双层探测器光谱CT鉴别诊断肺癌与炎性结节的价值

嗨，vivi1716080792

2021-12-24

首页➠微信精选➠双层探测器光谱CT鉴别诊断肺癌与炎性结节的价值

本文来源：中华放射学杂志, 2021,55(12) : 1264-1269.

DOI：10.3760/cma.j.cn112149-20210125-00061

本文引用：傅奕铖, 余烨, 陈杏彪, 等. 双层探测器光谱CT鉴别诊断肺癌与炎性结节的价值 [J] .

摘要

目的

探讨双层探测器光谱CT对肺癌与肺炎性结节的鉴别诊断价值。

方法

回顾性分析2019年3月至2020年9月上海交通大学医学院附属仁济医院92例肺部实性结节患者的临床及胸部光谱CT资料。分析病灶的常规CT征象并测量其常规CT参数及光谱CT参数，之后以差异具有统计学意义的参数作为自变量，进行多参数logistic回归分析，分别建立预测恶性结节模型，并采用ROC曲线分析常规CT征象、光谱CT参数及两者联合后的诊断效能，使用DeLong检验比较ROC曲线下面积。

结果

恶性及炎性肺结节患者分叶征（分别为42个、8个，χ²=10.779，P=0.001）、短毛刺征（分别为41个、7个，χ²=11.911，P=0.001）、胸膜凹陷征（分别为45个、9个，χ²=11.705，P=0.001）及血管集束征（分别为35个、8个，χ²=5.337，P=0.021）的分布及静脉期IC值［（2.1±0.5）mg/ml、（2.3±0.5）mg/ml，t=-2.464，P=0.016］、NIC值（分别为0.40±0.06、0.45±0.08，t=-6.943，P<0.001）、Z_eff值（分别为8.38±0.21、8.49±0.19，t=-2.122，P=0.037）差异具有统计学意义，其余CT征象的分布及指标差异无统计学意义（P>0.05）。以分叶征、短毛刺征、胸膜凹陷征、血管集束征建立常规CT征象logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.827；静脉期IC、静脉期NIC、静脉期Z_eff建立光谱CT参数logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.899；以上联合建立logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.925。联合模型与光谱CT参数模型鉴别诊断肺癌与肺炎性结节的曲线下面积差异无统计学意义（Z=1.794，P=0.073），联合模型与常规CT征象模型鉴别诊断肺癌与肺炎性结节的曲线下面积比较差异具有统计学意义（Z=2.156，P=0.031）。

结论

光谱CT参数联合常规CT征象能提高肺癌与炎性结节的鉴别诊断效能。

肺癌是我国最常见的恶性肿瘤，约占我国癌症新发病例总数的17.9%，同时也是病死率最高的恶性肿瘤，我国男性与女性的肺癌病死率分别为25.9%和20.6%^［1］。早期诊断、早期治疗可以大幅降低肺癌的病死率。目前CT是发现和鉴别肺癌的首选检查方式，能有效反映病变的大小及形态学特征，注入对比剂后还能在一定程度上反映病变的血供情况。但临床上部分肺炎性结节的形态特征和强化方式与肺癌极其相似，故常规CT检查对两者的定性诊断仍存在困难^［2］。能谱CT不仅可提供常规CT图像，还可提供多种能谱图像，如虚拟单能量图像、碘密度（iodine concentration，IC）图、有效原子序数（Z-effective，Z_eff）图、虚拟平扫图等，为肺癌的鉴别诊断提供更多影像学信息^［3］。虽然能谱CT可提供多种信息，但存在投影数据域在时间和空间上不能完全匹配的问题，同时，仅依靠能谱参数对实性肺结节进行诊断相对片面^［4,5］。双层探测器光谱CT是新的能谱CT技术，可获得同时、同源、同向的能谱参数。目前国内鲜见在常规CT的基础上增加光谱CT参数对恶性结节与炎性结节鉴别诊断的研究。本研究探讨双层探测器光谱CT与常规CT比较对实性肺结节的鉴别诊断价值，旨在寻求提高早期肺癌诊断信心的方法。

资料与方法

一、一般资料

回顾性分析2019年3月至2020年9月在上海交通大学医学院附属仁济医院检查发现肺部实性结节而接受胸部扫描患者的临床和影像资料。纳入标准：（1）有完整的临床资料及CT扫描图像资料；（2）治疗前2周内接受双层探测器光谱CT增强扫描；（3）CT图像上表现为单发的实性肺结节，且最大径为8~30 mm。排除标准：（1）严重肺不张，影响病变观察与测量；（2）图像质量不佳。共纳入92例患者共92个肺结节，男59例、女33例，年龄34~81（61±10）岁。本研究经上海交通大学医学院附属仁济医院伦理委员会批准（编号2017082），免除患者知情同意。

二、仪器与方法

采用荷兰Philips Healthcare IQon Spectral CT扫描仪。嘱患者仰卧，足先进，双手上举抱于头部，扫描范围从肺尖到肋膈角尖端，在平稳呼吸后深吸气末单次屏气状态下进行扫描。扫描参数：管电压120 kVp，采用管电流自动控制技术自动调节（140~250 mAs），螺距0.984，旋转时间0.75 s，准直器宽度64×0.625 mm，X线管旋转速度0.5秒/周。采用高压注射器经手背静脉注入非离子型对比剂碘佛醇（含碘350 mg/ml，江苏恒瑞医药股份有限公司），剂量1.35 ml/kg，注射流率3 ml/s。动脉期采用对比剂智能追踪阈值触发技术，ROI设在气管分叉层面的主动脉腔内，阈值为120 HU，动脉期扫描结束40 s后行静脉期扫描。采用两种方法进行重建，一种为常规iDose重建获得常规图像；另一种为投影空间的光谱重建，生成光谱基（spectral base image，SBI）数据，然后采用Philips Intelli Space Portal V9（ISP）后处理工作站，基于CT动静脉期SBI数据重建出IC图和Z_eff图像。所有CT图像重建矩阵512×512，层厚1.0 mm，层间距0.5 mm

三、图像分析

由2名具有5年以上肺结节诊断经验的放射科医师共同对肺结节进行形态学特征评估和数值测量，当意见不一致时，由1名具有15年以上肺结节诊断经验的放射科医师评估。

1.常规CT征象的评估和病灶长径及CT值的测量：首先分析肺结节的部位和影像学特征，包括病灶边缘是否清晰，是否具有分叶征、短毛刺征、长毛刺征、胸膜凹陷征、血管集束征、卫星灶、空泡征、棘突征；其次，测量病灶横断面上的最大直径作为病灶长径；最后在病灶最大平面与其上下两个层面上勾画病灶ROI，同一患者尽量保持ROI大小、形态一致，其范围包括所在层面的1/2~2/3；ROI尽量放置在密度较均匀的区域，避开血管、钙化、空洞、囊变及坏死，记录ROI中的CT值。

2.光谱CT参数的测量：根据常规CT中所勾画的ROI，测量病灶的IC及Z_eff；同时在胸主动脉上勾画ROI，测量相同层面胸主动脉IC，计算标准化IC（normalized iodine concentrations，NIC）：NIC=IC_病灶/IC_胸主动脉。

四、统计学分析

采用SPSS 24.0和MedCalc 15.2.2软件进行统计学分析。以Kolmogorov-Smirnov检验计量资料是否符合正态分布，符合正态分布计量资料以表示，2组间的比较采用独立样本t检验。影像学特征等定性资料采用例数和百分率表示，2组间的比较采用χ²检验。以差异具有统计学意义的参数作为自变量，进行多参数logistic回归分析，分别建立预测恶性结节模型，根据logistic回归模型，采用ROC分析常规CT征象、光谱CT参数及两者联合后的诊断效能，使用DeLong检验比较ROC曲线下面积。P<0.05为差异有统计学意义。

结果

92个肺结节中，19个位于左肺上叶，24个位于左肺下叶，15个位于右肺上叶，8个位于右肺中叶，26个位于右肺下叶；病灶长径10~30（19±5）mm。79个肺结节经手术或穿刺病理证实，其中64个为恶性结节，包括腺癌53个、鳞癌11个，15个为炎性结节，包括肺组织间质纤维增生伴炎症细胞浸润9个、炎性肉芽肿3个、机化性肺炎1个、细支气管瘤样增生伴炎症反应1个、细支气管炎伴炎症细胞浸润1个；13个肺结节经抗感染治疗后吸收或好转诊断为炎性结节。

一、恶性及炎性肺结节CT征象、常规CT值及光谱CT参数比较

恶性与炎性肺结节患者分叶征、短毛刺征、胸膜凹陷征及血管集束征的分布及静脉期IC值、NIC值、Z_eff值差异具有统计学意义（P<0.05），其余CT征象的分布及指标差异无统计学意义（表1）（图1~8）。

二、常规CT参数、光谱CT参数及两者联合鉴别诊断恶性及炎性肺结节的效能

分叶征、短毛刺征、胸膜凹陷征、血管集束征建立常规CT征象logistic模型，结果显示短毛刺征（OR=4.944，95%CI 1.731~14.120，P=0.003）和胸膜凹陷征（OR=4.613，95%CI 1.670~12.730，P=0.029）是诊断恶性肺结节的独立预测因子，该模型鉴别诊断肺癌与肺炎性结节的曲线下面积为0.827，灵敏度和特异度分别为90.6%和57.1%（图9）。

图9 常规CT模型、光谱CT模型及联合模型鉴别诊断肺癌及肺炎性结节的ROC曲线

静脉期IC、静脉期NIC、静脉期Z_eff建立光谱CT参数logistic模型，结果显示静脉期IC（OR=0.037，95%CI 0.003~0.409，P=0.007）和静脉期NIC（OR=1.864，95%CI 1.412~2.461，P<0.001）是诊断肺恶性结节的独立预测因子，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.899，灵敏度和特异度分别为92.3%和78.6%（图9）。

分叶征、短毛刺征、胸膜凹陷征、血管集束征、静脉期IC、静脉期NIC、静脉期Z_eff建立联合logistic模型，结果显示胸膜凹陷征（OR=4.885，95%CI 1.233~19.354，P=0.024）、静脉期IC（OR=0.055，95%CI 0.005~0.648，P=0.021）、静脉期NIC（OR=1.831，95%CI 1.385~2.422，P<0.001）为肺恶性结节的独立预测因子，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.925，灵敏度和特异度分别为93.8%和85.7%（图9）。

光谱CT模型鉴别诊断肺癌与肺炎性结节的曲线下面积（0.899）与常规CT征象模型（0.827）比较，差异无统计学意义（Z=1.334，P=0.182）。联合模型与光谱CT模型鉴别诊断肺癌与肺炎性结节的曲线下面积差异无统计学意义（Z=1.794，P=0.073），联合模型与常规CT模型鉴别诊断肺癌与肺炎性结节的曲线下面积比较差异具有统计学意义（Z=2.156，P=0.031）（图9）。

讨论

当实性肺结节为恶性时，其倍增时间约6个月，故对于恶性结节通常采用积极的治疗方式，而对于炎性结节，主要通过抗感染等治疗方式，因此鉴别实性肺结节的性质十分必要^［6,7］。既往研究多着重于影像学征象或能谱CT参数单方面对实性肺结节性质的鉴别^［5,8,9］。本研究将光谱CT参数联合常规CT征象对实性肺结节进行多方面鉴别分析，以期进一步提高鉴别诊断效能。

本研究结果显示，肺结节的形态学特征包括分叶征、短毛刺征、胸膜凹陷征及血管集束征在恶性病变和炎性病变之间存在明显的统计学差异，将上述指标建立logistic模型，其鉴别诊断肺恶性结节和炎性结节的ROC曲线下面积为0.827，但特异度较低，仅为57.1%，表明仅通过常规CT征象容易将炎性病变误诊为恶性肿瘤，与国内外多项研究相似^［10,11］。既往meta分析表明，通过多种CT征象鉴别实性肺结节的性质，其曲线下面积为0.83~0.90^［12］。原因可能是肺癌和炎性结节形态学特征存在一定交叉，当病灶较小时部分特征不明显^［13］。

增强前后CT值是常规CT鉴别诊断肺癌和炎性结节的重要数据。但本组肺恶性结节与炎性结节的平扫期、动脉期和静脉期常规CT值差异无统计学意义。而光谱参数中静脉期IC、静脉期NIC和静脉期Z_eff在恶性肿瘤和炎性病变间差异具有统计学意义（P<0.05）。这是由于传统CT成像是X线混合能量成像，受X线平均吸收效应影响，导致不同物质具有相似的CT值。而光谱CT能够从IC层面反映对比剂在病灶中的沉积，从而间接反映组织的供血状况。炎性病变是由于炎症因子刺激引起血管增多及微血管通透性增高所致，对比剂较早开始在病灶中沉积^［5,14］。而恶性肿瘤中血管壁平滑肌层、内弹力层和内皮细胞被局限性破坏并缺失，瘤体内供血不均匀，部分区域血管破坏，引起相应区域缺血，导致对比剂沉积程度可能低于炎性病变。光谱CT模型鉴别诊断恶性及炎性肺结节的曲线下面积为0.899，灵敏度为92.3%，略高于Hou等^［5］的研究，其原因可能是双层探测器能够在同一时间和空间内接受高、低能级X线衰减信息，减少由于快速切换管电压而带来的像素移位，提高能量分析的准确度。Z_eff图是基于组织的Z_eff不同获得的彩色编码图，Z_eff与物质的组成成分及比例有关，碘对比剂进入在肺癌与炎性结节间存在差异，提示了不同病变的血管和微结构不同。本研究静脉期各光谱参数在恶性肿瘤和炎性病变之间的差异具有统计学意义，与既往研究相似，表明静脉期参数对于鉴别恶性肿瘤和炎性病变的能力优于动脉期，为临床选择更能反映病灶特点的扫描时间提供了参考^［5,15］。

本研究logistic回归分析显示，静脉期IC和静脉期NIC是诊断肺恶性结节的独立预测因子，光谱CT模型鉴别诊断肺癌与肺炎性结节的曲线下面积0.899，较常规CT征象的logistic模型（0.827）略有升高，但差异无统计学意义；常规CT征象与光谱CT联合模型鉴别诊断肺癌与肺炎性结节的曲线下面积（0.925）与常规CT征象模型（0.827）比较差异具有统计学意义，且联合模型的诊断特异度（85.7%）较光谱CT模型明显提升（78.6%）。因此在光谱CT的基础上增加常规CT征象能有效提高鉴别肺癌和炎性结节的能力。虽然本研究中联合模型的AUC（0.925）仍然低于既往对于肺癌和炎性结节的研究（0.96）^［5］，但本研究所纳入的实性肺结节长径较小［（19±5）mm）］，提高了对小病灶的诊断能力。

本研究的局限性：（1）纳入病种较单一；（2）部分病例经抗炎治疗吸收，无病理结果；（3）对常规CT征象的观察主要依靠主观判断，可能受主观感受和经验影响而产生一定偏倚。

综上所述，双层探测器光谱CT在常规CT的基础上，能提供多种定量参数如IC值、NIC值、Z_eff值等，光谱CT参数联合常规CT征象能提高鉴别肺癌和炎性结节的诊断效能。

利益冲突所有作者均声明不存在利益冲突

参考文献：

SiegelRL, MillerK D, JemalA. Cancer statistics, 2020[J]. CA Cancer J Clin, 2020, 70(1): 7-30. DOI: 10.3322/caac.21590.
MacMahonH, NaidichDP, GooJM, et al. Guidelines for management of incidental pulmonary nodules detected on ct images: from the Fleischner Society 2017[J]. Radiology, 2017, 284(1):228-243. DOI: 10.1148/radiol.2017161659.
中华放射学杂志双层探测器光谱CT临床应用协作组. 双层探测器光谱CT临床应用中国专家共识(第一版)[J].中华放射学杂志, 2020, 54(7):635-643. DOI: 10.3760/cma.j.cn112149-20200513-00679.
ZhangY, ChengJ, HuaX, et al. Can spectral CT imaging improve the differentiation between malignant and benign solitary pulmonary nodules?[J]. PLoS One, 2016, 11(2):e0147537. DOI: 10.1371/journal.pone.0147537.
HouWS, WuHW, YinY, et al. Differentiation of lung cancers from inflammatory masses with dual-energy spectral CT imaging[J]. Acad Radiol, 2015, 22(3):337-344. DOI: 10.1016/j.acra.2014.10.004.
MacMahonH, AustinJH, GamsuG, et al. Guidelines for management of small pulmonary nodules detected on CT scans: a statement from the Fleischner Society[J]. Radiology, 2005, 237(2):395-400. DOI: 10.1148/radiol.2372041887.
EttingerDS, WoodDE, AggarwalC, et al. NCCN guidelines insights: non-small cell lung cancer, version 1.2020[J]. J Natl Compr Canc Netw, 2019, 17(12):1464-1472. DOI: 10.6004/jnccn.2019.0059.
[8]、WuL, CaoG, ZhaoL, et al. Spectral CT analysis of solitary pulmonary nodules for differentiating malignancy from benignancy: the value of iodine concentration spatial distribution difference[J]. Biomed Res Int, 2018, 2018:4830659. DOI: 10.1155/2018/4830659.
González-PérezV, AranaE, BarriosM, et al. Differentiation of benign and malignant lung lesions: dual-energy computed tomography findings[J]. Eur J Radiol, 2016, 85(10):1765-1772. DOI: 10.1016/j.ejrad.2016.07.019.
王欣, 徐跃华, 杜紫燕, 等. 孤立性肺结节的CT影像学特征及良恶性预测模型的建立[J].中华肿瘤杂志, 2018, 40(2):115-120. DOI: 10.3760/cma.j.issn.0253-3766.2018.02.007.
YanagawaM, JohkohT, NoguchiM, et al. Radiological prediction of tumor invasiveness of lung adenocarcinoma on thin-section CT[J]. Medicine (Baltimore), 2017, 96(11):e6331. DOI: 10.1097/MD.0000000000006331.
黎金葵, 闫坤, 杨品, 等. PET/CT结合HRCT诊断孤立性肺结节的应用价值:Meta分析[J].中国CT和MRI杂志, 2017, 15(1):41-44. DOI: 10.3969/j.issn.1672-5131.2017.01.013.
PatzEF, PinskyP, GatsonisC, et al. Overdiagnosis in low-dose computed tomography screening for lung cancer[J]. JAMA Intern Med, 2014, 174(2):269-274. DOI: 10.1001/jamainternmed.2013.12738.
LinJZ, ZhangL, ZhangCY, et al. Application of gemstone spectral computed tomography imaging in the characterization of solitary pulmonary nodules: preliminary result[J]. J Comput Assist Tomogr, 2016, 40(6):907-911. DOI: 10.1097/RCT.0000000000000469.
张国晋, 曹云太, 张婧, 等. 局灶性机化性肺炎及周围型肺癌能谱CT表现[J].中国医学影像技术, 2020, 36(9):1330-1334. DOI: 10.13929/j.issn.1003-3289.2020.09.014.