不同管电流下肺结节影像特征参数曲线模型研究

张念如 张 棪

广州市第一人民医院(广州 510180)

肺癌位居恶性肿瘤发病率及死亡率之首，早发现、早诊断、早治疗对提高患者生存率至关重要，而肺结节一般是肺癌早期表现，因此提升肺结节的检出准确性是实现早期肺癌诊断的关键[1- 2]。CT扫描对结节特异度及灵敏度均高于常规胸片检查和透视，这是目前检测该疾病的最优技术[3- 4]。然而肺结节通常难以定性，需高频率复查，以致患者接受医源性辐射频率增加，对其健康存在很大隐患[5- 6]根据美国国家肺癌筛查实验的研究成果显示，低剂量CT较常规检查可使肺癌病死率下降约20%，使用低剂量CT扫描可达到91.67%的确诊率[7]。本研究选取68例肺结节样本，旨在探讨不同剂量的CT扫描对于建立影像特征信息曲线模型量化分析肺结节的更优性，为结节的鉴别诊断提供可靠的影像支持。

1 资料与方法

1.1 一般资料

采用回顾性分析方法，收集广州市第一人民医院2019年9月—2020年10月收治的肺结节患者，按照筛选标准，选择符合本次研究的68例样本，根据扫描剂量不同将样本分成数量相同的两组。本次选择的患者样本均获得医院伦理委员会及家属同意，并且具备家属知情书。

1.1.1 纳入标准 ①结节直径≥3 mm；②年龄≥40岁；③无临床症状。

1.1.2 排除标准 ①有恶性肿瘤病史；②有其他进展性疾病。

1.2 研究方法

1.2.1 扫描配置及参数 使用东芝Aqullion 320排螺旋CT扫描，扫描范围由肺尖至横膈，于吸气末屏气扫描；常规组与观察组管电流分别为150 mA与25 mA，两组管电压均为120 kV，扫描速度0.35S/圈，准直器0.625 mm×320，螺距1.0，矩阵512×512，层厚5 mm，层间距5 mm。采用标准软组织算法对原始图像进行曲面与斜位重建，层厚层间距均为1 mm，上传至PACS存档。

1.2.2 结节特征信息评估 利用东芝工作站中的VltreaFX3软件根据结节位置与层面按照标准算法进行斜位与曲面重建，使用PACS人工智能软件自动勾勒结节形态，手动调整避开血管支气管等组织，并量取相关参数记录，参数具体包括结节直径、体积、密度纹理、边缘细节、内部结构，再根据公式计算结节质量(MASS)=V×(Amean+1 000)，其中V代表结节体积，Amean代表结节平均密度大小[8- 9]。

1.2.5 建模 通过U检验方法计算不同管电流下各参数组间差距，得到各参数在不同管电流下对肺结节鉴别诊断的阈值、敏感度、特异度及曲线下面积，经过单因素逻辑回归，将组间差异有统计学意义的参数纳入多元逻辑回归，建立特征信息曲线模型，计算模型曲线中面积并勾画ROC曲线。

1.3 统计学方法

采用IBM SPSS 20.0统计软件进行分析，两组间结节直径、体积、密度、质量、边缘细节、内部结构均非正态分布，以中位数(范围)表示，采用Mann-WhitneyU检验。体积与质量的配对比较采用Wilcoxon符号秩和检验，运用ROC曲线分析肺结节鉴别诊断最大效能的参数信息，同时计算曲线下面积(area under curve，AUC)。AUC在0.50～0.70为诊断价值较低，0.71～0.91为诊断价值中等。组间数据比较以χ2方法呈现，计数资料采用例数表示，符合正态分布计量资料以均数±标准差表示，采用t检验；通过数据对比可见，研究数据存在P<0.05的情况，说明数据具有统计学意义。

2 结 果

2.1 样本性别年龄分布

本次研究样本共68例，观察组患者中男19例，女15例，年龄范围为47～60岁，平均年龄为45.2岁。常规组患者中，男女人数为21人和13人。观察组患者中，年龄范围为48～65岁，平均年龄为46.10岁。统计可见，定量资料基本符合正态分布，通过数据对比可见，研究数据存在P<0.05的情况，说明数据具有统计学意义。

2.2 结节特征信息

2.1.1 结节大小 根据是否包绕肺实质为标准，分为实性结节、部分实性和非实性结节，68例样本中，11例为实性结节(观察组12%，常规组21%)，12例为部分实性结节(观察组21%，常规组15%)，35例为非实性结节(观察组67%，常规组64%)；①肺结节直径<5 mm共有10例(观察组12%，常规组18%)；直径范围在5～10 mm的结节有36例(观察组59%，常规组47%)；直径>10 mm的共有22例(观察组29%，常规组38%)；②肺结节体积>870 mm2共有15例，其中观察组26%，常规组17%)；③肺结节质量>306.9 mg共有18例，观察组29%，常规组24%)，体积与质量在观察组与常规组均有统计学意义(P<0.05)，密度观察组与常规组无统计学意义(P>0.05)，相关数据见表1。

表1 不同管电流下各特征信息参数比较

2.1.2 形态学细节 观察组检测得出肺部钙化、毛刺、分叶征、空洞的患者人数分别是3人、7人、14人和4人，常规组检测得出肺部钙化、毛刺、分叶征、胸膜粘连的患者人数分别是5人、11人、17人和5人；形态学在观察组与常规组变化差异无统计学(P>0.05)，见表2。

表2 两组肺结节形态学细节检出情况比较 [n=34,例(%)]

2.2 特征参数曲线模型

观察组与常规组中肺结节鉴别诊断敏感度最高的参数分别为结节体积77.42%与72.17%，同时其为单参数最大效能参数，ROC曲线面积分别为0.807与0.702；观察组中的质量86.96%与常规组中质量参数81.64%为特异性最高的参数；将两组的体积和质量两个参数分别纳入多元逻辑分析后建立特征参数曲线模型(表4)，观察组ROC曲线面积显示0.826，常规组为0.736，各参数数据高于各单独参数的ROC曲线面积且观察组整体均高于常规组，说明在低剂量扫描模式下，根据体积与质量鉴别诊断肺结节效能最优化，其可作为特征信息曲线模型，见图1；各参数对肺结节鉴别诊断的阈值、敏感度、特异度及ROC曲线数据具体见表3。

表3 各参数鉴别诊断的敏感度、特异度及ROC曲线

表4 观察组定量诊断模型的多元回归逻辑模型相关参数

表5 常规组定量诊断模型的多元回归逻辑模型相关参数

图1 联合参数定量诊断模型及单独参数ROC曲线分析注：A.观察组ROC曲线分析显示体积联合质量的定量诊断模型在鉴别诊断中具有最大的ROC面积0.819；B.常规组ROC曲线分析显示体积联合质量的定量诊断模型在鉴别诊断中具有最大的ROC面积为0.702。

2.3 辐射剂量水平

观察组辐射剂量各参数较常规组均明显降低,差异有统计学意义(P<0.05)，见表6。

2.4 图像质量评价

客观评价不同管电流下样本SNR值差异无统计学意义(P均>0.05，表1)主观评分比较观察组总体评分(3.61±0.42)低于常规组(3.69±0.51)，差异无统计学意义(P>0.05)，见表6,图2。

表6 不同管电流下辐射剂量参数与图像质量参数比较

图2 观察组与常规组CT扫描图像对比及体积质量数据注：A.观察组所示：右肺下叶磨玻璃密度结节，边界清楚，可见毛刺及供血血管，体积145.3 mm3，质量56.26；B.常规组所示：左肺上叶磨玻璃密度结节，边界清楚，体积262.87 mm3质量85.23；C.观察组所示左肺上叶结节，边界较清，密度混杂，体积583.93 mm2，质量-134.78；D.常规组所示右肺上叶结节磨玻璃密度结节，边界清楚，体积102.34 mm3，质量39.23。

3 讨 论

肺结节的大小和构成是胸部CT筛查诊断的主要指标，其中肺结节的大小是结节管理和诊断肺癌TNM分期的主要因素[19]，CT测量结节大小的目的是进行危险分层，提高肺结节良恶性诊断的准确性，从而对其临床管理提供指导依据，根据美国放射学院2019年更新的肺部影像报告和数据系统(Lung-RADS1.1)可知，约40%的非实性肺结节为浸润性肺癌，结节的大小对其良恶性具有预测价值，结节越大，其为恶性的可能性越大[20]，有文献报道，通过测量结节的体积可以更准确地反映肿瘤的三维数据，用于评估恶性肿瘤的预测模型的效果远优于仅测量结节的最大直径。Meta分析显示，结节体积大小以及质量对定量诊断肺结节均具有鉴别诊断意义。

本研究在量取结节最大截面直径的基础上，加入结节体积与质量，全面反映结节大小整体指标，并手动计算结节的质量，研究表明其在观察组和常规组中均具有统计学差异，且均具有较好的敏感度及特异度。本研究也纳入了密度、内部成分和形态学参数反映结节整体情况的综合指标，但尽管密度参数在组间也显示了明确的统计学差异，但其诊断优势并不明显优于其他单项指标。综合本研究中各参数，体积为定量诊断特异性最高，质量为灵敏性最高。经多因素分析结果显示，质量和密度参数为肺结节鉴别诊断最有意义的因素，以其为基础建立的影像特征信息模型ROC下面积可达0.819，远高于任何单因素；本研究结论与前期相关研究一致，综合文献数据分析结果也表明，结节体积与质量对肺结节均具有定量诊断意义。尽管不同研究在具体数值上稍有出入，但以体积和质量作为重要因素方面达成一致意见。

本研究尚存在不足。第一，样本数量有限；第二，部分样本未有病理结果证实；第三，只纳入一次CT扫描参数数据，没有纳入复查相关数据，可能对样本整体诊断效能分析有所影响。下一步计划尝试纳入大数据样本，建立多因素回顾性与前瞻性诊断模型，以期达到更好的评价效果。总体来说，本研究表明，在低剂量扫描模式下，建立以结节和质量为特征信息曲线模型，密度、形态学辅助诊断，对肺结节的鉴别诊断更具有可量化意义。