黃雪梅，孫英麗，高盼，譚明瑜，段紹峰，李銘

肺癌是全球范圍內(nèi)除女性乳腺癌外最常見(jiàn)的癌癥(占總病例的11.6%)，也是癌癥相關(guān)死亡的主要原因(占總癌癥死亡的18.4%)，在中國(guó)，分別占11.4%和18.0%[1]。美國(guó)一項(xiàng)大型篩查試驗(yàn)(NLST)[2]表明相比于普通胸部X射線(xiàn)，低劑量胸部CT可明顯降低肺癌死亡率(20%)及全因死亡率(6.7%)。低劑量胸部CT已逐步成為肺癌篩查的常規(guī)手段。在高危人群的首次篩查中，肺結(jié)節(jié)的檢出率約為79.79%，其中實(shí)性結(jié)節(jié)為71.43%，部分磨玻璃結(jié)節(jié)為22.98%[3]。大量肺結(jié)節(jié)的檢出不僅給患者造成巨大心理壓力，也給臨床增加了極大的工作負(fù)擔(dān)，尤其是肺結(jié)節(jié)的良惡性及浸潤(rùn)程度的判斷，因?yàn)樵\斷結(jié)果將直接決定患者干預(yù)方式的選擇。浸潤(rùn)性肺腺癌與非浸潤(rùn)性肺腺癌在治療策略、生存率、手術(shù)方式以及預(yù)后方面均有極大的差異[4-5]。因此，早期、準(zhǔn)確地獲知肺結(jié)節(jié)/腫塊良惡性及浸潤(rùn)程度對(duì)臨床醫(yī)師制定適宜的處置策略、提升患者生活質(zhì)量、節(jié)約社會(huì)醫(yī)療資源都意義重大。傳統(tǒng)影像診斷模式[6-8]主觀(guān)性強(qiáng)，診斷耗時(shí)，對(duì)經(jīng)驗(yàn)要求較高，難以普及到大量的篩查群體。肺癌影像組學(xué)，是人工智能在醫(yī)療領(lǐng)域的應(yīng)用之一，通過(guò)定量提取瘤灶大量因肉眼局限而無(wú)法捕捉到的特征，隨后進(jìn)行統(tǒng)計(jì)分析，最終構(gòu)建出預(yù)測(cè)模型，協(xié)助判斷疾病性質(zhì)[9-10]、預(yù)后[11]、基因突變狀態(tài)[12]、治療反應(yīng)[13-14]等。它具有無(wú)創(chuàng)、客觀(guān)、可重復(fù)性高等優(yōu)勢(shì)，極大地彌補(bǔ)了傳統(tǒng)診斷模式的不足。

本研究納入大量病例，首次對(duì)肺結(jié)節(jié)/腫塊進(jìn)行分層、分組的建模分析，旨在探索影像組學(xué)模型在不同性質(zhì)的肺結(jié)節(jié)/腫塊中適用性差異，優(yōu)化模型應(yīng)用場(chǎng)景，提高應(yīng)用效能。

材料與方法

1.患者的選擇與資料的收集

本回顧性研究經(jīng)機(jī)構(gòu)審查委員會(huì)批準(zhǔn)，豁免了患者的知情同意要求。

工作流程如圖1所示。檢索本院2011年10月-2018年12月的肺結(jié)節(jié)/腫塊病例。納入標(biāo)準(zhǔn)：①胸部CT檢查時(shí)間在術(shù)前1個(gè)月內(nèi)；②CT圖像層厚≤1.5 mm；③有明確的病理報(bào)告的肺結(jié)節(jié)/腫塊患者；④術(shù)前未做過(guò)其他治療(放化療或射頻消融治療)。排除標(biāo)準(zhǔn)：①存在嚴(yán)重的運(yùn)動(dòng)偽影；②既往有肺部手術(shù)史/肺部腫瘤病史或其他臟器惡性腫瘤病史。最終納入2105例肺結(jié)節(jié)/腫塊患者。根據(jù)肺結(jié)節(jié)/腫塊的密度，將病例分為磨玻璃組(A組)及實(shí)性組(B組)，在A(yíng)和B組內(nèi)分別以2017年10月為界分為訓(xùn)練集與測(cè)試集。外部驗(yàn)證集選取了來(lái)自上海市華東醫(yī)院張國(guó)楨肺小結(jié)節(jié)診斷中心的病例，共296例，男123例，女173例，磨玻璃肺結(jié)節(jié)/腫塊235例(A組的外部驗(yàn)證集)，實(shí)性肺結(jié)節(jié)/腫塊61例(B組的外部驗(yàn)證集)。

圖1 流程圖。

本研究任務(wù)：①A組，建立預(yù)測(cè)浸潤(rùn)性肺腺癌/非浸潤(rùn)性肺腺癌模型。②B組，建立預(yù)測(cè)良惡性的模型(肺腺癌/肺良性腫瘤)。

2.病理狀態(tài)的確診

所有的病理診斷均由一位低年資病理診斷醫(yī)師進(jìn)行初步診斷，再由一位高年資診斷專(zhuān)家進(jìn)行二次評(píng)估，兩者有異議時(shí)，討論確定最終病理診斷結(jié)果，診斷規(guī)范為2011年國(guó)際肺癌研究協(xié)會(huì)/美國(guó)胸科學(xué)會(huì)/歐洲呼吸學(xué)會(huì)提出的國(guó)際多學(xué)科肺腺癌分類(lèi)[15]。

3.圖像的獲取及相關(guān)儀器參數(shù)設(shè)置

本研究采用LightSpeed VCT、Somatom Definition Flash、Somatom Sensation 16三臺(tái)CT儀，檢查體位為仰臥位，采集期相為深吸氣相。管電壓120 kVp，管電流200 mA，重建算法STND/medium sharp，重建層厚1.00/1.25/1.5 mm。所有圖像均在肺窗下進(jìn)行觀(guān)察(窗位-500 HU；窗寬1500 HU)。具體參數(shù)設(shè)置見(jiàn)表1。

表1 掃描儀器詳細(xì)參數(shù)

4.ROI勾畫(huà)及傳統(tǒng)影像特征獲取

首先由一名有5年胸部CT診斷經(jīng)驗(yàn)的放射科醫(yī)師采用3D Slicer對(duì)瘤灶進(jìn)行像素級(jí)手動(dòng)勾畫(huà)，排除掉大的血管、胸膜、纖維條索等無(wú)關(guān)結(jié)構(gòu)，記錄瘤灶的形態(tài)學(xué)特點(diǎn)包括密度、位置、邊界是否清晰，是否有暈征、分葉征、毛刺征、顆粒征、血管改變、空泡征、蜂窩征、是否合并瘢痕、胸膜凹陷征，記錄臨床特征包括性別及年齡；隨后由一位具有10年胸部CT診斷經(jīng)驗(yàn)的高年資放射科醫(yī)師進(jìn)行二次評(píng)估，若二者持有不同意見(jiàn)，討論達(dá)成一致后并記錄最終結(jié)果。

5.模型的建立及性能評(píng)估

采用Pyraodiomics軟件(Version 3.7)進(jìn)行影像組學(xué)特征的提取，隨后使用最小冗余最大相關(guān)性算法和最小絕對(duì)收縮選擇算法對(duì)組學(xué)特征進(jìn)行篩選、降維，最終選取最有意義的組學(xué)特征進(jìn)行求和、加權(quán)，建立獨(dú)立組學(xué)模型，最后將有意義的臨床-傳統(tǒng)影像特征及組學(xué)特征納入多變量回歸分析，隨后建立融合組學(xué)模型，并在測(cè)試集及外部驗(yàn)證集上評(píng)估模型效能。預(yù)測(cè)效能采受試者操作特征(receiver operating characteristic，ROC)曲線(xiàn)下面積(area under curve，AUC)表示，并采用De-Long檢驗(yàn)來(lái)評(píng)價(jià)AUC值的差異，同時(shí)采用校準(zhǔn)曲線(xiàn)、擬合優(yōu)度檢驗(yàn)和臨床決策曲線(xiàn)分別評(píng)價(jià)模型的校準(zhǔn)度及臨床實(shí)用性。

6.統(tǒng)計(jì)分析

連續(xù)變量采用兩獨(dú)立樣本t檢驗(yàn)或Wilcoxon秩和檢驗(yàn)；分類(lèi)變量采用卡方檢驗(yàn)或費(fèi)希爾精確檢驗(yàn)。所有統(tǒng)計(jì)檢驗(yàn)均采用R統(tǒng)計(jì)軟件(R version 3.6.3)及SPSS統(tǒng)計(jì)軟件(version 23版)。最大相關(guān)-最小冗余(max-relevance and min-redundancy，mRMR)采用“mRMRe”包，最小絕對(duì)收縮選擇算子(least absolute shrinkage and selection operator，LASSO)采用“glmnet”包。ROC曲線(xiàn)采用“pROC”包，nomogram使用“rms”包；Hosmer-Lemeshow檢驗(yàn)采用“hosle”包；決策曲線(xiàn)采用“dca.R.”包。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.A組

本組共納入磨玻璃肺結(jié)節(jié)/腫塊1711例，浸潤(rùn)性肺腺癌885例，非浸潤(rùn)性肺腺癌826例，病灶平均直徑為(20.5±17.9)mm。訓(xùn)練集1075例，男393例，女682例；純磨玻璃結(jié)節(jié)241例，部分磨玻璃結(jié)節(jié)834例；浸潤(rùn)性腺癌/非浸潤(rùn)性腺癌(553/518)。測(cè)試集643例，男性/女性(233/410)；純磨玻璃/部分磨玻璃(135/508)；浸潤(rùn)性腺癌/非浸潤(rùn)性腺癌(332/308)。

①傳統(tǒng)模型的建立:將臨床及傳統(tǒng)影像形態(tài)學(xué)特征進(jìn)行單因素分析及多因素logistic回歸分析后(表2)，最終篩選出9個(gè)可鑒別肺腺癌浸潤(rùn)性的有統(tǒng)計(jì)學(xué)意義的獨(dú)立預(yù)測(cè)因素：性別、年齡、邊界、暈征、分葉征、毛刺征、血管改變、蜂窩征、胸膜凹陷征，最后建立了傳統(tǒng)模型。

表2 各組訓(xùn)練集特征分布

②獨(dú)立組學(xué)模型的建立:Pyradiomics最終獲取1018個(gè)影像組學(xué)特征，篩選、降維(圖2)后，獲得出9個(gè)有意義的組學(xué)特征，計(jì)算R-score，建立組學(xué)模型。獨(dú)立組學(xué)特征模型的預(yù)測(cè)效能較高，AUC值為0.91(P值<0.05)，能有效區(qū)分浸潤(rùn)性肺腺癌與非浸潤(rùn)性肺腺癌。

圖2 特征篩選系數(shù)-λ函數(shù)值的計(jì)算。注：λ函數(shù)值使用的算法為mRMR算法及LASSO算法，λ函數(shù)值的作用為確認(rèn)相關(guān)的組學(xué)特征系數(shù)及特征數(shù)。

③融合組學(xué)模型的建立:將篩選出的臨床及傳統(tǒng)影像相關(guān)的獨(dú)立預(yù)測(cè)因素及組學(xué)特征納入多因素logistic回歸分析，最終納入性別、邊界、暈征、毛刺征、蜂窩征、胸膜凹陷征及組學(xué)特征，共7項(xiàng)有意義的特征來(lái)建立融合組學(xué)模型，得到Nomogram(圖3)。

圖3 融合組學(xué)模型(Nomogram)的公式構(gòu)成。a)年齡、毛刺征、蜂窩征、Rad-score是經(jīng)多因素邏輯回歸分析后篩選出的惡性肺結(jié)節(jié)/腫塊的獨(dú)立預(yù)測(cè)因素；b)性別、邊界、暈征、毛刺征、蜂窩征、胸膜凹陷征，Rad-score是經(jīng)多因素邏輯回歸分析后篩選出浸潤(rùn)性肺腺癌的獨(dú)立預(yù)測(cè)因素。

④預(yù)測(cè)效能、校準(zhǔn)度及臨床實(shí)用性的評(píng)估:各個(gè)模型均可高效預(yù)測(cè)浸潤(rùn)性肺腺癌與非浸潤(rùn)性肺腺癌，其中融合組學(xué)模型性能最高。AUC值分別為：訓(xùn)練集中獨(dú)立組學(xué)模型0.91(0.89～0.93)、傳統(tǒng)模型0.83(0.81～0.85)、融合組學(xué)模型0.92(0.90～0.93)，測(cè)試集中獨(dú)立組學(xué)模型0.95(0.93～0.96)、傳統(tǒng)模型0.80(0.76～0.83)、融合組學(xué)模型0.94(0.93～0.96)。校準(zhǔn)曲線(xiàn)及決策曲線(xiàn)也進(jìn)一步表明融合模型有很好的校準(zhǔn)度及臨床實(shí)用性，見(jiàn)圖4。

圖4 各模型預(yù)測(cè)準(zhǔn)確性、校準(zhǔn)度、臨床實(shí)用性評(píng)估。a～e為A組；f～j為B組。a、f)訓(xùn)練集的ROC曲線(xiàn)，顯示模型的預(yù)測(cè)準(zhǔn)確性；b、g)測(cè)試集的ROC曲線(xiàn)；c、h)訓(xùn)練集的校準(zhǔn)曲線(xiàn)，顯示模型的校準(zhǔn)度；d、i)測(cè)試集的校準(zhǔn)曲線(xiàn)；e、j)決策曲線(xiàn)，顯示模型的臨床實(shí)用性。a、b、f、g的紅線(xiàn)代表融合組學(xué)模型(Nomogram)，藍(lán)線(xiàn)代表獨(dú)立組學(xué)模型(Radiomics)，綠線(xiàn)代表傳統(tǒng)模型(Clinics)。c、d、h、i僅顯示各模型中最佳模型(融合組學(xué)模型)的校準(zhǔn)度，對(duì)角線(xiàn)(灰線(xiàn))代表預(yù)測(cè)值與實(shí)際值百分之百一致，越靠近中線(xiàn)代表校準(zhǔn)度越高。e、j圖紅線(xiàn)代表融合組學(xué)模型(Nomogram)，藍(lán)線(xiàn)代表傳統(tǒng)模型(Clinics)。橫坐標(biāo)為閾值概率，縱坐標(biāo)為模型的凈利潤(rùn)率。水平灰線(xiàn)和綠線(xiàn)代表兩條極值曲線(xiàn)。

各個(gè)模型之間的效能差異均有統(tǒng)計(jì)學(xué)意義(融合組學(xué)模型與傳統(tǒng)模型之間Z=9.2364，P<0.01；獨(dú)立組學(xué)模型與傳統(tǒng)模型之間Z=7.0059，P<0.01)。

外部驗(yàn)證集也再一次驗(yàn)證預(yù)測(cè)模型有較強(qiáng)的泛化能力，融合組學(xué)模型、傳統(tǒng)模型AUC分別為0.87(0.82～0.91)、0.68(0.61～0.75)，見(jiàn)圖5。校準(zhǔn)曲線(xiàn)：預(yù)測(cè)可能性在0%～70%范圍內(nèi)，融合組學(xué)模型預(yù)測(cè)值與實(shí)際觀(guān)察值之間的相關(guān)性很高，在70%～100%范圍內(nèi)，預(yù)測(cè)值與實(shí)際觀(guān)察值之間的相關(guān)性降低。Hosmer-Lemeshow檢驗(yàn)提示預(yù)測(cè)值與實(shí)際觀(guān)察值之間擬合優(yōu)度較差(P<0.01)。

圖5 A組外部驗(yàn)證集融合組學(xué)模型與傳統(tǒng)模型診斷效能ROC曲線(xiàn)。

2.B組

本組共納入實(shí)性肺結(jié)節(jié)/腫塊394例，良性115例，腺癌269例，平均直徑為(34.1±23.9)mm。訓(xùn)練集270例，其中男154例，女116例；良性89例，腺癌181例。測(cè)試集共124例，男75例，女49例；良性36例，腺癌88例。良性結(jié)節(jié)包括硬化性肺細(xì)胞瘤、炎性肉芽腫、錯(cuò)構(gòu)瘤、機(jī)化性炎癥。

①傳統(tǒng)模型的建立:將臨床及傳統(tǒng)影像形態(tài)學(xué)特征進(jìn)行單因素分析及多因素logistic回歸分析后(表2)，最終發(fā)現(xiàn)年齡、毛刺征、蜂窩征是區(qū)分腺癌與良性肺結(jié)節(jié)/腫塊的獨(dú)立預(yù)測(cè)因素；基于這三個(gè)特征建立了臨床-傳統(tǒng)影像模型。

②獨(dú)立組學(xué)模型的建立:經(jīng)過(guò)mRMR及LASSO進(jìn)行特征降維、篩選(圖2)后，最終獲得了7個(gè)有意義的組學(xué)特征，計(jì)算R-score，建立組學(xué)模型。

獨(dú)立組學(xué)特征模型的預(yù)測(cè)性能好，AUC值為0.80(0.73～0.86)，P<0.05，可高效區(qū)分腺癌與良性肺結(jié)節(jié)/腫塊。

③融合組學(xué)模型的建立:將年齡、毛刺征、蜂窩征及組學(xué)特征(R-score)納入多因素logistic回歸分析，最終建立一個(gè)融合組學(xué)模型，即Nomogram(圖3)。

④預(yù)測(cè)效能、校準(zhǔn)度及臨床實(shí)用性的評(píng)估:比較分析三種模型(獨(dú)立組學(xué)模型、臨床-傳統(tǒng)影像模型、融合組學(xué)模型)的AUC值，訓(xùn)練集分別為0.80(0.73～0.86)、0.83(0.78～0.88)、0.85(0.80～0.90)；測(cè)試集分別為0.62(0.51～0.73)、0.83(0.74～0.91)、0.80(0.72～0.89)，見(jiàn)圖4。結(jié)果顯示：融合組學(xué)模型與臨床-傳統(tǒng)影像模型之間(Z=1.5587，P=0.1191)、獨(dú)立組學(xué)模型與臨床-傳統(tǒng)影像模型之間(Z=1.0535，P=0.2921)，性能無(wú)差異。組學(xué)模型并未提高傳統(tǒng)診斷模型對(duì)實(shí)性肺結(jié)節(jié)/腫塊良惡性的區(qū)分效能。

融合組學(xué)模型的預(yù)測(cè)結(jié)果與實(shí)際觀(guān)察結(jié)果有較好的一致性。在預(yù)測(cè)肺癌危險(xiǎn)度的8%～82%范圍內(nèi)，融合組學(xué)模型有更好的優(yōu)勢(shì)，在82%～100%范圍內(nèi)，臨床-傳統(tǒng)影像模型的表現(xiàn)優(yōu)于融合組學(xué)模型。外部驗(yàn)證集中，雖然融合組學(xué)模型及傳統(tǒng)模型的預(yù)測(cè)性能，均未超過(guò)0.75，校準(zhǔn)度及臨床實(shí)用性性能未能達(dá)到優(yōu)秀水平，但仍可看出融合組學(xué)模型的性能明顯優(yōu)于臨床-傳統(tǒng)影像模型AUC分別為0.70(0.54～0.85)、0.62(0.46～0.79)，見(jiàn)圖6。

3.組學(xué)預(yù)測(cè)模型的分層分析

A組結(jié)果顯示組學(xué)特征較傳統(tǒng)的形態(tài)學(xué)特征更能高效預(yù)測(cè)肺腺癌的浸潤(rùn)程度，且校準(zhǔn)度、臨床實(shí)用性方面表現(xiàn)都較好。

B組結(jié)果表明相比于傳統(tǒng)影像模型，融合模型更能有效區(qū)分肺腺癌與良性結(jié)節(jié)/腫塊。

基于影像組學(xué)的預(yù)測(cè)模型，無(wú)論是預(yù)測(cè)肺肺癌良惡性或浸潤(rùn)程度方面，都可以有一個(gè)較高的性能，并且更適用于磨玻璃肺結(jié)節(jié)/腫塊，磨玻璃組vs.實(shí)性組分別為：訓(xùn)練集0.919 vs.0.851；測(cè)試集0.944 vs.0.805；外部驗(yàn)證集0.869 vs.0.696(圖7)。

圖7 組學(xué)預(yù)測(cè)模型在A(yíng)、B組的預(yù)測(cè)準(zhǔn)確性的ROC曲線(xiàn)。a)訓(xùn)練集；b測(cè)試集)；c)外部驗(yàn)證集。紅線(xiàn)為A組融合組學(xué)模型；藍(lán)線(xiàn)為B組融合組學(xué)模型。

討 論

本研究分析了1641例病例，建立了預(yù)測(cè)肺結(jié)節(jié)/腫塊良惡性及肺腺癌浸潤(rùn)程度的多個(gè)模型，并分層分析，發(fā)現(xiàn)預(yù)測(cè)模型無(wú)論是在肺結(jié)節(jié)/腫塊良惡性或肺腺癌浸潤(rùn)程度診斷方面，都有一個(gè)令人滿(mǎn)意的表現(xiàn)。通過(guò)分層分析，組學(xué)預(yù)測(cè)模型在磨玻璃肺結(jié)節(jié)/腫塊的應(yīng)用，不管是預(yù)測(cè)準(zhǔn)確性、校準(zhǔn)度，還是臨床實(shí)用性方面，明顯優(yōu)于實(shí)性肺結(jié)節(jié)/腫塊。

Wu等[16]、Feng等[17]及Luo等[18]建立的多個(gè)可預(yù)測(cè)部分磨玻璃結(jié)節(jié)的浸潤(rùn)程度的影像組學(xué)模型均表現(xiàn)出優(yōu)異的性能，AUC值分別為0.98、0.94、0.90，且泛化力強(qiáng)；而預(yù)測(cè)實(shí)性肺結(jié)節(jié)良惡性的相關(guān)模型研究[19-21]的性能則較磨玻璃結(jié)節(jié)模型遜色，AUC值為0.88～0.90，均低于0.9。盡管部分研究存在例如樣本量較少(100左右)、病例來(lái)自不同的機(jī)構(gòu)、存在過(guò)擬合等問(wèn)題，但仍可看出既往多數(shù)磨玻璃影像組學(xué)模型優(yōu)于實(shí)性模型。本研究采取多種方式，避免了既往研究存在的局限性：通過(guò)納入同一醫(yī)療機(jī)構(gòu)的實(shí)性及磨玻璃結(jié)節(jié)的病例，避免了選擇偏移；納入可觀(guān)的病例數(shù)，采用同一種影像組學(xué)方法建立模型，進(jìn)一步減小模型過(guò)擬合的問(wèn)題，最終對(duì)影像組學(xué)在不同性質(zhì)結(jié)節(jié)中的確存在效能差異有了進(jìn)一步的清晰、客觀(guān)的認(rèn)識(shí)。

影像組學(xué)在不同性質(zhì)的肺結(jié)節(jié)/腫塊中的性能差異，或許是由于機(jī)器學(xué)習(xí)算法在肺結(jié)節(jié)/腫塊的浸潤(rùn)程度不斷進(jìn)展過(guò)程中，磨玻璃區(qū)域的細(xì)胞生長(zhǎng)更為活躍，不同區(qū)域的差異較大，故在磨玻璃區(qū)域內(nèi)能獲取到更多的信息，從而評(píng)價(jià)腫瘤的侵襲性。Wu等[16]研究中通過(guò)磨玻璃成分建立的組學(xué)模型性能，遠(yuǎn)遠(yuǎn)高于實(shí)性成分建立的組學(xué)模型，AUC值分別為0.96、0.82，本研究也進(jìn)一步證實(shí)了這一結(jié)論。影像組學(xué)模型在不同性質(zhì)的成分中，獲取的信息量存在明顯差異，從而導(dǎo)致了組學(xué)模型的適用性差異，為后續(xù)的組學(xué)研究做出了提示：需考慮肺結(jié)節(jié)/腫塊性質(zhì)對(duì)組學(xué)模型的影響，從而進(jìn)一步優(yōu)化影像組學(xué)的應(yīng)用，提高組學(xué)的可重復(fù)性。

本研究不僅僅是發(fā)現(xiàn)了組學(xué)模型的適用性差異，也是對(duì)影像組學(xué)模型在肺結(jié)節(jié)/腫塊的良惡性鑒別[22]及浸潤(rùn)程度[23]有很強(qiáng)的應(yīng)用潛能的有力驗(yàn)證。

部分磨玻璃、邊界清晰、血管扭曲擴(kuò)張或復(fù)雜、性別、年齡、暈征、毛刺征、分葉、胸膜凹陷都是浸潤(rùn)性肺腺癌的獨(dú)立預(yù)測(cè)因素，這與團(tuán)隊(duì)既往研究[24]的發(fā)現(xiàn)一致?；颊叩哪挲g及傳統(tǒng)影像特征-毛刺征不僅僅與肺腺癌的浸潤(rùn)性密切相關(guān)，并且還是惡性肺實(shí)性結(jié)節(jié)/腫塊的獨(dú)立預(yù)測(cè)因素。Feng等[21]和Shen等[25]的研究在實(shí)性肺癌與炎性肉芽腫的鑒別診斷中也分別揭示了它們的相關(guān)性。與此同時(shí)，多因素logistic回歸分析發(fā)現(xiàn)蜂窩征與惡性實(shí)性肺癌密切相關(guān)，并且與肺癌浸潤(rùn)性有關(guān)。蜂窩征是指腫瘤瘤體內(nèi)多個(gè)直徑小于5 mm的透亮影，可能是由于腫瘤壞死排除或不完全阻塞導(dǎo)致的，與疾病的性質(zhì)轉(zhuǎn)化及浸潤(rùn)程度有關(guān)。

本研究仍存在一些局限性。首先本研究屬于回顧性研究，在病例納入方面可能存在選擇偏倚，未來(lái)需要進(jìn)行前瞻性研究來(lái)證實(shí)本研究的發(fā)現(xiàn)。其次本研究可能存在數(shù)據(jù)偏倚，病例納入大量肺腺癌的病例，良性病例相對(duì)較少，未來(lái)需要擴(kuò)大對(duì)良性病例的收集。

影像組學(xué)在肺結(jié)節(jié)/腫塊良惡性及浸潤(rùn)程度有宏遠(yuǎn)的應(yīng)用前景，且更適用于磨玻璃肺結(jié)節(jié)/腫塊，預(yù)測(cè)準(zhǔn)確性、校準(zhǔn)度及臨床實(shí)用性方面的表現(xiàn)較實(shí)性肺結(jié)節(jié)/腫塊都更為優(yōu)異。