COVID-19相关的影像学研究进展

刘莹莹，杨峰峰，张雪宁

天津医科大学第二医院，天津 300211

冠状病毒科是一种单链阳性RNA病毒，常与轻度上呼吸道感染有关。但相关文献记载，两种β-冠状病毒在严重急性呼吸综合征冠状病毒1（SARSCoV-1）和中东呼吸综合征（MERS）流行期间引起严重感染，病死率极高［1-2］。引发2019年冠状病毒病（COVID-19）大流行的新型SARS-CoV-2β-冠状病毒已经以惊人的速度在全球蔓延，其传播率远远超过了以往β-冠状病毒流行期间的传播速度［3］。COVID-19的临床表现通常与呼吸系统有关，也可有胃肠道、神经系统、心脏和血液系统等方面的症状［4］。由于临床表现与其他呼吸道感染（如流感病毒）症状无明显差异，症状包括鼻塞、流涕、呕吐、腹泻，甚至脑血管意外和出血性脑病，使得COVID-19依靠临床症状确诊具有挑战性。研究表明，影像学检查是早期诊断COVID-19、监测疾病进展以及评估并发症的主要检查方法［5-6］。COVID-19具有典型的影像学表现，但其非典型影像学表现也相继被报道。现将COVID-19的影像学表现及影像检查技术［包括CT、MRI、PET和基于CT的人工智能（AI）辅助技术］的应用研究进展予以综述。

1 COVID-19的影像学表现

1.1 典型表现 COVID-19病变常见于双肺，通常分布于外周、胸膜下和肺叶后部［6］。磨玻璃影（GGOs）最常见，其成人发生率为50%～98%［7］，双肺水肿和透明膜形成可能是其形成的潜在病理因素［8］。此外，GGOs通常伴有网状影和（或）小叶间隔增厚和实变，伴小范围实变可能提示有肺组织的炎性损伤［8］。其次是网格影，发生率高达77%，其形成可能与间质淋巴细胞浸润引起小叶间隔增厚有关［9］。随着病程的延长，COVID-19网格影的发生率可能增加［9］。实变无论单独出现还是伴有GGOs（所谓“混合性病变”），其发生率为24.2%～64%［7］，实变可能与疾病进展有关，并与纤维黏液样渗出物在肺泡积聚有关［10］。GGOs在发病后1～3周内可进展为实变或与实变共存［7，11］。铺路石征的发生率为5%～36%［7］。根据对严重急性呼吸综合征（SARS）的病理认知，这种征象可能是急性肺损伤时肺泡水肿和间质炎症所致［11］。此外，铺路石征伴有弥漫性GGOs和实变可能提示COVID-19处于进展期或达高峰期［9］。

1.2 非典型表现 空气支气管征是COVID-19的表现之一［11］。最近尸检报告显示，肺支气管中可见胶质黏液附着，因此推断此征象中所见支气管内充满的可能是胶质黏液而不是空气［13］。此外，这一征象常伴有轻度细支气管扩张。气道改变包括支气管扩张和支气管壁增厚（发生率10%～20%），发病机制可能为支气管壁的炎性损伤和支气管梗阻导致支气管壁结构破坏、组织增生、纤维化或牵拉性支气管扩张［14］。LI等［14］发现COVID-19重症/危重症患者支气管壁增厚的发生率明显高于普通患者。胸膜改变包括胸膜增厚和胸腔积液，其中前者更常见，后者可能提示临床预后不良［14］。胸膜下线征的发生率约为20%，可能与肺水肿或纤维化有关［11］。研究报道，约17%患者伴有纤维化［15］。目前，纤维化与患者预后的关系尚存争议。一些研究人员认为纤维化预示病情稳定，预后良好［15］。另一些人则认为纤维化可能表明预后不良，随后病情可能进展为高峰期或导致肺间质纤维化［7-9］。血管扩张也是COVID-19的表现之一，可能与炎症因子引起的毛细血管壁损伤和肿胀有关［16］。据报道，3%～13%患者可出现多发不规则实性结节［15］或结节伴晕征［17］。晕征曾被认为与血管侵袭性真菌感染或血源性转移，以及病毒感染和机化性肺炎有关［18］。然而，目前这种表现的主要病理因素仍然未知。反晕征，也称为环礁征，该征象可能与疾病进展导致GGOs周围发生实变或病变吸收导致中心密度减低有关［19］。淋巴结肿大、心包积液是COVID-19重症/危重症肺炎的重要危险因素之一［14］。

1.3 特殊人群的影像学表现 儿童患者病情轻，症状少，病变表现更单一，典型的GGOs常发生在单侧肺下叶［20］。RT-PCR检测阳性患者中，胸部CT检查正常也较为常见［20-21］。实变伴晕征（提示有潜在的合并感染）在COVID-19儿童中较常见［16］。有报道称，与成人相比，胸腔积液和“白肺样”改变在儿童中发生率高达10%［22］。妊娠患者的早期胸部CT表现与成年人相似，但有数据表明该人群更容易出现胸腔积液，GGOs更易发生实变［23］。

2 影像学检查技术在COVID-19中的应用

2.1 CT 在COVID-19诊断中，以病毒核酸RTPCR作为参考标准，但其经常产生假阴性或波动性结果，而且过程耗时，使诊断和控制活动性COVID-19变得困难［16］。胸部CT对COVID-19的诊断具有较高的敏感性，对监测疾病进展和评价疗效也有重要意义，是最常用的检查方法，这与其经济性、可实用性和较高的组织分辨率有关［5-6］。研究显示，RT-PCR假阴性的COVID-19患者，胸部CT检查的敏感性为98%［16］。而且，许多研究报告表明CT检查的阳性结果早于RT-PCR。

COVID-19的胸部CT具有典型表现，但其缺乏特异性，与SARS-CoV-1和MERS-CoV以及其他病毒性肺炎有许多相似征象［7-8，12，24］。特别是单纯疱疹病毒、腺病毒和巨细胞病毒肺炎均以双肺实变为主要征象［24］。LIN等［25］对COVID-19与流感病毒性肺炎的胸部CT表现进行对比研究，发现COVID-19最常见于胸膜下，但实变、GGOs、小叶间隔增厚、支气管壁增厚、小叶中心结节、空气支气管征、铺路石征等征象的发生率均无差异。因此，当诊断不明确时，还需要结合流行病史和临床病史。

2.2 MRI目前已有研究比较肺部MRI与胸部CT对COVID-19特征性表现的分辨能力。TORKIAN等［26］研究中发现，多个MRI序列上可显示GGOs、实变、网状影和反晕征。T2加权涡轮自旋回波—涡轮反转恢复序列（T2W TSE-TIRM）比其他序列更能清楚地显示病变，尤其是继发于炎症实变后的水肿区。同样，ATES等［27］发现MRI检测GGOs或实变与常规CT无显著差异，其敏感性为91.7%，特异性为100%，阳性预测值为100%，阴性预测值为95.2%。超短回波时间-MRI（UTE-MRI）与常规CT的前瞻性对比分析，进一步证实了检测COVID-19的单纯GGOs、单纯实变和GGOs伴实变等典型征象上有显著一致性；在评估空洞、铺路石征和空气支气管征等征象时，其一致性不高［28］。总的来说，这些结果与相关肺部感染的现有文献报道相一致，表明肺部MRI相比胸部CT能够充分地区分不同阶段的实质浸润情况［29］。

美国放射学会目前的指导方针不建议对确诊或疑似SARS-CoV-2阳性患者进行MRI检查［30］。因其存在感染性传播的风险，同时受心脏和呼吸运动伪影、软组织低质子密度和多种软组织—空气交界面引起敏感性伪影的限制［30］。然而，由于GGOs和实变继发于渗出性液体积聚和质子密度增加的基础上，相对于周围组织表现为高信号，肺部这些内在特性在肺泡腔的病理学成像上仍具有优势。肺部MRI为高危患者提供一种可行的替代方法，如应避免接触电离辐射的孕妇和儿童［29］。

2.3 PET18F-标记氟脱氧葡萄糖（18F-FDG）是一种半衰期约为110 min的葡萄糖类似物正电子发射示踪剂。18F-FDG-PET在恶性肿瘤的功能成像中最为显著，但其在评估和判断感染性和炎症性肺部疾病方面的作用越来越大［31］。病毒性肺炎引起急性肺损伤的炎症反应是由中性粒细胞、单核细胞和效应T细胞的趋化因子募集引起的［31］。中性粒细胞的活性特别依赖于厌氧糖酵解和从周围微环境中摄取的葡萄糖，PET成像上表现为18F-FDG-高代谢灶。当与CT相结合时，PET/CT对功能和解剖过程可进行详细评估，并可对实质和间质活性进行无创量化，作为炎性细胞行为的一个指标［31］。

报道称，COVID-19与表现为18F-FDG-高代谢灶的病变相一致［32］。QIN等［33］研究了大流行早期在武汉住院的4例患者，所有患者在急性期接受了18F-FDG PET/CT检查，GGOs和（或）实变对应的区域显示18F-FDG摄取，最大标准化摄取量（SUVmax）在4.6～12.2，3例患者还表现出局部淋巴结的放射性示踪剂摄取。SETTI等［34］进行了系统评估，发现COVID-19相关肺部病变SUVmax为4.9±2.3。据报道，COVID-19病变的18F-FDG摄取越高，红细胞沉降率越快，病程越长［33］。18F-FDG PET/CT还可以在诊断不明确的情况下评估是否合并感染。据报道［35］，1例患有左侧第一跖骨慢性骨炎且细菌血培养阳性的患者，为明确是否合并人工瓣膜感染，进行了18FFDG PET/CT检查，随后经实验室检查确诊为COVID-19，发现该患者双肺有高代谢灶，与GGOs相对应的病变区域SUVmax为7.6，左脚病变部位为高代谢灶，隆突下、气管旁和肺门淋巴结有淋巴结炎，SUVmax为6.1，没有发现人工瓣膜感染的迹象。由此可见18F-FDG PET/CT在缩小感染源的鉴别诊断方面起补充作用。

18F-FDG PET/CT是一种检测COVID-19高度敏感的检查方法，但其特异性较差［32］。许多作者不建议将PET/CT作为紧急情况下筛查COVID-19疑似病例的主要手段［30，36］。因为PET检查费用高、采集时间长和辐射剂量大，而且成像技术的复杂性延长了核医学工作人员的暴露时间，使他们面临更大的院内传播风险［35］。综上所述，这些因素限制了PET检测COVID-19的适用性。

2.4 基于CT的AI辅助技术 近年来，由于计算机科学的发展，AI技术在生物和医学研究中得到了广泛的应用。在COVID-19的诊断阶段，AI用于CT医学图像的模式识别，用来分割感兴趣区和捕获胸部CT图像的精细结构，快速提取自学习的特征。其中机器学习和深度学习一直是研究的焦点，特别是深度卷积神经网络的深度学习方法，自动进行特征提取过程，在这些研究中得到了广泛的应用［37］。此外，预训练网络通常用于分割、特征提取和分类阶段。DenseNet121、ResNet50、shufflenetv2在分类阶段被研究者成功报道，而UNet++分割阶段产生的图像也获得了满意的结果［37］。许多已开发的系统在经过预处理和分割阶段后，都是通过修改或改进的预训练网络建模，以提高COVID-19在CT图像中的分类精度。这表明，广泛使用的预训练网络可以非常成功地应用于图像分类的各个阶段。

LI等［38］报道了一种COVID-19检测神经网络（COVNet），其可成功地将COVID-19与社区获得性肺炎区分开。BAI等［39］采用深度学习架构EfficientNet B4对CT扫描的COVID-19和肺炎切片进行分类，6例放射科医生的诊断结果用来评估AI模型获得结果的有效性，AI模型的准确率达96%，而放射科医生诊断的平均准确率为85%。XIAO等［40］采用预训练网络ResNet34诊断COVID-19的严重程度，该模型的受试者工作特征曲线下面积为0.987，检测严重程度和非严重程度的预测值分别为87.50%和78.46%。SHI等［41］在一项利用纹理分析、机器学习和深度学习方法在胸部CT图像上检测COVID-19的比较研究中表明，借助深度学习方法可以加快COVID-19诊断速度，显著减轻医护人员的负担。AI系统的辅助提高了放射科医生的诊断能力，为临床分型和治疗选择提供有价值的信息。

可见，胸部CT对COVID-19的检测和分期至关重要。COVID-19的特征性表现很明确，包括双肺外周、胸膜下或肺叶后部的GGOs和网状影，伴或不伴实变。然而，这些表现并非特异性，与其他病毒性肺炎有相似征象，因此对诊断为阴性的患者还应考虑其他诊断。肺部MRI通常不作为检测下呼吸道感染的一线方法，但初步研究表明，肺部MRI与胸部CT对检测COVID-19特征性表现具有很高的一致性。对于应避免过度或反复暴露于电离辐射的患者，肺部MRI仍是一种可行的选择。早期报道证实，一些接受18F-FDG PET/CT检查的患者，偶然发现其感染COVID-19，其病变部位存在高代谢灶。初步数据表明PET/CT是检测COVID-19肺炎的一种高度敏感的方法，但其成本高、辐射剂量大以及核医学工作人员的长时间暴露，限制了PET/CT作为一线成像方法的适用性。尽管如此，在疫区工作的放射科和核医学医生必须保持警惕，仔细检查所有扫描结果，以寻找无症状感染的证据。针对接受核医学成像的无相关临床症状的患者（如恶性肿瘤的评估和分期），及早发现SARS-CoV-2感染，对处于高风险的脆弱人群提供及时的临床治疗和预防至关重要。AI已初步应用于COVID-19的诊断，将临床及CT影像学特征与AI相结合，有利于对疾病严重程度的评估，也可为疾病进展提供准确、定量的评价指标，有利于对病变的动态评估。