高健 齊清怡 李浩 于潔 張建 林冰冰 李曉 洪楠 李運(yùn)

胸部計(jì)算機(jī)斷層掃描（computed tomography,CT）表現(xiàn)為磨玻璃結(jié)節(jié)（ground-glass nodule,GGN）的肺癌預(yù)后相對(duì)較好，存在淋巴結(jié)轉(zhuǎn)移的比例低，常采取亞肺葉切除及縱隔淋巴結(jié)采樣。病理為浸潤(rùn)性腺癌（invasive adenocarcinoma,IAC）的部分混合磨玻璃結(jié)節(jié)（mixed ground-glass nodules,mGGNs）患者會(huì)出現(xiàn)淋巴結(jié)轉(zhuǎn)移。淋巴結(jié)轉(zhuǎn)移會(huì)導(dǎo)致患者腫瘤原發(fā)灶-淋巴結(jié)-轉(zhuǎn)移（tumornode-metastasis,TNM）分期的升級(jí)及預(yù)后變差，需接受肺葉切除及縱隔淋巴結(jié)清掃。研究[1-4]表明術(shù)中淋巴結(jié)評(píng)估與術(shù)后漏氣時(shí)間延長(zhǎng)、房性心律不齊、乳糜胸、喉返神經(jīng)損傷、術(shù)中出血增加、手術(shù)時(shí)間延長(zhǎng)、中轉(zhuǎn)開(kāi)胸的概率增加、住院時(shí)間延長(zhǎng)等情況有關(guān)?？紤]到淋巴結(jié)病理分期的重要性和淋巴結(jié)評(píng)估手術(shù)方式帶來(lái)的手術(shù)并發(fā)癥風(fēng)險(xiǎn)，術(shù)前進(jìn)行淋巴結(jié)的準(zhǔn)確評(píng)估以指導(dǎo)手術(shù)切除范圍和患者預(yù)后非常重要。作為放射組學(xué)的一種方便而有代表性的方法，CT直方圖可以提供一些超出人眼的關(guān)鍵放射學(xué)因素，如偏度和熵等[5-7]。最近，基于體素的胸部CT直方圖分析在識(shí)別病理侵襲性、淋巴結(jié)狀態(tài)預(yù)測(cè)和適合亞肺切除的早期肺腺癌方面顯示出巨大的作用[8-10]。既往對(duì)GGN淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè)研究較少，本研究擬在病理為IAC的大樣本mGGN隊(duì)列中，利用基于人工智能的肺結(jié)節(jié)輔助診斷系統(tǒng)分析mGGN的全面影像學(xué)指標(biāo)，探索能夠預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的臨床和影像學(xué)指標(biāo)，構(gòu)建mGGN淋巴結(jié)轉(zhuǎn)移狀態(tài)的預(yù)測(cè)模型。

1 資料與方法

1.1 患者信息及納入標(biāo)準(zhǔn) 本研究納入了2014年1月-2019年10月于北京大學(xué)人民醫(yī)院胸外科行手術(shù)治療的患者。納入標(biāo)準(zhǔn)：（1）胸部CT提示mGGN（直徑5 mm-30 mm）并接受手術(shù)；（2）術(shù)后病理結(jié)果證實(shí)為IAC；（3）未合并惡性實(shí)性結(jié)節(jié)的肺結(jié)節(jié)883例。其中570例（64.55%）與313例（35.45%）患者分別接受系統(tǒng)性淋巴結(jié)采樣或清掃。通過(guò)電子病歷系統(tǒng)收集對(duì)應(yīng)的臨床信息、病理組織學(xué)信息及影像學(xué)信息，本研究已通過(guò)北京大學(xué)人民醫(yī)院倫理委員會(huì)批準(zhǔn)。

1.2 影像學(xué)評(píng)估及指標(biāo)的測(cè)量和計(jì)算 所有患者的胸部CT掃描圖像層厚為1 mm或1.25 mm，其中肺窗的窗位-600 HU、窗寬1,500 HU，縱隔窗的窗位40 HU、窗寬400 HU。將所有薄層圖像傳至肺結(jié)節(jié)人工智能輔助診斷系統(tǒng)（InferRead CT Lung，推想醫(yī)療科技股份有限公司），完成所有肺結(jié)節(jié)的自動(dòng)檢測(cè)。由兩位有經(jīng)驗(yàn)的影像科醫(yī)生對(duì)推想系統(tǒng)篩選出的結(jié)節(jié)進(jìn)行單獨(dú)核查，人工篩選出手術(shù)所切除的mGGN。

肺結(jié)節(jié)人工智能輔助診斷系統(tǒng)基于深度學(xué)習(xí)算法實(shí)現(xiàn)磨玻璃結(jié)節(jié)范圍的自動(dòng)分割和典型征象的自動(dòng)識(shí)別。首先，以-300 HU為區(qū)分實(shí)性成分與磨玻璃成分的CT值閾值，基于體素法計(jì)算結(jié)節(jié)體積、平均密度、實(shí)性成分體積、實(shí)性成分比值（consolidation tumor ratio,CTR）、質(zhì)量等三維度量指標(biāo)。接著，根據(jù)結(jié)節(jié)范圍內(nèi)每個(gè)CT值所對(duì)應(yīng)的體素?cái)?shù)量，構(gòu)建CT密度直方圖，通過(guò)Python編碼、按照相應(yīng)的公式自動(dòng)計(jì)算得到包括方差、偏度、峰度、熵等密度直方圖相關(guān)指標(biāo)。同時(shí)，將該系統(tǒng)檢測(cè)識(shí)別的典型征象經(jīng)影像科醫(yī)生確認(rèn)后作為形態(tài)學(xué)指標(biāo)，包括分葉征、毛刺征和胸膜牽拉征等。

1.3 統(tǒng)計(jì)學(xué)分析 使用SPSS 26.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析，分類(lèi)變量采用Fisher精確檢驗(yàn)，連續(xù)變量中符合正態(tài)分布的采用獨(dú)立樣本t檢驗(yàn)分析，采用均數(shù)±標(biāo)準(zhǔn)差（Mean±SD）表示。不符合正態(tài)分布的數(shù)據(jù)采用秩和檢驗(yàn)（曼-惠特尼U檢驗(yàn)）分析，采用中位數(shù)（四分位間距）［Median (IQR)］表示。應(yīng)用R軟件建立Lasso邏輯斯蒂回歸模型，懲罰系數(shù)λ取lambda.min，篩選和確定保留的預(yù)測(cè)因素，進(jìn)行受試者工作特征（receiver operating characteristic,ROC）曲線驗(yàn)證模型的準(zhǔn)確性，并計(jì)算ROC曲線下面積以評(píng)估預(yù)測(cè)模型的效用。

2 結(jié)果

2.1 mGGN中不同淋巴結(jié)狀態(tài)的臨床病理信息 本研究中術(shù)后病理結(jié)果為IAC的單純mGGN患者共883例，其中12例（1.4%）出現(xiàn)淋巴結(jié)轉(zhuǎn)移。在病理為IAC的mGGN中，女性占多數(shù)（65.0%），只有相對(duì)少數(shù)的部分合并有吸煙史（20.8%）、既往惡性腫瘤病史（7.2%）和惡性腫瘤家族史（13.4%）。根據(jù)mGGN病理淋巴結(jié)轉(zhuǎn)移的狀態(tài)，本研究將其分為無(wú)淋巴結(jié)轉(zhuǎn)移即LN（-）組和伴有淋巴結(jié)轉(zhuǎn)移即LN（+）組，兩組的臨床信息見(jiàn)表1。兩組對(duì)比發(fā)現(xiàn)，LN（+）組相較于LN（-）組患者存在既往其他惡性腫瘤病史的概率更高（25.0%vs7.0%,P=0.050），但無(wú)統(tǒng)計(jì)學(xué)意義。兩組間的男性比例（33.3%vs35.0%,P＞0.999）、年齡［（64.75±11.76）歲vs（60.21±9.91）歲，P=0.116］、吸煙史比例（16.7%vs20.9%,P＞0.999）和惡性腫瘤家族史比例（16.7%vs13.3%,P=0.668）的差異沒(méi)有統(tǒng)計(jì)學(xué)意義。

表1 883例mGGN中不同淋巴結(jié)轉(zhuǎn)移狀態(tài)的臨床信息對(duì)比Tab 1 Comparison of clinical information of different lymph node (LN) metastasis states in 883 cases of mixed ground-glass nodules (mGGNs)

2.2 mGGN中不同淋巴結(jié)狀態(tài)的影像學(xué)信息 在評(píng)估m(xù)GGN的影像學(xué)指標(biāo)中，我們納入了密度、體積、質(zhì)量、CTR等三維度量指標(biāo)，分葉征、毛刺征、胸膜牽拉征等形態(tài)學(xué)指標(biāo)以及方差、峰度、偏度和熵等CT直方圖相關(guān)指標(biāo)。因既往研究顯示mGGN中實(shí)性成分顯著影響其病理狀態(tài)，我們將實(shí)性成分的三維度量指標(biāo)單獨(dú)分析，兩組的影像學(xué)信息詳見(jiàn)表2。

表2 883例mGGN中不同淋巴結(jié)轉(zhuǎn)移狀態(tài)的影像學(xué)信息對(duì)比Tab 2 Comparison of imaging features of different lymph node metastasis states in 883 cases of mGGNs

LN（+）組相較于LN（-）組的平均密度［-185.07 (92.58) HUvs-422.82 (181.42) HU,P＜0.001］、實(shí)性成分平均密度［-101.31 (57.28) HUvs-172.66 (75.30) HU,P＜0.001］、實(shí)性成分體積［1.04 (1.58) cm3vs0.27 (0.67) cm3,P=0.001］、實(shí)性成分質(zhì)量［0.93 (1.47) gvs0.22 (0.59) g,P=0.001］、實(shí)性成分百分比［71.90% (21.04%)vs21.93% (31.94%),P＜0.001］等度量指標(biāo)均相對(duì)較大。在形態(tài)學(xué)指標(biāo)中，LN（+）組相較于LN（-）組的毛刺征（100.0%vs72.4%,P=0.044）和胸膜牽拉征（50.0%vs23.9%,P=0.046）出現(xiàn)的頻率較高。在CT直方圖的相關(guān)變量中，LN（+）組比LN（-）組的偏度（-0.001±0.53vs0.70±0.53,P＜0.001）和峰度［1.98 (0.62)vs2.72 (1.51),P=0.006］的值相對(duì)更小。但是兩組間的體積［1.81 (1.67) cm3vs1.49 (1.91) cm3,P=0.584）、質(zhì)量［1.43 (1.67) gvs0.84 (1.19) g,P=0.101］、分葉征（100.0%vs77.0%,P=0.079）、直徑［20.77 (5.56) mmvs18.12 (8.78) mm,P=0.081］、方差（×10,000）［2.52 (1.72)vs2.23 (1.40),P=0.070］和熵［8.80 (0.57)vs8.69 (0.59),P=0.109］的差異未呈現(xiàn)出統(tǒng)計(jì)學(xué)意義。

2.3 mGGN的臨床影像信息與淋巴結(jié)轉(zhuǎn)移的Lasso邏輯斯蒂回歸模型分析 采用Lasso回歸模型對(duì)mGGN的臨床影像信息所有相關(guān)的變量進(jìn)行篩選，結(jié)果顯示，隨著λ值增大，模型壓縮程度越大，進(jìn)入模型的自變量個(gè)數(shù)減少，當(dāng)λ取最小值0.0045時(shí)，在所有特征變量的基礎(chǔ)上縮減為5個(gè)潛在的預(yù)測(cè)因素，包括既往惡性腫瘤病史、平均密度、實(shí)性平均密度、毛刺征、實(shí)性成分百分比，并且在Lasso回歸模型中具有非零系數(shù)（圖1，表3）。

表3 mGGN中的臨床影像信息與淋巴結(jié)轉(zhuǎn)移的Lasso回歸模型分析Tab 3 Lasso regression model analysis of clinical imaging information and lymph node metastasis in mGGN

圖1 mGGN淋巴結(jié)轉(zhuǎn)移的Lasso回歸模型分析。A ：每一條曲線展示了每一個(gè)自變量回歸系數(shù)的變化軌跡；B ：展示了在Lasso回歸模型中通過(guò)交叉驗(yàn)證和最小準(zhǔn)則來(lái)確定最優(yōu)λ值的過(guò)程。Fig 1 Lasso regression model analysis of mGGN lymph node metastasis.A: Each curve shows the trajectory of the regression coefficient for each independent variable;B: The process of determining the optimal λ value in the Lasso regression model by cross-validation and the minimum criterion is illustrated.

通過(guò)RO C 曲線分析Lasso邏輯斯蒂回歸模型的預(yù)測(cè)效能，結(jié)果顯示曲線下面積為0.899（95%CI: 0.807-0.992），敏感性為87.37%，特異性為83.33%（圖2）。

圖2 mGGN淋巴結(jié)轉(zhuǎn)移的評(píng)估模型的ROC曲線Fig 2 Receiver operating characteristic curve analysis of lymph node metastasis of mGGN.AUC: area under curve;ROC: receiver operating characteristic.

3 討論

為了選擇更合適的淋巴結(jié)評(píng)估方式，術(shù)前通過(guò)臨床影像信息對(duì)淋巴結(jié)轉(zhuǎn)移進(jìn)行預(yù)測(cè)是可行的方法。已經(jīng)有研究[11]證明，pGGN中不會(huì)出現(xiàn)淋巴結(jié)轉(zhuǎn)移，mGGN中淋巴結(jié)轉(zhuǎn)移率（N1/N2）為2.2%。在我們的研究中，整體的淋巴結(jié)轉(zhuǎn)移率為2.0%（18/889），但是經(jīng)排除合并實(shí)性結(jié)節(jié)后，最終淋巴結(jié)轉(zhuǎn)移率為1.4%（12/883），與既往報(bào)道較為相符。從病理類(lèi)型來(lái)說(shuō)，原位腺癌（adenocarcinomain situ,AIS）和微浸潤(rùn)性腺癌（minimally invasive adenocarcinoma,MIA）均未報(bào)道出現(xiàn)淋巴結(jié)轉(zhuǎn)移，為避免偏倚，本研究在分析中只納入最終病理證實(shí)為IAC的mGGN。

Koike等[12]報(bào)道年齡與病理淋巴結(jié)轉(zhuǎn)移的發(fā)生率相關(guān)。Pani等[13]提出，既往惡性腫瘤病史和身體質(zhì)量指數(shù)（body mass index,BMI）與淋巴結(jié)轉(zhuǎn)移獨(dú)立相關(guān)。然而這兩項(xiàng)研究的對(duì)象為早期肺癌，包括實(shí)性結(jié)節(jié)和GGN。在mGGN的研究中，Cho等[14]雖然統(tǒng)計(jì)了年齡、性別、吸煙史、既往肺部手術(shù)病史或肺癌病史等臨床信息，但是這些指標(biāo)與淋巴結(jié)轉(zhuǎn)移均無(wú)顯著相關(guān)性。我們的研究結(jié)果顯示，既往惡性腫瘤病史是淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè)因素。其原因存在局限性，可能與研究對(duì)象的結(jié)節(jié)類(lèi)型和病理類(lèi)型有關(guān)，仍然需要大樣本量驗(yàn)證。

隨著影像學(xué)技術(shù)的發(fā)展和計(jì)算水平的提高，三維度量指標(biāo)逐漸成為了重要的肺結(jié)節(jié)評(píng)估指標(biāo)，借助計(jì)算軟件輔助測(cè)量肺結(jié)節(jié)三維度量指標(biāo)成為新的研究問(wèn)題[15]。既往研究[12,16,17]中，肺結(jié)節(jié)的實(shí)性成分大小或腫瘤CTR被認(rèn)為與淋巴結(jié)轉(zhuǎn)移相關(guān)，但其研究均為一維度量指標(biāo)。我們的研究是通過(guò)基于人工智能技術(shù)計(jì)算對(duì)mGGN的三維度量指標(biāo)進(jìn)行了研究，發(fā)現(xiàn)平均密度、實(shí)性成分平均密度、實(shí)性成分體積、實(shí)性成分質(zhì)量以及三維CTR均與mGGN淋巴結(jié)轉(zhuǎn)移呈正相關(guān)，其中實(shí)性平均密度、三維CTR在Lasso回歸分析中對(duì)淋巴結(jié)轉(zhuǎn)移有預(yù)測(cè)意義。在我們的研究中，12例淋巴結(jié)轉(zhuǎn)移的mGGN中最低三維CTR為16.8%。在一維評(píng)估指標(biāo)相關(guān)的研究中，CTR≤0.5的腫瘤均未出現(xiàn)淋巴結(jié)轉(zhuǎn)移[110]，如果我們假設(shè)mGGN的整體和實(shí)性成分均為完美的球體，CTR的0.5對(duì)應(yīng)三維CTR的12.5%，低于上述最低的三維CTR為16.8%，與之前的研究結(jié)果相符。對(duì)于三維實(shí)性成分小于該數(shù)值的mGGN，可以考慮采用淋巴結(jié)采樣等創(chuàng)傷性較小的方式以降低患者的手術(shù)風(fēng)險(xiǎn)。

既往肺癌的淋巴結(jié)轉(zhuǎn)移與影像學(xué)檢查中的形態(tài)學(xué)指標(biāo)的相關(guān)性研究相對(duì)較少。2014年的一項(xiàng)研究[18]表明，在IA期肺腺癌中，支氣管充氣征的存在與淋巴結(jié)轉(zhuǎn)移陰性相關(guān)，但在多因素分析中沒(méi)有意義，同年Hattori等[19]報(bào)道支氣管充氣征在純實(shí)性結(jié)節(jié)中是淋巴結(jié)轉(zhuǎn)移陰性的獨(dú)立預(yù)測(cè)因素，提示該指標(biāo)更可能在實(shí)性結(jié)節(jié)中與淋巴結(jié)轉(zhuǎn)移相關(guān)。mGGN與淋巴結(jié)轉(zhuǎn)移的研究本身較少，本研究納入了常見(jiàn)三種形態(tài)學(xué)指標(biāo)，其中毛刺征和胸膜牽拉征在LN（+）組出現(xiàn)的頻率較高，毛刺征在Lasso回歸分析中對(duì)淋巴結(jié)轉(zhuǎn)移有預(yù)測(cè)意義。Shimada等[20]在對(duì)臨床IA期非小細(xì)胞肺癌（non-small cell lung cancer,NSCLC）的淋巴結(jié)轉(zhuǎn)移的研究中，將腫瘤的CT直方圖信息（包括偏度、峰度）納入進(jìn)來(lái)，這項(xiàng)研究中，偏度在單因素分析中與淋巴結(jié)轉(zhuǎn)移相關(guān)，但是在多因素分析中無(wú)統(tǒng)計(jì)學(xué)意義。本研究得到了與前述研究相同的結(jié)論，但目前在分析中未能觀察到CT直方圖指標(biāo)在評(píng)估淋巴結(jié)轉(zhuǎn)移中的相關(guān)性。盡管既往研究[21]認(rèn)為在NSCLC中，偏度提示了脈管和臟層胸膜侵犯，但是從目前的結(jié)果來(lái)看，CT直方圖相關(guān)指標(biāo)無(wú)法單純?cè)u(píng)估m(xù)GGN中淋巴結(jié)轉(zhuǎn)移的狀態(tài)。

本研究證實(shí)，既往惡性腫瘤病史、平均密度、實(shí)性成分平均密度、毛刺征和三維CTR是mGGN患者中預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的參考因素。臨床信息結(jié)合CT影像信息可以較準(zhǔn)確地評(píng)估m(xù)GGN的淋巴結(jié)轉(zhuǎn)移情況，有助于指導(dǎo)臨床治療決策尤其是確定手術(shù)切除范圍。

Author contributions

Gao J and Qi QY conceived and designed the study.Li H performed the experiments.Yu J,Zhang J and Lin BB analyzed the data.Li X,Hong N and Li Y provided critical inputs on design,analysis,and interpretation of the study.All the authors had access to the data.All authors read and approved the final manuscript as submitted.