孤立性良惡性肺結節的臨床及CT特點分析

畢偉 丁長青 劉緒軍 王文生

摘要：目的：分析孤立性良惡性肺結節臨床及CT特征，提高診斷的準確性。方法：回顧性分析南通大學附屬豐縣醫院2017年1月至2020年12月經手術病理證實的100例孤立性肺結節患者臨床及CT資料，通過單因素及多因素Logistic回歸分析篩選出可能的危險因素。結果：100例孤立性肺結節患者中，良性25例，惡性75例。單因素分析顯示兩組在性別、年齡、吸煙史、COPD病史、家族腫瘤史、腫瘤標記物等一般資料間無統計學差異（P>0.05）。兩組在結節最大長徑、結節位置、瘤-肺界面、內部鈣化、磨玻璃影（GGO）、分葉征、短毛刺征、胸膜凹陷征及血管集束征方面的差異均具有統計學意義（P<0.05）。多因素Logistic回歸分析顯示結節大小及GGO為孤立性良惡性肺結節的獨立危險因素（P<0.05）。結論：對孤立性良惡性肺結節應重點觀察結節最大長徑、結節位置、瘤-肺界面、內部鈣化、磨玻璃影（GGO）、分葉征、短毛刺征、胸膜凹陷征、血管集束征等征象，其中結節大小、GGO為惡性肺結節的獨立危險因素。

關鍵詞：孤立性肺結節;良性;肺癌;危險因素;螺旋CT

中圖分類號：R447文獻標識碼：BDOI：10？郾3969/j.issn.1001-0270.2021.04.06

Clinical and CT Characteristics of Solitary Benign and Malignant Pulmonary Nodule

BI Wei1， DING Chang-qing2， LIU Xu-jun1， WANG Wen-sheng2

（1. Department of Thoracic Surgery， Fengxian Hospital， Nantong University， Jiangsu 221700， China; 2. Department of Imaging， Fengxian Hospital， Nantong University， Jiangsu 221700， China）

Abstract： Objective： To analyze the clinical and CT features of solitary benign and malignant pulmonary nodule， and to improve the accuracy of diagnosis. Methods： The clinical and CT data of 100 patients with solitary pulmonary nodule confirmed by surgery and pathology in Fengxian Hospital Affiliated to Nantong University from January 2017 to December 2020 were retrospectively analyzed， and possible risk factors were screened out through single factor and multivariate Logistic regression analysis . Results： Among 100 patients with solitary pulmonary nodule， 25 cases were benign and 75 cases were malignant. Univariate analysis showed that there was no statistical difference between the two groups in general information such as gender， age， smoking history， COPD history， family tumor history， tumor markers（P>0.05）， etc.There were statistically significant differences in the maximum length of nodule， nodule location， neoplasm-lung interface，internal calcification， ground glass shadow （GGO）， lobulation sign， shorter spicule sign， pleural depression sign and vascular cluster sign between the benign and malignant pulmonary nodule（P<0.05）. Multivariate logistic regression analysis showed that nodule size and GGO were independent risk factors for solitary benign and malignant pulmonary nodule（P<0.05）. Conclusion： For the diagnosis of solitary benign and malignant pulmonary nodule，we should pay attention to maximum length of nodule， nodule location，neoplasm-lung interface， internal calcification， GGO， lobulation sign， burr sign， pleural depression sign and vascular cluster sign. Nodule size and GGO are independent predictors factors of malignance in patients with solitary pulmonary nodule.

Key Words： Solitary lung nodule;? Benign; Lung cancer; Risk factors; Spiral CT

肺結節通常是指肺內最大長徑不超過3cm的圓形或不規則形占位性病變。隨著螺旋CT在各級醫院的廣泛應用，以及CT后重建技術和低劑量胸部CT篩查技術的發展，肺結節的檢出率不斷提高[1]。肺結節可為炎性假瘤、錯構瘤、結核球及真菌性肉芽腫等良性病變，也可為腺癌、鱗癌及神經內分泌癌等惡性病變。早期肺結節尤其是孤立性肺結節（solitary pulmonarynodule，SPN）的患者多無明顯臨床表現及體征，偶可伴咳嗽或血絲痰。因病灶較小，良惡性結節CT表現有較多重疊征象，經皮肺穿刺活檢取材存在一定難度，痰液檢查及腫瘤標記物陽性率較低，故診斷常較為困難[2]。因此，本研究通過回顧性分析100例孤立性肺結節患者的臨床及影像學資料，篩選出惡性結節可能的獨立危險因素，為鑒別診斷提供依據。

1 資料與方法

1.1 一般資料

選取南通大學附屬豐縣醫院胸外科及腫瘤外科2017年1月-2020年12月收治并經手術病理證實的100例孤立性肺結節患者臨床及CT資料。

1.2 納入及排除標準

納入標準：①肺實質內長徑≤3cm的圓形或橢圓形單發病灶，無縱隔淋巴結腫大，無肺部感染、胸腔積液;②術前3d內行胸部高分辨率CT 及相關血清學腫瘤標記物指標檢查;③經全身影像學系統檢查未發現遠處轉移;④術前無針對此次肺結節的治療史;⑤術后經病理確診。排除標準：①>3cm 腫塊;②有肺內或遠處轉移者;③術前接受放化療治療者;④病理結果不確定或CT偽影較大、圖像質量不佳;⑤既往惡性腫瘤史;⑥資料不完整或患者拒絕公開相關資料者。本研究經本院醫學倫理委員會審查批準并且患者本人知情同意。

1.3 CT評價方法

CT使用飛利浦 Brilliance16及64排螺旋CT機，均常規行稍低劑量胸部CT 檢查（LDCT）及1-2mm薄層高分辨率（HRCT）后重建。由2位影像科高年資診斷醫師分別分析、重點觀察并記錄結節位置及最大長徑、結節位置、瘤肺界面、內部鈣化、磨玻璃影（GGO）、分葉征、短毛刺征、胸膜凹陷征及血管集束征，協商一致。

1.4 統計學分析

采用SPSS22.0統計學軟件對數據進行分析處理。符合正態分布的計量資料以（x±s）表示，采用獨立樣本t 或t'檢驗;計數資料以例數和率表示，采用X2 檢驗或Fisher精確檢驗。將篩選出有差異的參數為自變量，進一步采用多因素Logistic分析，篩選惡性肺結節獨立危險因素。以P<0.05 為差異有統計學意義。

2 結果

2.1 一般資料

100例患者中男性59 例，女性41例，年齡范圍為37-78歲，平均（62.57±1.03）歲。手術病理良性25例（25%），惡性75例（75%）。良性結節包括炎性假瘤17例（17%）、肉芽腫6例（6%）、錯構瘤1例（1%）、纖維瘤1例（1%）。惡性結節包括腺癌72例（72%）、鱗癌2例（2%）、類癌1例（1%）。本組27例為胸部LDCT體檢偶然發現。19例經過6月至3年的LDCT隨訪，病灶逐漸進展增大。經統計分析顯示，良惡性肺結節患者在性別、年齡、吸煙史、COPD病史、家族腫瘤史、腫瘤標記物（癌胚抗原-CEA、神經元特異性烯醇化酶-NSE、胃泌素釋放肽前體（precursorofgastrinreleasingpeptide，proGRP）、糖鏈抗原（CA）125及199、細胞角蛋白19片段-CYFRA21-1）等一般資料間無統計學差異（P>0.05），具體見表1。

2.2 CT特征

兩組在結節最大長徑、結節位置、瘤-肺界面（圖1）、內部鈣化、磨玻璃影（GGO，圖2、圖3）、分葉征、短毛刺征、胸膜凹陷征及血管集束征方面的差異均具有統計學意義（P<0.05）。而在支氣管血管集束征、空泡征以及空氣支氣管征等因素的差異均無統計學意義（P>0.05），具體見表2。

2.3 Logistic多因素回歸分析

把上述單因素分析中具有統計學意義的結節位置、大小、瘤-肺界面、鈣化、GGO、分葉征、胸膜牽拉征等7項因素進行多因素Logistic回歸分析。最后結果發現，結節大小、GGO是判斷良、惡性SPN的獨立危險因素，具體見表3。

3 討論

肺癌是全世界癌癥死亡的最常見原因，早期診斷和篩查可以大大降低其死亡率[3]。肺結節的檢出和定性診斷是影像科、腫瘤科及胸外科等多個學科需要面臨的一個重要課題，因為該過程是肺癌精準治療及獲得良好預后的第一步。雖然MRI和PET/CT可以提供有關肺結節的功能信息，但目前肺結節的診斷仍依賴于CT。LDCT肺結節篩查技術、深度學習（DL）技術、人工智能（AI）和基因組學等新技術的不斷進步，為肺結節的診斷帶來了希望[4]。

在早期階段，肺癌可表現為純磨玻璃結節（GGN）、部分實性結節（或混合磨玻璃結節，mGGN）或實性結節。腫瘤的固體成分與浸潤性病理特征密切相關，并與不良預后相關[5]。胸部CT是一種常用的影像學成像技術，其對肺結節檢出率要遠比X線檢查高得多，尤其對于密度較淡的GGN[6]。LDCT的優點是圖像無需疊，輻射較常規CT更少。目前，LDCT篩查早期肺癌已成共識，肺結節的LDCT個體篩查結合個性化的腫瘤風險評估，可較為可靠地診斷肺結節[7]。本組27例（36%）也為胸部LDCT體檢偶然發現。生長速度是肺結節篩查中肺癌的獨立危險因素。一項研究提示，炎性假瘤的生長結節的平均倍增時間（VDT）為339天，肉芽腫為226天，良性腫瘤為640天，淋巴結腫大為1541天，原位腺癌為762天，微浸潤性腺癌為954天，浸潤性腺癌為534天，鱗狀細胞癌為118天。但在常規臨床實踐中，隨著時間的推移，許多惡性結節可能生長緩慢甚至穩定，此時，單純依靠VDT價值可能有限。肺結節惡性概率為1.1%～12.0%，若結節惡性概率較低，應予以胸部CT隨訪，若惡性概率很高，則需立即行手術切除等積極干預[8]。本組19例也通過隨訪觀察病灶變化來判斷性質。隨著人們認識的提高，LDCT隨訪篩查會有較好的應用前景。

年齡是惡性肺結節的獨立危險因素，年齡越大（尤其是>50歲），結節為惡性的概率越大。吸煙是惡性肺結節的另一危險因素，吸煙（包括二手煙）越久、量越大，罹患肺癌的危險性就越高。種族、性別、癥狀、職業暴露、腫瘤史及腫瘤家族史等也可能與惡性肺結節相關，都尚需與影像學CT特征等多因素相結合來評估其性質[9]。與肺癌有關的腫瘤標志物有CEA、NSE、CYFRA21-1、CA125及CA153、CA199等，但它們診斷惡性肺結節的靈敏度及特異度有限[9]。腫瘤標記物與LDCT聯合對肺結節的檢測可能具有較高的臨床參考價值[10]。本組資料單因素分析顯示，良惡性肺結節患者在性別、年齡、吸煙史、COPD病史、家族腫瘤史、腫瘤標記物方面無統計學意義差異，可能與本研究統計病例較少、相關一般資料較為相近等有關。

SPN的CT評估除前述的隨訪VDT變化外，還包括結節位置、大小、結節最大直徑、瘤-肺界面、分葉征、毛刺征、鈣化、胸膜凹陷征、血管集束征、空泡征等。在結節位置方面，本組惡性結節位于上葉較多，而良性者位于非上葉稍多。目前的共識是結節大小為肺癌的獨立危險因素，<5mm結節的惡性率約為0.4%，而5-10mm結節的惡性率約為1.3%，>10mm結節的惡性率約為15.3%[6]。結節可有鈣化，良性病灶發生率較高且鈣化成分較多。部分結節內部可有空泡存在。惡性結節的瘤-肺界面多毛糙，GGN常邊界較清、密度均勻、形態規則;良性者多炎性，邊界常模糊不清，形態欠規則。而早期肺腺癌的分葉征是指結節邊緣呈現的凹凸不平的分葉狀輪廓，與腫瘤生長方式及不同方向生長速度存在差異、受周圍組織阻擋限制有關。弧弦距與弦長比值≥0.4為深分葉，多見于惡性結節，而淺分葉（弧弦距與弦長比值<0.2）則常見于良性結節。毛刺征是指肺窗層面結節邊緣伸向周圍肺實質的放射狀無分支線狀影，短毛刺（<5mm）常見于惡性結節，與腫瘤細胞向周圍浸潤形成的纖維帶等有關，良性結節如炎性假瘤、結核球多為長毛刺。胸膜凹陷征（胸膜尾征或兔耳征）為胸膜與結節之間的線性、喇叭口或三角形影，可伴胸膜增厚，在鄰近胸膜下的惡性SPN的出現率稍高。血管集束征為肺結節周圍血管在瘤體邊緣截斷或穿過瘤體，可能系瘤灶向血管支氣管鞘或小葉間隔生長、纖維組織增生或瘢痕牽拉鄰近血管所致。部分惡性瘤灶可見供血的支氣管動脈增粗[11]。本研究兩組在結節最大長徑、結節位置、瘤-肺界面、內部鈣化、磨玻璃影（GGO）、分葉征、短毛刺征、胸膜凹陷征及血管集束征方面的差異均具有統計學意義（P<0.05）。而在支氣管血管集束征、空泡征以及空氣支氣管征等因素的差異均無統計學意義（P>0.05）。結節大小、GGO為SPN的獨立危險因素，與張崴琪等（2019）[12]研究結果相近。

肺結節的影像學評估取決于眾多因素，而相當多良惡性結節具有重疊性的影像特征，鑒別起來較為困難。近年來，圖像紋理分析逐漸成為影像圖像量化的熱點，此類技術可提供肉眼難以觀察到的圖像信息，準確反映病灶內部異質性信息。孔令重等（2019）[13]通過研究肺結節的多種紋理參數，彌補了傳統影像學特征不足。一項基于CT紋理分析的良惡性亞厘米級肺毛玻璃樣結節（≤1cm）的非侵入性評估，發現區分良惡性GGN的敏感性和特異性分別為86.7%和60%，為準確識別亞厘米級GGN提供了可靠的新技術[14]。另有研究提示，對≤2cm的肺結節，基于病灶及其周圍組織的影像組學模型可提高鑒別良惡性的能力[15]。

本研究的不足之處：首先樣本量相對較少，會存在統計偏倚;另外，病史采集中未統計被動吸煙患者，也缺乏居住環境等評估。尚需積累大量病例進行系統研究。

總之，SPN定性診斷時應重點觀察影像學CT上的結節最大長徑、結節位置、瘤-肺界面、內部鈣化、磨玻璃影（GGO）、分葉征、短毛刺征、胸膜凹陷征、血管集束征等征象，尤其是結節大小及存在磨玻璃密度成分等惡性結節的獨立危險因素，以期提高診斷水平。

參考文獻：

[ 1 ] Shen Y，Xu F，Zhu W，et al.Multiclassifier fusion based on radiomics features for the prediction of benign and malignant primary pulmonary solid nodules[J].Ann Transl Med，2020，8（5）：171.

[ 2 ] 石新林，徐興祥，楊慧俐.148例孤立性肺結節臨床資料分析[J].國際呼吸雜志，2019，39（13）985-989.

[ 3 ] Liu B，Chi W，Li X，et al.Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support： three decades development course and future prospect[J].J Cancer Res Clin Oncol，2020，146（1）：153-185.

[ 4 ] Kim TJ，Kim CH，Lee HY，et al.Management of incidental pulmonary nodules：current strategies and future perspectives[J].Expert Rev Respir Med，2020，14（2）：173-194.

[ 5 ] Wan YL，Wu PW，Huang PC，et al.The Use of Artificial Intelligence in the Differentiation of Malignant and Benign Lung Nodules on Computed Tomograms Proven by Surgical Pathology[J].Cancers （Basel），2020，12（8）：2211.

[ 6 ] Chen W，Zhu D，Chen H，et al.Predictive model for the diagnosis of benign/malignant small pulmonary nodules[J].Medicine （Baltimore），2020，99（15）：19452.

[ 7 ] Madariaga ML，Lennes IT，Best T，et al.Multidisciplinary selection of pulmonary nodules for surgical resection： Diagnostic results and long-term outcomes[J].J Thorac Cardiovasc Surg，2020，159（4）：1558-1566.

[ 8 ] Zhang R，Tian P，Qiu Z，et al.The growth feature and its diagnostic value for benign and malignant pulmonary nodules met in routine clinical practice[J].J Thorac Dis，2020，12（5）：2019-2030.

[ 9 ] 拓蓓瑜，楊衛衛.肺結節惡性風險評估方法的研究進展[J].臨床誤診誤治，2019，32（2）：99-103.

[10] 荊利民，李東，李振強，等.低劑量CT聯合血清腫瘤標志物診斷肺結節的臨床價值[J].醫學影像學雜志，2019，29（3）：504-507.

[11] 岳軍艷，朱止平，竇文廣，等.多CT征象量化聯合分析對肺結節（腫塊）性質判定的臨床研究[J].實用放射學雜志，2019，35（1）：35-39.

[12] 張崴琪，王一卓，王曉慧，等.基于CT后處理重組技術的孤立性肺結節良惡性危險因素[J].放射學實踐，2019，34（10）：1102-1107.

[13] 孔令重，姜壯國，曹小江，等.Logistic 回歸分析高分別率CT 的紋理特征對孤立性肺結節診斷價值[J].新疆醫科大學學報，2019，42（2）：198-202.

[14] Hu X，Ye W，Li Z，et al.Non-invasive evaluation for benign and malignant subcentimeter pulmonary ground-glass nodules（≤1cm） based on CT texture analysis[J].Br J Radiol，2020，93（1114）：20190762.

[15] 張靜，武志峰，鄂林寧，等.肺結節（≤2cm）及其周圍組織的影像組學特征在其良惡性鑒別中的價值[J].中國臨床醫學影像雜志，2020，31（7）：478-481.