摘  要

目的    探讨¹⁸F-FDG 正电子发射计算机体层显像（positron emission tomography/computed tomography，PET/CT）联合CT 三维重建（CT three-dimensional reconstruction，CT-3D）对肺结节良恶性鉴别诊断的准确性。方法    回顾性分析2020年7月—2021年8月于苏北人民医院胸外科行手术治疗的肺结节患者。提取患者术前¹⁸F-FDG PET/CT 和胸部增强CT-3D等影像学资料，通过受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）筛选具有诊断意义的参数，通过二元logistic回归分别建立PET/CT预测模型（PET/CT prediction model，MOD PET）、CT-3D预测模型（CT-3D prediction model， MOD CT-3D）和PET/CT 联合CT-3D的预测模型（MOD combination），再通过ROC曲线验证模型的诊断效能。结果    共纳入125例患者，其中男57例、女68例，平均年龄（61.16±8.57）岁。良性病变46例，恶性肿瘤79例。共提取2个PET/CT参数和5个CT-3D参数，其中PET/CT参数中SUVmax≥1.5（AUC=0.688）和肺门/纵隔淋巴结代谢摄取异常（AUC=0.671）被纳入回归模型，CT-3D参数中CT直方图峰（AUC=0.694）和三维形态（AUC=0.652）被纳入回归模型。最后验证MOD PET的AUC为0.738［95%CI（0.651，0.824）］，敏感性为74.7%，特异性为60.9%；MOD CT-3D的AUC为0.762［95%CI（0.677，0.848）］，敏感性为51.9%，特异性为87.0%；MOD combination的AUC为0.857［95%CI（0.789，0.925）］，敏感性77.2%，特异性82.6%，差异有统计学意义（P<0.001）。结论 ¹⁸F-FDG PET/CT联合CT-3D可提高肺结节的诊断效能，其特异性和敏感性均优于单种影像学诊断方法；联合预测模型对肺结节手术时机和手术方式的选择具有重要意义，为肺结节诊断人工智能化提供理论依据。

正  文

随着胸部CT的广泛使用，肺结节的检出率大幅提高。在行胸部CT检查的人群中约50%的患者出现肺结节，而大约95% 的肺结节是良性病变[1]。检出肺结节的患者常通过随访动态观察肺结节生长情况。而判断良恶性是决定肺结节是否手术的重要一环。目前常采用的检查方法包括胸部CT、正电子发射计算机体层显像（positron emission tomography/computed tomography，PET/CT）、支气管镜或经胸穿刺活检的非手术活检等[2]。与侵入性病理活检相比，影像学方法具有无创、快速、可重复等优点。高质量影像数据可为肺结节良恶性的鉴别提供有用信息。¹⁸F-FDG PET/CT通过注射放射性核素F-18 标记病变区域，再采用螺旋CT扫描全身的方法，可提供肿瘤本身和全身转移的全面信息。然而，由于受炎症等因素影响，PET/CT给出的诊断信息依然有限。一项Meta分析[3]显示，¹⁸F-FDG PET/CT 在诊断恶性孤立性肺结节方面的敏感性和特异性均不够理想。胸部CT作为肺结节检出与随访的最常见手段，通过薄层扫描可得到肺结节清晰的二维形态，可提取毛刺征、胸膜牵拉、血管征等特异性影像学特征，再通过三维重建技术得到更加直观的结节图像及更全面的参数信息。但由于CT三维重建局限于结节本身，给出的信息较为有限，所以为提高整体诊断效率，我们假设¹⁸F-FDG PET/CT联合CT三维重建建立影像组学预测模型可以提高肺小结节的诊断效率。基于这一假设，本研究构建了肺结节的CT三维重建和PET/CT预测模型，并联合两种模型比较其诊断效能，探讨其在肺结节诊断中的应用价值。

1　资料与方法

1.1    临床资料

回顾性收集2020 年7月—2021年8月于江苏省苏北人民医院胸外科行手术治疗的肺结节患者的临床病理资料。纳入标准：（1）术前2周内行¹⁸F-FDG PET/CT 扫描；（2）术前2周内行胸部增强CT并可获得原始图像；（3）患者有完整的临床和病理资料。排除标准：（1）术前接受过抗肿瘤治疗者；（2）有既往恶性肿瘤史者；（3）病理诊断不明确；（4）CT图像质量差或信息不全；（5）原发结节直径>3 cm；（6）结节内明显钙化。收集患者年龄、性别、吸烟史等一般临床资料。

1.2    胸部增强CT扫描和重建

所有的扫描均在320层CT机上进行（Aquilino ONE，日本）。采用标准的肺尖至上腹部增强成像方案，参数如下：仰卧位，吸气后屏气，旋转时间0.5 s，准直度320.0 mm×0.5 mm，电子管电压120 kVp，螺距 0.828。轴向图像以1.00 mm或1.25 mm的切片厚度重建。所有图像都被传输到图片存档及通信系统，并在脱机工作站Mimics Medical 21.0 （Materialise NV，比利时）中进行三维重建。首先，使用“ Dynamic Region Grow”功能来分割结节并创建相应的蒙版“Mask”，然后使用“Edit mask” 功能编辑，删除冗余区域，并绘制未捕获的结节区域。最后，应用“Calculate part”功能重建肺结节的三维形态。三维重建处理由2位胸外科主治以上职称医师独立完成，结果取其平均值。

1.3    ¹⁸F-FDG PET/CT扫描和分析

患者禁食6 h，血糖浓度<10 mmol/L，静脉滴注¹⁸F-FDG 3.14～5.11 MBq/kg。注射后，患者在安静的房间休息60 min，然后使用Discovery VCT 64 PET/CT系统（GE Healthcare，美国）进行成像。成像时，患者取仰卧位，双臂向头部方向伸展，平静呼吸。通过在轴向PET 图像上绘制包含整个病灶和肺门/纵隔淋巴结的感兴趣区域来测量对应的SUVmax。SUVmax值由1 位主治以上职称影像学医师在手术前独立确定。

1.4    手术和病理评估

所有患者均行肺切除术，术前主刀医生根据胸部CT三维重建的结节数目、大小和位置选择合适的手术方式，包括楔形切除术、肺段切除术或肺叶切除术，若楔形切除后快速病理报告为浸润性癌则需要进一步行肺叶切除术。术后标本进行常规病理检查，必要时行免疫组织化学检测进行鉴别诊断。病理结果根据2021 年世界卫生组织肺肿瘤分类标准[3]进行分类。

1.5    统计学分析

所有统计分析均采用SPSS 22.0 软件（IBM，USA）。符合正态分布的连续变量用均数±标准差（x ±s）描述，偏态分布的连续变量采用中位数（上下四分位数）［M（P₂₅，P₇₅）］描述。分类变量采用频数和百分比描述。采用t 检验、秩和检验或χ2 检验比较两组患者的基线特征。采用受试者工作特征（receiver operating characteristic，ROC）曲线筛选具有诊断效能的参数。采用逐步向前法进行logistic回归建模，将相关参数转化为对应的模型。ROC曲线和CT 直方图的绘制使用GraphPad Prism8.0.0，列线图通过R4.1.3 实现。P≤0.05 为差异有统计学意义。

1.6    伦理审查

本研究已通过苏北人民医院医学伦理委员会审批，审批号：2021ky322。

2　结果

共纳入125 例患者，其中男57例（45.6%）、女68 例（54.4%），年龄31～78（61.16±8.57）岁。肺叶切除术34 例（27.2%），肺段/楔形切除术91例（72.8%）。经组织病理学证实，46 例患者诊断为良性病变，其中炎性病变占71.7%，79例患者诊断为恶性病变，其中肺腺癌占92.4%。患者的临床病理和影像学资料特征见表1。

从PET/CT中提取的2 个参数均具有诊断意义，包括SUVmax≥1.5［AUC=0.688，95%CI（0.591， 0.785），P<0.001］，肺门/纵隔淋巴结代谢摄取增加［AUC=0.671，95%CI（0.575，0.766），P=0.001］。CT三维重建提取的4个参数也具有诊断意义，包括CT直方图峰［AUC=0.694，95%CI（0.601， 0.787），P<0.001］、三维形态不规则［AUC=0.652， 95%CI（0.549，0.756），P=0.005］、含磨玻璃成分［AUC=0.659，95%CI（0.558，0.760），P=0.003］和平均CT值［AUC=0.668，95%CI（0.568，0.767），P=0.001］差异有统计学意义；见表2。

通过二元logistic回归将各类变量转换为预测模型，其中PET/CT中SUVmax≥1.5 和肺门/纵隔淋巴结代谢摄取增加，以及CT三维重建中CT直方图峰数和三维形态成功纳入模型；见表3。CT三维重建提取参数示例见图1。分别建立PET/CT预测模型（MOD PET）、CT三维重建预测模型（MOD CT-3D）、PET/CT和CT三维重建联合预测模型（MOD combination），二元logistic回归模型公式见表4，模型列线图见图2。

图 1     CT三维重建参数提取实例

病例1（a～c）为肉芽肿性炎症（良性），a：轴位CT显示实性结节；b：3D图像形态规则；c：CT值直方图显示单峰；病例2（d～f）为肺腺癌（恶性），d：轴位CT显示亚实性；e：3D图像形态不规则；f：CT值直方图呈现两个峰

图 2     PET/CT联合CT三维重建预测模型的列线图

PET/CT：正电子发射计算机体层显像

采用ROC曲线验证模型的诊断效能，得到MOD PET的AUC为0.738［95%CI（0.651，0.824）］，敏感性为74.7%，特异性为60.9%；MOD CT-3D 的AUC为0.762［95%CI（0.677，0.848）］，敏感性为51.9%，特异性为87.0%；MOD combination的AUC为0.857［95%CI（0.789，0.925）］，敏感性为77.2%，特异性为82.6%，差异均有统计学意义（P<0.001）；见表5。

3　讨论

在本研究中，我们应用¹⁸F-FDG PET/CT 和增强CT三维重建鉴别肺结节良恶性病变。通过比较PET/CT预测模型、CT三维重建预测模型以及两者联合预测模型的AUC，研究发现联合诊断具有更好的诊断效能。

¹⁸F-FDG PET/CT可以揭示器官的代谢特征，肿瘤细胞糖酵解作用增强，可作为肺结节的有效无创检查。既往研究[4]表明，PET/CT可以帮助临床医师决定对低剂量CT筛查出的肺结节患者进行常规随访或病理活检，并且可预测早期肺腺癌浸润性，可有效鉴别浸润性病变和浸润前病变[5]，判断有无淋巴结转移[6]。本研究结果显示，PET/CT参数中SUVmax≥1.5 和肺门/纵隔淋巴结代谢摄取异常均对肺结节良恶性鉴别有诊断效能（AUC分别为0.688 和0.671）。我们分析了SUVmax的不同截断值，发现在本研究中最优截断值为1.5。相比之下，以往的研究[7-8]大多采用2.5作为SUVmax的最佳截断值。这或许与本研究选取的肺结节直径≤3 cm，其SUVmax的灵敏度相对较高有关，但对于肺小结节的普适性还有待进一步研究。由于PET/CT费用偏高，实际临床中并不常规开展肺结节PET/CT检查，我们选取的患者往往是在常规胸部CT检查后发现结节表现明显的血管征、毛刺征、胸膜牵拉征等侵袭影像学表现，或结节倍增时间明显缩短、密度增加等结节生长加速表现后再进一步行PET/CT检查。由于肺结节随访过程中不常规行PET/CT检查，限制PET/CT联合CT三维重建的临床应用，但对于高危肺结节得到PET/CT检查再联合CT三维重建技术可明显提高影像学对肺结节的鉴别能力，且充分利用了患者的影像学资料，具有较大的临床价值。

本研究采用CT三维重建技术进行密度形态可视化。相对二维扫描图像，三维重建可获得更加全面具体的结节信息，可在一定程度上弥补PET/CT低特异性的不足。其中，本研究提取的CT值直方图的峰值数利用了肺结节密度值的整体分布。若整体密度分布均匀，则表现为单峰，范围小；若分布不均匀，则出现多峰或无峰，且CT值范围较大。此方法与磨玻璃/实性成分比（G/S）的鉴别方法相比，两者既有联系又有区别。两者都能反映结节密度的差异，但G/S 法主要考虑结节周围的磨玻璃成分，与肿瘤浸润有关；CT直方图峰涵盖整个结节的实性和磨玻璃成分比较，与肿瘤恶性程度具有一定相关性。Li 等[9]发现高实性成分更有可能伴随EGFR、TP53、 RBM10 和 ARID1B 基因突变。Peng等[10]认为CT峰值可能有助于区分浸润前与浸润性腺癌。本研究中使用的CT直方图峰数通过密度分布可视化，更加直观地显示密度分布差异。CT直方图峰数对结节良恶性有鉴别意义［AUC= 0.694，95%CI（0.601，0.787）］。

随着大数据时代的发展，加上人工智能在医学领域的应用，肺结节诊断逐渐从肉眼观察转变到人工智能模式，计算机可以通过学习大量的影像组学数据，建立有效的诊断模型，并可在运行中不断调整优化[11-12]，这种利用大数据和人工智能的模式是未来的主要发展趋势。在低剂量CT筛查中对影像组学的深度学习可很好地预测肺结节的良恶性[13]。利用深度学习可提高肺结节的诊断效能[14-15]。本研究为肺结节人工智能的发展提供了良好的思路，整合多种可用的影像学资料进行联合诊断，提升了诊断效能。能够更加精准地鉴别出需要及时手术干预的恶性肺结节；而对于惰性肺结节，可以继续随访，从而减少不必要的手术治疗。

本研究存在一些局限性。首先，本研究为单中心回顾性研究，样本量相对较少，有待进一步在多中心的大样本中验证，提高预测模型的准确度。其次，本研究中计算机辅助下的CT三维重建技术在确定选区时有一定的人为选择因素，可能会对结果造成偏倚，需进一步改进重建技术。最后，本研究方法应用范围有限，对于大部分肺结节，尤其是磨玻璃结节，单独使用胸部CT进行复查随访是首要选择，本研究更适用于需要进一步行PET/CT检查的高危肺结节的鉴别诊断。

综上所述，¹⁸F-FDG PET/CT 与三维CT 重建联合可提高肺结节良恶性鉴别的诊断效率。该方法能在肺结节随访过程中，更加准确地把握肺结节手术时机以及选择合适的手术方式。同时，本研究也可为肺结节诊断人工智能化提供有用的理论依据。

利益冲突：无。

作者贡献：陈勇负责论文设计与撰写，数据整理与分析；吴俊负责数据收集和整理；陆世春、孙超负责数据处理；王霄霖、束余声负责论文设计、审阅与修改。

Tags： 18F-FDG PET/CT联合CT三维重建鉴别肺结节良恶性的回顾性队列研究