三维电脑定量分析毛玻璃样结节ＣＴ值诊断支气管肺泡癌

　　【关键词】 肺肿瘤;毛玻璃样结节;三维电脑定量分析

　　赵振军，男，汉族，1962年6月出生。医学硕士、主任医师、教授、硕士研究生导师。现任广东省人民医院放射科行政副主任。中华医学会放射学分会心胸组成员、广东省医学会放射学分会委员、广东省重大急性呼吸道传染病诊断专家组成员、广东省矽肺诊断专家组成员。参加和承担广东省和广州市科研课题4项，参与多个国际多中心临床研究。以第一作者身份发表医学论文10余篇，主编专著1部，副主编专著2部，参与编写专著3部。

　　从事影像学诊断工作20余年，长期致力于胸部疾病的影像学诊断，在肺癌早期诊断以及鉴别诊断方面做了大量的工作，具有丰富的临床经验，其中肺肿瘤血流动力学及功能方面的研究获得了多项科研基金资助，获广州市科技进步二等奖一项。

　　Differential Diagnosis of Ground-Glass Opacity Nodules： CT Number Analysis by Three-Dimensional Computerized Quantification ∥ Reviewer： ZHAO Zhen-juna， Literature Co-worker： ZHANG Yi-fangb

　　Key words： lung neoplasms; ground-glass opacity nodules; three-dimensional computerized quantification

　　Reviewer’s address： Department of Radiology， Guangdong General Hospital， Guangdong Academy of Medical Sciences， Guangzhou 510080， China

　　1 文献来源

　　Ikeda K， Awai K， Mori T， et al. Differential diagnosis of ground-glass opacity nodules： CT number analysis by three-dimensional computerized quantification [J]. Chest， 2007，132：984-990.

　　2 证据水平

　　1b。

　　3 背 景

　　临床工作中，普通的影像学数据很难把一些微小结节从非典型腺瘤(atypical adenomatous hyperplasia， AAH)、支气管肺泡癌(bronchioloalveolar carcinoma，BAC)及分化良好的腺癌(well-differentiated adenocarcinoma)三者中区分开来。

　　日本学者Ikeda等开展了一项利用多层CT扫描，对CT值进行三维定量分析的方法来区分其病理类型的研究。研究提示：通过计算机三维定量分析患者肺部毛玻璃样(ground-glass opacity，GGO)结节的CT值，选取合适的参数截点，可以更准确地判断其病理分型，从而为后续治疗及预后判断提供依据。

　　4 目 的

　　为区分CT扫描图像上的毛玻璃样结节是非典型腺瘤、支气管肺泡癌还是腺癌，以期更准确诊断，课题组进行了一项通过计算机三维定量分析来确定CT值的最佳参数的研究。

　　5 研究设计

　　·研究条件：日本熊本大学附属医院进行的回顾性研究。

　　·研究起止时间及对象：2005年6月至2006年12月间该院收治的肺部出现毛玻璃样病变且预期进行高分辨率CT扫描检查的患者。

　　·研究方法：回顾性分析，流程图见图1。

　　·干预措施：向符合条件的患者施行高分辨率CT扫描。

　　扫描参数设置如下：探测器校准：4×1.25 mm;扫描螺距：0.75;层厚：1.25 mm;每层间隔：1.25 mm;循环扫描时间：0.8秒;电压为120 kVp;电流设置为160～200 mA。应用计算机自动诊断系统(computerized automated diagnosis，CAD)对毛玻璃样结节的肺段进行分析，并排除病变周围正常血管和支气管的影响。

　　·评价指标：受试者工作特性曲线(receiver operating characteristic curve，ROC)在鉴别AAH、BAC及分化良好的腺癌三者中的最佳参数变量。

　　6 主要结果

　　根据CT值直方图的表现，不同的病理类型存在特异分布的直方图峰型(图2)。根据CT值建立的直方图在病理分型上存在一定指导意义。

　　其中，38%的BAC病例和42%的腺癌病例，病变部位的CT值直方图表现为双峰;而所有的AAH病例中(n=10)，CT值直方图表现为单一峰(表1)。

　　根据百分位数CT值，可进一步将三种不同的病理类型区分开来。75%的百分位CT值在截断值为-584 HU的时候，最适于鉴别AAH和BAC，且敏感度为0.09，特异度为0.81;中位CT值在截断值为-472 HU时，最适于鉴别BAC和腺癌，此时敏感度为0.75，特异度为0.81(图3)。

　　7 结 论

　　通过分析计算机三维定量所测得毛玻璃样结节的CT值，可得出如下结论：①CT值直方图出现双峰，可排除AAH;②用于鉴别AAH和BAC的最佳参数是75%百分位CT值;③中位CT值是鉴别BAC和腺癌的最佳指标。

　　8 评 论

　　读罢该文，给我的第一印象就是小问题、大学问。随着螺旋CT低剂量扫描在肺癌筛查工作上的开展，临床上发现的GGO结节越来越多，给鉴别诊断提出了新的要求。通常情况下，作为影像学诊断医生往往只关注该征象的细节，研究它的意义，但该文作者却运用计算机对GGO结节的CT值进行三维定量分析，从统计学角度出发，恰到好处地运用了几个简单的统计学参数，得出明确的结论，方法上有很好的创新性。

　　首先，文章的题目简明扼要，让人一下子就明白作者想用什么方法去解决什么问题。文章的开头，作者即提出了GGO结节的影像学定义，并指出该结节的鉴别诊断困难(不典型腺瘤样增生AAH、肺泡细胞癌BAC以及腺癌的鉴别)，紧接着阐述了结节的各家言论，最后根据自己的研究工作，运用统计学分析方法来说明自己的观点。整篇内容紧紧围绕着文章题目展开和深入，环环相扣，思路明晰，条理清楚。

　　然而，文章中仍有一些方面值得商榷。

　　①文章涉及的GGO结节鉴别，仅仅着眼于AAH、BAC和腺癌这一类恶性病变或癌前病变，则有可能会误导读者，尤其是初学者，以为这就是GGO鉴别的全部。但在实际临床工作中，GGO的鉴别还牵涉到一大类良性病变，如炎症性病变(包括非特异性、衣原体及霉菌性)，局灶性纤维化，出血等。

　　②文章就CT值对GGO结节的鉴别提出了自己鲜明的观点，但没有给出诊断流程图。根据作者的资料，该结节的三种疾病在三种分析方法中均有假阳性和假阴性，临床上应如何综合应用，作者没有进一步阐明。文中认为当直方图显示双峰时，提示腺癌，且推荐做外科切除，但作者没有对良性GGO进行评价，此结论在临床使用的实用性有待进一步研究。

　　③GGO结节的CT值是该文研究的中心内容，且CT的绝对值在作者的鉴别诊断中有重要的作用。然而作者在研究设计中没有考虑到CT值的影响因素，如扫描时病人呼吸的程度、肺气肿、性别、个体和年龄的差异等，这些因素不考虑，CT值的准确性就难以得到保证。

　　④单峰与双峰是作者鉴别AAH的一项重要指标，作者应增加与形态学的对比研究。譬如，临床上遇见的AAH，一般密度比较均匀，用肉眼就可以判断为单峰，而腺癌一般密度不均匀，肉眼就可以判断为双峰，作者应将此与计算机进行对比，看是否差异有统计学意义;此外，作者所提供的样本量不够，进一步的结论应进行大样本、多中心研究得出。

　　在临床实践中运用作者这些结论时，应注意以下几个问题：

　　①对GGO结节的诊断上，首先应该鉴别结节的良、恶性而不是其他。在不能排除恶性的情况下，应该给临床一个影像学随访的标准。有学者提出，每隔 3、6、12、18、24 个月作 CT随访，在随访期间一旦出现实性结节灶或兼有增强及肿瘤微血管征者，应停止随访，建议手术切除，或行CT定位下穿刺活检以明确结节性质。局限于AAH、BAC和腺癌的诊断，临床上应用的价值有限，实际临床处理中，一般都会根据术中冰冻切片来决定手术方式。

　　②CT绝对值的可靠性不强，实际诊断中一定要密切结合GGO结节的形态学改变。大量的研究显示，密度不均、分叶、毛刺、空泡征、胸膜凹陷征等在早期肺癌诊断中有很重要的作用。

　　③正如作者最后提到的，鉴于现今计算机技术及计算机辅助诊断(CAD)系统的局限性，对GGO结节CT值行三维定量分析是费时的，在日常工作中要求每一例GGO结节行此项分析并不现实。我们冀望于计算机技术及CAD系统的发展，使得三维定量分析变得轻松。

　　总之，该文论点明确、思路清晰，论据充分，逻辑性强，结论可信。该篇文章的统计学知识并不复杂，而且贯穿全文，为结论的可靠性提供了坚实的统计学依据，这一点非常值得国内学者，尤其是放射工作者学习。该文为读者提供了科学的写作方法与写作思路，值得向读者推荐。