CT定量参数预测肺磨玻璃结节病理类型的价值.pdf
《CT定量参数预测肺磨玻璃结节病理类型的价值.pdf》由会员分享,可在线阅读,更多相关《CT定量参数预测肺磨玻璃结节病理类型的价值.pdf(8页珍藏版)》请在文库网上搜索。
1、118中国肺癌杂志2024年2月第27卷第2期Chin J Lung Cancer,February 2024,Vol.27,No.2 临 床 研 究CT定量参数预测肺磨玻璃结节病理类型的价值石逸秋 沈雨雯 陈劼 闫婉莹 刘可夫【摘要】背景与目的 肺磨玻璃结节(ground glass nodules,GGNs)的病理类型对临床治疗方案的选择具有十分重要的意义,本研究旨在探讨主观计算机断层扫描(computed tomography,CT)影像学征象及人工智能定量参数在预测GGNs病理类型中的价值。方法 回顾性分析389例病理明确诊断的GGNs,其中,前驱腺体病变包括非典型瘤样增生(atypi
2、cal adenomatous hyperplasia,AAH)、原位腺癌(adenocarcinoma in situ,AIS)138例,微浸润腺癌(microinvasive adenocarcinoma,MIA)109例,浸润性腺癌(invasive adenocarcinoma,IAC)142例。对结节的影像形态学特征进行主观评价,并利用肺结节人工智能系统自动获得定量参数。结果 在主观CT影像学征象中,AAH+AIS、MIA和IAC组间结节最大径及毛刺征、分叶征、胸膜牵拉征出现的频率随病理级别增高而增加;在人工智能定量参数中,结节大小相关参数、CT值相关参数、实性占比、能量及熵随病理级
3、别增高而增加。通过多因素Logistic逐步回归分析,人工智能定量参数在区分GGNs的病理类型中不亚于主观CT影像学征象。结论 人工智能定量参数对区分GGNs的病理类型有一定的价值。【关键词】肺肿瘤;磨玻璃结节;病理类型;计算机断层扫描 Value of CT Quantitative Parameters in Prediction of Pathological Typesof Lung Ground Glass Nodules Yiqiu SHI1,Yuwen SHEN1,Jie CHEN1,Wanying YAN2,Kefu LIU11Department of Radiology,S
4、uzhou Municipal Hospital,The Affiliated Suzhou Hospital of Nanjing Medical University,Suzhou 215008,China;2Infervision Medical Technology Co.,Ltd,Beijing 100020,China Corresponding author:Kefu LIU,E-mail:【Abstract】Background and objective The pathological types of lung ground glass nodules(GGNs)show
5、 great significance to the clinical treatment.This study was aimed to predict pathological types of GGNs based on computed tomog-raphy(CT)quantitative parameters.Methods 389 GGNs confirmed by postoperative pathology were selected,including 138 cases of precursor glandular lesions atypical adenomatou
6、s hyperplasia(AAH)and adenocarcinoma in situ(AIS),109 cases of microinvasive adenocarcinoma(MIA)and 142 cases of invasive adenocarcinoma(IAC).The morphological characteristics of nodules were evaluated subjectively by radiologist,as well as artificial intelligence(AI).Results In the subjective CT si
7、gns,the maximum diameter of nodule and the frequency of spiculation,lobulation and pleural traction increased from AAH+AIS,MIA to IAC.In the AI quantitative parameters,parameters related to size and CT value,proportion of solid component,energy and entropy increased from AAH+AIS,MIA to IAC.There was
8、 no significant difference between AI quantitative parameters and the subjective CT signs for distinguishing the pathological types of GGNs.Conclusion AI quantitative parameters were valu-able in distinguishing the pathological types of GGNs.【Key words】Lung neoplasms;Ground glass nodules;Pathologica
9、l type;Computed tomography【Copyright statement】Copyright 2024,Chinese Journal of Lung Cancer.This study was supported by the grant from the Suzhou Science and Technology Bureau(No.SKY2023064)(to Kefu LIU).DOI:10.3779/j.issn.1009-3419.2024.102.09本研究受苏州市科技局项目基金项目(No.SKY2023064)资助作者单位:215008 苏州,南京医科大学附
10、属苏州医院,苏州市立医院放射科(石逸秋,沈雨雯,陈劼,刘可夫);100020 北京,推想医疗科技股份有限公司(闫婉莹)(通信作者:刘可夫,E-mail:)由于肺结节人工智能软件的普及,肺结节的检出率增加,尤其是磨玻璃结节(ground glass nodules,GGNs),早期腺癌往往以GGNs为主要表现形式1,2。虽然有研究表示存在磨玻璃成分的肺结节术后生存率优于实性结节3,但不同病理类型的预后也不尽相同,原位腺癌(adenocarcinoma in situ,AIS)和微浸润腺癌(microinvasive adenocarcinoma,MIA)患者的5年无病生存率接近100%,而浸润性
11、腺癌119Chin J Lung Cancer,February 2024,Vol.27,No.2中国肺癌杂志2024年2月第27卷第2期(invasive adenocarcinoma,IAC)患者仅有40%-85%4。此外,肺腺癌的病理类型决定了手术方式,相较于非典型瘤样增生(atypical adenomatous hyperplasia,AAH)+AIS、MIA而言,目前IAC推荐在切除肺叶后行淋巴结采样或清扫5,6。另外,根据2021年世界卫生组织(World Health Organization,WHO)最新胸部肿瘤分类标准7,AAH、AIS已归为前驱腺体病变而非腺癌。因此,区分
12、GGNs是否为AAH+AIS、MIA、IAC具有十分重要的临床意义。由于人工智能软件在肺结节诊疗中的广泛使用,且具有高重复性的优点,有效地避免了人工测量误差以及主观观察不一致的问题,通过人工智能软件鉴别GGNs的病理类型具有临床实用价值。既往研究8-12中不少学者利用人工智能参数有效地对AAH+AIS与MIA+IAC以及AAH+AIS+MIA与IAC进行了二分类,关于结节AAH+AIS、MIA、IAC的三分类相关研究较少,本研究旨在通过回顾性分析患者术前胸部计算机断层扫描(computed tomography,CT)图像,探讨人工智能定量参数在鉴别诊断GGNs病理类型中的价值。1 资料与方法
13、1.1 研究对象 收集2019年1月至2023年5月南京医科大学附属苏州医院符合纳入标准的359例患者的389个GGNs,女性242例,男性117例,年龄19-80岁,平均年龄(52.3312.49)岁,AAH+AIS 138例,MIA 109例,IAC 142例。纳入标准:(1)具有手术前2周以内胸部CT图像,图像质量良好,且具有1或1.25 mm薄层重建图像;(2)胸部CT图像上肺结节表现为GGNs,且结节最大径5-30 mm;(3)经过手术切除并经病理证实为AAH、AIS、MIA及IAC;(4)人工智能系统肺结节三维识别成功。1.2 检查方法 采用荷兰飞利浦Brilliance iCT或
14、Ingenuity螺旋CT进行常规胸部扫描,患者取仰卧位,双手抱头,吸气末屏气,由肺尖扫描至肺底,管电压120 kV,自动管电流,层厚5 mm,层间隔5 mm,重建层厚1或1.25 mm。1.3 数据处理 由两位有丰富工作经验的放射科诊断医师共同评估主观CT影像学征象,人工测量横断面结节最大径,观察结节的位置及是否存在毛刺征、分叶征、空泡征、胸膜牵拉征、血管穿行征及支气管穿行征。将常规DICOM 格式CT图像导入推想医疗科技股份有限公司肺结节CT影像辅助检测软件(InferRead CT Lung 4.0),自动勾画结节三维边界,并进行结节分析(图1),由该系统自动计算出结节大小相关参数(包括
15、体积、表面积、3D最大面面积、质量、3D长径)、CT值相关定量参数(包括CT最大值、CT最小值、平均CT值、CT中位数、CT值标准差)、实性占比、紧凑度、球形度、峰度、偏度、能量及熵。1.4 统计学分析 应用SPSS 27.0软件进行统计学分析。符合正态分布的计量资料采用MeanSD描述,组间比较采用独立样本t检验或单因素方差分析;不符合正态分布的计量资料采用中位数(P25,P75)描述,组间比较采用非参数检验;计数资料采用频数(百分比)描述,组间比较采用卡方检验分析。P0.05为差异有统计学意义。使用受试者工作特征(reciever operating characteristic,ROC)
16、曲线对计量资料进行统计学分析。采用多因素Logistic逐步回归分别建立主观CT影像学征象模型、人工智能参数模型以及两者结合的联合模型。2 结果2.1 AAH+AIS组、MIA组、IAC组主观CT影像学征象资料的比较 AAH+AIS组、MIA组、IAC组的结节最大径逐渐增大;毛刺征、分叶征、胸膜牵拉征在AAH+AIS组、MIA组、图 1 肺结节CT影像辅助检测软件自动识别肺结节并勾画边界。A:AIS;B:MIA;C:IAC。Fig 1 CT imaging assisted detection software automatically recognized,outlined ground
17、glass nodules.A:AIS;B:MIA;C:IAC.CT:computed tomography;AIS:adenocarcinoma in situ;MIA:microinvasive adenocarcinoma;IAC:invasive adenocarcinoma.?ACB120中国肺癌杂志2024年2月第27卷第2期Chin J Lung Cancer,February 2024,Vol.27,No.2IAC组出现的频率依次增加;在结节位置上,AAH+AIS组、MIA组及IAC组三组差异无统计学意义(表1)。通过ROC曲线分析,AAH+AIS与MIA、MIA与IAC的结节
18、最大径最佳临界值分别为7.50、12.50 mm。2.2 AAH+AIS组、MIA组、IAC组人工智能定量资料的比较 AAH+AIS组、MIA组及IAC组在结节大小相关参数(体积、表面积、3D最大面面积、质量、3D长径)、CT相关定量参数(CT最大值、CT最小值、平均CT值、CT中位数、CT值标准差)、实性占比、能量和熵中依次增大,在紧凑度、球形度中依次减小;在峰度、偏度中,AAH+AIS组、MIA组大于IAC组(表2)。通过ROC曲线分析,在区分AAH+AIS与MIA时,体积、表面积、3D最大面面积、质量、3D长径、CT最大值、CT最小值、平均CT值、CT中位数、CT值标准差、实性占比、紧凑
19、度、球形度、峰度、偏度、能量及熵的曲线下面积(area under the curve,AUC)分别为0.64、0.64、0.63、0.69、0.65、0.64、0.63、0.65、0.64、0.62、0.61、0.58、0.58、0.55、0.56、0.59及0.65,质量分类效能最佳,峰度分类效能最差,平均CT值分类效能优于其他CT值相关定量参数;在区分MIA与IAC时,体积、表面积、3D最大面面积、质量、3D长径、CT最大值、CT最小值、平均CT值、CT中位数、CT值标准差、实性占比、紧凑度、球形度、峰度、偏度、能量及熵的AUC分别为0.63、0.64、0.64、0.66、0.65、0.
20、63、0.66、0.69、0.67、0.69、0.68、0.67、0.66、0.74、0.71、0.57及0.69,峰度分类效能最佳,平均CT值、CT值标准差分类效能优于其他CT值相关定量参数(图2)。2.3 Logistic逐步回归分析建立AAH+AIS组、MIA组、IAC组分类模型 AAH+AIS组、MIA组及IAC组三分类模型:主观CT影像学征象模型中,结节最大径、毛刺征、分叶征、胸膜牵拉征为参数,准确度为51.67%。人工智能定量参数模型中,3D长径、平均CT值、峰度为参数,准确度为56.56%。主观CT影像学征象、人工智能定量参数的联合模型中,3D长径、平均CT值、峰度为参数,而所有
21、传统影像学参数均未进入模型,联合模型与人工智能定量参数模型为同一模型,准确度为56.56%(表3)。表 1 AAH+AIS组、MIA组、IAC组主观CT影像学征象资料比较Tab 1 Comparison of subjective CT imaging signs among AAH+AIS,MIA and IACIndexAAH+AIS(n=138)MIA(n=109)IAC(n=142)P2D long diameter(mm)abc7.00(6.00,9.25)9.00(7.00,11.00)10.00(8.00,16.00)0.001Location0.637 Right upper
22、lobe50(36.23%)35(32.11%)45(31.69%)Right middle lobe7(5.07%)3(2.75%)9(6.34%)Right lower lobe24(17.39%)20(18.35%)33(23.24%)Left upper lobe40(29.99%)39(35.78%)36(25.35%)Left lower lobe17(12.32%)12(11.01%)19(13.38%)Spiculationabc0.001 Yes4(2.90%)13(11.93%)41(28.87%)No134(97.10%)96(88.07%)101(71.13%)Lobu
23、lationabc0.001 Yes39(28.26%)45(41.28%)94(66.20%)No99(71.74%)64(58.72%)48(33.80%)Vacuolec0.039 Yes24(17.39%)20(18.35%)41(28.87%)No114(82.61%)89(81.65%)101(71.13%)Pleural tractionabc0.001 Yes23(16.67%)38(34.86%)73(51.41%)No115(83.33%)71(65.14%)69(48.59%)Vascular passing-through signc0.046 Yes130(94.20
24、%)106(97.25%)141(99.30%)No8(5.80%)3(2.75%)1(0.70%)Air bronchogram signac0.003 Yes6(4.35%)12(11.01%)24(16.90%)No132(95.65%)97(88.99%)118(83.10%)a,b and c indicated that there were statistical differences(P0.05)in AAH+AIS vs MIA,MIA vs IAC,and AAH+AIS vs IAC,respectively.121Chin J Lung Cancer,February
25、 2024,Vol.27,No.2中国肺癌杂志2024年2月第27卷第2期AAH+AIS组、MIA+IAC组二分类模型:主观CT影像学征象模型中,结节最大径、毛刺征、胸膜牵拉征为参数,准确度为69.92%。人工智能定量参数模型中,3D长径、平均CT值为参数,准确度为73.52%。主观CT影像学征象、人工智能定量参数的联合模型中,胸膜牵拉征、3D长径、平均CT值为参数,准确度为72.75%(表4)。AAH+AIS+MIA组、IAC组二分类模型:主观CT影像学征象模型中,结节最大径、毛刺征、分叶征、胸膜牵 Volume AUC=0.64Surface area AUC=0.643D maximum
- 1.请仔细阅读文档,确保文档完整性,对于不预览、不比对内容而直接下载带来的问题本站不予受理。
- 2.下载的文档,不会出现我们的网址水印。
- 3、该文档所得收入(下载+内容+预览)归上传者、原创作者;如果您是本文档原作者,请点此认领!既往收益都归您。
下载文档到电脑,查找使用更方便
10 文币 0人已下载
下载 | 加入VIP,免费下载 |
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- CT 定量 参数 预测 玻璃 结节 病理 类型 价值