Lung-RADS分級系統聯合CT征象在孤立性肺磨玻璃影結節診斷中的應用

趙月，夏國林

（鄭州人民醫院 醫學影像科，河南 鄭州 450003）

早期篩查、早期診斷及治療是降低肺癌死亡率最為有效的方法［1］。近年來，隨人們對自身健康意識的不斷提高及影像技術的進步，肺結節尤其是孤立性肺磨玻璃影結節（ground-glass nodule,GGN）的檢出率逐漸增加。有研究顯示，GGN 惡性率約達34%，顯著高于實性結節的7%［2］，且由于GGN 病變性質及內部成分復雜多樣，使臨床診斷難度加大［3］。此外，肺內結節的篩查多使用低劑量CT，但在臨床的實際操作中，由于受多種因素的影響，要進行完全推廣具有一定的難度，因此探索新的篩查方法具有重要意義。肺部影像報告和數據系統（Lung Imaging Reporting and Date System,Lung-RADS）是由美國放射學院針對肺癌高風險人群制定的肺結節影像學報告和數據系統［4］，多用于肺實性結節的初步鑒別，但目前在國內的應用價值尚未經大量研究證實，且在肺GGN 上的應用鮮有報道。因此，本研究旨在探討Lung-RADS 分級系統聯合CT 征象在肺GGN 診斷中的應用，為臨床對GGN 的診斷篩查策略提供一定參考。現報道如下。

1 資料與方法

1.1 一般資料

分析2018 年5 月至2019 年5 月在鄭州人民醫院接受檢查的90 例孤立性肺GGN 患者的臨床資料，按照GGN 病理檢查或2 年隨訪結果分為良性組34 例和惡性組56 例。90 例患者中男性37 例，女性53 例，年齡34～75 歲，平均（56.32±10.17）歲；純磨玻璃影結節（pGGN）38 例，混合型性磨玻璃影結節（mGGN）52 例。納入標準：①年齡≥18 歲，經CT 檢查明確為肺部孤立性GGN；②影像學表現清晰明確，一般及臨床資料完整；③接受CT 檢查2 年內通過病理活檢或隨訪明確結節性質者。排除標準：①合并肺不張、活動性肺炎、胸腔積液者；②伴有肺門或縱膈處明顯的淋巴結腫大者；③合并肺轉移瘤者。

1.2 方法

1.2.1 CT 檢查 使用西門子64 排螺旋CT 機進行胸部CT 掃描檢查；掃描條件：管電壓80～140 kV，管電流60～100 mA，層厚5 mm，層間距5 mm；操作期間指導患者呼吸變化配合檢查，掃描區域為整個肺野；檢查結束后，所有患者的影像資料均由兩位影像科副主任級別及以上醫生共同閱片判斷，觀察并記錄病灶形態、實性成分、有無毛刺、分葉、支氣管充氣、空泡等征像，并測量病灶的大小。

1.2.2 Lung-RADS 分級及診斷 根據CT 表現，所有病灶根據Lung-RADS 分級標準進行分級［5］，主要分為2 級、3 級、4 級（4A、4B、4X）。2 級為良性表現，惡性發生率小于1%；3 級發生良性可能性大，惡性概率大于1%；4 級為可疑惡性，惡性概率較高。定義2 級為陰性，3 級和4 級為陽性。其中3 級和4 級患者均給出開展進一步的CT檢查或手術、病理活檢明確結節性質的建議，未進行手術、活檢的3 級及4 級患者及所有2 級患者每6 個月進行定期隨訪檢查，共隨訪兩年。兩年內結節明顯曾大或出現惡性表征時進行CT 檢查結合病理活檢明確結節性質；兩年內結節未出現明顯惡性變化者為明確良性GGN。將患者按照最終結節定性分為良性組34 例和惡性組56 例。

1.2.3 根據患者結節性質計算Lung-RADS 分級的診斷敏感度、特異度和準確度 敏感度=真陽性例數/（真陽性+假陰性）例數×100%，特異度=真陰性例數/（真陰性+假陽性）例數×100%，準確度=（真陽性+真陰性）/病例總數×100%。

1.3 統計方法

采用SPSS 19.0 統計軟件分析數據。計數資料以百分率（%）表示，組間比較用χ2檢驗；采用多因素Logistic 回歸分析影響GGN 良、惡性的因素；采用受試者工作特征（ROC）曲線分析指標的診斷性能。P＜0.05 為差異有統計學意義。

2 結果

2.1 Lung-RADS 分級診斷結果分析

本研究中90 例GGN 患者經手術、病理活檢診斷或2 年隨訪期證實良性34 例，惡性56 例。Lung-RADS 分級與最終結節性質分布結果如表1所示。可以看出，惡性組中陽性比例顯著高于良性組（P＜0.05）。Lung-RADS 診斷GGN 性質的敏感度為89.29%（50/56）、特異度為58.82%（20/34）、準確度為77.78%（70/90）。

表1 Lung-RADS 分級的敏感度、特異度分析 ［n(%)］

2.2 不同性質GGN 組間CT 征象差異

結果顯示，惡性組的不規則形態、毛刺征、分葉征、胸膜牽拉征、空泡征、空氣支氣管征比例顯著高于良性組，差異具有統計學意義（P＜0.05），見表2。

表2 不同CT 征象在良性組和惡性組間的差異 ［n(%)］

2.3 影響GGN 惡性的多因素Logistic 分析

納入表2 中組間有差異（P＜0.05）的指標以及Lung-RADS 分級進行多因素回歸，自變量賦值見表3。結果顯示，分葉征、毛刺征及Lung-RADS 分級是GGN 性質的獨立相關因素（P＜0.05），見表4。

表3 自變量賦值表

表4 多因素Logistic 回歸分析GNN 性質的相關因素

2.4 Lung-RADS 分級聯合CT 征象預測GGN 性質的價值

根據表4 中Logistic 回歸分析結果，建立Logistic 回歸方程，計算Lung-RADS 分級聯合分葉征和毛刺征的聯合變量。采用ROC 曲線分析聯合變量診斷GGN 性質的性能，結果顯示聯合變量的曲線下面積（AUC）為0.887（95%CI：0.803～0.994），靈敏度為94.12%，特異度為83.93%，見圖1。

圖1 Lung-RADS 分級聯合CT 征象的預測GGN 性質的ROC 曲線

3 討論

近年來，肺結節的良惡性鑒別診斷一直是肺癌篩查的重點和難點［6］。GGN 是肺結節常見的病變類型。研究顯示［7-8］，GGN 與肺癌密切相關，且多數肺腺癌早期表現為GGN。由于GGN 可見于炎癥、肺間質性疾病及腫瘤等多種病理改變，CT 影像學表現特異度較低［9］，進而使臨床診斷的難度增加。肺癌的早期篩查是一個較復雜的問題，在診斷的準確度、篩查成本及整體獲益之間需要適當的權衡［10］。而篩查結果可直接影響后續決策，特別是針對性質不明結節，缺乏統一的標準和規范。因此，探索規范的肺癌的篩查方法具有重要意義。Lung-RADS 分級系統是國外開發的標準化影像報告系統指南，其目的在于規范肺癌患者的篩查過程，合理指導臨床決策，減少醫療成本及降低患者多次檢查的風險，進而提高肺癌篩查的效率。Lung-RADS 分級的主要依據是病灶的大小和成分?，F有研究也證實［11］，GGN 結節的大小和成分是判斷其良惡性的重要指標。隨著基于Lung-RADS 分級的肺癌篩查逐漸開展，多數研究認為Lung-RADS 分級可降低篩查的假陽性率和患者CT 檢查次數，對肺癌的早期篩查工作具有一定價值［12］。本研究結果顯示，Lung-RADS 分級系統診斷惡性結節的敏感度89.29%、特異度58.82%，準確度77.78%，提示Lung-RADS 分級系統對GGN診斷具有一定作用，但性能仍不夠理想。有研究指出［13］單獨依靠Lung-RADS 分級系統診斷惡性結節存在一定的局限性，單純考慮結節大小和成分或可致使部分惡性結節漏診，尤其是肺癌風險較高的純磨玻璃結節（pGGN）。因此，臨床仍有必要對疑似惡性性質進行進一步高劑量CT 診斷獲取結節更多影像學征象，進而提高診斷的準確度［14］。因此將Lung-RADS 分級與CT 征象兩者聯合對診斷GGN 的性質具有一定的必要性。

不同的病理變化過程是決定良、惡性GGN 不同CT 征象的關鍵原因，結節的形態、分葉征、毛刺征、空泡征、空氣支氣管征、胸膜凹陷征等對鑒別其良惡性具有重要作用［15］。有研究表明［16-18］惡性GGN 結節在不規則性、空泡征、空氣支氣管征、胸膜凹陷征的發生程度顯著高于良性結節。其中，分葉征、毛刺征是肺癌診斷最常見的CT 征象。在惡性病灶的進展過程中，結節邊緣可向各個方向分化生長并受到周圍不同組織的牽拉，且由于阻力大小不同，使結節表現出多個波浪狀改變，形似分葉狀，即CT 表現上的分葉征；同時隨著病灶浸潤程度的不斷增加，侵犯鄰近的小血管、小淋巴管及支氣管末端或病灶內增生的膠原纖維對周圍組織產生牽拉，從而表現為多發的細短線條狀密度影，結節邊緣向周圍延伸呈放射狀毛刺，即為CT 中的毛刺征。研究表明［19-20］，分葉征、毛刺征在惡性結節中的發生比例顯著高于良性結節，也是結節惡變的獨立危險因素。本研究結果顯示，惡性GGN 組的不規則形態、分葉征、毛刺征、空泡征、空氣支氣管征、胸膜牽拉征比例均顯著高于良性GGN 患者，與既往研究相符，且GGN 的分葉征、毛刺征是惡性GGN 的獨立相關因素。進一步將Lung-RADS 分級與CT 征象中的毛刺征和分葉征聯合后，聯合變量診斷GGN 性質的特異度和敏感度均高于單獨Lung-RADS 分級診斷，提示Lung-RADS 分級聯合CT 征象可提高GGN 的診斷精度。

綜上所述，本研究認為Lung-RADS 分級系統聯合CT 征象對肺GGN 的鑒別診斷性能良好，優于單獨Lung-RADS 分級診斷，具有一定的臨床應用價值。這對臨床采取合理的診斷決策具有一定的提示意義。