COVID-19胸部CT結構化報告臨床應用價值評價

孫黎，李廣明，史珊，楊學東

自新型冠狀病毒肺炎(coronavirus disease 2019，COVID-19)暴發以來，胸部高分辨CT檢查在該病流行的各階段發揮了不同作用。目前，世界范圍內仍然有大量患者因COVID-19相關原因而接受胸部CT檢查[1-3]。迄今已有諸多研究描述了COVID-19的影像和臨床特征。與中東呼吸綜合征冠狀病毒(Middle East respiratory syndrome coronavirus，MERS-CoV)和嚴重急性呼吸綜合征冠狀病毒(severe acute respiratory syndrome-associated coronavirus，SARS-CoV)等其他冠狀病毒相關肺炎相似，COVID-19最初肺部表現為斑片狀或廣泛的磨玻璃密度影(ground glass opacity，GGO)，逐漸進展為實變，病變主要位于胸膜下區，并以肺基底部為著[4-7]。而“反暈征”、肺結節伴暈征、胸腔積液及淋巴結腫大則是COVID-19的少見CT表現[8]。雖然其影像表現具有一定特征，但是與其他病原體引發的肺炎，特別是其他類型的病毒性肺炎仍然難以鑒別[8-9]。而這些研究中對于COVID-19的影像診斷缺乏統一標準和規范化術語。

2020年3月北美放射學會(Radiological Society of North America，RSNA)發布了COVID-19胸部CT診斷專家共識，對COVID-19的CT診斷提出了結構化報告建議，以幫助放射科醫生識別典型征象、減少診斷間的不一致性、促進醫生之間的理解和溝通并最終幫助臨床抉擇[10]。該共識將COVID的診斷分為：陰性、典型、不確定和非典型四個類別，并給出了明確定義。但是目前該共識在臨床應用的情況尚不明確。本研究利用湖北省單中心數據，以咽拭子病毒核酸檢測為金標準，對該結構化報告臨床診斷準確性進行評價，并探討CT征象與流行病學史、臨床表現及實驗室檢查對于報告診斷準確性的提升價值。

材料與方法

1.一般資料

回顧性分析2020年1-2月就診于湖北省襄陽市中心醫院的310例疑似COVID-19患者首診CT圖像、流行病學史、臨床表現及實驗室檢查結果。

納入標準：①進行至少一次咽拭子病毒核酸檢查；②進行至少一次胸部高分辨CT檢查，且首診CT檢查與病毒核酸檢查間隔不超過7天；③至少行一次血常規檢查，并且與首診CT檢查間隔不超過7天。排除標準：①僅有一次病毒核酸檢查且顯示陰性；②CT首診檢查無陽性表現；③CT圖像因呼吸偽影等影響質量較差無法評價者；④病毒核酸檢查確診陰性，但后期隨訪血液抗體IgG或IgM陽性者；⑤診斷為可疑的患者，即病毒核酸檢查無陽性表現，但是至少一次顯示可疑者。

310例疑似COVID-19患者中，最終納入253例患者，57例被排除。1例未進行CT檢查；1例CT檢查與病毒核酸檢測時間間隔大于7天；1例未進行病毒核酸檢測；1例就診期間2次病毒核酸檢測陰性，治愈出院后隨診顯示血液IgG陽性；19例病毒核酸檢測可疑患者；7例僅有1次核酸檢查且顯示陰性；10例圖像質量差無法評價；15例首診CT陰性者，2例未進行血常規檢查。253例中，男126例，女127例，平均年齡(45.37±16.41)歲。根據患者核酸檢測結果分組：陽性定義為至少一次病毒核酸檢測為陽性，陰性定義為至少兩次病毒核酸檢測(間隔大于7天)結果均為陰性。最終分組：陽性組203名，陰性組50名。

2.圖像采集

310例患者均行胸部CT檢查，采用Philips Brilliance 64排128層螺旋CT和聯影uCT510進行圖像采集。Philips Brilliance 64排128層螺旋CT掃描參數：管電壓120 kVp，管電流自動毫安(120～200 mA)，掃描層厚0.625 mm，重建層厚2.5 mm，矩陣512×512，螺距1.0069，FOV 500 mm×500 mm。聯影uCT510掃描參數：管電壓140 kVp，管電流自動毫安(120～200 mA)，掃描層厚1.2 mm，重建層厚5 mm，矩陣512×512，螺距0.9375，FOV 500 mm×500 mm。所有患者均采取仰臥位，掃描范圍為肺尖至肺底，吸氣末屏氣進行掃描。

3.圖像分析

2名從事胸部影像診斷的高年資醫師共同分析CT圖像，當結論不一致時由1名從事胸部影像診斷的主任醫師判定。CT診斷分型，根據RSNA推薦新冠肺炎結構化報告(圖1～4)：①陰性：CT表現為陰性或無提示肺炎的CT表現。②不確定：缺乏典型特征，同時表現為多灶性、彌漫性、肺門分布或單側磨玻璃結節(ground glass opacity，GGO)，伴或不伴有實變，缺乏特征性分布，非圓形或非外周分布；少量非常小的GGO呈非圓形和非外周分布。③典型：雙肺外周分布GGO伴有或不伴有實變或可見小葉內線(“鋪路石征”)；多灶性類圓形GGO，伴有或不伴有實變或可見小葉內線(“鋪路石征”)；反暈征或其他機化性肺炎的表現。④非典型：沒有典型特征或不確定的特征，同時影像表現為單肺葉或節段性實變，沒有GGO；散在小結節(小葉中心結節、“樹芽征”)；空洞性病變；光滑的肺小葉間隔增厚伴胸腔積液。

4.統計學方法

模式1自變量僅包含CT診斷分型；模式2自變量為CT診斷分型+CT征象；模式3自變量為CT診斷分型+基本信息+流行病學史+臨床及實驗室檢查。對三種模式進行二元邏輯回歸分析，并采用受試者操作特征(receiver operating characteristic，ROC)曲線和曲線下面積(area under the curve，AUC)評價三種模式的診斷準確性。

結 果

1.基本信息及臨床實驗室檢查

陽性組和陰性組兩組患者的性別(χ2=0.081，P=0.776)、年齡(t=-1.972，P=0.053)、流行病學史(χ2=0.002，P=0.966)、首診發病時間(t=0.136，P=0.892)差異無統計學意義(表1)。兩組就診時發熱、咳嗽、腹瀉、呼吸困難等癥狀差異無統計學意義(χ2=0.083，P=0.773；χ2=0.030，P=0.863；χ2=0.051，P=0.821；χ2=0.018，P=0.893)。兩組白細胞計數、淋巴細胞及中性粒細胞百分比、C反應蛋白差異無統計學意義(t=1.610，P=0.109；t=0.261，P=0.795；t=-0.572，P=0.568；t=-0.208，P=0.779，表1)。

2.胸部高分辨CT診斷及其它征象

兩組CT診斷分型差異具有統計學意義(Z=-6.330，P<0.001)。兩組病變分布(χ2=14.146，P<0.001)、GGO形態(χ2=5.574，P=0.018)、累及肺葉數量(t=-4.778，P<0.001)、是否伴淋巴結腫大(χ2=14.693，P<0.001)、血管增粗(χ2=18.640，P<0.001)、樹芽征(χ2=38.551，P<0.001)、支氣管管壁增厚(χ2=45.984，P<0.001)及間質增厚(χ2=4.751，P=0.029)差異具有統計學意義(表2)。兩組病變密度(χ2=0.112，P=0.738)、GGO數量(χ2=0.598，P=0.585)、是否伴支氣管擴張(χ2=1.362，P=0.243)、病變累及肺葉分布(χ2=0.854，P=0.868)差異無統計學意義(表2)。

表1 COVID-19肺炎及非COVID-19肺炎患者的臨床特征

3.邏輯回歸

邏輯回歸分析三種模式都有較好的預測診斷效能。模式1診斷敏感度為95.6%，特異度為34.0%，符合率為83.4%；模式2診斷敏感度為96.0%，特異度為48.9%，符合率為87.0%；模式3診斷敏感度為95.2%，特異度為32.7%，符合率為82.2%。三種模式的AUC分別為0.768、0.895和0.812(表3，圖5)。

討 論

筆者對經病毒核酸檢測確診的253例COVID-19疑似患者(陽性組203名，陰性組50名)胸部高分辨CT結果依據RSNA推薦的COVID-19結構化報告進行CT診斷分型和CT征象評價，并以CT診斷分型為基礎與CT征象、流行病學史、臨床表現、實驗室檢查結果組合建立三種預測模型。結果發現CT診斷分型能夠較為準確地區分COVID-19與非COVID-19肺炎，但是特異度較差。與結合臨床表現、流行病史和實驗室檢查信息相比，結合CT征象能夠更顯著地提高診斷準確性，特別是能夠較為顯著地提高診斷特異度。

表2 COVID-19肺炎及非COVID-19肺炎患者的胸部CT特征

表3 三種模式的邏輯回歸表現及曲線下面積

1.臨床信息及實驗室檢查差異

本研究顯示COVID-19陽性患者的基本信息(性別、年齡)、流行病學史、發病時間、癥狀及實驗室檢查(白細胞計數、淋巴細胞百分比、中性粒細胞百分比、C-反應蛋白)與陰性患者之間差異沒有統計學意義。這與既往研究結果基本一致[11-13]。但是，既往研究顯示COVID-19陽性患者較陰性患者白細胞計數明顯減低[11]，并且白細胞的下降程度與疾病的嚴重程度具有相關性[14]，而本研究中未發現顯著差異。這可能一方面由于本研究中COVID-19重癥病例較少，所以整體白細胞下降不夠顯著。另一方面，筆者發現本研究中陰性組白細胞計數均值為6.03×109/L，并沒有明顯升高，所以本研究非COVID-19患者組中可能存在較多支原體肺炎或其它病毒性肺炎等白細胞升高不明顯的肺炎，而細菌性肺炎等導致白細胞計數顯著升高的患者比例較低，因而最終兩組白細胞計數為未見顯著差異。

2.胸部高分辨CT診斷分型與CT征象差異

在CT表現上，結果顯示COVID-19較非COVID-19肺炎累及更多肺葉，說明COVID-19肺炎有更廣泛的肺部損傷，這提示COVID-19引發的肺炎可能有更嚴重的臨床進程。并且，已有研究證實，胸部CT所示肺部受累范圍與患者肝損傷的嚴重程度相關[15]。因此，在CT診斷報告中增加對病變累及范圍的定量或半定量描述，可能有助于輔助臨床抉擇。另外，筆者發現COVID-19較非COVID-19肺炎更易表現為外周分布，類圓形的GGO病灶更為常見，GGO內亦更容易觀察到血管增粗，病變更容易表現為間質增厚。而非COVID-19肺炎較COVID-19肺炎更容易表現為小葉中心性結節/樹芽征和支氣管管壁增厚。淋巴結腫大在COVID-19肺炎較非COVID-19肺炎更為罕見。這些結果與前期研究發現基本一致[9,16-19]。

根據RSNA推薦[10]，筆者將具有肺炎表現的患者分為典型、不確定和非典型三類，CT診斷分型在陽性組和陰性組之間具有顯著差異，因此該報告模式能夠對COVID-19和非COVID-19肺炎進行一定區分，具有一定臨床應用價值。

3.邏輯回歸分析

為了進一步評價CT診斷分型的臨床應用價值，筆者對CT診斷分型、CT征象及其它臨床表現進行邏輯回歸分析，結果顯示，僅憑CT診斷分型已能夠較為準確地預測COVID-19和非COVID-19，但是特異性較低，這與前期對于胸部CT診斷COVID-19價值的研究結果相近[6,19,21]。結合CT征象以后，診斷的敏感度和特異度都有一定提升，特別是診斷特異度的改善尤為顯著，而結合臨床、流行病學史和實驗室檢查并不能提高診斷的敏感度和特異度。ROC分析結果也顯示CT征象能夠更為顯著地提高診斷準確性。Sun等[11]采用患者基本信息、流行病學史、臨床表現、影像檢查和實驗室檢查結果進行邏輯回歸分析，對COVID-19診斷結果進行預測，結果顯示是否添加影像檢查結果對于模型預測的準確性無影響。該研究中，影像檢查納入參數僅為“是否有肺炎表現”，而未對COVID-19影像診斷進行分類，且無COVID-19肺炎CT特征征象的區分。本研究基于COVID-19胸部CT特征表現將影像結果進行分型，結果顯示CT診斷分型對于COVID-19的預測具有一定價值，而結合CT征象可進一步提高診斷準確性。另外，本研究與Sun等[11]研究結果不一致也可能與患者構成比的差異有關，本組研究對象來源于疫情高發區，因此陽性患者比例較高，而Sun等得研究對象陰性組比例明顯高于陽性組。

本研究結果顯示，在疫情爆發地區，COVID-19胸部CT診斷分型能夠較為準確地對患者進行分類，為臨床提供補充信息。同時，筆者還發現，在診斷分型的基礎上，重視觀察CT征象能夠進一步提高診斷準確率。臨床應用COVID-19胸部CT結構化報告能夠提高影像診斷和醫師溝通效率，影像科醫生在掌握診斷分型的同時還要注意識別COVID-19的CT征象并正確理解他們在診斷中的價值。

COVID-19胸部CT結構化報告能較為準確地預測COVID-19肺炎，具有較高的敏感性，但是缺乏特異性，結合其他CT征象能夠進一步提高診斷準確性，特別是提高診斷特異性。