肺部CT 筛查报告和数据系统（1.1）更新的解读及分析

高 淳，薛庭嘉，陈 婧，叶晓丹

（上海市胸科医院放射科，上海 200030）

肺癌是我国发病率和死亡率均居首位的恶性肿瘤［1-2］，早期症状通常不明显，很多患者确诊时已处于晚期，错过最佳治疗时机［3］。以往，X 线胸片检查作为肺癌筛查的主要手段，其操作简便且辐射剂量低，但图像清晰度低，1/3 的肺组织被肋骨、纵隔和/或锁骨等结构遮挡，直径较小、密度较低的病灶很难检出。常规胸部CT 作为肺癌筛查的常用方法，虽能弥补X 线胸片分辨率低的不足，但患者辐射剂量较高。低剂量螺旋CT 检查能够有效减少辐射剂量，仅需常规CT 胸部检查剂量的1/5 即可获得全肺影像，在肺癌早期筛查中具有较高的临床应用价值［4-5］。

2014 年9 月，美国放射学会（American College of Radiology，ACR）发布了1.0 版的肺部CT 筛查报告和数据系统（lung imaging reporting and data system，Lung-RADS）［6］。2019 年，ACR 对Lung-RADS 1.0 版进行了修改，发布了1.1 版［7］。Lung-RADS 能明显提高肺癌筛查的阳性预测值而不增加假阴性结果，使肺结节报告更加规范，对临床诊治具有良好的指导作用［8］。Lung-RADS 1.1 版旨在进一步提高肺癌筛查的准确率，更好地服务临床（表1）。

表1 Lung-RADS 1.1 版［7］

1 Lung-RADS 1.1 版的更新内容注释

1.1 结节测量 在Lung-RADS 1.1 版中认为结节测量包括二维线性测量和体积测量。二维线性测量部分，指南建议保留小数点后1 位，测量结节的长、短径取平均值，保留到小数点后1 位，即精确到亚毫米，事实上对于＜3 mm 的结节，因太小而无法精确测量。尽管Fleischner 学会在2017 年指出，二维线性测量仍是实践的标准，但从一致性和可靠性看，二维线性测量存在不足，特别是有些不规则生长的恶性结节，线性测量不能真实有效地反映其实际生长幅度。

体积测量是对结节整体进行三维分析，能增加检测结节生长的敏感度，因此有学者将体积测量作为肺癌筛查中测量肺癌大小和生长测定的首选方法［9-11］，Lung-RADS 1.1 版对结节采用体积测量的方法，这对结节的定性诊断具有重要的参考价值［12］。Lung-RADS 1.1 版将结节体积增大＞2 mm3定义为结节增长。

1.2 非实性/磨玻璃结节 Lung-RADS 1.1 版对分类2 和3 中的非实性结节测量阈值进行了调整。在Lung-RADS 1.0 版中，非实性结节直径＜20 mm，或≥20 mm 随访无变化或缓慢生长视为2 类［6］。1.1 版 中将非实性结节直径＜30 mm，或≥30 mm 随访无变化或缓慢生长视为2 类［7］。

1.3 裂旁结节 Lung-RADS 1.1 版增加了直径＜10 mm 的裂旁结节的范畴。根据Lung-RADS 的定义，裂旁结节是椭圆形、豆状或边缘光滑的三角形实性结节，这些结节位于裂上或裂内10 mm，通常低于隆突水平［13-15］（图1）。在一项对146 例接受肺癌筛查患者的回顾性分析中，CT 示约1/3 的患者出现了裂旁结节；随访7.5 年均未进展为恶性肿瘤。以往研究支持裂旁结节为良性结节，Lung-RADS 1.1 版则认为需进一步探讨，应单独评价。

图1 CT 上典型和非典型的裂旁结节 图1a 轴位示一个典型的裂旁结节（短箭）附着在右侧斜裂（箭头）图1b 冠状位示另一典型的PFN（短箭）附着于水平裂（箭头）图1c，1d 分别为轴位和冠状位图像，非典型裂旁结节（短箭），无明显附着于右侧斜裂（箭头）

Schreuder 等［15］描述了一种非典型的裂旁结节，其不符合裂旁结节的标准，未明显附着在裂缝，一边凸，或另一边圆。在肺癌筛查中，约20%的结节是这类无变化的良性结节，无需随访［16］。在NELSON 试验中发现的所有不确定的实性肺结节中，典型的光滑或肺裂附着的非钙化结节占83%［17］；随访1 年，光滑或肺裂附着的直径5～10 mm 结节中未发现癌变病灶。Xu 等［18］认为随访1 年已足够评价此类病灶。以上研究均支持Lung-RADS 1.1 版将＜10 mm 的裂旁结节纳入良性类别的更新。但是，在评估这些类别时应准确识别典型与非典型裂旁结节的特征，以避免假阴性。

表2 Lung-RADS 1.1 更新

1.4 感染/炎性结节 除了测量和分类的改变，ACR还提出了包括对Lung-RADS 1.0 不确定结节的后续建议。这一改变使放射科医师在肺癌筛查时报告4B或4X 结节时具有一定的灵活性。

Lung-RADS 1.1 版更新建议对符合4B 或4X 类标准的新结节行1 个月CT 随访，在1 个月内许多感染性结节可能部分消退［19-20］，而较短的随访时间可能会导致较多的假阳性结果，特别是较年轻的患者［21-22］，因此，1 个月的随访间期是否为检测这些新结节的最佳间隔时间还有待商榷。

2 人工智能的辅助价值

Lung-RADS 为影像专家提供了以肺结节尺寸为基础的标准化筛查流程。人工智能可为肺结节识别和风险分级提供语义和图像识别的辅助信息。虽然结节的大小和形态是恶性肿瘤最重要的预测因素，但结节大小不一定是诊断中最重要的权重。其他的因素，如年龄、性别、癌症家族史、结节类型和位置、吸烟史、肺气肿、纤维化及致癌物的暴露等对结节的良恶性判断也有影响。而Lung-RADS 并未将这些因素纳入评价。

Mc Willams 等［19］开发的恶性结节预测计算器也称为温哥华风险计算器，它囊括了以上的临床信息、家族史和既往史等因素，可用于辅助判断是否进行进一步的诊断、功能成像和/或活检。

3 Lung-RADS 1.1 版的前景与展望

Lung-RADS 1.1 版在Lung-RADS 1.0 版的基础上依据肺结节的流行病学、不同类型结节的生物学行为、生长趋势等情况进行了更新，为影像科医师书写报告提供了更客观的参考依据；通过温哥华风险计算器或辅以人工智能对筛查肺结节进行规范化的管理和决策，能增加决策的准确性，并可一定程度上减少因医师水平不同造成的诊疗差异。随着肺结节研究和人工智能技术的发展，Lung-RADS 将进一步修订完善，更加有效地应用于肺结节的精准个体化管理。