基于定量CT對兒童難治性支原體肺炎的分析研究

雷禹，馮旭霞，呼甜，任園園，何思怡，李佳穎，黃曉旗，郭佑民

肺炎支原體(mycoplasma pneumoniae，MP)是兒童肺炎常見的重要致病菌，容易引起多種肺部疾病及肺功能改變[1]。肺炎支原體肺炎(mycoplasma pneumoniae pneumonia，MPP)在少數病例中可發展為嚴重威脅生命的疾病，如難治性支原體肺炎(refractory mycoplasma pneumoniae pneumonia，RMPP)、急性呼吸窘迫綜合征、壞死性肺炎和暴發性肺炎[2]。有研究表明，RMPP患兒在近年來越來越多[3]。因此，早期識別RMPP是臨床醫生面對的棘手問題。胸部CT能提示MPP多種影像學表現，病變的部位及范圍。傳統通過影像學征象及視覺評分判斷疾病的嚴重程度，缺乏客觀依據[4]。本研究基于人工智能計算機肺部感染輔助診斷客觀地對兒童支原體肺炎CT數據進行定量分析，尋找影像學定量分析的敏感指標，提高早期識別RMPP的能力，為臨床提供客觀依據。

材料與方法

1．一般資料

回顧性收集2019年1月-2021年4月在延安大學附屬醫院確診的MPP患兒118例，男62例，女56例，年齡(4.26±2.74)歲。納入標準：①患兒近期出現如咳嗽、咳痰、氣喘等呼吸道癥狀；②血清學檢查MP-IgM抗體陽性或鼻咽分泌物PCR檢測結果為陽性；③患兒在入院后3天內進行CT檢查，發現肺炎改變。排除標準：①患者配合差，圖像偽影大；②CT檢查肺部層面不完整；③CT數據顯示肺炎分割失敗，不能進行數據處理。RMPP的診斷標準基于大環內酯類抗生素治療7天或更長時間后仍存在持續發熱，臨床表現及影像學惡化[5]。最終118例MPP患兒中，診斷為RMPP患兒30例，普通支原體肺炎(general mycoplasma pneumoniae pneumonia，GMPP)患兒88例。

2．儀器與方法

掃描設備為UCT-760 128層螺旋CT(上海聯影科技)。掃描時患兒呈仰臥位自肺尖至肺底全肺掃描。部分患兒檢查前服用水合氯醛(0.5 mL/kg，最大劑量不超過10 mL)。掃描參數：管電壓100 kV，自動管電流，準直40 mm，螺距1.0875，轉速0.5 s/r，最小層厚0.625 mm，矩陣512×512，標準算法重建。

3．圖像分析及觀測指標

將CT掃描原始數據以“Dicom”格式導入人工智能計算機肺部感染輔助診斷分析軟件進行分割處理。該軟件首先自動識別出肺部邊界、支氣管和血管，在肺組織中去除支氣管和血管的部分，然后通過密度閾值和區域生長法識別高密度的肺炎病灶[6]。記錄病變區域容積(lesion volume，LV)，病變占全肺體積的百分比(percentage of lesion，LV%)，病變平均密度(mean lesion density，MLD)，低于-300 HU的低密度區百分比(ground glass opacity percentage，GGO%)及病變質量(lesion quality，LQ)。因為肺部大部分區域密度為負值，密度與體積的乘積即一定體積內人體組織的重量。為了便于理解，將病變平均密度加1000后轉為正值得到，計算公式為：LQ=LV×(MLD+1000)/1000。GMPP患兒與RMPP患兒AI分割效果圖見圖1、2。

4．統計學方法

采用SPSS 24.0進行統計學分析。計量資料以中位數(四分位數間距)表示，RMPP組與GMPP組的臨床一般資料與CT定量參數采用χ2檢驗或Mann-WhitneyU檢驗比較。采用受試者操作特征(receiver operating characteristics，ROC)曲線下面積(area under curve，AUC)分析CT定量指標對RMPP的預測價值。采用多因素logistic逐步回歸分析RMPP的獨立危險因素。以P<0.05為差異有統計學意義。

結 果

1．一般資料

RMPP組患兒年齡稍大于GMPP組，RMPP組患兒體溫、平均住院時間大于GMPP組患兒(P<0.01)。共有61名患兒出現了發熱的癥狀，RMPP組發熱率高于GMPP組；RMPP組喘息發生率明顯低于GMPP組；兩組之間咳嗽發生率差異無統計學意義(表1)。

表1 支原體肺炎患兒RMPP組與GMPP組的一般資料差異

2．CT定量指標

RMPP組與GMPP組各CT定量指標的差異均有統計學意義(P<0.05)。RMPP組病變范圍廣、病變密度高、病變質量大，磨玻璃密度病變占比低(表2)。

表2 RMPP組與GMPP組CT定量指標的差異

3．RMPP組患兒ROC曲線分析

將GMPP組及RMPP組之間存在明顯差異的CT定量指標行ROC曲線分析，得出LV、LV%、MLD、GGO%及LQ可以鑒別RMPP組與GMPP組(P<0.01)，見表3，圖2。AUC由高到低依次為：LQ、LV、LV%、GGO%和MLD，具體敏感度、特異度及可信區間見表3。

圖1 女，8歲，GMPP患兒。a)橫軸面CT示左肺上葉片狀實變影；b)冠狀面CT示左肺上、下葉病灶，邊緣模糊(病灶紅線內)；c)肺區三維分割圖，較為清楚地顯示病灶在三位空間內的分布情況(紅色部分)。圖2 男，10歲，RMPP患兒。a)橫軸面CT示左肺下葉大片狀實變及磨玻璃影；b)冠狀面CT示病灶邊緣模糊矢狀面(病灶紅線內)；c)肺區三維分割圖顯示病變范圍較大(紅色部分)。

表3 CT定量指標各變量ROC曲線分析

4．對預測RMPP的CT指標進行多因素逐步logistic回歸分析

對118例患兒進行多因素逐步logistic回歸分析得，LV%>4.2、MLD>-296.36 HU、LQ>21.6 g是兩組間有預測價值的指標(P均<0.05)，OR值分別為11.8、6.9、10.7，調整了患兒的年齡、性別、體溫后OR值分別為11.8、7.1、10.5(表4)。

表4 RMPP相關因素的多因素逐步logistic回歸分析

討 論

MP是引起兒童尤其是兒童社區獲得性肺炎的主要病原體之一。雖然傳統上認為肺炎支原體感染是一個自限性的過程，但近年來大環內酯類藥物治療7天或更長時間后出現臨床和放射學進展的RMPP病例越來越多地被報道[7]。目前臨床實際工作中對于MPP缺乏早期快速診斷技術，影像學表現復雜多樣，實驗室檢查敏感性差等問題[8]。因此，一種高效的早期診斷與嚴重程度評估MPP患兒的檢查方法是目前亟待解決的緊迫任務。既往研究已經證實計算機肺部感染輔助診斷能夠對肺內病變部位快速檢出、定量評價病變范圍和病變演變過程定量分析評估[9-12]。隨著人工智能定量分析軟件不斷優化，為客觀評估病灶性質提供了一種可能的方法。

本研究中發現RMPP患兒年齡明顯高于GMPP患兒，這與以往文獻結果一致[13-14,19]。年齡較大的兒童免疫系統相對成熟，MP感染后反應更重，這可能也是RMPP發生的原因之一[3,15]。RMPP組患兒的體溫及平均住院時間均大于GMPP組，說明RMPP組患兒病變程度重，臨床病程長，因此早期診斷與治療至關重要。

本研究通過定量CT得出RMPP組患兒病變范圍廣、病灶密度高及病變質量大，表明CT定量指標可以用于判斷MP的感染程度，提示在RMPP時，強烈的炎癥反應導致細支氣管及肺泡腔內有大量中性粒細胞及組織液滲出[15]，導致肺內病變范圍及密度增加。李婭等[16]認為RMPP患兒胸片或胸部CT的肺部浸潤范圍越廣，MPP患兒疾病嚴重程度越重，預后不良，與本研究結果類似。Saraya等[17]使用HRCT視覺評分系統計算肺總受累面積與患者的嚴重程度呈顯著正相關，從側面印證了本研究的結論。ROC曲線分析顯示，預測MPP患兒發生RMPP的AUC由高到低依次為LQ、LV、LV%、GGO%、MLD。多因素二元逐步Logistic回歸顯示LV%>4.2、MLD>-296.36 HU、LQ>21.6 g為兩組間有預測價值的指標，這表明LV%>4.2、MLD>-296.36 HU、LQ>21.6 g對鑒別RMPP與GMPP患兒具有臨床價值。有研究表明[18-19]，出現大面積肺實變(面積超過肺葉的2/3)是RMPP的預測因素，這與本研究結果相似，LV%、MLD及LQ更為客觀的表示了以往視覺評估中大面積肺實變的概念，從而提供更為具體的截斷值用來鑒別RMPP患兒。

本研究的局限性：①本組數據屬于回顧性研究，且研究樣本量較少，數據結果可能產生一定偏倚。②可能有一些患者合并MP和其他病原體感染而無法檢測到，這可能導致RMPP。③兩組患者分布不匹配，可能會影響統計結果。因此，需要納入大量的MPP患者，并進行前瞻性研究。

總之，本研究采用人工智能計算機肺部感染輔助診斷對兒童支原體肺炎進行影像學CT定量研究，研究發現能夠客觀、精確地對于病變的嚴重程度進行評估。臨床醫生可以根據定量CT指標鑒別RMPP患兒，尤其是LV%>4.2、MLD>-296.36 HU、LQ>21.6 g來預測兒童RMPP的發生。