引用本文： 石邈, 續力云, 潘鑫福, 于航, 陳志軍. 三維重建技術在肺腺癌新分類標準診斷中的價值. 中國胸心血管外科臨床雜志, 2021, 28(3): 278-282. doi: 10.7507/1007-4848.202011091 復制
肺癌是臨床最常見的惡性腫瘤之一，同時也是癌癥疾病譜當中死亡率排名榜首的癌癥類別[1]。根據有關統計，肺癌的 5 年生存率低于 20%[2]。肺腺癌是非小細胞肺癌（non-small cell lung cancer，NSCLC）最主要的組織病理類型，約占肺癌患者人群的 40%[3]。隨著 CT 影像篩查的普及，越來越多的肺小結節被發現，但同時也給臨床醫生對肺小結節良惡性診斷帶來挑戰。
肺小結節影像表現多呈磨玻璃，即磨玻璃影（ground-glass opacity，GGO）。許多研究結果表明肺磨玻璃結節（ground-glass nodule，GGN）的影像學特征和病理密切相關。2011 年國際肺癌研究協會（The International Association for the Study of Lung Cancer，IASLC）、美國胸外科學會（American Thoracic Society，ATS）、歐洲呼吸學會（European Respiratory Society，ERS）聯合公布了新的肺腺癌的國際多學科分類標準[4]，其主要包括：浸潤前病變［不典型腺瘤樣增生（atypical adenomatous hyperplasia，AAH）和原位腺癌（adenocarcinoma in situ，AIS）］、微浸潤腺癌（minimally invasive adenocarcinoma，MIA）、浸潤性腺癌（invasive adenocarcinoma，IAC），這一新的分類方法對基于 CT 影像學表現的診療指南的形成具有非凡意義。
肺腺癌的不同病理亞型與預后密切相關[5-6]，因此及時、準確地診斷肺腺癌浸潤性對臨床合理選擇治療方案至關重要。我們發現雖然 CT 影像學對肺 GGN 的診斷開展了大量研究，但采用螺旋 CT 三維重建技術對肺腺癌演變的不同病理亞型的鑒別診斷報道較少，為了提高螺旋 CT 三維重建技術識別肺 GGN 精確診斷的價值，早期明確肺小腺癌的惡性程度以便選擇最佳治療方式，我們對此進行了探討。
1 資料與方法
1.1 臨床資料
納入標準：（1）術前已完善胸部肺結節三維重建的肺 GGN 患者；（2）結節直徑≤2 cm；（3）術后有病理科明確的病理診斷結果。排除標準：（1）CT 影像上直徑>2 cm；（2）病理結果為轉移性肺癌、鱗狀細胞癌或大、小細胞肺癌者；（3）病理雖為腺癌，但分期超過 T1bN0M0 者（第 8 版肺癌 TNM 分期）。
收集 2018 年 10 月至 2020 年 6 月我院手術切除后有明確病理結果的并且術前有完整 CT 三維重建影像資料的 173 例患者的臨床資料，其中男 55 例、女 118 例，中位年齡 61（28～82）歲。同一患者不同肺結節的術后病理診斷結果視為獨立事件，故總共納入研究對象 181 例，統計患者的年齡、性別、病理分型、GGN 類型、形態、位置、直徑、平均 CT 值、實性成分比值（consolidation/tumor ratio，CTR）、TNM 分期及 GGN 內血管情況、有無空氣支氣管征、胸膜凹陷征。
1.2 三維重建方法
采用 GE LightSpeed 16 排和 Toshiba Aquilion 64 排 CT 機行常規胸部 CT 容積掃描，掃描范圍自肺尖到后肋膈角。掃描參數：管電壓 120 kV，螺距 0.993，矩陣 768×768，層厚、間隔 1 mm。采用高分辨骨算法及標準算法，肺窗窗寬 1 500 Hu，窗位–500 Hu；縱隔窗窗寬 300 Hu，窗位 10 Hu。掃描結束后將數據傳送到 CT 工作站，利用容積數據對病灶層面進行薄層重建、多平面重建（MPR），實時調節三維重建圖像的對比度及亮度，獲得類似纖維內鏡的仿真色彩；見圖 1。
圖1
肺結節 CT 和三維重建圖像
a：水平位；b：矢狀位；c：三維成像
1.3 評價指標
CT 圖像分析和影像征象的確認由 1 名中級職稱和 1 名高級職稱醫師采用盲法完成，評價指標：（1）病灶部位：分析至肺葉水平；（2）病灶形態學：觀察病灶特征（不規則、分葉或毛刺、棘突）；有無血管進入、胸膜凹陷征、空氣支氣管征；（3）觀察 GGN 類型，分為實性結節、純磨玻璃結節（pure ground-glass nodule，pGGN）、混合性磨玻璃結節（mixed ground-glass nodule，mGGN）和空泡性結節；（4） 病灶直徑：選擇病灶最大層面，測量病灶最大直徑及垂直徑線長度，病灶直徑為二者平均值；（5）CT 值：測量不同病灶感興趣區 CT 值，感興趣區應選擇病灶最大層面，且避開大血管和空泡成分，該區域應包括病灶最大層面的 70% 以上；（6）CTR：觀察實性成分最大直徑與腫瘤最大直徑比值，分為 0～0.5 和>0.5～1.0。
1.4 統計學分析
采用 SPSS 23.0 統計軟件進行數據分析。符合正態分布的計量資料以均數±標準差（
±s）表示，組間比較采用單因素方差分析；計數資料以例數及率（%）表示，組間比較采用χ2檢驗；影響因素分析采用多因素 logistic 回歸分析。P<0.05 為差異有統計學意義。
1.5 倫理審查
本研究已通過我院倫理委員會審批，批準號：（2021）倫審第（001）號。
2 結果
按照肺腺癌不同病理亞型分為 3 組，54 例浸潤前病變（AAH 和 AIS），男 12 例、女 42 例，平均年齡 28～71（53.7±11.0）歲。54 例 MIA，男 13 例、女 41 例，平均年齡 30～82（57.7±12.1）歲。73 例 IAC，男 30 例、女 43 例，平均年齡 41～80（64.4±8.8）歲。患者螺旋 CT 肺結節三維重建所測參數包括病灶直徑、平均 CT 值、CTR、病灶類型、形態、生長部位及有無血管出入、空氣支氣管征、胸膜凹陷征見表 1。
表1
181 個肺結節三維重建相關參數特征［
/例（%）］
經單因素分析，肺腺癌不同病理類型肺結節的直徑（P<0.001）、平均 CT 值（P<0.001）、CTR（P<0.001）、結節類型（P<0.001）、結節形態（P<0.001）、胸膜凹陷征（P<0.001）、空氣支氣管征（P=0.010）、結節內有無血管出入（P=0.005）、TNM 分期（P<0.001）差異均有統計學意義，而結節生長部位差異無統計學意義（P=0.054）。同時本研究還發現隨著肺腺癌不同病理亞型侵襲性增加，各組參數顯性征象比例也逐漸升高。
采用多元 logistic 回歸進行多因素分析，將單因素分析有意義的計數資料作為因子，計量資料作為協變量，結果發現：MIA 與浸潤前病變組相比，CTR 和結節直徑為獨立影響因素，是影響肺腺癌惡性程度的風險因素；IAC 組與浸潤前病變組相比，平均 CT 值和結節直徑為獨立影響因素，是影響肺腺癌惡性程度的風險因素；見表 2。
表2
肺腺癌侵襲性影響因素的多因素回歸分析
3 討論
CT 三維重建技術作為多學科交叉的研究新領域，近些年來發展方興未艾，被廣泛運用于醫學的各個學科，尤其是胸外科診斷和模擬干預[7-8]。肺結節血管三維重建技術的應用，有效地幫助了外科醫生對早期肺小結節的發現及鑒別診斷，避免給患者帶來延誤治療或者過度診療。它的出現可以從任何角度全方位自由旋轉交互式顯示肺結構（血管、支氣管和結節），提高臨床醫生對肺小結節良惡性及侵襲性的診斷準確率。
浸潤前病變發展到IAC是一個動態演變過程，換言之是進展為肺腺癌的不同階段，在此過程中腫瘤細胞增殖，逐漸充填、堆積，致使瘤體內浸潤成分占比逐漸增多，影像學上表現為體積增大、密度增高、非鈣化性實性成分比例增加。據文獻[9]報道，與三維實體大小相比，三維 GGN 比值與病理侵襲性的相關性更強。有學者[10]研究 CTR 可以初步判斷肺結節的惡性程度和侵襲性，當 CTR 越大，在一定水平上說明惡性程度越高，而且其值也與患者的預后相關[11]。以此為基礎，本研究將 CTR 進行分層，以其值 0.5 為界限，分成 0～0.5 和>0.5～1.0 兩組，可以得出當 CTR>0.5 時，從浸潤前病變到IAC所占的比例逐漸升高，說明與肺腺癌的惡性程度增加呈一致性。同時本研究還發現浸潤前病變到IAC，隨著腫瘤侵襲性增加，影像學上表現為分葉、毛刺、棘突、空泡、胸膜凹陷征、空氣支氣管征等比例同時會逐漸升高，這些征象對肺腺癌相關組織亞型的鑒別診斷意義重大。本次收集的肺結節患者資料，結節大小≤2 cm，都處于Ⅰa 期，未見淋巴結轉移。并且，多因素 logistic 回歸分析研究發現結節直徑大小和平均 CT 值或 CTR 是肺腺癌惡性程度增加的獨立風險因素。
目前，人工智能發展迅猛，被認為是世界三大領先技術之一。人工智能的主要研究領域包括機器感知、機器思維和機器學習與行為。深度學習是近年來人工智能的一個重要新興領域，取得了許多新的進展。例如，深度學習人工智能在發現和診斷肺結節方面的初步應用[12-13]。本研究利用三維重建技術得到的一些參數數據有望能夠給人工智能深度學習領域一些參考和借鑒，提高人工智能診斷水平。
本研究的局限性：（1）為回顧性研究且所納入患者均經手術病理證實，不可避免存在選擇性偏倚；（2）與患者疾病相關的含有價值的其它信息，如吸煙史、既往惡性腫瘤病史、家族史等未能納入分析中。
綜上所述，三維重建技術對肺腺癌新分類標準的診斷具有一定價值，利用其得到的數據應用于人工智能疾病診斷方面，從而使人工智能技術不斷精細、成熟，可減輕臨床醫生的工作負擔、提高工作效率，將對未來肺癌診療產生重要影響。
利益沖突：無。
作者貢獻：陳志軍指導文章選題、修改文章；石邈參與文章選題、設計和撰寫；續力云參與資料收集和分析、指導文章討論部分；潘鑫福參與資料分析、修改與方法部分；于航參與資料收集、分析、修改與方法部分。
肺癌是臨床最常見的惡性腫瘤之一，同時也是癌癥疾病譜當中死亡率排名榜首的癌癥類別[1]。根據有關統計，肺癌的 5 年生存率低于 20%[2]。肺腺癌是非小細胞肺癌（non-small cell lung cancer，NSCLC）最主要的組織病理類型，約占肺癌患者人群的 40%[3]。隨著 CT 影像篩查的普及，越來越多的肺小結節被發現，但同時也給臨床醫生對肺小結節良惡性診斷帶來挑戰。
肺小結節影像表現多呈磨玻璃，即磨玻璃影（ground-glass opacity，GGO）。許多研究結果表明肺磨玻璃結節（ground-glass nodule，GGN）的影像學特征和病理密切相關。2011 年國際肺癌研究協會（The International Association for the Study of Lung Cancer，IASLC）、美國胸外科學會（American Thoracic Society，ATS）、歐洲呼吸學會（European Respiratory Society，ERS）聯合公布了新的肺腺癌的國際多學科分類標準[4]，其主要包括：浸潤前病變［不典型腺瘤樣增生（atypical adenomatous hyperplasia，AAH）和原位腺癌（adenocarcinoma in situ，AIS）］、微浸潤腺癌（minimally invasive adenocarcinoma，MIA）、浸潤性腺癌（invasive adenocarcinoma，IAC），這一新的分類方法對基于 CT 影像學表現的診療指南的形成具有非凡意義。
肺腺癌的不同病理亞型與預后密切相關[5-6]，因此及時、準確地診斷肺腺癌浸潤性對臨床合理選擇治療方案至關重要。我們發現雖然 CT 影像學對肺 GGN 的診斷開展了大量研究，但采用螺旋 CT 三維重建技術對肺腺癌演變的不同病理亞型的鑒別診斷報道較少，為了提高螺旋 CT 三維重建技術識別肺 GGN 精確診斷的價值，早期明確肺小腺癌的惡性程度以便選擇最佳治療方式，我們對此進行了探討。
1 資料與方法
1.1 臨床資料
納入標準：（1）術前已完善胸部肺結節三維重建的肺 GGN 患者；（2）結節直徑≤2 cm；（3）術后有病理科明確的病理診斷結果。排除標準：（1）CT 影像上直徑>2 cm；（2）病理結果為轉移性肺癌、鱗狀細胞癌或大、小細胞肺癌者；（3）病理雖為腺癌，但分期超過 T1bN0M0 者（第 8 版肺癌 TNM 分期）。
收集 2018 年 10 月至 2020 年 6 月我院手術切除后有明確病理結果的并且術前有完整 CT 三維重建影像資料的 173 例患者的臨床資料，其中男 55 例、女 118 例，中位年齡 61（28～82）歲。同一患者不同肺結節的術后病理診斷結果視為獨立事件，故總共納入研究對象 181 例，統計患者的年齡、性別、病理分型、GGN 類型、形態、位置、直徑、平均 CT 值、實性成分比值（consolidation/tumor ratio，CTR）、TNM 分期及 GGN 內血管情況、有無空氣支氣管征、胸膜凹陷征。
1.2 三維重建方法
采用 GE LightSpeed 16 排和 Toshiba Aquilion 64 排 CT 機行常規胸部 CT 容積掃描，掃描范圍自肺尖到后肋膈角。掃描參數：管電壓 120 kV，螺距 0.993，矩陣 768×768，層厚、間隔 1 mm。采用高分辨骨算法及標準算法，肺窗窗寬 1 500 Hu，窗位–500 Hu；縱隔窗窗寬 300 Hu，窗位 10 Hu。掃描結束后將數據傳送到 CT 工作站，利用容積數據對病灶層面進行薄層重建、多平面重建（MPR），實時調節三維重建圖像的對比度及亮度，獲得類似纖維內鏡的仿真色彩；見圖 1。
圖1
肺結節 CT 和三維重建圖像
a：水平位；b：矢狀位；c：三維成像
1.3 評價指標
CT 圖像分析和影像征象的確認由 1 名中級職稱和 1 名高級職稱醫師采用盲法完成，評價指標：（1）病灶部位：分析至肺葉水平；（2）病灶形態學：觀察病灶特征（不規則、分葉或毛刺、棘突）；有無血管進入、胸膜凹陷征、空氣支氣管征；（3）觀察 GGN 類型，分為實性結節、純磨玻璃結節（pure ground-glass nodule，pGGN）、混合性磨玻璃結節（mixed ground-glass nodule，mGGN）和空泡性結節；（4） 病灶直徑：選擇病灶最大層面，測量病灶最大直徑及垂直徑線長度，病灶直徑為二者平均值；（5）CT 值：測量不同病灶感興趣區 CT 值，感興趣區應選擇病灶最大層面，且避開大血管和空泡成分，該區域應包括病灶最大層面的 70% 以上；（6）CTR：觀察實性成分最大直徑與腫瘤最大直徑比值，分為 0～0.5 和>0.5～1.0。
1.4 統計學分析
采用 SPSS 23.0 統計軟件進行數據分析。符合正態分布的計量資料以均數±標準差（±s）表示，組間比較采用單因素方差分析；計數資料以例數及率（%）表示，組間比較采用χ2檢驗；影響因素分析采用多因素 logistic 回歸分析。P<0.05 為差異有統計學意義。
1.5 倫理審查
本研究已通過我院倫理委員會審批，批準號：（2021）倫審第（001）號。
2 結果
按照肺腺癌不同病理亞型分為 3 組，54 例浸潤前病變（AAH 和 AIS），男 12 例、女 42 例，平均年齡 28～71（53.7±11.0）歲。54 例 MIA，男 13 例、女 41 例，平均年齡 30～82（57.7±12.1）歲。73 例 IAC，男 30 例、女 43 例，平均年齡 41～80（64.4±8.8）歲。患者螺旋 CT 肺結節三維重建所測參數包括病灶直徑、平均 CT 值、CTR、病灶類型、形態、生長部位及有無血管出入、空氣支氣管征、胸膜凹陷征見表 1。
表1
181 個肺結節三維重建相關參數特征［/例（%）］
經單因素分析，肺腺癌不同病理類型肺結節的直徑（P<0.001）、平均 CT 值（P<0.001）、CTR（P<0.001）、結節類型（P<0.001）、結節形態（P<0.001）、胸膜凹陷征（P<0.001）、空氣支氣管征（P=0.010）、結節內有無血管出入（P=0.005）、TNM 分期（P<0.001）差異均有統計學意義，而結節生長部位差異無統計學意義（P=0.054）。同時本研究還發現隨著肺腺癌不同病理亞型侵襲性增加，各組參數顯性征象比例也逐漸升高。
采用多元 logistic 回歸進行多因素分析，將單因素分析有意義的計數資料作為因子，計量資料作為協變量，結果發現：MIA 與浸潤前病變組相比，CTR 和結節直徑為獨立影響因素，是影響肺腺癌惡性程度的風險因素；IAC 組與浸潤前病變組相比，平均 CT 值和結節直徑為獨立影響因素，是影響肺腺癌惡性程度的風險因素；見表 2。
表2
肺腺癌侵襲性影響因素的多因素回歸分析
3 討論
CT 三維重建技術作為多學科交叉的研究新領域，近些年來發展方興未艾，被廣泛運用于醫學的各個學科，尤其是胸外科診斷和模擬干預[7-8]。肺結節血管三維重建技術的應用，有效地幫助了外科醫生對早期肺小結節的發現及鑒別診斷，避免給患者帶來延誤治療或者過度診療。它的出現可以從任何角度全方位自由旋轉交互式顯示肺結構（血管、支氣管和結節），提高臨床醫生對肺小結節良惡性及侵襲性的診斷準確率。
浸潤前病變發展到IAC是一個動態演變過程，換言之是進展為肺腺癌的不同階段，在此過程中腫瘤細胞增殖，逐漸充填、堆積，致使瘤體內浸潤成分占比逐漸增多，影像學上表現為體積增大、密度增高、非鈣化性實性成分比例增加。據文獻[9]報道，與三維實體大小相比，三維 GGN 比值與病理侵襲性的相關性更強。有學者[10]研究 CTR 可以初步判斷肺結節的惡性程度和侵襲性，當 CTR 越大，在一定水平上說明惡性程度越高，而且其值也與患者的預后相關[11]。以此為基礎，本研究將 CTR 進行分層，以其值 0.5 為界限，分成 0～0.5 和>0.5～1.0 兩組，可以得出當 CTR>0.5 時，從浸潤前病變到IAC所占的比例逐漸升高，說明與肺腺癌的惡性程度增加呈一致性。同時本研究還發現浸潤前病變到IAC，隨著腫瘤侵襲性增加，影像學上表現為分葉、毛刺、棘突、空泡、胸膜凹陷征、空氣支氣管征等比例同時會逐漸升高，這些征象對肺腺癌相關組織亞型的鑒別診斷意義重大。本次收集的肺結節患者資料，結節大小≤2 cm，都處于Ⅰa 期，未見淋巴結轉移。并且，多因素 logistic 回歸分析研究發現結節直徑大小和平均 CT 值或 CTR 是肺腺癌惡性程度增加的獨立風險因素。
目前，人工智能發展迅猛，被認為是世界三大領先技術之一。人工智能的主要研究領域包括機器感知、機器思維和機器學習與行為。深度學習是近年來人工智能的一個重要新興領域，取得了許多新的進展。例如，深度學習人工智能在發現和診斷肺結節方面的初步應用[12-13]。本研究利用三維重建技術得到的一些參數數據有望能夠給人工智能深度學習領域一些參考和借鑒，提高人工智能診斷水平。
本研究的局限性：（1）為回顧性研究且所納入患者均經手術病理證實，不可避免存在選擇性偏倚；（2）與患者疾病相關的含有價值的其它信息，如吸煙史、既往惡性腫瘤病史、家族史等未能納入分析中。
綜上所述，三維重建技術對肺腺癌新分類標準的診斷具有一定價值，利用其得到的數據應用于人工智能疾病診斷方面，從而使人工智能技術不斷精細、成熟，可減輕臨床醫生的工作負擔、提高工作效率，將對未來肺癌診療產生重要影響。
利益沖突：無。
作者貢獻：陳志軍指導文章選題、修改文章；石邈參與文章選題、設計和撰寫；續力云參與資料收集和分析、指導文章討論部分；潘鑫福參與資料分析、修改與方法部分；于航參與資料收集、分析、修改與方法部分。
