加强肺内纯磨玻璃密度结节的影像学研究，提升临床处理水平 本文原载于《中华放射学杂志》 2017年第7期
随着肺部低剂量CT筛查的广泛开展，肺内磨玻璃密度结节（ground glass nodule, GGN）的检出越来越多。根据结节内有或无实性成分，GGN一般分为混合磨玻璃结节（mixed ground glass nodule，mGGN）和纯磨玻璃结节（pure ground glass nodule，pGGN），其中pGGN大多为不典型腺瘤样增生（AAH）、原位腺癌（AIS）或微浸润腺癌（MIA）。在临床处理中MIA多选择手术局部切除，AAH或AIS则可随访观察。正确判断pGGN的性质对临床正确处理、避免过度有着重要意义。目前国内对于GGN的研究主要集中在形态学、良恶性鉴别、侵袭性及定量分析二代身份证识别系统
[1]，但对GGN密度分型的认识存在一定的差异，临床处理过于随意，存在一定程度的过度诊断与过度问题。 一、pGGN定义的争议
pGGN指结节中没有实性成分，然而不同的判断方法对同一个结节有无实性成分会有不同的结果[2]，这也是争议所在。日本放射学会采用肺窗，认为存在遮挡血管、支气管的非血管结入口雨棚
构密度即为实性成分[3]；Fleischner协会采用纵隔窗，认为纵隔窗上pGGN仍有组织可见即为实性成分，反之则为无实性成分[4]；部分研究采用中间窗判断[5]；部分研究采用CT阈值法定量判断[6]。这些方法各有优缺点，例如，采用肺窗判断有无实性成分，则pGGN密度不均匀会判断为具有实性成分，此时判断实性成分的敏感度较高但特异度降低，一些不均匀的pGGN常划归到mGGN，导致评估过度；采用纵隔窗时，则部分病灶会判断为非实性部分，此时判断实性成分的敏感度降低但特异性增高，可能将部分mGGN错划为pGGN，导致评估不足；以中间窗判断有无实性成分，采用的窗位尚无共识性标准，目前也尚无大宗病例的报道。笔者认为，采用-300 HU阈值窗位并结合CT密度直方图，能更准确地判断GGN有无实性成分，可对pGGN有无浸润性做出术前预判，使GGN的分类更加准确，临床处理更有预见性和目的性。
二、pGGN的检出及显示
胸部常规CT和低剂量CT扫描均可检出pGGN，但需注意直径在5.0 mm以下的pGGN在层厚5.0 mm以上的图像上容易漏诊，因此应常规行1.0~1.5 mm层厚图像重建（依不同生产厂商CT设备）。在CT设备条件允许的情况下，尽量使用低剂量扫描，新的后64排CT还可
以用超低剂量扫描[7]。
全面、客观、准确地显示pGGN，是结节定性、定量和进一步处理的前提。常规扫描和重建发现的结节，并不一定能精准显示结节的形态特点，大FOV扫描由于重建视野体素大，空间分辨率有限，对于微小的结节，尤其是纯磨玻璃密度的小结节，难以显示其细微结构特征。因此对pGGN形态的显示，笔者推荐扫描后对病灶区进行靶重建和三维后处理，必要时尚需改变体位靶扫描。靶扫描或靶重建通过缩小FOV，在矩阵相同的情况下，视野内像素变小，可提高组织的空间分辨率，从而能更加清晰地显示pGGN的形态特征及邻近结构的改变。超高分辨率重建可将重建矩阵增加至1024×1024，在显示分叶、瘤-肺界面及病灶内细微结构方面有更大的优势。对靠近肺底、后胸壁、心脏及膈肌的肺结节，受肺血坠积效应、心脏博动及呼吸运动的影响，形态特征常常不能充分显示，此时应改变体位（观察侧在上）进行靶扫描，使运动伪影减少、病变区域肺组织最大程度充气膨胀，提高图像信噪比，这样肺结节的形态、边缘、瘤-肺界面、内部细微结构及与邻近胸膜、支气管血管束的关系显示更加清楚，获得的诊断信息更多，可增加医师的诊断信心[8]。 尾气抽排系统三、pGGN的CT形态学主观评价
良性的pGGN病灶较小，边缘光滑整齐，无分叶，内部密度均匀；恶性的pGGN常常>1 cm，具有分叶、边缘毛糙的基本形态，清楚毛糙的界面是恶性pGGN最重要的征象。在恶性pGGN中，不规则形、空泡征和空气支气管征的出现率高于实性结节，毛刺征低于实性结节，这与肿瘤早期浸润性小有关[1]。pGGN中空气支气管征主要表现为支气管走行自然或扩张扭曲。pGGN与邻近血管的关系一定程度上也可以帮助定性或判断其浸润性[9]，但整体价值有限。
四、pGGN的CT定量分析
1．常规CT定量：
结节大小对结节定性和随访有很大的参考价值。一般情况下，pGGN越大，恶性可能越大，病理等级也就越高。pGGN的大小与其浸润性有一定的相关性[10]。测量的方法主要有三种：最大径（取CT横断面中结节最大截面的最长径）、平均直径（取CT横断面结节最大面相互垂直的最长径和最短径的均值）和结节体积。与测量直径相比，体积测量的可重复性和准确性更高，能够反映结节在三维空间内的变化，更加准确地评估结节大小及有无
生长。日常工作中，5 mm以下的结节建议用最大径，5 mm以上的建议用平均直径，有条件和科研需求的可以采用体积测量法。
pGGN的密度主要指平均CT值，包括单个层面的平均CT值及整个结节的平均CT值。平均CT值不仅能够预测其浸润性，还能预测其生长及患者的预后。当pGGN的直径>1 cm且平均CT值>-600 HU时高度提示结节为浸润性病变[11]；整个结节的平均CT值≥-670 HU时，pGGN生长的可能性较大，其敏感度为78.1%、特异度为80.0%[12]。因此准确测量结节的CT值对于判断pGGN的浸润性及生长潜能非常重要。
相比于测量体积，质量测量能够更加全面地反映结节有无生长，它在测量大小的同时，考虑到了结节密度的变化。有些结节在随访时大小没变甚至缩小，但密度增加，质量增长，对于这样的结节单纯大小和体积的测量可能会误判为结节无生长甚至缩小，但质量测量可以避免误判。质量测量也可预测肺腺癌的浸润性甚至判断预后[13]。
2．CT密度直方图：
相对于常规CT值的测量，CT密度直方图能够反映结节CT值的分布特征，提供的密度信息吸附剂再生
更丰富、更准确，尤其对肉眼难以分辨的pGGN密度差异可以客观呈现，定性价值更大。主要参数有直方图形态、最大峰值、百分位数CT值、百分位CT值斜率、各区间的像素体积百分比等。有研究表明，浸润性病变的CT直方图峰值显著高于浸润前病变的峰值；CT密度直方图能够预测pGGN的生长及浸润性，97.5百分位CT值越大和百分位CT值斜率越高，pGGN生长的可能性越大，需要缩短其随访间隔[14]。三维的CT密度直方图反映整个结节的密度构成，比二维更加正确，工作中结合形态学分析可提升定性能力。
3．CT定量随访：
肺结节的CT随访主要评价其大小、密度、质量的变化，通常采用体积倍增时间（volume doubling time，VDT）来表示，pGGN平均VDT为（628.5±404.2）d；而且VDT随着浸润性的增加而缩短。质量倍增时间（mass doubling time, MDT）也用来评估其增长速度，其识别pGGN增长的敏感度高于VDT。pGGN只要体积或质量增大，都要考虑结节生长或恶性，应建议对病灶楔形切除。对于初次CT上显示直径>1 cm、出现分叶征和空泡征的pGGN，则提示其恶性可能，应相应缩短随访时间或建议外科积极处理[15]。
五、PET-CT在pGGN诊断中的价值
表现为pGGN的肺腺癌由于肿瘤细胞含量少、增值活跃度低等因素，其脱氧葡萄糖（FDG）摄取很低或几乎没有摄取，单纯应用最大标准摄取值（SUVmax）对诊断没有价值；肺部本底的SUVmax与pGGN的SUVmax相似，因此依据其最大值或病灶SUVmax/肺本底SUVmax比率确定pGGN有无浸润的作用不大MOSFET裸片[16]。虽然FDG PET-CT在肺癌的TNM分期中具有重要作用，但对于表现为pGGN的肺腺癌，因其自身摄取特点以及极少发生转移，应用PET-CT进行TNM分期评估完全没有必要。
六、放射组学研究
放射组学是借助计算机科学将常规图像转换为可供挖掘的高通量数据，并加以分析获得定量、定性、预后等信息的研究方法。放射组学特征包括2D、3D的非纹理特征和纹理特征。非纹理特征包含病灶的大小、形状、位置、边界等相关的参数。纹理特征是对定性描述病灶的光滑度、毛糙度、不规则形进行定量化分析，常用的量化方法有统计学、结构化和频谱的方法。3D纹理特征包括灰度直方图、灰度共生矩阵和小波特征等。灰度直方图包含一般统计量、熵、能量等；灰度共生矩阵包含对比度、能量、一致性/逆差距、熵、均值、最大概率等。pGGN的质量越大、熵越高、同质性越低，其为浸润性腺癌（IAC）的可能性就
比例电磁铁越大[17]。目前放射组学在pGGN诊断中处于研究阶段，其定性定量价值有待于进一步探索[18]。
七、基于深度学习的人工智能研究
深度学习神经网络模型是最先进的人工智能技术，在短短几年内，已在多个领域展现了惊人的应用[19]。就目前人工智能的发展而言，医学影像人工智能辅助诊断将是下一个深度学习有潜力实现广泛应用的场景。中国的天然优势是海量的数据，但是，这项优势的具体实现离不开算法与运算系统的支持。医学影像深度学习应用是势在必行的大趋势，尤其是肺结节的检出和评估，将大量有病理对照的pGGN病例结合先进的算法形成诊断模型，实现比人类肉眼判断更精准的定量定性诊断并不是没有可能。
总之，薄层CT对pGGN的发现和形态学特征显示至关重要；依靠CT精准定量分析，结合形态学及动态随访变化对大多数pGGN可以做出定性及有无浸润性的判断。PET-CT在pGGN诊断及分期中的价值非常有限，不建议常规使用。在临床工作中，我们要深入研究以提高诊断特异度，需要对肺结节精准定量评估常态化。为了随访的前后可比性，建议使用相同
的扫描条件并使用CT精准定量格式化报告，客观全面比对结节的动态变化。随着科学技术的进步和多学科的交叉，放射组学和人工智能的研究会是未来几年的研究热点，有望在定量及智能判断上实现突破。
参考文献（略）
(收稿日期：2017-03-20)
（本文编辑：张琳琳)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议