Development and Validation of a Nomogram Model for Lung Adenocarcinoma with Ground Glass Nodules Using AI Quantitative Parameters and CT Signs
-
摘要:
目的：基于AI定量参数和CT征象构建磨玻璃结节（GGN）肺腺癌的预测模型，并探讨模型的预测价值及进行验证。方法：回顾性收集我院术后病理明确的GGN患者225例，符合纳入标准的GGN 共261 枚，按8∶2随机拆分为训练集和验证集。根据病理结果将GGN分为腺体前驱病变组和腺癌组，比较训练集中两组的AI定量参数和CT征象的差异性，运用多因素logistic回归筛选GGN肺腺癌的独立危险因素，构建预测模型及绘制列线图。采用受试者工作特征曲线（ROC）下面积（AUC）、校准曲线和临床决策曲线（DCA）评估模型的预测性能，验证集对模型进行验证。结果：Kappa检验显示两名主治医师对CT征象的观察一致较好。训练集和验证集基线分析显示，两者各变量均无统计学差异。训练集中，经单因素、多因素分析显示分叶征（OR=3.147，95% CI：1.303~7.601）、空泡征（OR=2.563，95% CI：1.109~5.922）、血管异常征（OR=3.551，95% CI：1.545~8.164）、长径（OR=1.154，95% CI：1.014~1.312）、平均CT值（OR=1.006，95% CI：1.003~1.009）是GGN肺腺癌的独立危险因素，预测模型在训练集和验证集的AUC分别为0.901（95% CI：0.859~0.943）和0.896（95% CI：0.810~0.983），具有较好的区分度，均优于单个独立危险因素。Hosmer-Lemeshow检验显示模型在训练集和验证集中均具有较好的拟合度；DCA曲线显示模型具有较好的临床适用性。结论：基于AI定量参数和CT征象构建的GGN肺腺癌预测模型具有较好的预测性能，可以为临床决策提供参考。
Abstract:Objective: We aimed to develop a predictive model for lung adenocarcinoma with ground glass nodules (GGNs) based on artificial intelligence (AI) and computed tomography (CT) features, and to evaluate the model’s predictive value. Methods: A total of 261 GGNs from 225 patients diagnosed after surgery at our hospital were retrospectively collected and randomly divided into a training set and a validation set in an 8:2 ratio. The GGNs were classified into preneoplastic lesions and adenocarcinoma groups based on pathological results. AI-derived quantitative parameters and CT signs from the training set were compared between the two groups, and independent risk factors were identified using multivariate logistic regression. A predictive model and nomogram were developed, and model performance was assessed through the area under the ROC curve (AUC), calibration curve, and clinical decision curve analysis (DCA). The model was subsequently validated using the validation set. Results: Kappa test indicated good agreement between the two attending physicians in their assessment of CT signs. Baseline analysis revealed no statistical differences between variables in both training and validation sets. In the training set, lobulation sign (OR=3.147, 95% CI: 1.303-7.601), vacuole sign (OR=2.563, 95% CI: 1.109-5.922), vascular abnormalities (OR=3.551, 95% CI: 1.545-8.164), long diameter (OR=1.154, 95% CI: 1.014-1.312), and mean CT value (OR=1.006, 95% CI: 1.003-1.009) were identified as independent risk factors for adenocarcinoma in GGN after univariate and multivariate analysis. The predictive model constructed based on this information showed good discrimination ability, with an AUC of 0.901 (95% CI: 0.859-0.943) in the training set and an AUC of 0.896 (95% CI: 0.810-0.983) in the validation set, significantly outperforming individual risk factors. The Hosmer-lemeshow test demonstrated good model fit in both sets and DCA showed its strong clinical applicability. Conclusion: The model based on AI and CT signs demonstrated good predictive performance for GGN lung adenocarcinoma, providing valuable insights for clinical decision-making.
-
引言
盆腔CT扫描因其简单快捷的特性，广泛应用于泌尿系统疾病的诊断和评测，如：膀胱结石、前列腺增生、前列腺钙化等泌尿系狭窄等疾病，以及诊断外伤所致骨盆损伤或者盆腔内部的脏器损伤者。自动管电流调制（automatic tube current modulation，ATCM）技术因能有效降低辐射剂量，而被广泛应用于CT扫描中。但是ATCM技术并不能进一步针对性的降低人体局部器官所受辐射剂量。因此，在ATCM技术的基础之上，通过管电流瞬时调节，降低辐射敏感器官辐射剂量的器官剂量调制（Organ Dose Modulation，ODM）技术便应运而生[1-2]。相比于男性盆腔中其他器官，前列腺和性腺器官对X线辐射尤为敏感[3]。
有报道指出，大剂量辐射可对男性前列腺和性腺可产生不可逆损伤，影响前列腺的正常功能，极大的危害男性健康[4]。在以往的研究中，将ODM技术应用于头部以及女性乳腺等部位的研究较多，较少有将此技术针对性地应用于男性盆腔CT扫描中的研究[5-6]。ZHANG BIAO等在成人模体上应用此技术，得出行胸腹盆CT联扫时，建议同时在胸部和盆腔区域使用ODM 技术，可在保持较好图像质量情况下，降低相应器官的有效辐射剂量的结论[7]。
有研究表明，在盆腔CT扫描中，体型特异性剂量评估值 ( size-specific dose estimation,SSDE) 与器官剂量有极强的相关性[8]。本研究通过计算SSDE得出更加精确的单器官有效辐射剂量，方便临床更加直观的研究及了解单器官在一次扫描中所受辐射剂量。
此次研究的目的是，在男性盆腔CT扫描的过程中，应用ODM技术降低盆腔内辐射敏感组织的辐射剂量，并获得符合临床诊断标准的医学影像的可行性和有效性。
1. 资料与方法
1.1 研究对象
采用前瞻性病例对照研究设计，收集首都医科大学附属北京友谊医院2023年6月至2024年10月拟行盆腔CT扫描的成年男性患者150例。排除标准：①神经肌肉功能障碍，无法自主控制身体者；②盆腔扫描范围内有金属植入物的患者；③BMI > 30 kg/m2或BMI < 18 kg/m2；④行胃肠准备有腹痛、呕吐、肛门不适等不良反应患者。年龄20~50岁（平均年龄33.52±5.26岁），体重60~90 kg（平均体重75.07±4.88 kg）。采用随机表法将患者分为AODM、BATCM、CLOW三组，设置AODM组（n=50）CT扫描开启ATCM技术基础上，同时开启ODM技术；BATCM组（n=50）仅开启ATCM技术；CLOW组（n=50）关闭ATCM技术，设置为固定管电流，其余条件参数三组均一致。本试验研究经伦理委员会审批，所有受试者均知晓检查内容并在知情同意书签字。记录身高、体重，计算出体质指数（BMI），体质指数（BMI）=体重（kg）/身高（m）^2。比较三组患者年龄、身高、体重、BMI值，均无统计学差异（P > 0.05）（表1）。
表 1 三组受试者的一般资料比较 （$ \bar x \pm s $ ）Table 1. Comparison of the general data of the three groups （$ \bar x \pm s $ ）一般资料 AODM组 BATCM组 CLOW组 F P 年龄（岁） 33.70±5.02 33.62±3.82 33.24±6.64 0.108 0.898 身高（cm） 170.00±4.03 169.48±3.68 170.14±3.99 0.396 0.693 体重（kg） 75.54±4.96 74.24±5.18 75.42±4.48 1.083 0.341 体重指数（kg/m2） 26.13±1.24 25.82±1.21 26.05±0.98 0.933 0.396 1.2 研究方法
（1）仪器和药品：采用配置有ODM技术的GE RevolutionTM高时间分辨率超宽体探测器CT（GE公司，美国）；GE Advantage WorkstationTM 4.7后处理系统（GE公司，美国）；DLVA-A CT伏安特性测试仪（武汉大唐龙昇电器公司，中国）；PACS系统(Picture Archiving and Communication Systems)(岱嘉公司，中国)；SPSS19.0软件（IBM公司，美国）；GraphPad Prism 5软件（GraphPad Software公司，美国）。
（2）扫描参数：取仰卧位，两臂上举，平静状态下屏气扫描，范围包括整个盆腔。AODM、BATCM组管电压强度为120 kV，噪声指数设置为（noise index，NI）16，螺距为0.984:1，X线球管旋转时间为0.6 s/rot，准直宽度设置为40 mm；AODM组开启ATCM技术基础上，同时开启ODM技术；BATCM组仅开启ATCM技术；CLOW组管电流设置为额定300 mA，其余扫描条件同AODM、BATCM组一致。轴位和冠状位采用标准算法重建，重建层厚、层间距2.5 mm，盆腔软组织窗（窗宽400 HU，窗位40 HU）观察。
1.3 图像质量分析
客观评价：选取50 mm2圆形ROI进行测量。在前列腺中心层面连续测量3次同位置前列腺外周带区域和臀大肌区域的客观噪声值（standard deviation，SD），取平均值作为该受试者前列腺组织SD前列腺和臀大肌SD臀大肌；同时记录三次两位置的CT值，取平均值作为前列腺组织的CT值和臀大肌的CT值。计算两组织的信噪比（signal-to-noise ratio，SNR），
$$ \mathrm{SNR=CT值/SD}^{ \mathrm{[} \mathrm{9} \mathrm{]}} \mathrm{。} $$ (1) 主观评价：由两名资深CT影像诊断医师采用盲法对三组受试者前列腺中心层面横轴位图像和重建后冠状位图像，在软组织窗（窗宽400 HU，窗位40 HU）下进行李克特5分制主观评分。即1分（不佳）：图像模糊，伪影大，无法诊断；2分（欠佳）：图像模糊，伪影较大，诊断困难；3分（一般）：图像较清晰，有伪影，尚可诊断；4分（良好）：图像清晰，有轻度伪影，不影响诊断；5分（优秀）：图像清晰，无伪影，可准确诊断。二者意见不一致时，需再次阅片并协商，最终达成一致[10]。
1.4 辐射剂量
通过在受试者盆腔四方位，前、左、后、右安置DLVA-A CT伏安特性测试仪，测定并记录人体前列腺中心层面四方位管电流峰值。根据扫描后自动生成的剂量报告，记录剂量长度乘积（Dose Length Product,DLP），容积CT剂量指数（Volume CT Dose Index,CTDIvol）。
通过DLP计算盆腔所受有效辐射剂量(Effective Dose，ED)，计算公式
$$ \mathrm{ED}_{ \mathrm{pelvis}} \mathrm{=DLP\times k。} $$ (2) 其中，k是权重因子，采用欧洲CT质量标准指南，k取0.019 mSv/mGy·cm，分别计算三组受试者EDpelvis值[11]。
依据AAPM220号报告[12]中公式
$$ {\text{SSDE}} = {\text{a}} \times {\text{ex}}{{\text{p}}^{{\text{( - b}} \times {{\text{d}}_{\text{w}}}{\text{)}}}} \times {\text{CTD}}{{\text{I}}_{{\text{vol}}}} 。 $$ (3) 运算得出体型特异性剂量评估值（size-specific dose estimation,SSDE）。式中a=
3.704369 ，b=−0.03671937 ，dw为器官中心层的水等效直径（water-equivalent diameter，dw）。将记录的CTDIvol代入公式得出SSDE。根据SSDEprostate可进一步估算出前列腺所受有效辐射剂量（Signal Organ Effective Dose，EDOS），EDOS=0.92×SSDEprostate[13]。1.5 统计学方法
运用SPSS 19.0对数据进行统计学分析，并使用GraphPad Prism 5软件进行数据图形化处理。符合正态分布数据且方差齐性，两组间比较采用独立样本t检验，多组间比较采用单因素ANOVA检验，两组间比较采用LSD。非正态分布数据采用非参数检验，运用非参中的Mann-Whitney U秩和检验对三组重建图像的评分进行组间比较。数据P < 0.05为差异具有统计学意义。
2. 结果
2.1 客观图像质量
统计学比较AODM组、BATCM组、CLOW组的前列腺组织，得出三组的SD前列腺、SD臀大肌、SNR前列腺、SNR臀大肌均具有统计学意义（P < 0.05）；比较AODM组和BATCM组的臀大肌SD臀大肌和SNR臀大肌，无统计学差异（P > 0.05）（图1，表2）。
![]()
图 1 CT盆腔扫描各相关图像质量客观参数的统计学比较注：ns（not significant）无统计学差异；* P < 0.05；**P < 0.01；***P < 0.001。Figure 1. Statistical comparison of the objective parameters of relevant image quality in CT pelvic scans表 2 图像客观质量SD前列腺、SD臀大肌、SNR前列腺、SNR臀大肌比较 （$ \bar x \pm s $ ）Table 2. Image objective quality comparison of SD prostate, SD gluteus, SNR prostate, and SNR gluteus （$ \bar x \pm s $ ）观察指标 SD前列腺 SD臀大肌 SNR前列腺 SNR臀大肌 AODM组 23.09±2.07 18.86±2.33 1.25±0.16 2.11±0.22 BATCM组 17.40±1.89 19.24±1.81 1.80±0.23 2.10±0.23 CLOW组 20.39±2.02 23.24±2.79 1.54±0.17 1.48±0.17 F 101.979 53.420 106.538 155.574 P 0.000 0.000 0.000 0.000 P A-B 0.000 0.412 0.000 0.798 P B-C 0.000 0.000 0.000 0.000 P A-C 0.000 0.000 0.000 0.000 2.2 辐射剂量
经测定CLOW组扫描过程中DLVA-A CT伏安特性测试仪显示数值与额定Tube mA基本相符，总体差异小于±1%。CLOW组的ED值为8.17±0.86 mSv，EDOS值为1.33±0.31 mSv。
对AODM组和BATCM组两组间的辐射剂量进行比较，AODM组前列腺中心层面区域的前方管电流（mA）明显低于BATCM组前方，差异具有统计学意义）；其余三个方位的管电流无统计学差异（P > 0.05）； EDOS和ED组间差异具有统计学意义（图2，表3）。
![]()
图 2 AODM组和BATCM组受试者不同方位管电流数值的统计学比较注：ns（not significant）无统计学差异；* P < 0.05；** P < 0.01；*** P < 0.001。Figure 2. Statistical comparison of current values of different bearing tubes in AODM and BATCM groups表 3 盆腔CT扫描前列腺中心层面不同方位管电流及辐射剂量指标比较 （$ \bar x \pm s $ ）Table 3. Comparison of Tube mA and radiation dose in different azimuth tubes at central level of pelvic CT scan （$ \bar x \pm s $ ）观察指标 管电流（mA） EDOS
（mSv）ED
（mSv）A L P R AODM组（n=50） 230.34±28.55 325.50±38.36 302.68±36.10 325.80±38.01 0.99±0.18 10.76±1.54 BATCM组（n=50） 299.84±32.54 321.24±36.00 299.84±32.54 321.24±36.00 1.26±0.24 11.89±1.61 CLOW组（n=50） 300.16±1.81 300.16±1.81 300.16±1.81 300.16±1.81 1.33±0.31 8.17±0.86 F 129.251 9.966 0.153 10.227 25.651 95.969 P 0.000 0.000 0.858 0.000 0.000 0.000 P A-B 0.000 0.485 0.614 0.452 0.000 0.001 P B-C 0.949 0.001 0.955 0.001 0.291 0.000 P A-C 0.000 0.000 0.654 0.000 0.000 0.000 2.3 主观图像质量
通过折线图发现CLOW组图像质量情况与AODM组、BATCM组比较存在显著差异。（图3）主观比较AODM组、BATCM组的软组织窗横轴位和冠状位重建图像，差异无统计学意义，均符合临床诊断标准（图4，表4）。
![]()
图 3 AODM组、BATCM组、CLOW组 重建图像整体图像等级对比Figure 3. Image grade comparison of reconstructed images in AODM, BATCM, and CLOW groups![]()
图 4 AODM组、BATCM组、CLOW组不同重建方式下的图像注：窗宽400 HU，窗位40 HU。Figure 4. Images under different reconstruction methods in the AODM, BATCM, and CLOW groups表 4 横轴位AODM组、BATCM组、CLOW组图像质量评分（%）Table 4. Image quality scores for Axis position AODM, BATCM, and CLOW （%）分组 评分 5分(%) 4分(%) 3分(%) 2分(%) 1分(%) AODM组 16(32%) 25(50%) 6(12%) 2(4%) 1(2%) BATCM组 17(34%) 26(52%) 5(10%) 2(4%) 0(0%) CLOW组 5(10%) 14(28%) 18(36%) 9(18%) 4(8%) x2 34.658 P 0.000 P A-B 0.666 P B-C 0.000 P A-C 0.000 表 5 冠状位AODM组、BATCM组、CLOW组图像质量评分（%）Table 5. Image quality scores for Coronal position AODM, BATCM, and CLOW (%)分组 评分 5分(%) 4分(%) 3分(%) 2分(%) 1分(%) AODM组 16(32%) 25(50%) 4(8%) 2(4%) 3(6%) BATCM组 17(34%) 23(46%) 5(10%) 3(6%) 2(4%) CLOW组 5(10%) 14(28%) 18(36%) 9(18%) 4(8%) x2 30.688 P 0.000 P A-B 0.949 P B-C 0.000 P A-C 0.000 3. 讨论
盆腔CT扫描是诊断男性膀胱疾病和前列腺疾病的重要检查手段。扫描过程中，由于男性盆腔前侧骨质和肌肉组织较少，前列腺及性腺组织受到照射强度较大，因此增加了对前列腺和性腺组织的刺激，导致男性患前列腺癌风险增加，性腺产生畸形精子率升高。
传统降低敏感器官辐射的方法是：降低扫描中的Tube mA和Tube KV。但是，降低Tube mA会直接影响图像的SNR，导致清晰度降低；降低Tube KV会导致射线的穿透力下降，导致探测器获取信息量下降，同样会影响扫描图像质量。因此，自动管电流调制技术应运而生。ATCM技术是依据扫描的定位像，根据每层人体的厚度和密度情况，自动配置管电流，从而减少不必要的辐射剂量[14]。但是，ATCM技术并无法针对浅表层特定组织进行降低辐射剂量的保护。ODM技术是基于ATCM技术，在扫描中通过对管电流的瞬时切换调节，针对性的降低浅表层特定组织的辐射剂量，从而进一步保护人体健康。
不同于以往的研究仅通过自动生成报告了解受试者所受辐射剂量，本研究通过在受试者体表前、左、后、右方位安置DLVA-A CT伏安特性测试仪，更加直观精确的测量扫描过程中人体不同方位Tube mA的变化。而且本实验设置了额定低Tube mA组，经测定CLOW组扫描过程中DLVA-A CT伏安特性测试仪显示数值与额定Tube mA基本相符，总体差异小于±1%，也反向印证了DLVA-A CT伏安特性测试仪的精度可信。
本研究还通过计算SSDEprostate，估算出前列腺所受有效辐射剂量，对更加直观具体的了解ODM技术对器官腺体的保护作用十分有帮助。我们可以直观的观察到，AODM组相较于BATCM组总体有效剂量下降了10.5%，前列腺所受有效辐射剂量下降了21.2%，由此推断相较于单纯应用ATCM技术，应用ODM技术后盆腔CT扫描有效辐射剂量得到显著降低，且前列腺及周边组织（精囊腺、膀胱等）下降幅度更多，更好的保护了人体健康。
根据伏安特性测试仪记录的数据显示，BATCM组A位、P位管电流相等均为299.84±32.54 mA，AODM组各方位管电流均不相同。其中A位电流最小为230.34±28.55 mA，L位管电流为325.50±38.36 mA大小与R位管电流325.80±38.01 mA相近但仍不相等。根据以往文献在体模实验中得到有效剂量和管电流强度呈正相关[15]，在此次研究中盆腔内前列腺中心层面区域A位管电流，AODM组比BATCM组降低29.2%，具有显著统计学意义（P < 0.05），附加ODM技术降低了前列腺中心层面区域的受照辐射剂量。而AODM组和BATCM组比较L位、P位、R位管电流差异无统计学意义（P > 0.05），说明L位、P位、R位AODM组与BATCM组所受辐射强度相近，可以推断附加ODM技术扫描过程中辐射强度并没有在其他方向上大幅度提升[16]（图5）。
![]()
图 5 前列腺中心层面运用ODM技术管电流强度各区域拟合示意图Figure 5. Schematic of each area of tube current intensity using ODM at the prostate center level通过统计学数据比较AODM组和BATCM组的整体EDprostate、ED具有统计学意义，且AODM组ED比较BATCM组降低10.5%，说明ODM技术具有显著的降低辐射剂量的效果。
图像客观质量方面，AODM组由于附加ODM技术，位于人体正面的辐射敏感器官的SD明显高于BATCM组，SNR明显低于BATCM组，差异具有统计学意义；而AODM组位于远离辐射敏感器官的SD和SNR与BATCM组比较差异无统计学意义。AODM组和BATCM组经多模态重建后图像主观评分拟合度很高，满足诊断要求的一般、良好、优秀图像占比极高（AODM组：94%；BATCM组96%），非参数秩和检验后差异无统计学意义，可推断在客观图像质量方面附加ODM技术在降低辐射剂量的同时会对图像的局部质量产生一定的影响，但是这个影响并不会对临床诊断产生任何干扰。相较于AODM组和BATCM组，CLOW组由于设置额定Tube mA相对较低，直接影响图像的SNR，导致清晰度不佳，满足诊断要求的一般、良好、优秀图像占比较低（CLOW组：74%），不适用于临床。
目前ODM技术在头部和胸部扫描中的作用十分突出。原媛等[17]研究发现，将ODM技术应用于头颈部CTA检查，开启ODM技术组眼晶状体前方管电流明显低于未开启ODM技术组[（370.6±52.5）mA vs.（479.0±56.7）mA，P < 0.05 ]，可以有效降低眼晶状体的照射强度，且图像质量满足临床诊断要求。Inoue Y[18]等通过对体膜和800例受试者的研究发现，开启ODM技术可以在保证图像质量的前提下，有效降低乳腺组织所受有效辐射剂量。本研究将其扩展到男性盆腔扫描中，通过比较客观图像质量、辐射剂量、主观图像评分，结果表明，在保证图像质量的前提下，附加ODM技术确实降低了患者所受辐射剂量。目前该技术在男性盆腔CT扫描中的应用还相对较少，相信随着CT扫描技术的发展，该技术将进一步得到提升，不仅能得到相对较好的图像质量和信噪比，而且进一步降低辐射剂量，保证男性的健康。
4. 结论
器官剂量调制技术应用于男性盆腔电子计算机断层扫描中，通过管电流的瞬时切换，降低体表浅层辐射敏感器官的辐射管电流值，从而使局部辐射有效剂量得到降低。与自动管电流调制技术相比，辐射敏感器官受照有效剂量更低，且保证了临床诊断所需的图像质量；与低剂量盆腔CT扫描相比，图像质量更优，具有一定的优势。同时ODM技术充分的体现了辐射防护三原则中的最优化原则，在正当的前提下，使辐射敏感器官所受有效剂量更低，将剂量和风险将至合理可行最低，更好的保护了患者的健康，建议在临床扫描中进行全面推广。
-
![]()
图 1 不典型腺瘤样增生、原位腺癌、微浸润腺癌和浸润性腺癌的CT表现
注：（a）右肺上叶GGN，边界清楚，大小6 mm×6 mm，病理AAH；（b）右肺上叶GGN，见空泡征，大小11 mm×9 mm，病理AIS；（c）左肺上叶GGN，见分叶征，大小11 mm×10 mm，病理MIA；（d）右肺下叶GGN，可见空泡征、分叶征、叶间胸膜凹陷及内部血管增粗，大小25 mm×20 mm，病理IAC。
Figure 1. The CT manifestations of AAH, AIS, MIA, and IAC
![]()
图 2 肺结节AI软件自动测量的磨玻璃结节各定量参数
Figure 2. Quantitative parameters of GGN automatically measured by AI software for pulmonary nodules
![]()
图 4 预测模型和独立危险因素在训练集（a）及验证集（b）的ROC曲线
Figure 4. ROC curves of the prediction model and independent risk factors in the training (a) and validation (b) sets
![]()
图 5 预测模型在训练集（a）和验证集（b）中的校准曲线
Figure 5. Calibration curves of the prediction model in the training (a) and validation (b)sets
![]()
图 6 预测模型在训练集（a）和验证集（b）中的DCA曲线
Figure 6. DCA curves of the prediction model in the training (a) and validation (b)sets
表 1 患者基本情况
Table 1 Patient baseline characteristics
项目 数值 纳入患者数/例 225 性别/例（%） 男 68（30.2） 女 157（69.8） 年龄/岁 56.12±11.91 病理证实存在≥2枚GGN的患者/例（%） 28（12.4） 纳入GGN数/枚 261 病理亚型/枚（%） AAH 26（10.0） AIS 57（21.8） MIA 93（35.6） IAC 85（32.6） 训练集/枚 208 验证集/枚 53 注：GGN为磨玻璃结节；AAH为不典型腺瘤样增生；AIS为原位腺癌；MIA为微浸润腺癌；IAC为浸润性腺癌。 
下载: 导出CSV
表 2 观察者间一致性分析
Table 2 Interobserver agreement analysis
CT征象 Kappa值 标准误 P值 95% CI 结节类型 0.823 0.035 < 0.001 0.754~0.892 分叶征 0.892 0.028 < 0.001 0.837~0.947 毛刺征 0.934 0.027 < 0.001 0.881~0.987 空泡征 0.930 0.023 < 0.001 0.885~0.975 血管异常征 0.902 0.028 < 0.001 0.847~0.957 支气管异常征 0.876 0.031 < 0.001 0.815~0.936 胸膜凹陷征 0.870 0.033 < 0.001 0.805~0.934 注：95%CI为95%置信区间。
下载: 导出CSV
表 3 训练集和验证集各变量间的比较
Table 3 Comparison of variables between training and validation sets
变量 训练集（n=208枚） 验证集（n=53枚） $\chi^2 $/Z值 P 分布（右上/右中/右下/左上/左下） 74/15/49/41/29 23/9/7/8/6 7.884* 0.096 结节类型（pGGN/mGGN） 101/107 26/27 0.004* 0.948 分叶征（是/否） 119/89 26/27 1.138* 0.286 毛刺征（是/否） 53/155 7/46 3.594* 0.058 空泡征（是/否） 120/88 27/26 0.782* 0.377 血管异常征（是/否） 131/77 32/21 0.122* 0.727 支气管异常征（是/否） 74/134 18/35 0.048* 0.826 胸膜凹陷征（是/否） 70/138 11/42 3.284* 0.070 长径/mm 11.00（8.00，15.00） 10.00（7.00，15.00） 1.072# 0.284 平均CT值/HU −491.75（−575.60，−357.27） −508.50（−579.20，−384.90） 0.857# 0.391 中位数/HU −500.75（−603.25，−349.50） −530.00（−613.00，−341.00） 0.615# 0.539 标准差/HU 165.75（121.45，215.30） 169.40 （119.0，205.00） 0.719# 0.472 峰度 3.20（2.60，4.10）） 3.10（2.60，4.10） 0.518# 0.604 偏度 0.20 （−0.10，0.70） 0.40 （0.00，0.60） 1.244# 0.213 熵 8.10（6.97，9.00） 8.00（6.70，8.90） 0.784# 0.433 体积/mm3 496.45（219.90， 1209.47 ）336.34（205.70， 1138.81 ）1.306# 0.192 实性体积占比/% 14.90（3.40，42.65） 16.90（3.30，41.10） 0.345# 0.730 质量/mg 238.16（108.51，677.99） 181.68（85.90，538.61） 1.261# 0.207 实性质量占比/% 26.20（6.40，56.75） 29.30（5.90，52.70） 0.362# 0.717 注：pGGN为纯磨玻璃结节；mGGN为混合磨玻璃结节；*表示采用$\chi^2 $检验；#表示采用Mann-Whitney U检验。
下载: 导出CSV
表 4 训练集中腺体前驱病变组和腺癌组各变量单因素分析
Table 4 Univariate analysis of gland prodromal lesion and adenocarcinoma groups in the training set
变量 腺体前驱病变组（n=64枚） 腺癌组（n=144枚） $\chi^2 $/Z值 P 分布（右上/右中/右下/左上/左下） 23/6/17/10/8 51/9/32/31/21 1.879* 0.758 结节类型（pGGN/mGGN） 51/13 50/94 35.864* < 0.001 分叶征（是/否） 12/52 107/37 55.863* < 0.001 毛刺征（是/否） 1/63 52/92 27.852* < 0.001 空泡征（是/否） 22/42 98/46 20.592* < 0.001 血管异常征（是/否） 19/45 112/32 43.950* < 0.001 支气管异常征（是/否） 7/57 67/77 24.487* < 0.001 胸膜凹陷征（是/否） 7/57 63/81 21.365* < 0.001 长径/mm 8.00（7.00，10.00） 13.00（9.00，17.00） 6.546# < 0.001 平均CT值/HU −568.85（−656.60，−485.78） −437.25（−533.12，−287.55） 6.115# < 0.001 中位数/HU −585.50（−664.50，−474.25） −438.00（−570.25，−284.50） 4.975# < 0.001 标准差/HU 124.05（106.23，155.58） 190.05（144.53，230.75） 5.693# < 0.001 偏度 0.40 （0.10，0.90） 0.10 （−0.20，0.60） 3.122# 0.002 峰度 3.25（2.70，4.23） 3.20（2.60，4.03） 1.085# 0.278 熵 7.20（6.27，8.03） 8.50（7.50，9.20） 5.859# < 0.001 体积/mm3 253.60（143.55，457.18） 769.21（340.69， 1916.84 ）6.119# < 0.001 实性体积占比/% 4.60（0.27，16.65） 26.00（8.20，51.82） 5.832# < 0.001 质量/mg 113.88（62.84，172.66） 423.36（171.90， 1105.06 ）6.988# < 0.001 实性质量占比/% 7.20（0.55，25.22） 40.65（14.60，67.12） 6.031# < 0.001 注：pGGN为纯磨玻璃结节；mGGN为混合磨玻璃结节；*表示采用$\chi^2 $检验；#表示采用Mann−Whitney U检验。
下载: 导出CSV
表 5 训练集中磨玻璃结节肺腺癌的多因素分析结果
Table 5 Results of multivariate analysis of GGN lung adenocarcinomas in the training set
变量 β 标准误 Wald $\chi^2 $值 P OR （95% CI） 分叶征 1.147 0.450 6.496 0.011 3.147（1.303~7.601） 空泡征 0.941 0.427 4.852 0.028 2.563（1.109~5.922） 血管异常征 1.267 0.425 8.901 0.003 3.551（1.545~8.164） 长径 0.143 0.066 4.749 0.029 1.154（1.014~1.312） 平均CT值 0.006 0.002 13.762 < 0.001 1.006（1.003~1.009） 常量 0.737 0.975 0.571 0.450 2.089（0.309~14.110） 注：β为回归系数；OR为优势比；95%CI为95%置信区间。
下载: 导出CSV
表 6 预测模型和独立危险因素诊断磨玻璃结节肺腺癌的效能
Table 6 Performance of predictive models and independent risk factors in the diagnosis of GGN lung adenocarcinoma
分组 指标 AUC（95%CI） 截断值 灵敏度 特异度 训练集 预测模型 0.901（0.859~0.943） 0.722 0.906 0.799 分叶征* 0.778（0.718~0.838） − 0.812 0.743 空泡征* 0.668（0.598~0.738） − 0.656 0.681 血管异常征* 0.740（0.675~0.806） − 0.703 0.778 长径* 0.784（0.721~0.846） 11.5 mm 0.922 0.604 平均CT值* 0.766（0.699~0.832） −536.2 HU 0.625 0.711 验证集 预测模型 0.896（0.810~0.983） 0.722△ 0.842 0.735 分叶征# 0.759（0.643~0.875） − 0.842 0.676 空泡征# 0.733（0.610~0.856） − 0.789 0.676 血管异常征# 0.724（0.595~0.854） − 0.684 0.765 长径# 0.762（0.633~0.890） 11.5 mm△ 0.947 0.588 平均CT值# 0.755（0.627~0.884） −536.2 HU△ 0.684 0.706 注：*和#分别表示训练集和验证集中，单个独立危险因素的AUC与预测模型比较均P < 0.05；△表示预测模型、长径及平均CT值在验证集中进行验证时，其截断值均取自于训练集。
下载: 导出CSV
-
[1] 中华医学会呼吸病学分会. 早期肺癌诊断中国专家共识(2023年版)[J]. 中华结核和呼吸杂志, 2023, 46(1): 1-18. DOI: 10.3760/cma.j.cn112147-20220712-00592. CHINESE THORACIC SOCIETY. Chinese expert consensus on diagnosis of early lung cancer (2023 Edition)[J]. Chinese Journal of Tuberculosis and Respiratory Diseases, 2023, 46(1): 1-18. DOI: 10.3760/cma.j.cn112147-20220712-00592.
[2] ZHANG P J, LI T R, TAO X M, et al. HRCT features between lepidic-predominant type and other pathological subtypes in early-stage invasive pulmonary adenocarcinoma appearing as a ground-glass nodule[J]. BMC Cancer, 2021, 21(1): 1124. DOI: 10.1186/s12885-021-08821-5.
[3] NICHOLSON A G, TSAO M S, BEASLEY M B, et al. The 2021 WHO classification of lung tumors: Impact of advances since 2015[J]. Journal of thoracic oncology, 2022, 17(3): 362-387. DOI: 10.1016/j.jtho.2021.11.003.
[4] 龚海鹏, 司海峰, 邢金丽, 等. MSCT多平面重建技术用于磨玻璃结节样肺腺癌的鉴别诊断价值研究[J]. 中国CT和MRI杂志, 2023, 21(2): 52-54. DOI: 10.3969/j.issn.1672-5131.2023.02.019. GONG H P, SI H F, XING J L, et al. Value of MSCT multiplanar reconstruction in the differential diagnosis of ground glass nodular lung adenocarcinoma[J]. Chinese Journal of CT and MRI, 2023, 21(2): 52-54. DOI: 10.3969/j.issn.1672-5131.2023.02.019.
[5] WANG T, SHE Y, YANG Y, et al. Radiomics for survival risk stratification of clinical and pathologic stage IA pure-solid non-small cell lung cancer[J]. Radiology, 2022, 302(2): 425-434. DOI: 10.1148/radiol.2021210109.
[6] 王思齐, 付泽辉, 邱建国. 表现为磨玻璃结节的肺腺癌诊断研究进展[J]. 国际医学放射学杂志, 2021, 44(1): 67-71,85. DOI: 10.19300/j.2021.Z18282. WANG S Q, FU Z H, QIU J G. Progressin the diagnosis of lung adenocarcinoma manifesting as ground glass nodule[J]. International Journal of Medical Radiology, 2021, 44(1): 67-71,85. DOI: 10.19300/j.2021.Z18282.
[7] QIU T C, RU X S, YIN K, et al. Two nomograms based on CT features to predict tumor invasiveness of pulmonary adenocarcinoma and growth in pure GGN: A retrospective analysis[J]. Japanese Journal of Radiology, 2020, 38(8): 761-770. DOI: 10.1007/s11604-020-00957-x.
[8] GAO F, SUN Y L, ZHANG G Z, et al. CT characterization of different pathological types of subcentimeter pulmonary ground-glass nodular lesions (Article)[J]. British Journal of Radiology, 2019, 92(1094): 20180204. DOI: 10.1259/bjr.20180204.
[9] 邓琦, 潘爱珍, 徐志锋, 等. 基于AI技术CT直方图参数模型预测微小磨玻璃结节样肺腺癌浸润性[J]. 放射学实践, 2022, 37(8): 977-981. DOI: 10.13609/j.cnki.1000G0313.2022.08.010. DENG Q, PAN A Z, XU Z F, et al. The predictive value of CT histogram parameter model based on artificial intelligence technology for the invasiveness of microscopic ground-glass nodular lung adenocarcinoma[J]. Radiologic Practice, 2022, 37(8): 977-981. DOI: 10.13609/j.cnki.1000G0313.2022.08.010.
[10] GAO R J, GAO Y H, ZHANG J, et al. A nomogram for predicting invasiveness of lung adenocarcinoma manifesting as pure ground-glass nodules: Incorporating subjective CT signs and histogram parameters based on artificial intelligence[J]. Journal of cancer research and clinical oncology, 2023, 149(17): 15323-15333. DOI: 10.1007/s00432-023-05262-4.
[11] 尹柯, 周容玉, 伍建林. 基于HRCT诊断模型鉴别纯磨玻璃结节样肺腺癌浸润程度研究进展[J]. CT理论与应用研究, 2020, 29(5): 621-629. DOI: 10.15953/j.1004-4140.2020.29.05.14. YIN K, ZHOU R Y, WU J L. The research progress of HRCT-based diagnostic models for differentiating infiltration degree of pure ground glass nodular lung adenocarcinoma[J]. CT Theory and Applications, 2020, 29(5): 621-629. DOI: 10.15953/j.1004-4140.2020.29.05.14.
[12] MA X B, XU Q L, LI N, et al. A decision tree model to distinguish between benign and malignant pulmonary nodules on CT scans[J]. European review for medical and pharmacological sciences, 2023, 27(12): 5692-5699. DOI: 10.26355/eurrev_202306_32809.
[13] 高琳, 张晶, 顾慧, 等. CT特征预测基于2021年肺肿瘤新分类肺纯磨玻璃结节浸润性及浸润程度的价值[J]. 中华放射学杂志, 2022, 56(6): 616-622. DOI: 10.3760/cma.j.cn112149-20210707-00641. GAO L, ZHANG J, GU H. The value of CT features in predicting the invasion and invasive degree of lung pure ground-glass nodules based on the new classification of lung tumor in 2021[J]. Chinese Journal of Radiology, 2022, 56(6): 616-622. DOI: 10.3760/cma.j.cn112149-20210707-00641.
[14] 李祖坤, 郭静清, 陈国宁, 等. CT特征在鉴别原位癌和微浸润腺癌中的价值[J]. 临床肺科杂志, 2024, 29(2): 231-235. DOI: 10.3969/j.issn.1009-6663.2024.02.014. LI Z K, GUO J Q, CHEN G N, Value of CT features in distinguishing between carcinoma in situ and minimally invasive adenocarcinoma[J]. Journal of Clinical Pulmonary Medicine, 2024, 29(2): 231-235. DOI:10.3969/j.issn.1009-6663.2024.02.014. (in Chinese).
[15] 魏子洋, 周清清, 邢滔, 等. 薄层电子计算机断层扫描+纹理技术联合微RNA-25对纯磨玻璃结节浸润性的诊断价值[J]. 安徽医药, 2024, 28(2): 326-330. DOI: 10.3969/j.issn.1009-6469.2024.02.025. WEI Z Y, ZHOU Q Q, XING T, et al. Guidance value of thin-layer CT+texture technique combined with miR-25 to evaluate infiltrative pure ground glass nodules[J]. Anhui Medical and Pharmaceutical Journal, 2024, 28(2): 326-330. DOI: 10.3969/j.issn.1009-6469.2024.02.025.
[16] HE S Y, CHEN C E, WANG Z G, et al. The use of the mean computed tomography value to predict the invasiveness of ground-glass nodules: A meta-analysis[J]. Asian Journal of Surgery, 2023, 46(2): 677-682. DOI: 10.1016/j.asjsur.2022.07.031.
[17] 石逸秋, 沈雨雯, 陈劼, 等. CT定量参数预测肺磨玻璃结节病理类型的价值[J]. 中国肺癌杂志, 2024, 27(2): 118-125. DOI: 10.3779/j.issn.1009-3419.2024.102.09. SHI Y Q, SHEN Y W, CHEN J, et al. Value of CT quantitative parameters in prediction of pathological types of lung ground glass nodules[J]. Chinese Journal of Lung Cancer, 2024, 27(2): 118-125. DOI: 10.3779/j.issn.1009-3419.2024.102.09.
[18] 闵旭红, 王召华, 马冬春, 等. 基于人工智能诊断术前预测肺磨玻璃结节浸润程度的应用价值[J]. 实用放射学杂志, 2022, 38(8): 1242-1246. DOI: 10.3969/j.issn.1002-1671.2022.08.006. MIN X H, WANG Z H, MA D C, et al. Application value of artificial intelligence diagnostics in predicting the infiltration degree of lung ground glass nodules preoperatively[J]. Journal of Practical Radiology, 2022, 38(8): 1242-1246. DOI: 10.3969/j.issn.1002-1671.2022.08.006.
[19] 邱慎满, 孟闫凯, 赵恒亮, 等. 基于CT形态及定量学特征构建多原发肺腺癌、腺体前驱病变风险分层模型[J]. 临床放射学杂志, 2022, 41(5): 860-865. DOI: 10.13437/j.cnki.jcr.2022.05.001. QIU S M, MENG Y K, ZHAO H L, et al. To constitution a risk stratification model of multiple primary lung adenocarcinoma and gland precursor lesions based on CT morphological and quantitative characteristics[J]. Journal of Clinical Radiology, 2022, 41(5): 860-865. DOI: 10.13437/j.cnki.jcr.2022.05.001.
[20] 陈松, 李清楚, 陈如潭, 等. CT三维定量参数对纯磨玻璃结节中腺体前驱病变的预测价值[J]. 临床放射学杂志, 2023, 42(4): 575-580. CHEN S, LI Q C, CHEN R T, et al. The predictive value of CT three-dimensional quantitative parameters for precursor glandular lesions in pure ground-glass nodules[J]. Journal of Clinical Radiology, 2023, 42(4): 575-580. (in Chinese).
[21] 俞慧波, 陈中港, 李琼, 等. 月牙征预测纯磨玻璃结节肺腺癌浸润性的价值[J]. 中华放射学杂志, 2021, 55(4): 403-408. DOI: 10.3760/cma.j.cn112149-20200609-00791. YU H B, CHEN Z G, LI Q, Crescent sign for predicting the invasiveness of lung adenocarcinoma with pure ground-glass opacity[J]. Chinese Journal of Radiology, 2021, 55(4): 403-408. DOI:10.3760/cma.j.cn112149-20200609-00791. (in Chinese).
[22] 慎源洁, 肖新广, 张欣, 等. 直径<3cm纯磨玻璃结节肺腺癌组织病理学与CT定量值的关系[J]. 实用放射学杂志, 2023, 39(6): 908-911. DOI: 10.3969/j.issn.1002-1671.2023.06.010. SHEN Y J, XIAO X G, ZHANG X, et al. The relationship between histopathology and CT quantitative value in pure ground glass nodule lung adenocarcinoma with diameter <3cm[J]. Journal of Practical Radiology, 2023, 39(6): 908-911. DOI: 10.3969/j.issn.1002-1671.2023.06.010.
计量
- 文章访问数: 61
- HTML全文浏览量: 16
- PDF下载量: 8
