胸部CT增强纹理特征预测肺内结节良恶性的可行性研究

詹路江，李荣惠（通信作者），段茜婷，朱星星

（1红河哈尼族彝族自治州第三人民医院放射影像科 云南 红河 661000）

（2个旧市人民医院放射科 云南 红河 661000）

我国肺癌发病率高，且早期发现困难，多数患者发现时已发展为中-晚期肺癌，治疗预后效果差[1]。目前我国体检肺癌筛查多利用CT进行，对于发现肺内结节的多数建议进行CT增强扫描进一步检测，增强扫描能明确结节内是否具有血管侵犯、血管供血等情况，有利于判断肺内结节的性质[2]。然而，人眼进行增强图像的微小肺内结节诊断具有一定主观性，且无法确定结节性质，目前多数以手术后病理诊断确认结节性质，因此，是否能够利用增强CT图像即明确肺内结节良恶性是目前急需解决的临床问题。图像纹理特征分析可以将肉眼难以区分的细小图像差别可视化，可区分肺内结节增强的血管变化情况[3]。因此本研究拟引入图像纹理特征进行增强CT动脉期图像分析，客观地显示肺内结节的纹理特征。进行肺内结节良恶性的预测，帮助临床制定后续治疗方案。

1 资料与方法

1.1 一般资料

收集2020年10月—2023年1月在红河哈尼族彝族自治州第三人民医院诊断为肺内结节的108例患者增强胸部CT动脉期图像。本研究为回顾性研究，使用医院HIS系统筛选患者。纳入标准：①进行胸腔镜肺部分切除术的肺内结节患者；②患者术后取得病理结果。排除标准：病理结果显示为非肺部来源的继发性肿瘤。所有患者均签署知情同意书。

1.2 方法

1.2.1 分组方法 以术后病理结果为标准进行分组，A组为恶性肺内结节患者，B组为良性肺结节患者，记录患者性别、年龄、糖类抗原125、癌胚抗原。

1.2.2 设备 采用东芝640层螺旋CT（Toshiba Aquilion ONE）扫描，采用迭代重建技术，管电流180 mA，管电压120 kV，扫描层厚0.5 mm，层间距0.5 mm，矩阵：512×515，机架转运速度0.6 s/r，螺距0.6，增强扫描采用双通高压注射器，注射100 mL每支药物碘佛醇（350 mgI/mL，江苏恒瑞医药股份有限公司，国药准字H20143027），注射速率为4 mL/s，总量为45 mL，生理盐水注射速率为3 mL/s，总量为20 mL，扫描范围包括整个肺部。

1.3 纹理特征提取

以胸部增强CT软组织原始数据进行勾画肺内结节所有层面，采用Omni-Kinetics软件进行三维容积融合,利用软件提取三维融合后ROI中的67个图像纹理特征[4]，主要包括29个基于灰度直方图（最小、最大、中等强度值、体素和、最小、最大像素点位置等）、28个基于空间灰度共生矩阵（相关性、逆差矩、非均匀性等）、10个灰度游程步长矩阵（短游程增强、长游程增强等），见图1。

图1 肺内结节纹理特征提取流程图

1.4 统计学方法

采用SPSS 19.0统计软件分析数据，符合正态分布的计量资料以均数±标准差（）表示，采用t检验；不符合正态分布采用秩和检验，以中位数与四分位间距[M（Q1，Q3）]表示；计数资料以频数（n）、百分率（%）表示，采用χ2检验，P＜0.05为纹理特征参数具有相关性，单因素分析具有差异特征纳入二元Logistics回归分析，筛选预测肺内结节良恶性的独立风险因素并建立预测模型。对单因素差异值与Logistics预测模型绘制受试者工作特征（ROC）曲线，分析诊断效能。

2 结果

2.1 临床资料比较

两组共108例患者年龄、性别比例差异均不具有统计学意义（P＞0.05），A组癌胚抗原、糖类抗原125含量显著高于B组（P＜0.01），见表1。

表1 两组患者一般资料比较

2.2 纹理特征与模型建立

增强CT动脉期图像提取纹理特征67个，其中3个纹理特征值差异显著（P＜0.05），见表2，64个纹理特征值无显著差异（P＞0.05）。二元Logistics回归方程结果显示癌胚抗原、糖类抗原125、Homogeneity（同质性）为预测肺内良恶性肺结节独立风险因素，见表3，模型为：Logit（P）=2.564+Homogeneity×2.593+癌胚抗原×10.435+糖类抗原125×6.431。

表3 单因素差异指标二元Logistics回归分析

2.3 单因素差异值与Logistics模型ROC曲线分析

所有单因素指标AUC均低于二元Logistics回归方程联合模型，Logit（P）AUC为0.935，当阈值取631.34时，灵敏度为81.8%，特异度为96.1%，见表4、图2。

表4 单因素差异指标二元Logistics的ROC曲线分析

图2 单因素差异与联合模型Logit（P）ROC曲线图

3 讨论

目前诊断肺内结节是否为恶性，是否需要手术治疗，主要使用CT增强扫描进行诊断，然而目前临床上CT增强判断肺内结节良恶性并不是十分准确，主要受到诊断者主观因素与肺内结节病灶较小影响判断等干扰，导致诊断准确率不高[5]。人眼进行增强图像的微小肺内结节诊断具有一定主观性，且无法确定结节性质，目前多数以手术后病理诊断确认结节性质，因此，是否能够利用增强CT图像即明确肺内结节良恶性是目前急需解决的临床问题。因此本研究基于临床信息结合增强图像纹理特征进行增强血管微小变化、供血等纹理相关特性进行预测肺内结节良恶性。本研究结果显示：A组癌胚抗原、糖类抗原125含量显著高于B组，表明肿瘤标志物癌胚抗原与糖类抗原125能进行肺内良恶性结节的术前判断。同时本研究中67个纹理特征值中有3个差异具有统计学意义，在联合诊断的回归模型Logit（P）中，诊断效能达到96.1%，明显优于肿瘤标志物与单个纹理特征的预测。

本研究为回顾性研究，所有患者均取得病理结果，对病理结果分组进行预测模型建立，分析基于增强CT扫描肺内结节的纹理数据联合肿瘤标志物对于预测肺内结节良恶性的效能。本研究发现肿瘤标志能进行肺内结节良恶性的判断，与以往研究类似[6]。同时本文发现CT增强动脉期图像纹理特征能进行肺内结节良恶性的鉴别，其中纹理特征同质性（Homogeneity）代表与对比度或相异性相反，同质性的权重随着元素值与对角线距离的增大而减小，其减小方式是指数形式的，这种减小则用Homogeneity数值表示。Homogeneity还受到灰度直方图的影响，Homogeneity越大表明肺内结节潜在生成的肿瘤毛细血管越丰富，是一种恶性性质的表现，这种恶性质的表现主要集中在ROI位置病灶的不稳定、不均匀、随时发生微小变化等纹理特征征象中，甚至还可以间接反映肺内结节是否具有新生小血管出血的可能[7-9]，与A组恶性结节的临床病理表现相符合。在单因素中Quantile90（正像素分布第90个百分位点）、Quantile95（正像素分布第90个百分位点）也可以预测肺内结节良恶性，主要原因是恶性肿瘤更倾向于出现液化坏死导致正像素高位百分比出现异常[10-11]，但在回归模型中被剔除，因此联合模型中未纳入正像素分布第90与95百分位点，表明在肺内结节的良恶性预测中，由于结节多数较小，还未能发生液化坏死，因此虽然存在单因素差异，但是总体影响不如其他指标，诊断效能也低于其他单个指标。

本次研究的不足主要在于只进行动脉期图像纹理特征提取，未进行静脉期图像纹理特性提取，对于动脉期联合静脉期的纹理特征模型是否优于单期相需要进一步研究，且本研究样本量偏小，后续仍需要加大样本并进行多中心研究。

综上所述，对于肺内结节的良恶性预测可以采用增强CT动脉期图像进行纹理特征提取，同时联合肿瘤标志物进行综合判断，为临床提供明确的肺内结节良恶性信息。