Lung-RADS分级系统联合CT征象在孤立性肺磨玻璃影结节诊断中的应用

赵月，夏国林

（郑州人民医院 医学影像科，河南 郑州 450003）

早期筛查、早期诊断及治疗是降低肺癌死亡率最为有效的方法［1］。近年来，随人们对自身健康意识的不断提高及影像技术的进步，肺结节尤其是孤立性肺磨玻璃影结节（ground-glass nodule,GGN）的检出率逐渐增加。有研究显示，GGN 恶性率约达34%，显著高于实性结节的7%［2］，且由于GGN 病变性质及内部成分复杂多样，使临床诊断难度加大［3］。此外，肺内结节的筛查多使用低剂量CT，但在临床的实际操作中，由于受多种因素的影响，要进行完全推广具有一定的难度，因此探索新的筛查方法具有重要意义。肺部影像报告和数据系统（Lung Imaging Reporting and Date System,Lung-RADS）是由美国放射学院针对肺癌高风险人群制定的肺结节影像学报告和数据系统［4］，多用于肺实性结节的初步鉴别，但目前在国内的应用价值尚未经大量研究证实，且在肺GGN 上的应用鲜有报道。因此，本研究旨在探讨Lung-RADS 分级系统联合CT 征象在肺GGN 诊断中的应用，为临床对GGN 的诊断筛查策略提供一定参考。现报道如下。

1 资料与方法

1.1 一般资料

分析2018 年5 月至2019 年5 月在郑州人民医院接受检查的90 例孤立性肺GGN 患者的临床资料，按照GGN 病理检查或2 年随访结果分为良性组34 例和恶性组56 例。90 例患者中男性37 例，女性53 例，年龄34～75 岁，平均（56.32±10.17）岁；纯磨玻璃影结节（pGGN）38 例，混合型性磨玻璃影结节（mGGN）52 例。纳入标准：①年龄≥18 岁，经CT 检查明确为肺部孤立性GGN；②影像学表现清晰明确，一般及临床资料完整；③接受CT 检查2 年内通过病理活检或随访明确结节性质者。排除标准：①合并肺不张、活动性肺炎、胸腔积液者；②伴有肺门或纵膈处明显的淋巴结肿大者；③合并肺转移瘤者。

1.2 方法

1.2.1 CT 检查 使用西门子64 排螺旋CT 机进行胸部CT 扫描检查；扫描条件：管电压80～140 kV，管电流60～100 mA，层厚5 mm，层间距5 mm；操作期间指导患者呼吸变化配合检查，扫描区域为整个肺野；检查结束后，所有患者的影像资料均由两位影像科副主任级别及以上医生共同阅片判断，观察并记录病灶形态、实性成分、有无毛刺、分叶、支气管充气、空泡等征像，并测量病灶的大小。

1.2.2 Lung-RADS 分级及诊断 根据CT 表现，所有病灶根据Lung-RADS 分级标准进行分级［5］，主要分为2 级、3 级、4 级（4A、4B、4X）。2 级为良性表现，恶性发生率小于1%；3 级发生良性可能性大，恶性概率大于1%；4 级为可疑恶性，恶性概率较高。定义2 级为阴性，3 级和4 级为阳性。其中3 级和4 级患者均给出开展进一步的CT检查或手术、病理活检明确结节性质的建议，未进行手术、活检的3 级及4 级患者及所有2 级患者每6 个月进行定期随访检查，共随访两年。两年内结节明显曾大或出现恶性表征时进行CT 检查结合病理活检明确结节性质；两年内结节未出现明显恶性变化者为明确良性GGN。将患者按照最终结节定性分为良性组34 例和恶性组56 例。

1.2.3 根据患者结节性质计算Lung-RADS 分级的诊断敏感度、特异度和准确度 敏感度=真阳性例数/（真阳性+假阴性）例数×100%，特异度=真阴性例数/（真阴性+假阳性）例数×100%，准确度=（真阳性+真阴性）/病例总数×100%。

1.3 统计方法

采用SPSS 19.0 统计软件分析数据。计数资料以百分率（%）表示，组间比较用χ2检验；采用多因素Logistic 回归分析影响GGN 良、恶性的因素；采用受试者工作特征（ROC）曲线分析指标的诊断性能。P＜0.05 为差异有统计学意义。

2 结果

2.1 Lung-RADS 分级诊断结果分析

本研究中90 例GGN 患者经手术、病理活检诊断或2 年随访期证实良性34 例，恶性56 例。Lung-RADS 分级与最终结节性质分布结果如表1所示。可以看出，恶性组中阳性比例显著高于良性组（P＜0.05）。Lung-RADS 诊断GGN 性质的敏感度为89.29%（50/56）、特异度为58.82%（20/34）、准确度为77.78%（70/90）。

表1 Lung-RADS 分级的敏感度、特异度分析 ［n(%)］

2.2 不同性质GGN 组间CT 征象差异

结果显示，恶性组的不规则形态、毛刺征、分叶征、胸膜牵拉征、空泡征、空气支气管征比例显著高于良性组，差异具有统计学意义（P＜0.05），见表2。

表2 不同CT 征象在良性组和恶性组间的差异 ［n(%)］

2.3 影响GGN 恶性的多因素Logistic 分析

纳入表2 中组间有差异（P＜0.05）的指标以及Lung-RADS 分级进行多因素回归，自变量赋值见表3。结果显示，分叶征、毛刺征及Lung-RADS 分级是GGN 性质的独立相关因素（P＜0.05），见表4。

表3 自变量赋值表

表4 多因素Logistic 回归分析GNN 性质的相关因素

2.4 Lung-RADS 分级联合CT 征象预测GGN 性质的价值

根据表4 中Logistic 回归分析结果，建立Logistic 回归方程，计算Lung-RADS 分级联合分叶征和毛刺征的联合变量。采用ROC 曲线分析联合变量诊断GGN 性质的性能，结果显示联合变量的曲线下面积（AUC）为0.887（95%CI：0.803～0.994），灵敏度为94.12%，特异度为83.93%，见图1。

图1 Lung-RADS 分级联合CT 征象的预测GGN 性质的ROC 曲线

3 讨论

近年来，肺结节的良恶性鉴别诊断一直是肺癌筛查的重点和难点［6］。GGN 是肺结节常见的病变类型。研究显示［7-8］，GGN 与肺癌密切相关，且多数肺腺癌早期表现为GGN。由于GGN 可见于炎症、肺间质性疾病及肿瘤等多种病理改变，CT 影像学表现特异度较低［9］，进而使临床诊断的难度增加。肺癌的早期筛查是一个较复杂的问题，在诊断的准确度、筛查成本及整体获益之间需要适当的权衡［10］。而筛查结果可直接影响后续决策，特别是针对性质不明结节，缺乏统一的标准和规范。因此，探索规范的肺癌的筛查方法具有重要意义。Lung-RADS 分级系统是国外开发的标准化影像报告系统指南，其目的在于规范肺癌患者的筛查过程，合理指导临床决策，减少医疗成本及降低患者多次检查的风险，进而提高肺癌筛查的效率。Lung-RADS 分级的主要依据是病灶的大小和成分。现有研究也证实［11］，GGN 结节的大小和成分是判断其良恶性的重要指标。随着基于Lung-RADS 分级的肺癌筛查逐渐开展，多数研究认为Lung-RADS 分级可降低筛查的假阳性率和患者CT 检查次数，对肺癌的早期筛查工作具有一定价值［12］。本研究结果显示，Lung-RADS 分级系统诊断恶性结节的敏感度89.29%、特异度58.82%，准确度77.78%，提示Lung-RADS 分级系统对GGN诊断具有一定作用，但性能仍不够理想。有研究指出［13］单独依靠Lung-RADS 分级系统诊断恶性结节存在一定的局限性，单纯考虑结节大小和成分或可致使部分恶性结节漏诊，尤其是肺癌风险较高的纯磨玻璃结节（pGGN）。因此，临床仍有必要对疑似恶性性质进行进一步高剂量CT 诊断获取结节更多影像学征象，进而提高诊断的准确度［14］。因此将Lung-RADS 分级与CT 征象两者联合对诊断GGN 的性质具有一定的必要性。

不同的病理变化过程是决定良、恶性GGN 不同CT 征象的关键原因，结节的形态、分叶征、毛刺征、空泡征、空气支气管征、胸膜凹陷征等对鉴别其良恶性具有重要作用［15］。有研究表明［16-18］恶性GGN 结节在不规则性、空泡征、空气支气管征、胸膜凹陷征的发生程度显著高于良性结节。其中，分叶征、毛刺征是肺癌诊断最常见的CT 征象。在恶性病灶的进展过程中，结节边缘可向各个方向分化生长并受到周围不同组织的牵拉，且由于阻力大小不同，使结节表现出多个波浪状改变，形似分叶状，即CT 表现上的分叶征；同时随着病灶浸润程度的不断增加，侵犯邻近的小血管、小淋巴管及支气管末端或病灶内增生的胶原纤维对周围组织产生牵拉，从而表现为多发的细短线条状密度影，结节边缘向周围延伸呈放射状毛刺，即为CT 中的毛刺征。研究表明［19-20］，分叶征、毛刺征在恶性结节中的发生比例显著高于良性结节，也是结节恶变的独立危险因素。本研究结果显示，恶性GGN 组的不规则形态、分叶征、毛刺征、空泡征、空气支气管征、胸膜牵拉征比例均显著高于良性GGN 患者，与既往研究相符，且GGN 的分叶征、毛刺征是恶性GGN 的独立相关因素。进一步将Lung-RADS 分级与CT 征象中的毛刺征和分叶征联合后，联合变量诊断GGN 性质的特异度和敏感度均高于单独Lung-RADS 分级诊断，提示Lung-RADS 分级联合CT 征象可提高GGN 的诊断精度。

综上所述，本研究认为Lung-RADS 分级系统联合CT 征象对肺GGN 的鉴别诊断性能良好，优于单独Lung-RADS 分级诊断，具有一定的临床应用价值。这对临床采取合理的诊断决策具有一定的提示意义。