国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

RSNA2021 胸部影像學

2022-11-22 08:20:49周文胡瓊潔王玉錦陳沖馬曉玲周舒暢夏黎明
放射學實踐 2022年3期
關鍵詞:胸部結節(jié)肺癌

周文,胡瓊潔,王玉錦,陳沖,馬曉玲,周舒暢,夏黎明

新型冠狀病毒肺炎

Cozzi等描述了142名新型冠狀病毒肺炎(COVID-19)患者入院后6個月高分辨CT(HRCT)上的間質改變,6個月的HRCT改變超過總肺容積的5%被認為是改變顯著。改變顯著的患者將接受支氣管肺泡灌洗術(BAL)和/或冷凍活檢,并在12(±1) 和18(±1)個月時進行 HRCT 和肺功能評估的后續(xù)隨訪。結果顯示71/142(50%)的肺部受累癥狀完全緩解。其余71例有間質性肺改變(纖維化樣和非纖維化),41/142改變小于5%,30/142改變大于5%。其中,26/142(18.3%)顯示間質纖維化改變包括普通型間質性肺炎(UIP)模式、非特異性間質性肺炎(NSIP)模式和/或機化性肺炎(OP)模式以及彌漫性磨玻璃的不確定模式。少數(shù)(1.4%)表現(xiàn)為特發(fā)性肺纖維化(IPF)中觀察到的典型UIP模式。初步結果表明,從COVID-19康復的患者中有一半在急性感染后6個月具有持續(xù)的HRCT變化。但觀察到的HRCT變化的臨床意義尚不清楚,這些結果需要進一步評估,特別是在12個月的隨訪后,以確定HRCT所見是否為一種真正纖維化疾病的表現(xiàn)。然而Rudas等使用低劑量CT(LDCT)觀察了130名35~80歲COVID-19 感染患者肺損傷的演變,發(fā)現(xiàn)以輕度至中度形式感染的患者,在3~6個月內肺組織可完全修復。在肺部殘留恢復的時間演變上,合并癥比年齡起著更大的作用,并且更常伴隨中度和重度形式的COVID-19。

胸部影像學檢查在提供COVID-19患者風險分層和預后信息方面也有附加價值。Darvizeh等探討了胸部CT在COVID-19患者危險分層中的作用,研究納入15家醫(yī)院1669名入院后72h內行胸部CT檢查的新型冠狀病毒肺炎患者,對肺容積、肺炎受累百分比、冠脈鈣化評分(CAC)、椎旁肌肉密度和骨密度(骨質疏松標志物)、肝臟密度(肝臟脂肪變性標志物)進行量化,結果提示胸部CT上顯示的骨質疏松和脂肪肝與新型冠狀病毒肺炎的嚴重程度和預后相關。Klein等收集了152例COVID-19患者入院后5天內的胸部CT與血漿細胞因子測定結果(IL-6、IL-8和TNF-α)。由兩名獨立放射科醫(yī)生根據(jù)肺部受累程度(評分0~20)獲得CT定性評分,并且使用由一個閱讀器監(jiān)督的分割軟件進行CT定量分析,計算總肺體積、通氣肺體積、磨玻璃樣陰影(GGO)體積、實變體積以及GGO與通氣肺體積的比率。結果發(fā)現(xiàn)胸部CT定性定量分析聯(lián)合血漿細胞因子是預測新型冠狀病毒肺炎患者住院死亡和病情最嚴重程度的有力非侵入性工具。這將有助于對新型冠狀病毒肺炎患者的分診和管理未來的疫情。

Palmisano等在一項包含1469名COVID-19患者的隊列研究中發(fā)現(xiàn),入院72h內胸部CT上顯示的主肺動脈直徑(MPAD)增大與患者住院死亡率的增加有關,MPAD≥31 mm是COVID-19院內死亡率的獨立預測因子。Gresser等采用CE認證的基于人工智能(AI)的算法(CAD4COVID,Thirona)對COVID-19重癥ICU患者的入院胸部CT進行嚴重程度評分,發(fā)現(xiàn)與住院死亡率無顯著相關,而序貫器官衰竭評估(SOFA)評分則與住院死亡率顯著相關,在受試者操作特征(ROC)曲線分析中,入院時SOFA評分的曲線下面積(AUC)高于CT評分。表明晚期新型冠狀病毒肺炎患者常常導致多器官受累,基于AI的胸部CT定量評估并不足以預測住院死亡率,應當包括多器官衰竭評估。

有研究發(fā)現(xiàn)影像學檢查也可以提供肺功能相關信息。Chen等前瞻性納入了90名中重度COVID-19患者,在出院時接受CT掃描,并對整個肺和肺葉進行定量分析,隨后在癥狀出現(xiàn)后5個月進行肺功能測試(PFT),發(fā)現(xiàn)超過三分之一的中度和重度COVID-19患者出現(xiàn)彌散功能障礙,多變量分析確定全肺平均肺密度(MLD)和左上葉MLD是恢復期肺彌散功能障礙的獨立預測因子。Fonseca等收集了101名輕度至重度COVID-19患者,均在康復后連續(xù)接受胸部CT和肺功能檢查(PFT),結果顯示一氧化碳彌散能力(DLCO%)下降是最常見的肺功能異常。DLCO受損患者的胸部CT上出現(xiàn)網(wǎng)狀陰影(P=0.003)、支氣管擴張(P=0.005)和結構扭曲(P<0.001)以及CT范圍評分>5(P=0.006)明顯更為常見。COVID-19患者恢復期的影像學檢查在一定程度上可以預測肺功能。

低劑量放療(LD-RT)是新型冠狀病毒肺炎患者的治療方式之一。Pena等在一項小型研究中初步探討了這種治療方式對肺纖維化的影響。將研究對象根據(jù)是否接受LD-RT分為兩組,對比兩組在LD-RT當日(0日)、+7日和4~7個月后的胸部CT發(fā)現(xiàn),LD-RT可能是一種可行且耐受性良好的治療方法,對COVID-19肺炎患者的影像學表現(xiàn)有所改善,并未加重纖維化程度。未來需要進一步隨機、大樣本試驗來確定LD-RT治療的患者是否會導致更高程度的肺纖維化。

人工智能/深度學習

現(xiàn)有的基于機器學習的肺結節(jié)分割方法多受到額外人工交互需求的限制。Song等將更快的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(Faster R-CNN)與廣義交集(GIoU)和Wasserstein生成對抗性網(wǎng)絡與梯度懲罰(WGAN-GP)相結合,提出一種基于混合損失的網(wǎng)絡,用于在CT圖像上實現(xiàn)端到端肺結節(jié)分割。與U-net相比,使用所提出的模型可以顯著減輕過度擬合和假陽性結節(jié)的產(chǎn)生(P<0.001)。人工交互和網(wǎng)絡過度擬合的緩解將推動肺結節(jié)分割算法走向臨床。

人工智能(AI)在肺結節(jié)的檢測和評估方面有很大潛力,早期診斷肺惡性結節(jié)并準確預測預后具有重要的臨床意義。Hong等評估了AI輔助系統(tǒng)對放射科醫(yī)師診斷肺惡性結節(jié)的影響,發(fā)現(xiàn)與兩位讀者單獨診斷相比,引入AI診斷參考結果后,兩位讀者都表現(xiàn)出了在AUC方面的改善,表明人工智能輔助診斷可提高惡性結節(jié)的診斷符合率。Venkadesh等將深度學習算法(DLA)整合到臨床建立的用于評估首次CT篩查中肺結節(jié)惡性風險的PanCan模型中,發(fā)現(xiàn)新DLA模型使結節(jié)風險評分的計算更容易、主觀性更低,且具有與PanCan模型相當?shù)慕Y節(jié)惡性風險評估性能。為改善基線CT掃描對肺癌的早期診斷,Wang等基于3年隨訪的連續(xù)CT開發(fā)了一個深度強化學習(deep reinforcement learning,D-RL)新模型。在測試集中該模型診斷肺癌的AUC明顯高于僅用基線掃描訓練的D-RL模型的AUC,表明用3年連續(xù)CT掃描訓練的D-RL模型可以在基線CT檢查中提前1年或2年診斷肺癌。Sollee等納入了活檢或手術診斷為肺部惡性腫瘤的患者,手動分割了術前FDG-PET/CT檢查的1168個病灶(793個有進展),以7:2:1分配訓練、驗證和測試集,使用CT/PET輸入訓練的CNN模型來預測惡性腫瘤進展,結果顯示術前FDG-PET/CT數(shù)據(jù)訓練的CNN在預測肺惡性腫瘤總生存期(OS)方面具有良好的性能,與單獨CT相比,PET進一步提高了代謝信息的預測能力。

胸部X線(CXR)是臨床常用的檢查手段。Nam等基于卷積神經(jīng)網(wǎng)絡利用224268張X線片開發(fā)和驗證了從系列X線片中檢測氣胸、實變和胸腔積液間隔變化的深度學習算法(deep learning algorithm detecting interval changes,DLAD-IC)。該算法結合了DLAD和肺分割算法,可計算出每個異常的定位面積與總肺面積的比值,對三種異常病變的間隔變化的檢測均有較好的效果,敏感度顯著提高。DLAD-IC通過提供異常的間隔變化信息有助于為急診X線片提供更準確、更早的報告。Weiss等使用了前瞻性癌癥篩查試驗中40643名無癥狀參與者的147497張胸部X線片,通過深度學習建立了CXR胸部年齡(chest-age)模型,并評估其在肺癌篩查合格個體和確診肺癌患者中的預后價值。研究顯示基于深度學習的胸部年齡顯著提高了肺癌患者的生存預測,這與基線危險因素無關,且超出了實際年齡。

隨著CT檢查在全球肺癌篩查中的迅速增加,在掃描范圍內自動檢測和表征其他疾病是非常有必要的。Sxauer等基于CT開發(fā)了一種深度CNN以實現(xiàn)檢測、分割及量化胸腔積液的目的。該算法檢測積液的敏感度和特異度分別為99%和98%,且顯示了穩(wěn)健的分割性能。自動量化胸腔積液算法的應用將會極大改善臨床工作流程。Fuhrman等使用國家肺部篩查試驗(NLST)中865張肺癌篩查CT圖像,通過深度多實例轉移學習方法開發(fā)一個診斷肺氣腫存在的模型,其AUC為0.93±0.04,具有很強的潛力。Batra等試圖將AI算法應用于常規(guī)胸部對比增強CT上以檢測偶發(fā)肺栓塞(iPE),該算法的敏感度中等,但特異度高,陰性預測值達99.7%,他們還發(fā)現(xiàn)既往手術引起的解剖學改變和邊緣強化的轉移病灶可能會導致分類錯誤,為后續(xù)算法性能的提高提供參考。偶發(fā)性肺栓塞與死亡率和發(fā)病率增加相關,檢測iPE的AI算法將使醫(yī)師和患者受益。

深度學習在圖像重建方面有巨大價值。Kikuchi等回顧性研究30例食管癌患者的增強雙能CT圖像,采用對比濾波反投影(FBP),自適應統(tǒng)計迭代重建(ASiR-V)和深度學習圖像重建(DLIR)三種方法重建50 keV和70 keV單能圖像,比較發(fā)現(xiàn)DLIR算法的圖像整體質量、信噪比(SNR)和(CNR)明顯高于另外兩種方法,DLIR-70 keV與DLIR-50 keV無顯著差異。DLIR圖像質量最好(中位數(shù)評分4~5分),F(xiàn)BP-50 keV最差。DLIR算法在雙能CT上能提供最佳的胸廓圖像質量。Yoo 等研究同樣表明與其他常規(guī)重建技術相比,DLIR在低劑量和超低劑量胸部CT的客觀和主觀分析中均顯示出更好的圖像質量。

為放射科開發(fā)深度學習(DL)模型可能會受到所需大量圖像和標簽的限制。遷移學習是一種有效的緩解策略,在大型數(shù)據(jù)集(通常是非醫(yī)療數(shù)據(jù)集)上對網(wǎng)絡進行預訓練,然后在較小的、針對特定任務的放射學數(shù)據(jù)集上進行微調。雖說是微調,但仍然需要>100 k圖像以及大量的人力和計算資源。Sellergren等將對比學習與監(jiān)督學習結合起來,通過監(jiān)督對比(SupCon)前訓練中的遷移學習來降低這些要求。最終SupCon僅使用64張圖像就能實現(xiàn)與最先進的DL模型相當?shù)男阅堋_@是一種使用小數(shù)據(jù)集進行預測建模的有前景的方法,在計算資源受限、數(shù)據(jù)有限或分布變化的情況下非常有用,如COVID-19,在這種情況下,人群和治療方法變化迅速。

Park等收集了16164名在同一天進行LDCT和PFT的體檢參與者,基于GoogLeNet的I3D(inflated-3D)網(wǎng)絡訓練以回歸方式預測PFT參數(shù),例如1秒用力呼氣量(FEV1)和用力肺活量(FVC)。同時在外部數(shù)據(jù)集中進行驗證,顯示該深度學習模型在容積胸部CT上預測PFT值性能較好,可作為肺功能低下患者分類的篩選工具。

導航支氣管鏡是一種比經(jīng)胸穿刺活檢更安全的肺結節(jié)取材方法。由CT圖像重建的三維氣管支氣管氣道路線圖是支氣管鏡檢查的前提。Wang等基于3D U-net提出并驗證了一個新的DL模型,通過懲罰低置信度的氣道段并專注于細支氣管訓練,可以識別更多更細的細支氣管(最高為12級)。同時具有自我注意機制的擴張卷積,可在更大區(qū)域提取形態(tài)特征,以區(qū)分真實氣道和其他形狀,如食道,保持3D氣道重建的高總體準確性,可以比現(xiàn)有的自動算法更好地描繪復雜的氣道樹狀結構。

影像組學

盡早識別早期非小細胞肺癌(NSCLC)術后復發(fā)高風險的患者有助于指導個體化治療和隨訪方案的制定。Christie等開發(fā)一種結合腫瘤和非腫瘤感興趣區(qū)域的定量成像特征、定性特征和臨床數(shù)據(jù)的多模態(tài)模型,以改善術后復發(fā)風險分層。他們分析了135名以手術作為主要治療方式的早期NSCLC患者治療前的數(shù)據(jù)集,在術前CT和PET上對腫瘤和瘤周體積、骨髓(L3~L5個椎體)進行分割以提取放射組學特征,使用最小絕對收縮選擇算子(LASSO)進行特征選擇,最終納入14個特征作為預測術后復發(fā)的主要特征。12個特征為紋理特征(2個CT腫瘤、6個CT腫瘤周圍、2個PET腫瘤周圍和2個PET骨髓),其余兩個特征為癌癥分期和患者年齡。結果發(fā)現(xiàn)腫瘤和非腫瘤區(qū)域紋理更異質的患者更容易復發(fā),該模型在訓練(n=94,P<0.005)和測試(n=41,P=0.01)隊列中顯著地將患者分為高風險組和低風險組?;贑T和PET上腫瘤和非腫瘤區(qū)域的影像組學模型在NSCLC復發(fā)風險分層方面優(yōu)于僅臨床分期模型,可幫助醫(yī)生識別術后復發(fā)風險較高的患者。

Zhang等回顧性納入接受表皮生長因子受體酪氨酸激酶抑制劑(EGFR-TKI)治療的118名NSCLC患者,在治療前和第一次隨訪的非對比胸部CT提取腫瘤內和周圍特征,此外還引入了單位時間(天)的百分比變化,發(fā)現(xiàn)與僅使用基線特征的影像組學模型相比,結合時間序列的組學模型在預測無進展生存期(PFS)方面的性能更優(yōu)越,單位時間百分比變化的動態(tài)概念有望監(jiān)測治療反應并實現(xiàn)個性化管理。

超進展性疾病(HPD)是免疫檢查點抑制劑(ICI)治療后公認的腫瘤進展模式。然而,在治療前確定HPD是否會發(fā)生的生物標記物尚未建立。Song等納入196名接受ICI單一治療的進展期NSCLC患者,從基線前、基線中,到第一次隨訪期間至少接受3次CT掃描,共621個病灶使用腫瘤生長動力學(TGK)比率確定是否為HPD。利用影像組學特征建立了HPD的預測模型,模型對肺、骨、淋巴結、肝臟HPD預測的AUC分別為0.65、0.70、0.60、0.72。預測不同器官HPD的影像組學特征不同,反映了腫瘤間異質性和器官特異性微環(huán)境。該研究表明,利用影像組學特征預測HPD和了解ICI治療后腫瘤進展的異質性有很大潛力。

Wu等應用影像組學以實現(xiàn)預測肺腺癌組織學侵襲性的目的,回顧了203例亞實性結節(jié)(SSN)經(jīng)手術病理證實的肺腺癌患者的CT圖像,使用開源軟件與三維結節(jié)體積手工分割提取影像組學特征,Logistic分析發(fā)現(xiàn)GLCM_Entropy_log10的影像組學參數(shù)是肺腺癌組織學侵襲性的預測因子,其截斷值預測侵襲性的敏感度和特異度分別為84.8%和79.2%。與常規(guī)CT形態(tài)學特征(結節(jié)大小和實性成分)和放射科醫(yī)師相比,基于影像組學預測侵襲性模型的AUC值顯然更高,可提供更好的診斷性能,可幫助臨床醫(yī)師在處理這類亞實性結節(jié)時作出決策。

肺癌篩查

肺部影像報告和數(shù)據(jù)系統(tǒng)(Lung-RADS)是臨床常用的輔助LDCT肺癌篩查、指導標準化隨訪和管理決策的評分標準。Gu等通過學習曲線表明無論放射科醫(yī)生的分類,Lung-RADS均適用于LDCT篩查研究,在社區(qū)肺癌篩查項目中,普通放射科醫(yī)生可能表現(xiàn)得和胸部放射科醫(yī)生一樣好。Lung-RADS目前不包括與縱隔或肺門淋巴結(MH-LNs)腫大相關的任何尺寸標準。Seo等在223名初次LDCT有MH-LNs腫大(≥6 mm)的受試者的至少一年的隨訪研究中發(fā)現(xiàn),淋巴結短軸長度是判斷MH-LNs是否為惡性的最重要因素,短軸長度至少為15 mm的孤立縱隔或肺門淋巴結腫大可能提示肺RADS評分為4X。其他特征(如形狀、支氣管炎、肺氣腫)需要進一步研究以證實其相關性。實際臨床中Lung-RADS 4X分類讀者間差異很大,Lee等利用3D CNN模型鑒別毛刺征和支氣管充氣征,DL模型與經(jīng)驗豐富的放射科醫(yī)生在4X分型(毛刺征和支氣管充氣征)方面具有可比性,高特異性有助于減少不必要的侵入性檢查。

Lee等根據(jù)荷蘭-比利時肺癌篩查研究(NELSON)標準回顧性收集了120名在基線CT上有不確定結節(jié)的肺癌篩查參與者,并獲得隨訪LDCT,比較Lung-RADS、NELSON標準和放射科醫(yī)生確定結節(jié)生長和診斷敏感度及特異度,發(fā)現(xiàn)與放射科醫(yī)生的主觀評價相比,NELSON標準定義的結節(jié)生長具有更高的敏感度和更低的特異度,但放射科醫(yī)生的主觀評價在結節(jié)診斷上的敏感度明顯高于其他兩個標準。除了對結節(jié)生長的敏感度較低外,放射科醫(yī)生的主觀評價可以在后續(xù)LDCT中敏感地識別肺癌。

語義特征在肺結節(jié)分類中的診斷價值可以通過惡性腫瘤的似然比(LR)來比較和理解,以幫助放射科醫(yī)生和提供者評估患者的肺癌風險。Wu等評估和比較一列定義明確的語義特征的惡性程度的LR,發(fā)現(xiàn)對惡性概率影響最大的語義特征是:“小于6 mm”,LR+為0.02(95%CI:0.01~0.09),“邊緣光滑”,LR+為0.04(95%CI:0.01~0.09);“毛刺”,LR+為28.7(95%CI:7.1~116.3);“放射冠”,LR+為25.6(95%CI:3.5~187.5);“侵犯胸膜或裂隙”LR+為18.4(95%CI:5.8~58.2);“偽空化”LR+為12.3(95%CI:1.6~93.8)。標準化的語義特征LR庫可以幫助管理結節(jié)惡性風險和預測性建模。

以往研究證明在基線低劑量CT篩查上發(fā)現(xiàn)的平均直徑<10 mm,豆狀,橢圓形或半圓形(LOS)或三角形且邊緣光滑的胸膜下實性非鈣化結節(jié)(CP-NCN)不需要短期隨訪,建議進行年度篩查。那么,在年度篩查中新發(fā)生的CP-NCN 是否適用相同的隨訪建議尚不可知?;诖?,Ye等納入了在國際早期肺癌行動計劃年度篩查掃描中21個新發(fā)生的CP-NCN(肺癌)和西奈山早期肺和心臟行動計劃中56個新發(fā)生的CP-NCN(55個良性),發(fā)現(xiàn)所有平均直徑小于10.0 mm、三角形或LOS形狀且邊緣光滑的CP-NCN 均為良性,建議進行年度篩查,而不是立即采取進一步檢查。

吸煙是肺癌的一個重要危險因素。Vliegenthart等研究發(fā)現(xiàn)不同吸煙狀況者的肺結節(jié)影像學表現(xiàn)有顯著差異,不吸煙者肺結節(jié)的尺寸更小,非實性、不規(guī)則或不光滑結節(jié)比例更低,鈣化結節(jié)比例更高。這項研究優(yōu)化了從不吸煙人群中偶然發(fā)現(xiàn)的肺結節(jié)的處理,他們的結節(jié)通常偏向良性。

Chelala等對NLST進行二次分析以確定肺癌篩查期間6~10 mm胸膜結節(jié)的惡性頻率,并使用與Lung-RADS 1.1的裂周結節(jié)等效的結節(jié)分類方案向下分類。這項研究表明,當形態(tài)為良性時,6~10 mm的胸膜結節(jié)的惡性潛能較低。將目前對裂周結節(jié)的處理外推到胸膜結節(jié),4.9%的患者使用Lung-RADS 1.1被降為2類。這將大大減少短期隨訪和假陽性結果。

肺癌相關

縱隔淋巴結轉移(MLN)的準確評估對于治療決策至關重要。Zhu等在ⅠA期NSCLC隊列中比較了術前CT和FDG-PET預測MLN轉移的敏感度和特異度。在470名患者中,部分實性(n=63)、非實性(n=23)及最大直徑≤10 mm(n=47)或診斷為典型類癌(n=48)的實性NSCLC患者均未發(fā)生MLN轉移,其余297名11~30 mm實性NSCLC患者中,7名(2.4%)有MLN。使用CT最大短軸MLN直徑預測實體NSCLC中MLN的AUC為0.62,使用任何MLN中的最高SUVmax的AUC為0.58。預測11~30 mm實性NSCLC的MLN的最佳臨界值是CT最大短軸直徑≥18.9 mm和最高SUVmax≥11.7,二者各自的AUC、敏感度和特異度分別是0.62、14.3%、100%和0.58、14.3%、99.7%,未來研究應著重提高敏感度。

目前指南對中央型肺癌的定義仍不明確,Kim等基于胸部CT的13種定義,對兩個回顧性隊列進行了中央型肺癌與隱匿性淋巴結轉移的相關性評估。以病理N分期作為結局進行單變量和多變量有序邏輯回歸分析。最終在不同觀察者間和數(shù)據(jù)集中確定了三個有較強穩(wěn)健性的定義:定義7(起源于中線的同心線,內三分之一,內側緣),定義10(基于位置指數(shù)的內三分之一,中心),以及定義12(基于位置指數(shù)的內三分之一,內側緣)。然而,這三種定義的敏感度和陽性預測值均低于50%,需要一種預測模型來確保對隱匿性淋巴結轉移識別的高敏感度。

大多數(shù)肺腺癌(ADC)都是混合的組織學類型,而且具有相同最主要組織學類型的肺腺癌的實際預后差異很大。Choi等在一項研究中確定了ADC的次要組織學類型對預后分層的價值。研究表明當最主要組織學類型為中級別時,三個次要組織學亞型之間的生存曲線有顯著差異(P=0.004;低級別,貼壁型;中級別,腺泡型和乳頭狀型;高級別,微乳頭型和實體型)。次要組織學類型為高級別的復發(fā)風險是低級別組的4.2%,此外,術前腫瘤的平掃CT值和SUVmax可用于預測非主要但高級別的組織學類型。這項研究提示我們預測腫瘤惡性程度和制定治療方法不應僅依賴于最主要的組織學類型,次要組織學類型也可發(fā)揮意想不到的作用。

Koike等對507例確診為肺腺癌患者的術前薄層CT進行回顧性分析,根據(jù)結節(jié)類型分為實性結節(jié)、部分實性結節(jié)、異質性磨玻璃結節(jié)(GGN)和純GGN組。發(fā)現(xiàn)異質性GGN均僅在術后ⅠA 期患者中發(fā)現(xiàn),異質性GGN組術后無原發(fā)性肺腺癌復發(fā)或死亡。與部分實性結節(jié)相比,異質性GGN與更長的無病生存期(DFS)顯著相關(P=0.042)。然而異質性GGN和部分實性結節(jié)的總生存期(P=0.139)沒有顯著差異?;贗ASLC/ATS/ERS肺Ad新分類的病理診斷可見異質性GGN組浸潤性腺癌比例較低,微浸潤性腺癌和原位腺癌比例高于部分實性結節(jié)組。

Murota等探討原發(fā)性囊性空洞型肺癌(CCLC)的CT和FDG-PET表現(xiàn),CCLC以腺癌(AD)最多見,尤以GGO和多房間隔多見。在實性病變中,多房和間隔的存在也同樣常見。AD在PET上的SUVmax明顯低于鱗癌(SCC),但不同實體病變的SUVmax不同。這可能有助于鑒別組織學表現(xiàn)。

Hwang等利用5000張癌癥患者的胸部CT開發(fā)一種基于深度學習的計算機輔助檢測(CAD)系統(tǒng)以識別肺轉移。在初步評價中,與放射科醫(yī)生相比,CAD診斷肺轉移的敏感度(82% vs.92%,P<0.001)和PPV(25% vs. 38%,P<0.001)明顯低于放射科醫(yī)生。有趣的是,在CAD輔助下的第二次檢查中,放射科醫(yī)生多發(fā)現(xiàn)了64個結節(jié),其中7個(11%)是真正的轉移。在CAD輔助下放射科醫(yī)生發(fā)現(xiàn)肺轉移的敏感度(95%)顯著提高(P=0.01),而PPV下降(38%降至35%,P<0.001)?;谏疃葘W習的CAD可以在日常實踐中幫助放射科醫(yī)生發(fā)現(xiàn)可能忽視的肺轉移,這對臨床醫(yī)生完全切除肺轉移病灶十分重要。

光子計數(shù)探測器

Booij等評估臨床雙源光子計數(shù)檢測器(photon counting detector,PCD)CT在圖像質量(IQ)和肺部結構可視化方面的改善。與同一患者傳統(tǒng)能量積分檢測器(conventional energy-integrating detector,EID)CT圖像比較發(fā)現(xiàn),PCD-CT獲得的胸部CT掃描圖像質量評分較高,兩名觀察人員在PCD-CT上對最小的支氣管分區(qū)可見性評分更好。與EID-CT相比,PCD-CT可成為臨床無對比增強胸部CT檢查的首選,尤其適合小氣道疾病。Inoue等探討了PCD-CT診斷普通間質性肺炎(UIP)的價值,相比于EID-CT,PCD-CT可提供更好的的圖像質量,從而提高了讀者對網(wǎng)狀結構、馬賽克圖案和GGO的診斷信心,改善UIP的影像診斷。

Dunning等對比了傳統(tǒng)能量積分檢測器(EID-CT)和研究性全身PCD-CT在肺癌篩查中對結節(jié)體積定量的準確性。二者分別在0.3、0.6和1.2 mGy三個劑量水平下,對附著在擬發(fā)現(xiàn)人胸部模型中16個低對比度和高對比度(630 HU和100 HU)、三種尺寸(直徑5、8和10 mm)以及兩種形狀(圓形和星形)的肺結節(jié)進行掃描,使用半自動分割工具(MM Oncology,Siemens)測量所有結節(jié)的體積和每個圖像序列中的噪聲。結果顯示與EID-CT相比,PCD-CT在三個劑量水平下將圖像噪聲降低了36%、35% 和45%,同時在降低劑量的情況下保持了對結節(jié)體積測量的準確性。這為低劑量肺癌篩查中結節(jié)體積的測量提供了一種新手段。

單能CT與雙能CT

Fang等評價了自適應統(tǒng)計迭代重建-VEO(ASIR-V)算法在低輻射劑量下對能譜增強CT胸主動脈圖像質量的影響。在70 keV單能量水平下,分別采用20%、40%、60%和80%迭代重建水平進行CT重建。四組不同圖像重建組的胸主動脈圖像噪聲(SD)、SNR、CNR差異有統(tǒng)計學意義(P<0.05)。20%、40%、60%和80%迭代重建水平各組胸主動脈SD分別(29.35±3.65)HU、(23.29±2.57)HU、(17.53±1.61)HU和(12.44±1.10)HU。60%和80% ASIR-V主觀評分分別為4.48±0.74和4.03±0.59,所有其他迭代重構水平的主觀得分均在4.0分以下。對于胸主動脈血管疾病,能譜CT單能掃描結合60%迭代重建權重可顯著改善血管管腔的圖像質量,為臨床應用提供更有效的信息。

Martine等利用雙能CT(dual energy,DECT)評價系統(tǒng)性硬化病(systemic sclerosis,SSc)患者的肺灌注。101名SSc患者在第三代雙源CT系統(tǒng)(Force,Siemens Healthineers)上進行掃描并重建了形態(tài)學和灌注圖像。隨后兩個月內接受了肺功能檢查。結果顯示DECT在形態(tài)學方面可提供標準HRCT掃描的補充信息,同時可描述正常或肺實質輕度浸潤的SSc患者的灌注變化。形態(tài)學和灌注之間具有臨床相關的互補性,表明雙能CT在患者管理中可發(fā)揮更大的作用。

Liedekerke等通過對比度增強雙能CT發(fā)現(xiàn),與低劑量肺部CT掃描相比,DECT可提供COVID-19病灶中碘和水含量的更多信息,COVID-19患者的正常肺組織、毛玻璃樣混濁和實變存在不同濃度的碘和水,毛玻璃混濁和實變處的碘濃度與CT嚴重程度評分呈正相關。COVID-19主要表現(xiàn)不僅是肺炎,還有凝血障礙。Martine等提供了嚴重COVID-19感染患者住院后3個月可檢測到的肺血管異常的初步數(shù)據(jù)。他們對有呼吸道殘留癥狀的患者進行??齐S訪,共對55人進行了DECT血管造影檢查,并重建了灌注圖像(肺PBV)。DECT顯示了5.4%的患者有非梗阻性近端血栓形成,65.5%的患者有灌注異常提示廣泛的微血管病變,灌注增加區(qū)域與殘留的肺炎異常相匹配。

肺動脈高壓(PH)是一種高發(fā)病率和高死亡率的疾病,臨床準確診斷仍具有挑戰(zhàn)性。Gertz等納入162例經(jīng)右心導管(RHC)證實為符合Nice分類定義的不同病因的PH患者和20例侵入性檢查排除PH的患者,均在光譜檢測器CT(SDCT)上接受了CT肺動脈造影(CTPA),根據(jù)碘含量自動分割正常肺區(qū)和灌注不良肺區(qū),并進行自動、虛擬的、非對比的肺氣腫量化。計算相應體積、直方圖特征和SkewnessPerfDef -肺氣腫指數(shù)(δ指數(shù)),發(fā)現(xiàn)SDCT衍生的肺灌注圖和肺實質特征自動化分析有助于PH的診斷,還允許對PH亞型進行自動化的、獨立于讀者的分類,并為非侵入性嚴重程度預測產(chǎn)生超出既定標志物的額外價值,特別是在毛細血管前PH的范圍內。

慢性阻塞性肺疾病

Ezponda等納入220名慢性阻塞性肺疾病(COPD)患者作為病例組,并按年齡、性別、BMI和體表面積(BSA)匹配的58名患者作為對照組,在低劑量胸部CT測量了兩組的腰大肌密度(PsD),發(fā)現(xiàn)病例組的PsD低于對照組(40.5 vs. 42.5,P=0.045),Cox比例風險分析顯示年齡和CT評估的PsD是與全因死亡率獨立相關的變量。這表明輕度至重度氣流受限的COPD患者,可以將腰大肌密度作為胸部常規(guī)CT掃描測量的目標,為臨床醫(yī)生提供重要的COPD預后信息。Nam等利用CXR和簡單的臨床信息,開發(fā)并驗證了一種基于深度學習的COPD患者生存預測模型(DLSP)。DLSP預測COPD患者5年生存率AUC為0.710~0.814,在三個外部驗證隊列中均顯著高于FEV1、年齡、BMI和COPD特異性臨床指標(BODE、CAT和SGRQ)。

Wada等對1周內接受肺功能測試(PFTs)的COPD患者進行了吸氣和呼氣CT檢查,測量了左右膈腳在腸系膜上動脈口水平的短軸、長軸和橫截面積(CSA),并測定呼吸引起的膈腳大小變化率(ROCC)。結果顯示雙側膈腳的短軸和CSA越小,ROCC越大,PFTs結果越好,提示膈腳可作為COPD的一項生物標志物,用胸部CT檢查COPD患者的支氣管和肺部病變時,可通過測量膈腳以評估肺功能。

COPD亞型與處方藥之間的關系尚不明確,對患者的治療處方主要是基于患者當前癥狀、先前處方結果的患者狀態(tài)以及呼吸內科醫(yī)生的經(jīng)驗。Yang等在一項初步研究中利用胸部CT圖像和肺功能測試建立COPD患者用藥預測模型。他們獲取2000名COPD患者的處方藥信息、肺功能檢查結果(如DLCO、FEV1 、TV、TLC等)和胸部CT數(shù)據(jù)(如肺氣腫指數(shù)、氣道厚度、氣道長血管、體積、胸大肌體積等),并進行預處理轉換為時間序列數(shù)據(jù),基于CNN-LSTM開發(fā)了用于預測指導患者用藥的機器學習模型。模型的平均準確率和損失值分別為0.8523和0.1536。在進一步研究中提供更大、更密集的數(shù)據(jù)時,模型預測的性能可能會顯示出更好的結果,未來有望準確指導患者當前狀態(tài)應該服用什么藥物。

Choi等在一項包含健康人、哮喘、COPD和IPF的人群中,基于定量計算機斷層掃描(QCT)探討了環(huán)境顆粒物(PM)暴露對肺結構和功能改變的影響。最高暴露組全肺高衰減面積百分比(HAA%)顯著升高,局部肺平均擴張(J)顯著降低(P<0.05),歸一化氣道直徑、多區(qū)域氣道截面圓度和歸一化壁厚明顯小于最小暴露組(P<0.05)。在每種疾病類型中,PM暴露與多種QCT特征之間也發(fā)現(xiàn)了顯著的相關性。

肺彌漫性疾病

間質性肺病(ILD)是抗合成酶綜合征(ASyS)發(fā)病率和死亡率的主要決定因素。Wu等回顧性分析了47例ASyS-ILD患者的CT演變以及與血清學生物標志物和預后的關系。31名患者有抗Jo1抗體,而16名患者沒有,影像學類型和抗體類型之間沒有顯著相關性。最常見的初始影像學模式是非特異性間質性肺炎(NSIP)和機化性肺炎(OP)。在46個月的中位隨訪時間內,半數(shù)患者出現(xiàn)了ILD模式。最常見的模式變化是從OP、NSIP-OP重疊到纖維化NSIP。纖維化NSIP或常見間質性肺炎(UIP)模式通常不會進一步發(fā)展或演變。初次CT時GGO占優(yōu)勢模式與生存率增加相關。

特發(fā)性肺纖維化(IPF)是常見的間質性肺炎(UIP)類型。胸膜下纖維化伴結構扭曲是UIP的特征性組織學表現(xiàn)。YASUDA等納入首次就診并連續(xù)接受三次年度CT掃描的IPF患者,采用Ziostant2軟件(Ziosoft,Inc.)對初始和隨訪CT圖像進行變形配準,計算肺血管和周圍支氣管的三維平均位移(3D-AD)。結果顯示通過連續(xù)CT圖像的可變形配準的3D-AD彩色圖可以幫助可視化IPF患者肺部結構扭曲的進展。

Nagatani等通過動態(tài)通氣計算機斷層掃描(DVCT)分析了特發(fā)性肺纖維化/普通性間質性肺炎(IPF/UIP)患者峰周吸氣期整體肺容積變化與用力肺活量百分比(%FVC)的關系,發(fā)現(xiàn)吸氣持續(xù)時間相對較短,吸氣峰期變化與%FVC呈正相關,反映了胸膜下纖維化及其進展與IPF/UIP的%FVC降低平行。

Iwasawa等評估超高分辨率計算機斷層掃描(U-HRCT)對纖維化過敏性肺炎(fHP)的診斷性能,與傳統(tǒng)正常分辨率模擬(NR-sim)圖像相比,U-HRCT 整體圖像質量優(yōu)于 NR-sim 圖像質量,可顯示支氣管擴張肺段的中位數(shù)明顯更高。fHP診斷的AUC從 NR-sim圖像中的0.692顯著增加到U-HRCT圖像中的0.794。U-HRCT可以清晰地顯示外周支氣管擴張,提高傳統(tǒng)CT對纖維化過敏性肺炎的診斷性能。

Zhao等探討了深度學習重建改善間質性肺病(ILD)圖像質量同時降低輻射劑量的可行性。前瞻性納入50例ILD患者行HRCT和LDCT掃描,HRCT圖像采用AIDR3D標準重建,LDCT圖像采用Advanced Intelligence Clear-IQ Engine(AiCE)、肺/骨、輕度/標準/強設定重建。結果顯示LDCT的平均輻射劑量減少到HRCT的1/3。低劑量掃描所有重建圖像的圖像噪聲約為HRCT的33.4%~91.5%, SNR提高到后者的1.1~3倍(P<0.0001)。在所有重建的 LDCT 圖像和 HRCT 圖像之間,整體圖像質量、條紋偽影、正常特征(裂隙、近端支氣管和血管、外周支氣管和血管、胸膜下血管)和異常特征(網(wǎng)狀結構、支氣管擴張和支氣管擴張)的可視化方面無顯著差異。AiCE(肺,強設置)有望成為未來ILD患者LDCT掃描的首選重建方案。

彌漫性肺淋巴管瘤病(DPL)是一種罕見的胸部先天性淋巴管發(fā)育畸形。Qi等回顧性分析了38名經(jīng)手術證實為DPL的患者的胸部CT,旨在提高放射科醫(yī)師對DPL的診斷和鑒別。所有患者均出現(xiàn)縱隔溺水征(MDS),典型影像學表現(xiàn)為縱隔全區(qū)域彌漫均勻(32/38,84%)或不均勻(16%)水樣或粘液密度(32/38,84%),無氣管和大血管移位和變形。MDS是DPL的重要表現(xiàn)之一,對肺間質增厚和乳糜胸的早期診斷具有重要意義。MSCT淋巴管造影顯示沿縱隔、雙側肺門和支氣管血管束分布的對比劑(超液體碘油)廣泛沉積和滲漏,提示淋巴管生成、淋巴管擴張和反流。其他伴隨發(fā)現(xiàn)包括胸導管(100%)和右側淋巴管阻塞(12/38,32%)、支氣管縱隔干擴張(6/38,16%)、支氣管血管束和小葉間隔增厚(35/38,92%)、彌漫性不均勻 GGO (35/38,92%)、乳糜胸或胸膜外軟組織增厚(30/38,79%)以及腹部和骨骼中的異常淋巴管(9/38,24%)。

暗場X射線成像

Gassert等納入40例無肺部疾病史且胸部CT掃描肺部表現(xiàn)正常的受試者,使用新型臨床X線暗場模型進行成像,同時獲取常規(guī)胸片和暗場胸片。他們發(fā)現(xiàn)通氣良好的肺組織發(fā)出強烈信號,而周圍的骨組織和軟組織則很低或沒有信號。肺組織暗場信號平均為2.53±0.44 /m。暗場總信號與肺泡數(shù)量呈極顯著相關(r=0.61,P<0.001),與性別、年齡、體重、身高無關。因此定量暗場系數(shù)可以作為一種新型影像學生物標志物,用于肺功能的診斷評估。這是首次描述健康受試者X射線暗場圖像的定性和定量特征,可能會提高現(xiàn)有的肺部成像技術以實現(xiàn)肺部疾病的早期診斷,為今后的研究提供參考。

胸部磁共振成像

目前胸部檢查的主要手段仍舊是X線片和CT,但磁共振具有無輻射、多序列多參數(shù)、良好的軟組織分辨力、功能學成像等優(yōu)點,隨著技術不斷發(fā)展應用前景十分廣闊。與標準或低劑量CT相比,肺MR超短回波時間成像(UTE)已被用于結節(jié)檢測或結節(jié)亞型分類。然而,尚未明確UTE肺MRI在Lung-RADS評估中的能力。Ohno等進行的一項研究表明UTE肺MRI與標準或減少劑量薄層CT在結節(jié)檢測和Lung-RADS分級評估方面具有相當?shù)哪芰?。Zhang等同樣以胸部標準劑量CT作為參考標準,調查了自由呼吸徑向3D脂肪抑制T1加權梯度回波(r-VIBE)序列掃描檢測肺部病變并顯示病變輪廓的價值。r-VIBE序列能正確檢測到94.8%的肺結節(jié),在評估分葉、毛刺、血管集聚、氣泡樣衰減、空化和縱隔淋巴結腫大時的敏感度為81.8%、93.3%、71.4%、81.8%、100%和88.2%,與標準劑量CT的一致性顯著(0.605≤K≤1.000,P<0.0001)。

Yang等應用血氧水平依賴磁共振成像(BOLD MRI)評估了15名Ⅰ~Ⅲ期NSCLC患者因不能手術而接受立體定向身體放射治療(SBRT)前后腫瘤氧合的變化。所有BOLD MRI在Philips Ingenia CX3T掃描儀上使用動態(tài)T2*映射序列和全身dStream線圈采集。結果發(fā)現(xiàn)SBRT導致非小細胞肺癌病灶的BOLD反應顯著降低(-5.9±0.1%,P=0.03)。治療誘導的腫瘤氧合變化與治療前BOLD反應水平密切相關(r=-0.74)。BOLD MRI可檢測到治療后腫瘤氧合的增加,這種反應是腫瘤特異性的,在治療前缺氧的病變中更為明顯。它也發(fā)生在輻射引起的水腫和任何實質性的腫瘤灌注或通透性改變之前。這項研究結果證明了BOLD MRI監(jiān)測NSCLC患者對放療早期反應的可行性,并提示其可能比DWI和動態(tài)對比增強MRI更敏感。

4D血流MRI是研究血流動力學的新技術。β受體阻滯劑(BB)治療二葉式主動脈瓣(BAV)的益處尚未在臨床試驗中得到證實。Pathrose等使用4D血流MRI技術在一項縱向研究中發(fā)現(xiàn)BAV患者的主動脈血流動力學在開始BB治療后并沒有發(fā)生顯著改變,BB對BAV患者的益處需進一步研究。

Mazzaro等探討了基于傅立葉分解MRI(FD-MRI)的肺灌注圖對囊性纖維化(CF)患者呼吸道惡化(RTE)的診斷價值,研究顯示FD-MRI灌注圖評分具有良好的重復性,可有效區(qū)分呼吸道惡化的CF患者。它在檢測治療后的變化方面也很有用,證明與肺活量測定參數(shù)有良好的相關性,提供功能信息,避免了對比劑和電離輻射。

胸部血管

非動脈粥樣硬化性非動脈瘤性主動脈血栓(NANAAT)是必須認識到的重要影像學診斷。Marquis等回顧了28名NANAAT患者的臨床和影像資料,發(fā)現(xiàn)50%的NANAAT患者存在高凝狀態(tài),NANAAT最常見于胸降主動脈,但22%的患者在升主動脈中發(fā)現(xiàn)。在藥物治療失敗或需要血管內或開放性手術治療的患者中,12/13(92%)有帶蒂外觀,表明這種結構可能需要更積極的治療。

肺動脈高壓(PH)是一種異質性、無法治愈的疾病,未經(jīng)治療的生存率低于大多數(shù)癌癥。PH中CT肺實質疾病模式的預后意義尚不清楚。Dwivedi等納入了335例特發(fā)性肺動脈高壓(IPAH)和325例繼發(fā)于慢性肺部疾病的肺動脈高壓(PH-CLD)患者,發(fā)現(xiàn)蜂窩狀(HR 2.79)、纖維化(HR 2.38)、肺氣腫(HR 2.09)和肺氣腫合并纖維化(CPFE,HR 2.20)是死亡率升高的顯著不良預測因子(P<0.001),纖維化和肺氣腫的預后影像與其嚴重程度成比例。而磨玻璃、小葉中心磨玻璃是顯著的保護因子。

猜你喜歡
胸部結節(jié)肺癌
中醫(yī)防治肺癌術后并發(fā)癥
對比增強磁敏感加權成像對肺癌腦轉移瘤檢出的研究
肺結節(jié),不糾結
中老年保健(2021年6期)2021-08-24 06:53:54
發(fā)現(xiàn)肺結節(jié)需要做PET/CT嗎?
中老年保健(2021年9期)2021-08-24 03:50:24
從氣、虛、痰、瘀辨治肺結節(jié)術后咳嗽
胸部腫瘤放療后椎體對99Tcm-MDP的攝取表現(xiàn)及分析
體檢查出肺結節(jié),我該怎么辦
人體胸部
microRNA-205在人非小細胞肺癌中的表達及臨床意義
基于肺癌CT的決策樹模型在肺癌診斷中的應用
南部县| 方城县| 鸡东县| 顺昌县| 茶陵县| 宝清县| 遵义县| 东宁县| 遂宁市| 石嘴山市| 佳木斯市| 天门市| 慈溪市| 宣恩县| 内丘县| 平阴县| 汝阳县| 安丘市| 兴业县| 陆丰市| 龙山县| 洛宁县| 祁东县| 阳信县| 扬中市| 舒城县| 房山区| 湘乡市| 汉沽区| 横山县| 灌云县| 楚雄市| 青岛市| 平南县| 轮台县| 奉贤区| 桃源县| 津市市| 南康市| 新泰市| 密山市|