甲型H1N1流感肺炎的影像学研究进展

杨存霞，张雨豪，李莉，殷小平，4

(1.河北大学附属医院放射科，河北 保定 071000；2.浙江省人民医院放射科，浙江 杭州 310000；3.首都医科大学附属北京佑安医院放射科，北京 100069；4.河北省炎症相关肿瘤精准影像学重点实验室，河北 保定 071000)

甲型流感病毒(influenza A virus，IAV)属于正黏病毒科，根据血凝素和神经氨酸酶这2种表面糖蛋白进一步分为16个HA亚型(H1—H16)和9个NA亚型(N1—N9)[1-2]。其中甲型 H1N1 流感是一种新型的经呼吸道传播疾病，在流行的甲型流感中占主导地位[3]，多发于小儿以及免疫力低下的人群，以冬春季节为主，近年来导致大量发病和住院[4]。甲型H1N1流感于2018年底至2019年初在中国某些地区爆发[5]。大多数甲型H1N1病毒感染患者病情轻微，自限性、预后良好，约2%甲型H1N1患者出现重症和危重症[4]。和普通流感病毒感染不同，甲型 H1N1 流感病毒极易侵入肺组织而进展为肺炎，且具有病情发展迅速、病死率较高等特点[6]。本文就甲型 H1N1 流感肺炎的影像学进行综述。

1 甲型H1N1流感肺炎临床特征

甲型 H1N1 流感的早期症状与普通流感相似，多以发热、干咳、咽痛、全身疼痛等为常见症状，部分患者出现腹泻、呕吐等[5]。其中发热、咳嗽、胸痛和休息时呼吸困难是甲型H1N1流感肺炎患者的主要症状[7]。甲型 H1N1 流感患者可能合并肺炎等并发症，少部分患者可能出现重症或危重症，比如低氧血症、急性呼吸窘迫综合征(acute respiratory distress syndrome，ARDS)、呼吸衰竭等，严重者甚至可能会导致死亡[8]。从2019年12月开始，一种由β冠状病毒引起的新型肺炎，即新型冠状病毒感染，在全球范围内肆虐。有研究[9]显示，甲型 H1N1 流感患者咳嗽、咳痰、疲劳和呼吸急促的比例较高，新型冠状病毒感染患者的淋巴细胞、血红蛋白和肌酸激酶计数较高，白细胞、中性粒细胞、血尿素氮和C反应蛋白计数较低。新型冠状病毒感染患者中ARDS或死亡的发生率较低[9]。新型冠状病毒感染患者的临床表现较甲型H1N1流感肺炎患者更隐蔽。少痰、乏力和气短症状，加上白细胞、中性粒细胞和C反应蛋白计数低，可能是老年患者新型冠状病毒感染的预测因素[9]。

2 甲型H1N1流感肺炎的影像学表现

2.1 X线表现

胸部X线检查是一种方便而有价值的工具。因甲型 H1N1 流感肺炎发病急骤，早期肺泡内可见渗出性炎症，随着病情发展，肺实质相继受到损伤，渗出也增多[10]。病变累及双肺更多见，并且病变双侧、多区域及外周分布的特征与临床表现密切相关[11]，而胸腔积液、肺叶塌陷及肺空洞等不常见。也有部分甲型H1N1流感肺炎病例病变主要见于双肺中下肺野，有间质变化和磨玻璃样影(ground-glasso-opacity，GGO)加间质变化[12]。恢复期因炎症累及终末细小支气管引起肺的局部通气过度而导致肺大泡形成[13]。总之，甲型H1N1流感肺炎胸部 X 线检查可见肺野密度增加呈磨玻璃样阴影及实变影，局部病灶增大、融合成片，病变多位于支气管动脉周边及胸膜下侧，纵隔及肺门处淋巴结肿大少见[10]。

2.2 CT表现

胸部高分别率CT(high-resolution CT，HRCT)成像在甲型H1N1流感肺炎疾病的诊断中起着核心作用[14]。甲型 H1N1 流感肺炎患者CT主要表现为胸膜下或支气管血管周围的弥漫性或斑片状GGO，大部分患者预后良好，重症患者可遗留肺纤维化[5]。GGO是典型的肺泡损伤、炎症浸润和肺泡水肿导致的，是对病毒感染的反应[3，7]。 随着疾病的发展，小叶间隔膜因淋巴回流受阻而增厚，当水肿进一步加重时，显示为实变影[4]。除了弥漫性肺泡损伤外，甲型H1N1流感肺炎还伴有坏死性细支气管炎[15]，当小气道受累时，表现为小叶中心结节[3]。综合之前的研究，GGO、小叶间隔增厚、实变和小叶中心结节是在甲型H1N1流感肺炎患者CT图像中观察到的最常见的放射学特征[16-18]，并具有随机分布和下叶分布特点[3]。

3 甲型H1N1流感肺炎与新型冠状病毒感染影像学鉴别

逆转录聚合酶链反应(reverse transcription polymerase chain reaction，RT-PCR)或基因测序是诊断新型冠状病毒感染的金标准[19]，但由于各种原因，如不标准的标本采集，RT-PCR检测中存在假阴性的可能性[20]、耗时、不方便等，RT-PCR不足以诊断新型冠状病毒感染[21]。通过影像学和临床表现诊断更快速、更可靠，且具有更早反映疾病的优势[21-22]。但是新型冠状病毒感染与其他类型肺炎都可能出现网状影、GGO或者实变，对于不同类型肺炎的鉴别是一个巨大挑战。

无论是传播模式和规模上，还是临床表现和影像学表现上，甲型H1N1流感肺炎与新型冠状病毒感染都有许多相似重叠之处[23]。GGO、空气支气管影、实变、小叶间隔增厚、小叶中心结节和网状阴影是甲型H1N1流感肺炎的主要CT表现[6，20]，新型冠状病毒感染也可出现一些相似CT特征，如GGO、血管扩大、小叶间隔增厚[24-25]。随着疾病的发展，一些患者可能会发展为ARDS和多器官衰竭，从而导致死亡。然而，甲型H1N1流感肺炎的ARDS发病率较高，新型冠状病毒感染的病死率较低[23]。因此，这2种肺炎的并发症和预后是不同的。因此，甲型H1N1流感肺炎与新型冠状病毒感染在临床诊断中经常会出现误诊，导致对患有甲型H1N1流感肺炎患者的治疗不及时，严重威胁病患的生命安全。因此需要提升临床对这2种疾病的诊断准确率。

一些研究表明，新型冠状病毒感染的外围病变、GGO、小叶间质增厚比甲型H1N1流感肺炎更常见[18，26]。Fischer等[27]认为，与甲型H1N1流感肺炎患者相比，新型冠状病毒感染危重患者的总肺部受累程度更高。随着时间的推移，新型冠状病毒感染和甲型H1N1流感肺炎患者的主要模式有所不同[27]。利用CT纹理特征[28]、常规血液检查指标[12，29]，也可为临床医生提供一种快速分诊工具。总之，GGO、胸腔积液和实变的CT影像学特征以及血常规计数对鉴别诊断最有意义[21，30]。

4 甲型H1N1流感肺炎人工智能相关进展

放射组学是一种新兴的提取高维定量图像特征的技术。Quan等[31]提出一种新观点，将整个肺定义为用于自动放射组学诊断的感兴趣区域(region of interest，ROI)并进行特征提取，评估流感病毒和新型冠状病毒感染，发现所提出的针对整个左肺和右肺的自动放射性分割、提取和分析方法，在胸部CT中区分甲型流感肺炎、新型冠状病毒感染具有良好的预测性和解释能力。

深度学习技术是检测各种疾病的便捷工具。目前，很多研究开发的深度学习模型，可用于对甲型流感和新型冠状病毒感染进行分类[32-33]。卷积神经网络(convolutional neural network，CNN)在放射学图像的检测、分割和分类任务中显示出巨大的潜力[34]，但Aftab等提出的技术对胸部X线图像的评估优于CNN模型，达到98%的准确率[35]。Abdulsalam Hamwi等[36]提出一个基于三个系统的集成迁移学习模型，建立了从零开始构建的模型，将胸部图像分为2类肺炎。Zhou等[33]建立了一个用于新型冠状病毒感染和流感鉴别诊断的集成人工智能(artificial intelligence，AI)框架，该框架在疾病病变的自动检测、病变分类和患者早期鉴别诊断方面表现良好。有研究还利用咽部图像和临床信息开发诊断流感病毒感染的深度学习模型，并前瞻性地验证其高性能[37]。

5 总结与展望

综上所述，甲型H1N1流感肺炎的影像学表现以GGO最常见，病变进展时可表现为实变伴空气支气管征，常见小叶间隔增厚及小叶中心结节，并以外周、下叶分布常见。影像学检查更有利于肺部损害的客观评估以及能够早期发现并发症，对甲型H1N1流感肺炎患者的治疗与预后具有至关重要的作用[38]。未来，随着人工智能和现代影像学检查技术的不断发展，多中心影像数据的进一步扩大和数据标准化以及人工智能和深度学习的发展，必将为甲型H1N1流感肺炎建立一种精准、方便、简单的影像学诊断方法，为患者的诊疗指引新的方向。