APP下载

肺结核合并肺癌影像学评估方法现状及进展

2023-08-08温立旻侯代伦

中国防痨杂志 2023年6期
关键词:结核病肺结核影像学

温立旻 侯代伦

结核病是第二大致死性传染病,位列全球死因第13位;2022年世界卫生组织报告显示,我国是全球第三大结核病高负担国家[1]。肺癌是因癌症死亡的最常见原因[2]。据报道,肺结核患者较一般人群患肺癌的概率明显增高[3],其原因有以下几方面:首先,已有研究表明,结核病引起的炎症和肺纤维化的遗传损伤是肺部瘢痕形成的主要原因,从而增加罹患肺癌的风险,特别是腺癌[4]。其次,结核病可能会削弱免疫系统,促进肿瘤的发生[5]。再次,在结核病炎症反应中,柱状上皮可能发生急性上皮化生,致癌物优先集中在过度活跃的区域会引起瘤性改变和癌变[6]。最后,在世界卫生组织的国际癌症研究机构提供的名单中,异烟肼目前被列入3类致癌物,但其是否会导致肺癌仍需更深入的研究[7]。此外,肺结核本身就是肺癌的一种危险因素。同时,肺结核和肺癌之间具有共同的危险因素,如吸烟史和职业史等,这均进一步增加肺结核和肺癌之间的相关性[8]。

Bayle于1810年首次报道了肺结核和肺癌共存[9],两者的临床表现具有相似性,如咯血、体质量减轻、发热、咳嗽、咳痰和厌食等[8],容易被混淆和误诊。虽然结核分枝杆菌痰培养是结核病诊断的“金标准”,但其阳性率较低[10]。同时,肿瘤标记物虽被广泛用于癌症的检测,然而,在肺结核等良性疾病中也可检测到异常浓度的肿瘤标记物,阳性肿瘤标志物特异度较低[11],确诊肺癌与肺结核仍需通过病理学和微生物学试验。二者的影像学征象同样具有相似性,如分叶征、肿块、结节、空洞等[12],但影像学检查作为胸部疾病的首选无创检查,仍能对鉴别诊断提供一定价值。因此,应重视影像学检查,根据影像学表现可及早发现并及时干预,尤其是当出现以下情况时应考虑肺结核合并肺癌的可能:(1)老年患者的肺结核病灶出现软组织肿块,或肺门明显增大;(2)趋于稳定的肺结核病灶,复查时病灶不缩小反而增大,并出现分叶、毛刺等恶性征象时;(3)长期影像学动态观察发现非活动性肺结核患者新近出现结节或团块状病灶;(4)抗结核治疗过程中,出现血性胸腔积液或抽液后积液继续增加[13]。

随着影像学技术的进步,客观、准确、无创诊断和识别肺结核、肺癌,以及肺结核合并肺癌已成为影像学研究的重点。笔者对肺结核合并肺癌影像学评估方法现状及进展进行综述和展望。

一、肺结核合并肺癌影像学评估方法

(一)X线摄影检查在肺结核合并肺癌诊断中的研究现状

X线摄影检查是临床上应用较为广泛的肺结核筛查和随访方法。Kim等[14]认为肺结核合并肺癌具有如下影像学特征:(1)患者服用抗结核药物时病变进展;(2)肺浸润或肺不张在下叶基底段或上叶前段;(3)无支气管充气征的均匀浸润病灶,而不是斑索灶;(4)当患者抗结核治疗时心尖或心膈角处胸膜密度不均;(5)单侧肺门增大;(6)直径≥3 cm的单个肺结节,边缘及形状不规则;(7)移位的叶间裂存在肿块。

但仅通过X线摄影检查肺结核,可能高估肺结核的患病率[15]。同时,X线摄影检查对直径≤1 cm的细小病变显示不佳,当作为肺癌筛查方法时,则既不敏感也不具有特异性,与其他疾病难以区分[16]。

(二)CT扫描在肺结核合并肺癌诊断中的研究现状

CT扫描是利用精确准直的射线并结合高敏感度探测器对人体进行横断面扫描。研究表明,CT扫描与X线摄影检查相比,可以更早地识别潜在的恶性病变,并能够有效降低肺癌病亡率[16]。CT扫描在单独区分肺结核与肺结核合并肺癌方面具有良好的应用价值,对于肺结核合并肺癌的诊断准确率达92%,可作为肺癌初级筛查诊断的鉴别工具,这大大缩短了检测时间,避免了传统病理检测的局限性[17]。同时,有数据表明肺结核合并肺癌组的分叶、毛刺、空洞检出率明显高于单纯肺结核组。单纯肺结核组的空洞多位于肺上叶及中叶,而肺结核合并肺癌组的空洞多位于肺下叶,并且空洞的大小和壁厚也有明显差异。肺结核合并肺癌患者癌组织周围胸膜粘连和胸膜凹陷较多,而肺结核患者纵隔淋巴结钙化、周围卫星病变、纵隔淋巴结肿大较多。两者在纵隔淋巴结肿大、纵隔淋巴结钙化、周围卫星病变等方面的差异均明显[17],并且肺结核合并肺癌患者支气管狭窄或阻塞的发生率也明显较多[7]。另有研究表明,肺结核病灶与肿瘤病灶大部分位于同叶同段(53%)或同侧肺不同肺叶(25%),少数分布于两侧肺叶(16%)[18]。因此,CT扫描已成为肺结核随访、肺癌筛查及肺结核合并肺癌诊断的一种必要和重要的检查方法。然而, CT平扫的主要缺点是特异性不高,对某些良性感染性病变,如肺结核、炎症或其他原因引起的纤维化具有很高的假阳性率[19]。恶性病灶往往边缘不规则,周围血管收缩,增强CT扫描病灶呈均匀或不均匀快进快出强化方式,而良性病变如肺结核病灶边缘较清晰,多呈无强化或环形强化[20]。研究显示,由纤维化和钙化组成的稳定型肺结核结节的非增强CT扫描值明显高于肺癌结节,当以49 HU为临界值时,其诊断的敏感度、特异度和准确度分别为68.4%、90.2%和87.3%。因此,在CT扫描检查中应同时考虑非增强CT值和病灶的强化方式来判定稳定型肺结核患者是否合并肺癌,尤其是当衰减值低于49 HU时[7]。此外,增强CT扫描中呈高密度的病变恶性概率较大,但肺结核和恶性病变之间可存在一定重叠。因此,单纯依靠增强CT扫描并不能对肺结核合并肺癌实现明确诊断。

(三)MRI在肺结核合并肺癌诊断中的研究现状

一般来说,胸部疾病较少使用MRI检查,但近年来随着MRI快速成像序列、呼吸及心电门控、增强MRI、功能MRI成像及计算机应用技术的发展,MRI的成像速度及图像质量得到了明显提升,在一次屏气内即可完成检查,从而有效地消除了呼吸和心跳等影响[21]。同时,由于MRI的多参数成像和较高的组织分辨率,能更准确地显示出肺结核累及的胸壁、胸膜、淋巴结和肺实质内干酪样坏死、液化性坏死等[22],因此,MRI逐渐开始广泛应用于胸部疾病的检查。

近年来,众多MRI研究将焦点放在弥散加权成像(diffusion weighted imaging,DWI)上,因为它是唯一可在活体检测水分子弥散状态的检查方法,并且将这一序列应用于肺结核的结节、肿块、空洞等特征[23]。表观弥散系数(apparent diffusion coefficient,ADC)可以量化水分子在不同细胞和组织中的有限扩散程度。在恶性肿瘤中,细胞分裂增殖加快,细胞异型性较突出,细胞核与核浆比例增大,致使水分子扩散发生受限,DWI上呈高信号,而ADC上呈低信号,并且病变临床分期越高,水分子扩散受限程度越严重,ADC值越低[24]。Tondo等[25]将DWI序列应用于胸部疾病检查,得出肺癌与纵隔恶性病变的ADC值低于肺部良性病变的结论。此外,根据T2信号强度,MRI可预测肺结核病灶的不同病理分期或改变:(1)轻度高信号可能反映渗出性炎症阶段;(2)病灶内高信号显示液化性坏死;(3)病灶中央等信号、周围高信号,表示干酪样坏死;(4)病灶内相对低信号区域,表示细胞纤维化阶段;(5)病灶低信号或周围高信号中央低信号,表示稳定阶段(如钙化)[21]。

(四)正电子发射计算机体层摄影CT在肺结核合并肺癌诊断中的研究现状

18F-氟代脱氧葡萄糖正电子发射计算机体层摄影CT(18F-FDG PET/CT)成像已被确定为一种对恶性肿瘤的诊断、分期、治疗反应评估和预后预测的有效方法,PET的代谢特征与CT的解剖信息相结合,为影像诊断提供了互补的价值[26]。其可使用半定量参数评估葡萄糖代谢,最大标准化摄取值(standardized uptake value maximum,SUVmax)已被确定为鉴别良恶性肿瘤的指标,其中,SUVmax<2.5对肺癌与肺结核鉴别具有较高的特异性,而SUVmax≥2.5对其鉴别具有较高的敏感性[27]。据报道,鉴别肺结核和肺癌的最佳SUVmax临界水平为8.45,将18F-FDG PET/CT成像纳入肺癌的常规检查中,可以明显提高肺癌的诊断和分期诊断[12]。但SUVmax不能单独描述恶性肿瘤,如肺结核中淋巴结的FDG摄取增加会导致肺内结核病灶的SUVmax升高而被误诊为恶性肿瘤,尤其在结核病流行地区,活动性结核病肉芽肿会导致明显的假阳性结果,使用18F-FDG PET/CT诊断肺癌是有异议的[28]。双时间点18F-FDG PET/CT成像可能有助于活动性和非活动性结核病的鉴别诊断[29]。活动性结核病病灶的特征是中央坏死核被巨噬细胞、上皮样细胞、多核朗格汉斯巨细胞和淋巴细胞包围,这些细胞成分在周围正常肺泡间隔中增殖和浸润,其成分上的葡萄糖转运体的表达有助于FDG在PET/CT上的积累。与活动性结核病病灶不同,非活动性病变含有更多的纤维细胞、瘢痕和较少的炎症细胞,所以活动性病变中的SUVmax明显高于非活动性病变[29]。

在18F-FDG PET/CT成像中,对直径小的结节的诊断往往比大结节具有更高的特异性,而对较大结节则具有较高的敏感性和诊断准确性,但在检测直径<1 cm的恶性病变方面低于CT[27]。PET/CT的高辐射剂量和高成本,使其不适合作为肺结核合并肺癌的基本筛查方法。

综上所述,由于近些年国内外关于肺结核合并肺癌的影像学特征及评估方法的文献及研究相对较少,并且传统影像学检查方法在肺结核与肺癌的鉴别诊断方面存在诸多的局限性,因此,需要结合当前的医学发展趋势,多学科交叉融合,寻求更准确和更先进的研究方法。

二、人工智能在肺结核合并肺癌中的研究展望

人工智能(artificial intelligence,AI)是医学成像领域的一个热点,也是胸部计算机断层扫描的主要应用领域。20世纪60年代计算机辅助检测(computer aided diagnosis,CAD)这一概念问世,目前CAD系统已成为辅助图像读取而开发的工具,被广泛研究并用于肺癌的检测和分类,特别是在大规模肺癌筛查时,CAD可以提高检测胸部X线摄片中遗漏肺癌的准确性[30]。Chassagnon等[30]利用密度和纹理特征开发了一种CAD系统,可以自动解释胸部检查中的异常,减少报告时间。机器学习(machine learning,ML)是一门多领域交叉学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是AI的核心,是使计算机具有智能的根本途径。而深度学习(deep lear-ning,DL)是ML领域中一个新的研究方向,它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。DL是一种复杂的机器学习算法,在图像识别方面取得了效果,目前代表了ML中的先进技术状态。与有监督学习算法相比,无监督深度学习是更流行的方法,已被用于开发卷积神经网络(convolutional neural networks,CNN)的肺癌检测,且假阳性率减少。因为需要的预处理较少,CNN结构是病变分割和分类中应用最广泛的无监督深度学习方法之一[31]。DL取代了特征提取的过程和传统CAD系统的疾病分类,但需要大型数据进行训练。在AI算法的辅助下,人们读片的水平有所提高。Lakshmanaprabu等[32]开发了一种基于线性判别分析和最优深度神经网络的自动检测系统,可以对CT扫描肺图像中的肺癌进行分类。因此,AI结合影像学检查对肺结核合并肺癌实现精准诊断是未来临床研究的新方向。

影像组学是一种新兴的医学成像工具,可以反映所分析的病变的生物学信息,其特征是可以捕获不被医生肉眼感知的图像体素之间的关系。所选的特征可用于肺结节的良恶性分类,也可用于肺部恶性肿瘤的评估预后或对治疗反应的概率。影像组学将多模态医学图像的定性分析转化为定量数据后,用图像和提取的特征通过AI计算学习,提高图像分析效率,训练好的算法可以通过提取的特征提供辅助诊断或精确的定量信息[33]。通过结合组学水平的灰度图像、灰度共现矩阵、灰度运行矩阵及灰度面积矩阵的特征与肺癌之间的差异建立的鉴别诊断的预测模型,可在最大程度上预测结核病的诊断,有效、无创地提高混合病灶鉴别的准确性[23]。Hu等[34]研究表明,结合基于CT扫描的影像组学特征和临床变量可以提高鉴别包括结核病在内的孤立性肉芽肿性结节和肺腺癌的预测性能。这些研究开辟了新的前景,但值得注意的是,混杂的病灶无法准确分辨,是未来在临床实践中亟需解决的问题。

目前,AI相关研究存在一定局限性。首先,样本量较小,结果可能存在偏差;其次,AI在病变的最大层面划分仅限于二维数据而不是三维体积数据,这可能导致了组织成分的结构和异质性的偏差;第三,大部分研究为回顾性研究,而非前瞻性研究,需要通过扩大样本量和多中心临床试验来进一步验证结果的可行性与准确性[23]。

三、总结与展望

目前来说,肺结核合并肺癌的鉴别诊断较为困难,在现有的研究中没有明确的影像诊断依据,X线摄影检查存在一定局限性,CT扫描是目前最佳的影像学检查方法,但有关肺结核合并肺癌的研究仍然有限,其影像学特征的特异性需进一步研究。肉眼可见的图像特征对成像信息的利用还远没有达到深度,并且容易丢失图像的高精度信息,所以需要研究应用AI识别图像间的细微差别来辅助鉴别诊断肺结核和肺癌。随着影像组学和AI技术的临床应用,肺部病灶的影像学诊断已经超越了形态学评估,其精准度也得到了显著的提高。未来可将CT扫描图像与影像组学及AI技术相结合,识别并比较肺结核合并肺癌的影像学特征,以证明CT扫描与影像组学在肺结核合并肺癌的影像特征差异中的潜在关键作用,对这两种疾病进行分级,实现应用其鉴别肺结核合并肺癌的可行性和有效性,以对肺结核合并肺癌进行早期诊断和治疗。

利益冲突所有作者均声明不存在利益冲突

作者贡献温立旻:文献查阅和文章撰写;侯代伦:文章审校

猜你喜欢

结核病肺结核影像学
世界防治结核病日
GM1神经节苷脂贮积症影像学表现及随访研究
警惕卷土重来的结核病
64排CT在脑梗死早期诊断中的应用及影像学特征分析
特殊部位结核影像学表现
颅内原发性Rosai-Dorfman病1例影像学诊断
爱情是一场肺结核,热恋则是一场感冒
蒙西医结合治疗肺结核进展
疣状皮肤结核合并继发型肺结核1例
算好结核病防治经济账