双能量CT在肺癌诊断中的应用进展

李敏，王化

天津医科大学肿瘤医院放射科 国家肿瘤临床医学研究中心 天津市“肿瘤防治”重点实验室 天津市恶性肿瘤临床医学研究中心，天津 300060；*通信作者 王化 wanghua0718@163.com

肺癌是全球最常见的癌症之一，也是癌症相关死亡的首要原因[1]。目前，常规CT是肺癌诊断、分期、治疗效果评估及治疗后随访最常用的影像学检查，主要依据病变的形态学特征、CT值、增强程度和特点进行诊断，但形态学特征评估依赖放射诊断医师的经验，存在一定的主观性，并且不同病变不仅形态学特征存在重叠，强化程度和特点也可能相似，使得CT诊断肺癌存在一定的局限性。双能量CT（dual-energy CT，DECT）除对病变进行分析外，还能对成像组织在能量学范畴的差异进行量化，从而提供更多定量参数，包括碘浓度、水浓度、能谱曲线斜率等，为肺癌的定性诊断、病理分型、侵袭性判定以及基因突变预测等提供了更多帮助，弥补了常规CT在定量评估方面的不足[2]。本文对DECT在肺癌诊断中的应用和研究进展进行综述。

1 DECT 的基本原理和技术应用

1.1 基本原理 DECT通过采集2个不同X线能谱的CT数据进行成像[3]。由于成像组织在不同X线能谱下的衰减系数不同，借此特征可以区分和表征不同的组织[4]。目前，临床常用的扫描技术有高低管电压快速切换、双源、双层探测器以及分裂滤波器。DECT对采集的数据进行后处理，利用物质分离、单能量成像、有效原子序数（effective atomic number，Eff-Z）和能谱曲线等技术对肿瘤行多参数定性和定量评估。

1.2 技术应用

1.2.1 物质分离 理论上，人体任何组织或结构对X线的吸收均可用2种不同基物质吸收的组合表示[5]。DECT能将人体成像组织转化为对X线具有相同衰减效果的两种不同基物质的密度图，其中水碘是最常用的基物质对[4]。在增强扫描中，通过碘图可以定量评估组织碘含量，能够更加精确地反映肿瘤血管分布，进而用于肿瘤诊断和治疗效果评估[2]。DECT将碘从图像中去除形成虚拟平扫（virtual non-contrast，VNC）图像，有望取代多期CT扫描中的真实平扫，以减少辐射剂量[6-8]。

1.2.2 单能量成像 常规CT是在混合能量的X线束下进行扫描，而双能成像可重建出单一能量X线光子扫描所成的图像，即虚拟单能量图像。不同品牌机型提供的单能量（keV）范围不同，分布范围为40～200 keV[9]。低keV能提高碘汇聚显示，高keV能增强X线的穿透能力，通过选择合适的keV值能有效降低图像噪声，使图像达到最佳信噪比，以优化肿瘤及周围组织结构显示，有利于微小肿瘤病灶的检出和诊断[9]。

1.2.3 Eff-Z图 某物质的Eff-Z为与之有相同X线衰减的某种元素的原子序数[5]。DECT能重建出成像层面的Eff-Z图。由于不同组织和病变的Eff-Z存在差异，因此Eff-Z的定量分析对两者的鉴别具有一定价值[2]。

1.2.4 能谱衰减曲线 DECT能获得成像组织CT值随X线光子能量（keV）变化的曲线，即能谱衰减曲线。因不同组织的衰减系数随X线能量的变化不同，该曲线斜率在一定程度上能体现组织和病变的特征，有助于病变与正常组织、肿瘤良恶性及病理亚型的鉴别[2,10]。

2 DECT 在肺癌中的临床应用进展

2.1 肺结节及肿块良恶性的鉴别 由于病灶CT值受X线混合能量、线束硬化和病灶大小等因素的影响，而且部分良、恶性病灶具有相似的形态学特征和强化方式，导致常规CT在肺病灶良恶性鉴别方面有一定的挑战[11]。DECT重建的虚拟单能量图像可以弥补这一不足，可以获得更加准确的CT值，同时还能通过测量病变碘浓度（iodine concentration，IC）、标准化碘浓度（normalized iodine concentration，NIC）及能谱曲线斜率（slope rate of spectral attenuation curve，λHU）等多参数值鉴别结节或肿块的良恶性。Zhang等[11]对孤立性肺结节进行研究，发现恶性组动静脉期NIC、λHU及在70 keV图像的CT净增值均显著高于良性组。Zegadło等[12]和邱琳等[13]的研究也证实恶性结节碘摄取参数显著高于良性结节。而Chen等[14]的研究结果与上述不一致，该研究中良性结节组双期λHU、双期40 keV图像的CT净增值以及静脉期IC高于恶性组，其原因可能是病例选择和良性结节中病变类型的构成不同：Chen等[14]的研究中磨玻璃结节比例较大，且良性结节多为炎性病变。

Lin等[15]将良性结节进一步分为活动性炎症组和结核组，分别与恶性组结节进行能谱参数比较，发现炎症组动脉期和静脉期IC、NIC和λHU高于恶性组，恶性组高于结核组。Yu等[16]发现良性肿瘤中的炎性肌纤维母细胞瘤组动静脉期λHU、NIC及标准化碘浓度之差明显高于肺癌组。Hou等[17]发现炎性组病变中心在动静脉期70 keV图像的CT值、NIC和λHU均高于肺癌组，而肺癌组病变中心与周围CT净增值的差值显著大于炎性组。此外，王君鑫等[18]研究发现，肺炎组动脉期IC、NIC及40～70 keV范围内的λHU均显著高于肺癌组。上述研究表明，DECT定量参数在肺结节及肿块良恶性鉴别方面具有重要意义，但这些参数在良性肿瘤、活动性炎症和肉芽肿性病变等不同的良性病变中可能存在差异，鉴别诊断时需进行区分。

2.2 肺癌组织病理学分型和侵袭性判定 DECT的定量参数能反映病变组织的特征和功能状态，对肺癌病理分型有重要意义。王永丽等[19]报道能谱参数对鉴别小细胞肺癌（small-cell lung cancer，SCLC）和非小细胞肺癌（non-small-cell lung cancer，NSCLC）具有重要价值，联合动脉期和静脉期40 keV图像的CT值、λHU和NIC，曲线下面积（AUC）分别为0.809和0.855。Xu等[20]发现与仅使用CT形态学特征相比，增加IC和NIC使鉴别SCLC和NSCLC的AUC从0.908提高到0.981。Zhang等[21]发现腺癌组静脉期IC、NIC和λHU显著高于鳞状细胞癌组，联合3 个参数诊断的AUC 最高（0.891）。总之，DECT在肺癌病理分型方面有重要应用价值，但目前研究多局限于SCLC 以及NSCLC的主要病理亚型，其他少见病理类型的诊断和鉴别需进一步研究。

DECT多参数分析还可以用于肺腺癌侵袭性的判定。Yu等[22]研究显示，静脉期130 keV下图像的CT值是预测侵袭性肺腺癌（ invasive pulmonary adenocarcinoma，IPA）的独立因子。Yang等[23]研究表明在纯磨玻璃结节中，校准后的NIC和病灶大小是IPA的独立影响因素，校准后的NIC对IPA的诊断效能（AUC=0.924）显著高于病灶大小（AUC=0.711）。有学者尝试基于多参数图像所提取的组学特征判定肺腺癌侵袭性，显示出较好的应用前景。Son等[24]发现基于VNC图像的直方图质量（mass）参数和碘图纹理分析的均一性（uniformity）参数是IPA的独立预测指标，与仅使用VNC图像相比，增加碘图参数后AUC由0.888提高到0.959。Bae等[25]根据肺腺癌组织学亚型的侵袭性将其分为3级，研究基于碘图与VNC图像的组学特征对预测侵袭性分级的价值，结果显示iuniformity和第97.5百分位CT值是区分2级和1级或3级和1级的独立因素。

2.3 肺癌基因突变状态的预测 目前，针对驱动基因的靶向治疗是晚期NSCLC的常用治疗方法。靶向基因的获取是采取靶向治疗的前提，其中表皮生长因子受体（epidermal growth factor receptor，EGFR）是NSCLC最常见的驱动基因之一。Wu等[26]研究发现，肺腺癌EGFR阳性组的NIC和λHU显著高于阴性组，鳞状细胞癌EGFR阳性组NIC、λHU及钙含量均显著高于阴性组。张国晋等[27]研究提示肺腺癌EGFR阳性组双期IC和λHU显著高于阴性组。Li等[28]和Lin等[29]研究提示NIC和静脉期NIC是预测EGFR突变的独立指标，联合吸烟史，预测EGFR突变的AUC分别达到0.702和0.807。由此可见IC相关参数与NSCLC患者EGFR的突变状态密切相关，能够预测EGFR的突变。DECT定量参数与其他基因突变关系的研究报道较少。Li等[30]研究发现EGFR突变组λHU、NIC、Eff-Z以及70 keV图像的CT值明显高于Kirsten鼠肉瘤病毒癌基因（Kirsten rat sarcoma viral oncogene homolog，KRAS）突变组，70 keV图像的CT值是鉴别这两种基因突变的独立指标。Li等[31]发现Eff-Z与实性肺腺癌的KRAS突变显著相关，而能谱CT定量参数与ALK重排无显著相关性，可能与ALK重排样本量较少有关。上述研究显示DECT的某些定量参数是肺癌基因突变的独立预测指标，联合相关临床特征能显著提高预测效能。

2.4 与其他肺癌生物标志物相关性的研究 除预测肺癌的基因突变状态外，DECT定量参数与多项治疗和预后相关的生物标志物间也存在一定的相关性。Li等[32]研究表明动脉期、静脉期和延迟期IC、NIC和标准化碘浓度之差与微血管密度均呈正相关，静脉期IC的相关性最强（r=0.800，P＜0.001）。还有研究[33]报道IC、λHU和40 keV图像的CT值与NSCLC的血管内皮生长因子表达水平呈正相关，提示DECT的某些定量参数可以反映肿瘤的血管生成，有助于指导肺癌抗血管生成靶向药物的治疗。

Chen等[34]研究显示，肺腺癌程序性死亡蛋白配体-1（programmed death ligand-1，PD-L1）阳性表达组动静脉期40、70 keV图像的CT值均显著高于阴性组，提示DECT定量参数与肺癌PD-L1表达相关，有望辅助预测肺癌患者PD-L1表达。Ki-67能反映肿瘤增殖速度，是预测肺癌预后的常用指标。窦沛沛等[35]发现Ki-67低表达组动脉期40、50 keV图像及静脉期40、60、70 keV图像的CT值和双期λHU均显著高于高表达组，静脉期40 keV为预测Ki-67表达的最佳单能量值。由此可见DECT参数与Ki-67表达存在相关性，对预测肺癌预后具有一定的应用价值。

3 小结

DECT的多参数定量分析对肺结节及肿块良恶性鉴别、肺癌组织病理学分型和侵袭性判定等具有重要临床意义，其多个定量参数与肺癌基因突变状态及许多肿瘤分子标志物间存在相关性，有助于指导肿瘤精准治疗及预后评估。然而，目前关于DECT在肺癌诊断方面的研究多为单中心小样本研究，且不同研究机构的机型、扫描方案和感兴趣区勾画标准等存在一定差异，导致研究结果不一致，甚至互相矛盾；未来需要进行多中心大样本研究，同时对扫描参数和感兴趣区勾画进一步优化和标准化，以提高相关参数测量的一致性和稳定性，从而获得更为准确、可靠的病变信息。随着CT技术在大数据时代背景下的不断创新与发展，DECT将会越来越广泛地应用于肺癌的临床诊断。