張 娜，鄂林寧，吳 山，武志峰*

(1.山西醫(yī)科大學(xué)研究生院，山西 太原 030001；2.山西醫(yī)學(xué)科學(xué)院 山西大醫(yī)院影像中心CT室，山西 太原 030032)

鑒別診斷良惡性孤立性肺結(jié)節(jié)(solitary pulmonary nodule, SPN)是胸部影像學(xué)研究的難點(diǎn)和熱點(diǎn)。組織結(jié)構(gòu)異質(zhì)性是惡性腫瘤的基本特征，CT紋理分析可定量分析病灶內(nèi)的組織結(jié)構(gòu)異質(zhì)性，發(fā)掘病灶內(nèi)部的潛在信息。目前紋理分析技術(shù)已應(yīng)用于腦、肺、乳腺、前列腺、肝臟和腎臟等良惡性腫瘤的鑒別、病理分型以及病變預(yù)后及治療療效評(píng)估[1-4]。本研究探討CT紋理分析鑒別診斷良惡性SPN的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性分析2014年5月-2017年5月我院經(jīng)病理及臨床證實(shí)的SPN患者97例，男56例，女41例；年齡19～81歲，平均(61.3±16.7)歲。根據(jù)病理類(lèi)型分為良性及惡性組，惡性組54例(54/97，55.67%)，男35例，女19例，年齡45～79歲，平均(63.2±10.4)歲，包括腺癌37例、鱗癌17例，經(jīng)手術(shù)切除病理證實(shí)35例、CT引導(dǎo)下細(xì)針穿刺證實(shí)19例；良性組43例(43/97，44.33%)，男26例，女17例，年齡19～81歲，平均(56.7±14.8)歲，包括炎性肉芽腫15例、結(jié)核瘤13例、錯(cuò)構(gòu)瘤8例、活動(dòng)性炎性結(jié)節(jié)7例，經(jīng)手術(shù)切除病理證實(shí)23例、經(jīng)皮肺穿刺活檢11例、臨床確診(即經(jīng)抗感染治療后結(jié)節(jié)消失)9例。納入標(biāo)準(zhǔn)：①胸部CT可見(jiàn)最大徑>1 cm且<3 cm的實(shí)性SPN；②結(jié)節(jié)內(nèi)無(wú)明顯鈣化及脂肪成分；③均有病理及臨床診斷結(jié)果。排除標(biāo)準(zhǔn)：①磨玻璃密度結(jié)節(jié)；②結(jié)節(jié)內(nèi)有空洞形成；③已接受放化療；④穿刺后的結(jié)節(jié)。

1.2 儀器與方法 采用Siemens Somatom Definition Flash雙源CT和Siemens Somatom Definition AS 128層CT機(jī)，掃描范圍由肺尖至雙側(cè)腎上腺水平。掃描參數(shù)：球管電壓120 kV，管電流 110～240 mA，開(kāi)啟實(shí)時(shí)動(dòng)態(tài)曝光劑量調(diào)節(jié)(Care-Dose 4D)，準(zhǔn)直0.6×128 mm，螺旋時(shí)間0.5 秒/圈，螺距因子0.9，掃描層厚5 mm。

1.3 圖像分析 由2名分別具有10年和3年工作經(jīng)驗(yàn)的放射科醫(yī)師獨(dú)立閱片，意見(jiàn)不一時(shí)經(jīng)協(xié)商解決。采用縱隔窗觀(guān)察圖像(窗寬：350 HU，窗位：50 HU)，選擇顯示結(jié)節(jié)最大徑的軸位圖像，測(cè)量結(jié)節(jié)的CT值及最大徑，將病灶中心層面及相鄰上下兩個(gè)層面(層間距為5 mm)調(diào)入MaZda[5]后處理軟件(Version 4.6)進(jìn)行紋理分析，沿病灶輪廓手動(dòng)勾畫(huà)ROI，使其面積大于病灶總面積的2/3，采用基于灰度共生矩陣(gray-level cooccurrence matrix, GLCM)法提取SPN的紋理特征(熵、熵和、熵差、對(duì)比度、相關(guān)、均和等)[6]，獲得3個(gè)層面的紋理特征值，取均值(圖1)。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 20.0及MedCalc 15.6.1統(tǒng)計(jì)分析軟件。計(jì)量資料以±s表示。采用獨(dú)立樣本t檢驗(yàn)比較2組的CT值、最大徑及各紋理參數(shù)；對(duì)差異有統(tǒng)計(jì)學(xué)意義的紋理參數(shù)及其不同組合建立ROC曲線(xiàn)，計(jì)算AUC：0.50.9為診斷效能顯著。根據(jù)最大約登指數(shù)(約登指數(shù)=敏感度+特異度-1)確定閾值，評(píng)價(jià)各紋理特征參數(shù)及其不同組合鑒別診斷良惡性SPN的特異度及敏感度；采用Medcalc軟件比較各組合之間AUC的差異。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

97例SPN中，良性組結(jié)節(jié)最大徑1.00～2.97 cm，平均(2.26±0.57)cm，平均CT值(26.96±9.92)HU，惡性組結(jié)節(jié)最大徑1.02～2.99 cm，平均(2.52±0.25) cm，平均CT值(22.13±8.55)HU，差異均無(wú)統(tǒng)計(jì)學(xué)意義(t=-0.98、1.16，P=0.079、0.087)。紋理特征：良性組的熵、熵和、熵差值均低于惡性組(P均<0.05)，2組SPN的對(duì)比度、相關(guān)、均和的差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05，表1)。

對(duì)上述有統(tǒng)計(jì)學(xué)意義的紋理參數(shù)及其不同組合建立ROC曲線(xiàn)，熵、熵和、熵差鑒別良惡性SPN的效能均較高(AUC均>0.700)；熵、熵和、熵差的閾值分別為1.564、1.212、0.987時(shí)，敏感度及特異度均較高(表2、圖2)。上述紋理特征的不同組合鑒別診斷良惡性SPN的效能均較高(AUC均>0.800；表3、圖3)，各組合間AUC的差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05；表4)。

3 討論

肺癌是發(fā)病率及死亡率均較高的惡性腫瘤，患者5年總體生存率不足5%[7]。早期診斷和治療可有效提高肺癌患者生存率[8]。CT紋理分析技術(shù)是新的圖像后處理技術(shù)，通過(guò)借助計(jì)算機(jī)定量提取圖像中不被肉眼識(shí)別的紋理特征揭示組織內(nèi)在的異質(zhì)性，反映不同組織間的細(xì)微差別[9]；可與CT圖像表現(xiàn)相結(jié)合，進(jìn)一步提高對(duì)SPN的診斷能力，為早期肺癌的鑒別診斷提供依據(jù)。

腫瘤異質(zhì)性是惡性腫瘤的重要特征之一，與腫瘤血管的生成有關(guān)[10]。不同組織學(xué)類(lèi)型病灶的新生血管生成方式和數(shù)量均存在差異，肺良性病灶內(nèi)的小血管為炎性反應(yīng)狀態(tài)，與肺癌內(nèi)新生腫瘤血管在數(shù)量和質(zhì)量上皆有顯著不同[11]。壞死是肺癌病灶的主要CT表現(xiàn)，Yi等[12]發(fā)現(xiàn)肺癌病灶內(nèi)壞死發(fā)生率隨病灶體積增大而增高。本研究中SPN病灶體積較小(<3 cm)，未見(jiàn)壞死征象。本研究結(jié)果顯示，良惡性SPN平均最大徑、CT值差異均無(wú)統(tǒng)計(jì)學(xué)意義，但良性組的紋理特征參數(shù)熵、熵和、熵差值均低于惡性組(P均<0.05)，提示以CT表現(xiàn)鑒別良惡性SPN困難，而紋理分析可通過(guò)數(shù)值的方式對(duì)CT圖像上肉眼不可見(jiàn)的異質(zhì)性進(jìn)行量化，有助于鑒別良惡性SPN。本研究采用的MaZda軟件已應(yīng)用于多項(xiàng)研究[1,5,13]。

表1 2組紋理特征參數(shù)結(jié)果比較(±s)

表1 2組紋理特征參數(shù)結(jié)果比較(±s)

組別熵熵和熵差對(duì)比度相關(guān)均和惡性組1.60±0.081.17±0.061.00±0.07234.64±30.77-0.20±0.2068.07±8.86良性組1.52±0.071.10±0.050.94±0.07211.53±26.23-0.17±0.2064.92±2.86t值3.393.742.661.981.821.17P值0.0020.0010.0110.6120.0820.255

表2 3種紋理特征鑒別診斷良惡性SPN的效能

表3 3種紋理特征的不同組合鑒別診斷良惡性SPN的效能

表4 3種紋理特征的不同組合間AUC的結(jié)果比較[t值(P值)]

注：—：未做比較

圖1 患者女，53歲，肺腺癌 A.軸位CT(縱隔窗)示右肺中葉內(nèi)側(cè)段結(jié)節(jié)，未見(jiàn)明顯壞死； B手工勾畫(huà)結(jié)節(jié)的ROI； C.MaZda軟件顯示肺結(jié)節(jié)紋理分析結(jié)果

圖2 3種紋理參數(shù)鑒別診斷良惡性SPN的ROC曲線(xiàn)圖 圖3 3種紋理參數(shù)的不同組合鑒別診斷良惡性SPN的ROC曲線(xiàn)圖

熵表示圖像中紋理的非均勻程度或復(fù)雜程度，紋理復(fù)雜時(shí)熵值大，反之，若圖像中灰度均勻，則熵值小。Wang等[14]發(fā)現(xiàn)惡性結(jié)節(jié)的熵值明顯高于良性結(jié)節(jié)(P<0.05)；任繼亮等[15]采用MRI紋理分析鑒別眼眶淋巴瘤與炎性假瘤，發(fā)現(xiàn)兩者熵值差異有統(tǒng)計(jì)學(xué)意義(P<0.005)；顏智敏等[16]認(rèn)為CT圖像紋理分析有助于鑒別直腸癌轉(zhuǎn)移性淋巴結(jié)與非轉(zhuǎn)移性淋巴結(jié)，尤其熵的價(jià)值最大。本研究中，良性組熵、熵和、熵差值均低于惡性組(P均<0.05)，而2組對(duì)比度、相關(guān)、均和的差異均無(wú)統(tǒng)計(jì)學(xué)意義，與既往研究[17-18]結(jié)果一致，提示惡性病灶內(nèi)部結(jié)構(gòu)較良性病灶更復(fù)雜、更不均勻。本研究中，熵、熵和、熵差對(duì)于鑒別良惡性SPN的效能均較高(AUC均>0.700)，熵、熵和、熵差的閾值分別為1.564、1.212、0.987時(shí)，敏感度及特異度均較高。上述紋理特征的不同組合鑒別診斷良惡性SPN的效能均較高(AUC均>0.800)，各組合間AUC的差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)，提示CT紋理分析可反映腫瘤內(nèi)部的組織結(jié)構(gòu)異質(zhì)性，具有一定鑒別診斷價(jià)值，是鑒別良惡性SPN的有效補(bǔ)充手段。

本研究的局限性：樣本量較少，結(jié)果可能存在偏倚；未對(duì)不同組織學(xué)類(lèi)型的肺癌進(jìn)行分組。