人工智能CT定量参数预测肺腺癌磨玻璃结节的侵袭性及相关病理研究

王成均，曾幸萍★，何 灿，肖 华，欧阳祖彬

（1.重庆市东南医院放射科，重庆 401336 ；2.重庆医科大学附属第一医院放射科，重庆 400016）

肺癌是目前我国发病率和致死率最高的恶性肿瘤。现阶段，高分辨率CT（HRCT）和低剂量CT 的应用明显提高了肺结节的检出率[1]。CT 影像组学技术对孤立性肺结节的良恶性定性诊断、分期、预后预测、疗效评价等均具有重要的价值，是目前临床研究的热点。基于影像组学的人工智能肺结节软件的开发和临床应用，是目前肺结节研究的重点和方向[2-3]。对于在HRCT 上表现为纯磨玻璃样的肺结节，肺结节人工智能分析软件能自动提取肺结节的影像组学特征，从而对磨玻璃结节（GGO）的病理情况进行评估[4-5]。本研究中，笔者选择院内一年来通过术后病理检查确诊为肺腺癌GGO 的250 例患者作为研究对象，采用人工智能分析软件（人工智能CT 定量参数）判定其肺结节的侵袭性，并与术后病理检查结果进行对比分析，旨在评估人工智能软件对肺结节侵袭性判断的准确性。

1 资料与方法

1.1 一般资料

选择重庆市东南医院通过术后病理检查确诊为肺腺癌GGO 的250 例患者作为研究对象。根据病理检查结果将其分为非浸润性腺癌组（n=106）和浸润性腺癌组（n=144）。非浸润性腺癌包括不典型肺腺瘤样增生（AAH）和肺原位癌（AIS），浸润性腺癌包括肺微浸润腺癌（MIA）和肺浸润性腺癌（IAC）。

1.2 纳入及排除标准

研究对象的纳入标准是：1）肺部至少存在一枚磨玻璃密度结节，且结节直径≤3cm。2）与人工智能CT 诊断的胸部CT 薄层图像原始数据相符，图像层厚≤1.5mm。研究对象的排除标准是：1）与人工智能CT 诊断的CT 图像不符。2）临床资料不完整。

1.3 方法

对两组患者均进行人工智能CT 定量参数分析，采用64 排以上的多层螺旋CT 对其实施胸部HRCT或LDCT 扫描，并做好检查前的相关准备工作。扫描参数：矩阵、管电压、采集层厚、螺距分别为512×512、120 kV、5.0 mm、1.0，管电流为自动毫安秒，常规采用1.0 mm 层厚和标准算法重建薄层图像。

1.4 观察指标

比较两组患者的CT 定量参数，包括3D 长径、平均CT 值、紧凑度、球形度、体积、最大面面积、表面积。CT 值的测量方法：选取有代表性的1 ～3个层面，在此层面测量3 次，取平均值，测量时应避开血管、支气管、空泡，感兴趣区的面积应尽量包括结节的大部分区域。分析有效定量参数与肺腺癌GGO病理类型的关系。

1.5 统计学方法

用SPSS 20.0 软件处理本研究中的数据，计量资料用均数± 标准差（±s）表示，用t检验，计数资料用% 表示，用χ² 检验，P＜0.05 表示差异有统计学意义。

2 结果

2.1 两组患者各项定量参数的比较

两组患者的定量参数经统计学分析后发现，非浸润性腺癌组患者的3D 长径、平均CT 值、体积、最大面面积和表面积均小于浸润性腺癌组患者，差异有统计学意义（P＜0.05）；两组患者的紧凑度、球形度比较，差异无统计学意义（P＞0.05）。详见表1。

表1 两组患者各项定量参数的比较

2.2 有效定量参数与肺腺癌GGO 病理类型关系的分析

浸润性腺癌患者的相关定量参数包括：平均CT值、3D 长径、表面积、最大面面积、体积，其3D 长径、平均CT 值、体积、最大面面积、表面积的最佳阈值分别为1037.00 mm、-476.75 Hu、641.82 mm3、79.80 mm2、365.24 mm2。详见表2。

表2 有效定量参数与肺腺癌GGO 病理类型关系的分析

3 讨论

肺癌是导致人类死亡的主要疾病之一[6]。通常来说，肺癌在确诊后多已进展至中晚期，而中晚期肺癌患者的5 年生存率仅有20%[7]。改善肺癌患者预后的关键是及时对其病情进行诊断和治疗。近年来随着人工智能的逐渐兴起，其在临床多种疾病的诊断中均得到了广泛应用，大大减少了放射科医生的工作量，并使得越来越多的肺癌可以在早期被发现，尤其是肺GGO 患者，通过人工智能定量分析参数，可有效判断肺GGO 的良恶性及分期。但是，关于采用人工智能定量分析肺腺癌GGO 侵袭性的相关研究较少[8-9]。3D长径是通过三维空间测量得到的，人工智能将3D 长径定义为肿瘤表面网格顶点之间的最大成对欧几里得距离，这并不是临床工作中测量病灶最大截面的最大直径，3D 长径明显要长于最大截面的最大直径[10-11]。肺腺癌GGO 的主要生长方式是肿瘤细胞顺着肺泡壁伏壁生长，并向肺间质、肺血管逐渐侵犯，且生长形态不规则[12]。而病灶最大截面的最大直径只能在二维层面上将病灶中部分截面的具体情况进行反映，而人工智能CT 测量3D 长径更加简单，得到的结果更加精确、客观。通过观察3D 长径，可对肺腺癌GGO 的浸润性阈值进行判断。然而，其测量结果可能受到各种因素的影响，如CT 机型、后期处理等。因此，3D长径的诊断效果并不统一[13-14]。有研究表示，随着CT 值的逐渐增加，可明显反映出病灶的恶性程度也在增加。表面积能反映肺腺癌GGO 三维外立面的生长情况，体积能反映病灶内部的大小变化情况，这两个参数能有效发现病灶的细微变化[15-16]。通过实施人工智能CT 定量参数测定，能发现病灶边缘的凹凸程度和光滑程度，其边缘接近圆形，且其值无限接近于1。球形度是与病灶体积相同的球体表面积或病灶表面积，形状和圆形类似，其值无限接近于1[17-18]。

本研究的结果显示，两组患者的各项定量参数经统计学分析后发现，非浸润性腺癌组患者的3D 长径、平均CT 值、体积、最大面面积、表面积均小于浸润性腺癌组患者，差异有统计学意义（P＜0.05）；两组患者的紧凑度、球形度相比，差异无统计学意义（P＞0.05）。浸润性腺癌患者的相关定量参数包括：平均CT 值、3D 长径、表面积、最大面面积、体积，其3D 长径、平均CT 值、体积、最大面面积、表面积的最佳阈值分别为1037.00 mm、-476.75 Hu、641.82 mm3、79.80 mm2、365.24 mm2。可见，人工智能CT 定量参数对肺腺癌GGO 的侵袭性具有一定的预测价值，其中平均CT 值、3D 长径、表面积、最大面面积、体积可作为优秀的影像学检查指标，应用价值较高，值得推广。