01

目的

探讨三维重建技术对肺腺癌新分类标准在术前外科诊断中的应用价值，助力于开发人工智能在肺癌辅助诊疗方面的深度学习模型系统。

02

方法

回顾性分析 2018 年 10 月至 2020 年 6 月我院收治的 173 例经手术病理证实且肿瘤直径≤ 2 cm 肺磨玻璃结节患者的临床资料，其中男 55 例、女 118 例，中位年龄 61（28～82）岁。同一患者不同部位肺结节视为独立事件，共纳入 181 例研究对象。按照病理类型新分类标准，将其分为浸润前病变［不典型腺瘤样增生（AAH）和原位腺癌（AIS）］、微浸润腺癌（MIA）及浸润性腺癌（IAC），利用多平面重建（multiplanar reconstruction，MPR）和容积重建（volume reconstruction，VR）等技术，分析研究三维重建相关参数与肺腺癌不同病理亚型之间的关系及其诊断价值。

03

结果

肺腺癌不同病理类型肺结节的直径（P<0.001）、平均 CT 值（P<0.001）、实性成分比值（P<0.001）、结节类型（P<0.001）、结节形态（P<0.001）、胸膜凹陷征（P<0.001）、空气支气管征（P=0.010）、结节内有无血管出入（P=0.005）、TNM 分期（P<0.001）差异均有统计学意义，而结节生长部位差异无统计学意义（P=0.054）。同时还发现随着肺腺癌不同病理亚型侵袭性增加，各组参数显性征象比例也逐渐升高。多因素 logistic 回归分析结果显示，结节直径和平均 CT 值或实性成分比值是浸润前病变进展为浸润性腺癌的独立危险因素。

04

结论

三维重建下肺小结节各种影像征象，包括结节直径、平均 CT值、实性成分比值、形态、类型、血管出入情况、空气支气管征、胸膜凹陷征对肺腺癌新分类标准的诊断具有重要价值，在临床能够为患者采取个性化治疗提供指导。

肺癌是临床最常见的恶性肿瘤之一，同时也是癌症疾病谱当中死亡率排名榜首的癌症类别[1]。根据有关统计，肺癌的 5 年生存率低于 20%[2]。肺腺癌是非小细胞肺癌（non-small cell lung cancer， NSCLC）最主要的组织病理类型，约占肺癌患者人群的 40%[3]。随着 CT 影像筛查的普及，越来越多的肺小结节被发现，但同时也给临床医生对肺小结节良恶性诊断带来挑战。

肺小结节影像表现多呈磨玻璃，即磨玻璃影（ground-glass opacity，GGO）。许多研究结果表明肺磨玻璃结节（ground-glass nodule，GGN）的影像学特征和病理密切相关。2011 年国际肺癌研究协会（The International Association for the Study of Lung Cancer，IASLC）、美国胸外科学会（American Thoracic Society，ATS）、欧洲呼吸学会（ European Respiratory Society，ERS）联合公布了新的肺腺癌的国际多学科分类标准[4]，其主要包括：浸润前病变［不典型腺瘤样增生（ atypical adenomatous hyperplasia，AAH）和原位腺癌（adenocarcinoma in situ，AIS）］、微浸润腺癌（minimally invasive adenocarcinoma，MIA）、浸润性腺癌（invasive adenocarcinoma，IAC），这一新的分类方法对基于 CT 的影像学表现的诊疗指南的形成具有非凡意义。

肺腺癌的不同病理亚型与预后密切相关[5-6]，因此及时、准确地诊断肺腺癌浸润性对临床合理选择治疗方案至关重要。我们发现虽然 CT 影像学对肺 GGN 的诊断开展了大量研究，但采用螺旋 CT 三维重建技术对肺腺癌演变的不同病理亚型的鉴别诊断报道较少，为了提高螺旋 CT 三维重建技术识别肺 GGN 精确诊断的价值，早期明确肺小腺癌的恶性程度以便选择最佳治疗方式，我们对此进行了探讨。

1.1 临床资料

纳入标准：（1）术前已完善胸部肺结节三维重建的肺 GGN 患者；（2）结节直径≤ 2 cm；（3）术后有病理科明确的病理诊断结果。排除标准：（1） CT 影像上直径>2 cm；（2）病理结果为转移性肺癌、鳞状细胞癌或大、小细胞肺癌者；（3）病理虽为腺癌，但分期超过 T1bN0M0 者（第 8 版肺癌 TNM 分期）。

收集 2018 年 10 月至 2020 年 6 月我院手术切除后有明确病理结果的并且术前有完整 CT 三维重建影像资料的 173 例患者的临床资料，其中男 55例、女 118 例，中位年龄.61（28～82）岁。同一患者不同肺结节的术后病理诊断结果视为独立事件，故总共纳入研究对象 181 例，统计患者的年龄、性别、病理分型、GGN 类型、形态、位置、直径、平均 CT 值、实性成分比值（consolidation/tumor ratio， CTR）、TNM 分期及 GGN 内血管情况、有无空气支气管征、胸膜凹陷征。

1.2 三维重建方法

采用 GE LightSpeed 16 排和 Toshiba Aquilion 64 排 CT 机行常规胸部 CT 容积扫描，扫描范围自肺尖到后肋膈角。扫描参数：管电压 120 kV，螺距0.993，矩阵768×768，层厚、间隔 1 mm。采用高分辨骨算法及标准算法，肺窗窗宽 1 500 Hu，窗位 –500 Hu；纵隔窗窗宽 300 Hu，窗位 10 Hu。扫描结束后将数据传送到 CT 工作站，利用容积数据对病灶层面进行薄层重建、多平面重组（MPR），实时调节三维重建图像的对比度及亮度，获得类似纤维内镜的仿真色彩；见图 1。 

图1　肺结节 CT 和三维重建图像　 

a：水平位；b：矢状位；c：三维成像

1.3 评价指标 

CT 图像分析和影像征象的确认由 1 名中级职称和 1 名高级职称医师采用盲法完成，评价指标：（1）病灶部位：分析至肺叶水平；（2）病灶形态学：观察病灶特征（不规则、分叶或毛刺、棘突）；有无血管进入、胸膜凹陷征、空气支气管征；（3）观察 GGN 类型，分为实性结节、纯磨玻璃结节（pure ground glass nodule，pGGN）、混合性磨玻璃结节（mixed ground glass nodule，mGGN）和空泡性结节；（4）病灶直径：选择病灶最大层面，测量病灶最大直径及垂直径线长度，病灶直径为二者平均值；（5）CT 值：测量不同病灶感兴趣区 CT 值，感兴趣区应选择病灶最大层面，且避开大血管和空泡成分，该区域应包括病灶最大层面的 70% 以上；（6）CTR：观察实性成分最大直径与肿瘤最大直径比值，分为 0～0.5 和>0.5～1.0。

1.4 统计学分析

采用 SPSS 23.0 统计软件进行数据分析，符合正态分布的计量资料以均数±标准差（

）表示，组间比较采用单因素方差分析；计数资料以例数及率（%）表示，组间比较采用 χ2检验；影响因素分析采用多因素 logistic 回归分析。P<0.05 为差异有统计学意义。 

1.5 伦理审查

本研究已通过我院伦理委员会审批，批准号：（2021）伦审第（001）号。

按照肺腺癌不同病理亚型分为 3 组，54 例浸润前病变（AAH 和 AIS），男 12 例、女 42 例，平均年龄 28～71（53.7±11.0）岁。54 例 MIA，男 13 例、女 41 例，平均年龄 30～82（57.7±12.1）岁。73 例 IAC，男 30 例、女 43 例，平均年龄 41～80（64.4 ± 8.8）岁。患者螺旋 CT 肺结节三维重建所测参数包括病灶直径、平均 CT 值、CTR、病灶类型、形态、生长部位及有无血管出入、空气支气管征、胸膜凹陷征见表 1。

表1　181 个肺结节三维重建相关参数特征［

/例（%）］

AAH：不典型腺瘤样增生；AIS：原位腺癌；MIA：微浸润腺癌；IAC：浸润性腺癌；GGN：磨玻璃结节；CTR：实性成分比值

经单因素分析，肺腺癌不同病理类型肺结节的直径（P<0.001）、平均 CT 值（P<0.001）、CTR（P <0.001）、结节类型（P <0.001）、结节形态（P<0.001）、胸膜凹陷征（P<0.001）、空气支气管征（P=0.010）、结节内有无血管出入（P=0.005）、TNM分期（P<0.001）差异均有统计学意义，而结节生长部位差异无统计学意义（P=0.054）。同时本研究还发现随着肺腺癌不同病理亚型侵袭性增加，各组参数显性征象比例也逐渐升高。

采用多元 logistic 回归进行多因素分析，将单因素分析有意义的定性资料作为因子，计量资料作为协变量，结果发现：MIA 与浸润前病变组相比， CTR 和结节直径为独立影响因素，它们二者是影响肺腺癌恶性程度的风险因素；IAC 组与浸润前病变组相比，平均 CT 值和结节直径为独立影响因素，此二者是影响肺腺癌恶性程度的风险因素；见表 2。 

表2　肺腺癌侵袭性影响因素的多因素回归分析

CT 三维重建技术作为多学科交叉的研究新领域，近些年来发展方兴未艾，被广泛运用于医学的各个学科，尤其是胸外科诊断和模拟干预[7-8]。肺结节血管三维重建技术的应用，有效地帮助了外科医生对早期肺小结节的发现及鉴别诊断，避免给患者带来延误治疗或者过度诊疗。它的出现可以从任何角度全方位自由旋转交互式显示肺结构（血管、支气管和结节），提高临床医生对肺小结节良恶性及侵袭性的诊断准确率。

浸润前病变发展到浸润性腺癌是一个动态演变过程，换言之是进展为肺腺癌的不同阶段，在此过程中肿瘤细胞增殖，逐渐充填、堆积，致使瘤体内浸润成分占比逐渐增多，影像学上表现为体积增大、密度增高、非钙化性实性成分比例增加。据报道与三维实体大小相比，三维 GGN 比值与病理侵组，可以得出当 CTR>0.5 时，从浸润前病变到浸润袭性的相关性更强[9]。有学者研究 CTR 可以初步判性肺腺癌所占的比例逐渐升高，说明与肺腺癌的恶断肺结节的恶性程度和侵袭性，当 CTR 越大，在一性程度增加呈一致性。同时本研究还发现浸润前定水平上说明恶性程度越高[10]，而且其值也与患者病变到浸润性腺癌，随着肿瘤侵袭性增加，影像学的预后相关[11]。以此为基础，本研究将 CTR 进行分上表现为分叶、毛刺、棘突、空泡、胸膜凹陷征、空层，以其值 0.5 为界限，分成 0～0.5 和>0.5～1.0 两支气管征等比例同时会逐渐升高，这些征象对肺腺癌相关组织亚型的鉴别诊断意义重大。本次收集的肺结节患者资料，结节大小≤ 2 cm，都处于Ⅰa期，未见淋巴结转移。并且，多因素 logistic 回归分析研究发现结节直径大小和平均 CT 值或 CTR 是肺腺癌恶性程度增加的独立风险因素。

目前，人工智能发展迅猛，被认为是世界三大领先技术之一。人工智能的主要研究领域包括机器感知、机器思维和机器学习与行为。深度学习是近年来人工智能的一个重要新兴领域，取得了许多新的进展。例如，深度学习人工智能在发现和诊断肺结节方面的初步应用[12-13]。本研究利用三维重建技术得到的一些参数数据有望能够给人工智能深度学习领域一些参考和借鉴，提高人工智能诊断水平。