<0.05)。直方图的跨度是描述变量变化范围的参数，跨度越大表明CT值波动范围越大，提示结节内密度不均，本研究中恶性组的直方图跨度值较良性组大，是因为恶性pGGO内出现了部分肉眼难以观察到的实性成分；而良性结节由于其内密度通常比较均匀，因此跨度值小。峰度对应CT值反映了病灶内占比最大的CT值区间，反映的是病变内主体CT值的密度范围，恶性pGGO的峰度对应CT值较良性pGGO大，表明恶性结节的主体密度高于良性结节，也提示其内可能出现了实性成分，与曹勇等[17]的研究结果一致。本研究中最大CT值在两组间的差异有统计学意义(P<0.05)，与张宏等[16]的研究结果一致。直方图的分布特点间接反映了直方图的偏度，表示其分布相对于平均值的不对称性，速升缓降和缓升速降均表明直方图分布形态偏移程度较大，恶性pGGO多为缓升速降型，表明其峰度偏向正轴方向，病灶内密度趋于较高的一侧，这种改变与恶性pGGO内成分混杂(出现较多实性成分)有关；良性pGGO则多为速升缓降型，表明结节内密度均匀，CT值较小。本组研究结果与Kamiya等[9]的研究结果一致。直方图的分布特点也可为良、恶性pGGO的鉴别诊断提供重要依据。Logistic回归分析结果显示，仅峰度对应CT值是预测pGGO恶变的独立风险因素，当阈值取-553HU时，AUC为0.799，相应的鉴别诊断敏感度和特异度分别为64.3%和87.5%，表明该指标在预测pGGO恶变上有一定参考价值。

综上所述，基于像素的CT直方图分析技术可为肺良、恶性pGGO的鉴别诊断提供重要参考依据，且操作简便，较人工分析的准确性及客观性更好。本研究的不足之处：(1)需扩大样本量，进一步对结果进行验证；(2)仅考虑了密度因素，未引入形态学、大小和随访等相关指标，尚需在今后的研究中进一步深入分析。