CT定量分析在肺磨玻璃結節浸潤前病變 微浸潤性及浸潤性腺癌中的鑒別診斷價值

管政 馬燕青 明帥 謝飛 徐錫仁 林毅

肺癌是目前發病率和病死率最高的肺惡性腫瘤，多數患者發現時已經是肺癌晚期，目前I～Ⅳ期肺腺癌患者的5年生存率僅為16%［1］。超過一半肺癌患者在確診1年內死亡，如果肺癌在早期發現并進行相應治療，其五年生存率可達到50%［2-3］。因此，早期發現肺癌對于改善不良預后至關重要。隨著計算機斷層掃描技術的普及和肺癌篩查在高危人群的廣泛開展，越來越多的肺磨玻璃結節（GGN）被檢出。研究發現GGN與肺腺癌或肺腺癌的癌前病變有關［4-5］。診療策略根據腺癌分型不同而不同。2011年國際多學科分類標準將肺腺癌分為非典型腺瘤性增生（AAH）、原位腺癌（AIS）、微浸潤性腺癌（MIA）和浸潤性腺癌（IAC）［6］。與IAC相比，AIS和MIA常不會擴散至區域淋巴結或遠處器官，5年生存率可達100%，為了避免過度治療和減少損傷，AIS和MIA患者常采取保守治療［7］。此外，肺腺癌被認為是從AAH到AIS，再到IAC的逐步進展過程［6］，對于AAH患者需要定期隨訪復查以防惡變的可能。因此，如果能夠根據CT的成像特征對肺腺癌各分型進行區分，則對后續的治療決策，起到重要作用。本資料擬通過對266例患者中共274個肺GGN腺癌的CT影像學特征（大小、面積、CT值，實性成分大小等）與病理分型進行綜合分析，探討CT定量分析對區分IAC與癌前病變或MIA的價值，同時也為GGN的臨床處理提供參考。

1 資料與方法

1.1 一般資料 收集本院2015年1月至2018年12月肺結節切除并經病理證實的患者臨床及CT影像資料，經過篩查，總共發現274個表現為GGN的肺結節。病理結果為肺鱗癌、大細胞癌、炎性病變、結核、隱球菌等非腺癌病理類型的肺結節予以排除。肺結節定義為影像學上直徑＜3cm的局灶性、邊界清楚的、周圍被含氣肺組織包繞的密度增高影，按密度分為純磨玻璃結節（pGGN）和混雜磨玻璃結節（mGGN）［8］。此外，由于多原發肺癌的存在［9］，對肺內多發的GGN進行單獨分析。在所有入組患者中，258例為單發肺結節，其余8例肺內均有2枚結節。其中男87例，女187例；年齡24～79歲，平均年齡58.3歲。入組病例里未發現血管受累或區域淋巴結轉移。同時記錄患者的相關信息，包括性別、年齡等。

1.2 檢查方法 所有檢查均采用Philips 64層螺旋CT機呼氣末掃描，被檢查者取仰臥位、雙臂上舉、頭先進，掃描范圍從肺尖至肺底，兩側包括胸壁及腋窩，掃描參數：管電壓120kV、管電流80mA，掃描層厚及層間距均為5mm，重建層厚及層間距為2mm，窗寬、窗位分別設置為1500Hu、-450Hu，標準算法。通過以下參數對結節進行評價：（1）類型：pGGN或mGGN；（2）結節位置：右肺上葉（RUL），右肺中葉（RML），右肺下葉（RLL），左肺上葉（LUL）和左肺下葉（LLL）；（3）分葉征；（4）毛刺征；（5）胸膜凹陷征；（6）支氣管充氣征；同時，利用工作站中三維重建功能，勾勒目標結節輪廓，自動獲取最大層面結節面積（S）、CT值及SD值，同時測量最大層面結節的最長徑及垂直于最長徑的短徑，取二者平均值作為病灶大小（D），若病灶內有實性成分，同時測量實性成分的最長徑（d）；從本院病理系統中記錄結節的病理類型（AAH、AIS、MIA和IAC）。

1.3 統計學分析 采用SPSS 21.0統計軟件。符合正態分布數據以（）表示，將不同亞型肺結節影像學特征與病理分型進行比較，同時對在單變量和多變量邏輯回歸中差異有統計學意義的變量進行ROC分析，獲取曲線下面積（AUC），評估敏感性及特異性。P＜0.05為差異具有統計學意義。

2 結果

2.1 GGN的形態和定量特征的比較 見表1、2。

表1 GGN的基本信息［n（%）］

表2 GGN的形態學及定量參數信息（）

表2 GGN的形態學及定量參數信息（）

參數 AAH-MIA IAC P值胸膜凹陷征［n（%）］ 12（9） 34（25.2） ＜0.001分葉征［n（%）］ 24（17.3） 72（53.3） ＜0.001毛刺征［n（%）］ 1（0.7） 14（10.4） 0.001支氣管充氣征［n（%）］ 9（6.5） 36（26.7） ＜0.001病灶大小（mm） 9.2±4.3 14.3±4.8 ＜0.001面積（mm2） 79.2±73.6 165.0±138.1 ＜0.001平均CT值（Hu） -603±123.8 -470.4±123.3 ＜0.001 SD值 175.6±58.8 234.3±61.3 ＜0.001實性成分大小（mm） 6.4±3.2 10.6±5.2 ＜0.001

2.2 pGGN和mGGN中各病理分型的分布 見表3。

表3 pGGN和mGGN不同亞型的分布信息［n（%）］

2.3 pGGN和mGGN各組單變量和多變量的關系 pGGN中，在單變量分析中各參數均可作為IAC的獨立預測因子，但多數在多變量分析中失去意義，只有病灶大小、CT值與IAC顯著相關（P＜0.001，P＜0.001），ROC（見圖 1）顯示病灶大小截斷值為 8.75mm（AUC：0.849，敏感度：86.7%，特異度：67.3%），CT值截斷值為-605.03Hu（AUC：0.777，敏感度：84.4%，特異度：61.8%），提示病灶大小和CT值均是pGGN中IAC的獨立預測因子，病灶大小AUC較CT值AUC更大，因此病灶大小在區分IAC與浸潤前病變或者MIA更敏感。mGGN中，CT值與IAC顯著相關（P=0.008），ROC（見圖2）顯示CT值截斷值為-519.11Hu（AUC：0.777，敏感度：86.7%，特異度：69%），表明CT值在mGGN中用來區分IAC與浸潤前病變或者MIA有更高的靈敏度。在pGGN中，病灶大小、CT值與AIS顯著相關，但ROC顯示診斷效能較低（病灶大小AUC：0.585，CT值AUC：0.591），提示病灶大小與CT值在pGGN鑒別AAH和AIS有重要參考意義。

圖1 pGGN中AAH-MIA組和IAC組病灶大小和CT值的ROC分析

圖2 mGGN中AAH-MIA組和IAC組CT值的ROC分析

3 討論

近年來，隨著CT的普及和廣泛應用，肺內GGN檢測率明顯增加。對于AIS或MIA，采用肺葉局部切除術能獲得良好的預后效果，且不會增加復發的可能［4］，但GGN患者通常難以直接獲取病理分型，因此術前對GGN的影像學特征研究具有重要臨床意義。

本次研究的mGGN中，有60.8%為IAC，28.4%為MIA，10.8%為AIS，無AAH，說明IAC表現為mGGN的概率較高，同時還有45%的pGGN也表現為IAC。由于IAC也可以表現為pGGN，從pGGN中鑒定IAC就非常重要。所以本次研究將GGN分成mGGN組和pGGN組分別討論，既往有報道認為，腫瘤大小與IAC有相關性［10］，本資料發現病灶大小和CT值均是pGGN中IAC的獨立預測因子，可用于IAC與其他病理類型的鑒別。在mGGN中，作者發現CT值在AAH-MIA組與IAC組間有顯著差異，而之前有報道［11］稱mGGN中實性成分大小和實性成分CT值用于區分IAC和AIS-MIA，這在本次研究中并不顯著，原因可能是既往研究數據同時包括了pGGN和mGGN。

不同病理類型的GGN在處理策略上完全不同［6］，AAH屬于癌前病變，通常采取定期隨訪的方法；AIS處理方法尚不統一，目前學者看法主要集中在定期隨訪和手術切除，對于MIA或者IAC則通常采取手術切除，其中，全身淋巴結清掃的肺葉切除術是目前IAC較為普遍的外科手術策略。然而，對于AIS或MIA，最佳手術方式仍未確定。本資料研究發現病灶大小和CT值在pGGN中AIS與AAH間有顯著差異，這對于二者間的鑒別有一定參考價值。

本資料也具有一定的局限性，第一，本研究為回顧性研究，在病例選擇上可能存在偏倚。第二，由于數據層厚關系，有些影像征象如毛刺邊緣可能不太典型，可能存在一定偏差。第三，樣本量相對較小，也可能會帶來統計差異。