CT直方圖分析鑒別肺良惡性純磨玻璃結節的價值

蔡雅倩，周小君，張正華，李浚利，閔蕊，韓丹，范木英

圖1 右上肺pGGO。a)選取結節最大層面，勾畫結節輪廓，獲得測量ROI，注意避開血管和支氣管等；b)軟件自動生成ROI的CT值直方圖，橫軸代表CT值，縱軸代表像素點個數。

近年來，隨著高分辨率CT在肺部應用的普及，對肺磨玻璃結節(ground-glass opacity，GGO)的檢出率不斷增高。準確的定性診斷對于選擇合適的治療方案、改善患者預后至關重要。國際早期肺癌行動計劃(International Early Lung Cancer Action Program，I-ELCAP)篩查結果顯示GGO中純磨玻璃結節(pure ground-glass opacity，pGGO)的檢出率為4.2%[1]。因惡性形態學征象(分葉、毛刺征、空泡征等)在肺pGGO中的出現率較低，故pGGO的定性診斷較難，目前國內外對pGGO的主要處理辦法是將影像評估的結節大小、密度及隨訪改變作為判斷手術時機的重要因素[2-3]，pGGO的大小與良惡性的關系尚無明確定論，而其內出現實性成分則為惡性的可能性較大，尤其是隨訪過程中如pGGO變成混雜磨玻璃結節(mixed ground-glass opacity，mGGO)，則提示為惡性的可能性更大。影像科醫師肉眼觀察結節的密度變化有一定限度，臨床上常用指標為平均CT值，但常規CT值測量可能受到容積效應的影響。而CT直方圖可以對病灶內每個像素點的CT值進行客觀、準確的判斷，發現病灶內肉眼無法觀察到的細微密度改變。因此，本研究將探討基于像素的CT直方圖分析技術在鑒別肺內良、惡性pGGO中的價值。

材料與方法

1.臨床資料

將本院2016年6月-2019年1月收治的經手術病理證實的52例單發pGGO患者納入研究。根據病理結果將pGGO分為2組：惡性組28例，包括原位腺癌9例、微浸潤性腺癌12例和浸潤性腺癌7例；良性組24例，包括不典型腺瘤樣增生15例、肺纖維化及玻璃樣變4例、慢性炎癥5例。納入標準：①胸部HRCT平掃發現直徑大于5mm的pGGO，避免因病灶過小勾畫結節輪廓引起誤差；②經手術病理證實；③患者資料完整。排除標準：①CT圖像質量不佳；②患者有基礎肺疾病，如慢性阻塞性肺疾病、結核和塵肺等。52例中男14例，女38例，年齡28～88歲，平均(51.92±12.89)歲。7例有吸煙史。

2.CT檢查方法

使用Siemens Somatom Definition AS 128層螺旋CT機進行胸部HRCT掃描，掃描范圍自肺尖至肺底，掃描參數：Care kV Semi和自動管電流調制技術，100 kV，80 mAs，螺距0.938，重建層厚1.0 mm，層間距1.0 mm，重建卷積函數為B70f。圖像分析時肺窗窗寬1500 HU、窗位-400 HU，縱隔窗窗寬350 HU、窗位40 HU[4]。

3.圖像后處理及分析

將重建后的1 mm肺窗薄層傳入聯影后處理工作站uWS-CT(ROO4)，在CT薄層橫軸面圖像上選取病灶最大層面，由一位從事胸部影像診斷的醫師沿病灶邊緣勾畫ROI，避開可分辨的血管和支氣管，每個病灶勾畫3次ROI，取3次的平均值。根據手工勾畫的ROI，軟件可自動生成基于像素的病灶CT值直方圖(圖1)，記錄直方圖分布特點，并可獲得直方圖參數，包括跨度、峰度、均值、峰度對應CT值、最小和最大CT值。直方圖的分布特點間接反映其偏度，是描述變量分布對稱性的統計量，分為速升緩降、緩升速降、緩升緩降和速升速降四種類型。

4.統計學方法

使用SPSS 21.0軟件包進行數據處理，使用獨立樣本t檢驗和χ2檢驗比較良、惡性組間臨床資料及直方圖參數的差異，使用二元Logistic回歸分析篩選pGGO惡變的獨立危險因素。以P<0.05為差異有統計學意義。

結 果

良、惡性組pGGO測量值及患者臨床資料的比較結果見表1。兩組間年齡、性別、有無吸煙史和病灶大小的差異無統計學意義(P>0.05)。直方圖參數中平均CT值、峰值和最小CT值在兩組間的差異無統計學意義(P>0.05)，而跨度、峰度對應CT值及最大CT值的組間差異有統計學意義(P<0.05)。

兩組病變的CT直方圖分布特點的比較結果見表速降型，兩組間直方圖分布特點的差異有統計學意義(χ2=28.534，P<0.001)。

圖2 峰度對應CT值的ROC曲線，曲線下面積為0.799。

表1 兩組的臨床資料及直方圖參數值的比較

表2 良、惡性組pGGO直方圖分布特點的比較 (例)

2。良性組多表現為速升緩降型，惡性組多表現為緩升診斷效能分析：將組間差異有統計學意義的3個直方圖參數(跨度、峰度對應CT值、最大CT值)納入Logistic回歸模型，篩選惡性pGGO的獨立危險因素，結果顯示峰度對應CT值對預測pGGO的惡變有一定價值(B=0.006，P=0.019)，其它兩個指標無預測意義。經ROC曲線分析，峰度對應CT值預測肺良、惡性pGGO的曲線下面積為0.799(圖2)，截斷值、敏感度和特異度分別為-553 HU、64.3%和87.5%。

討 論

肺pGGO的影像表現無特異性，常見于多種病理異常，如炎癥、出血、水腫、局灶性纖維化和腫瘤等[5]，pGGO中大部分屬于TNM分期的非Ⅰa病灶，Ⅰa類病灶占比為12%～40%[6]。目前，對于惡性征象不典型的pGGO常建議患者長期隨訪，但有可能耽誤了患者的最佳治療時間窗。有研究結果表明，Ⅰa期患者術后5年生存率接近100%[7-8]。因此，快速、有效地明確結節性質，盡早切除惡性結節是治療的關鍵所在。病理上pGGO從不典型腺瘤樣增生逐漸演變發展至浸潤性腺癌的過程中，由于腫瘤細胞擴散能力逐漸增強，其內會出現實性成分，病灶內CT值可出現一定程度的升高。

近幾年來隨著HRCT的不斷發展和普及，影像圖片所能反映的信息越來越多元化、精準化，但影像醫師的肉眼觀察能力有限，計算機輔助診斷系統和人工智能仍處于研究和試用階段，尚未形成行業準則。本研究中采用的直方圖技術是目前運用較為廣泛的一種定量分析技術，可以較準確地定量分析病灶內的組織成分，通過測量病灶內每個像素點的CT值，能客觀準確地反映病灶內肉眼無法觀察到的細微結構改變，而且此技術具有操作簡單、獲取信息方便、快捷等優點[9]。已有不少學者將直方圖分析應用于乳腺腫塊、甲狀腺結節、膽管腫瘤和腮腺腫瘤的鑒別診斷[10-13]；在呼吸系統方面，也有文獻報道將此項技術應用于肺灌注成像和肺實性結節的鑒別診斷[14-15]，但這項技術在良、惡性肺pGGO的鑒別診斷方面的應用相關報道較少且結果不盡相同。本研究將探討CT直方圖分析在良、惡性肺pGGO鑒別診斷中的價值。

本研究結果顯示，良、惡性肺pGGO組之間最小CT值、平均CT值差異無統計學意義(P>0.05)。而曹恩濤等[2]報道良惡性pGGO組間平均CT值的差異有統計學意義(P<0.05)。筆者認為結果不一致的原因可能是由于平均CT值即使避開血管、肺紋理等結構，仍受到患者年齡、呼吸程度、基礎疾病等多種因素的影響[16]。直方圖參數中峰度是指病灶內占比最大的CT值區間的像素點個數，本研究中這一參數在兩組間的差異無統計學意義(P>0.05)，可能的原因是像素點的個數與病灶大小有關。而峰度對應的CT值、最大CT值、直方圖的跨度及分布特點在兩組間的差異有統計意義(P<0.05)。直方圖的跨度是描述變量變化范圍的參數，跨度越大表明CT值波動范圍越大，提示結節內密度不均，本研究中惡性組的直方圖跨度值較良性組大，是因為惡性pGGO內出現了部分肉眼難以觀察到的實性成分；而良性結節由于其內密度通常比較均勻，因此跨度值小。峰度對應CT值反映了病灶內占比最大的CT值區間，反映的是病變內主體CT值的密度范圍，惡性pGGO的峰度對應CT值較良性pGGO大，表明惡性結節的主體密度高于良性結節，也提示其內可能出現了實性成分，與曹勇等[17]的研究結果一致。本研究中最大CT值在兩組間的差異有統計學意義(P<0.05)，與張宏等[16]的研究結果一致。直方圖的分布特點間接反映了直方圖的偏度，表示其分布相對于平均值的不對稱性，速升緩降和緩升速降均表明直方圖分布形態偏移程度較大，惡性pGGO多為緩升速降型，表明其峰度偏向正軸方向，病灶內密度趨于較高的一側，這種改變與惡性pGGO內成分混雜(出現較多實性成分)有關；良性pGGO則多為速升緩降型，表明結節內密度均勻，CT值較小。本組研究結果與Kamiya等[9]的研究結果一致。直方圖的分布特點也可為良、惡性pGGO的鑒別診斷提供重要依據。Logistic回歸分析結果顯示，僅峰度對應CT值是預測pGGO惡變的獨立風險因素，當閾值取-553HU時，AUC為0.799，相應的鑒別診斷敏感度和特異度分別為64.3%和87.5%，表明該指標在預測pGGO惡變上有一定參考價值。

綜上所述，基于像素的CT直方圖分析技術可為肺良、惡性pGGO的鑒別診斷提供重要參考依據，且操作簡便，較人工分析的準確性及客觀性更好。本研究的不足之處：(1)需擴大樣本量，進一步對結果進行驗證；(2)僅考慮了密度因素，未引入形態學、大小和隨訪等相關指標，尚需在今后的研究中進一步深入分析。