肺部滲出性病變的CT量化研究與展望

陳 強

（玉林市紅十字會醫(yī)院放射科 廣西 玉林 537000）

肺部滲出性病變病因、臨床癥狀多種多樣，在各種感染、心衰、結(jié)締組織病、肺挫傷、彌漫性肺泡出血等許多疾病的初期、治療階段、終末期均伴隨著肺部滲出病變，在就診、治療時常需應用螺旋CT進行檢查分析，并依據(jù)放射科醫(yī)師經(jīng)驗對病變進行鑒別診斷與變化評價。因此可見，準確量化評價病灶數(shù)量分布、病灶質(zhì)地、對肺功能影響程度顯得尤為重要。目前依靠CT檢查對肺部滲出性病變主要量化分析項目為病變?nèi)莘e、病變密度質(zhì)量、肺功能量化分析。本文對肺部滲出性病變CT量化分析研究及進展做一綜述。

1 CT量化基礎解剖研究與計算技術(shù)進展

CT設備的物理學原理是通過計算物質(zhì)對X線的衰減系數(shù)并與水的衰減系數(shù)進行對比，獲得一個相對數(shù)值：CT值，同時重建2D、3D圖像測量病灶尺寸，這是CT最基礎的密度、大小量化分析。早期大量研究數(shù)據(jù)獲得正常肺組織密度與肺功能成像參數(shù)正常值范圍：吸氣末平均CT值（-853.792±23.4524）HU、呼氣末平均CT值（-649.538±65.4004）HU、吸氣末CT肺體積（Vin）、呼氣末CT肺體積（Vex）、像素指數(shù)等[3]。但由于病變密度多樣、成分復雜、大小境界常難以分辨，臨床工作提出更多量化數(shù)據(jù)需求。在確定病變前，需先確定胸部正常結(jié)構(gòu)與變異、肺裂分割，隨著計算技術(shù)發(fā)展，縱隔及肺血管、氣管支氣管、肺裂自動識別分割技術(shù)獲得快速進展，逐漸進入智能AI分析時代[1,2,5,30]。

2 病變?nèi)莘e量化分析

病灶形態(tài)多為不規(guī)則形，難以手工計算容積，因此研究者提出依據(jù)不同算法對用CT容積掃描獲得DICOM圖像進行正常結(jié)構(gòu)識別、病灶分割并進行體積測量，包括閾值法、區(qū)域生長法、水平集法，各種計算方法各有優(yōu)缺點，并發(fā)展多計算方法相融合技術(shù)，提高分割速度，分割精度接近專家手動分割效果[1,2,4-10]。但這些技術(shù)初期應用都以影像診斷學醫(yī)師人工分割作為金標準，特別是在邊緣分界模糊時，更需人為介入劃界。在病灶發(fā)現(xiàn)和測量大小體積方面，以肺癌為最熱門應用，并且發(fā)展“數(shù)字肺”影像組學，通過運用CAD輔助技術(shù)完成三維容積方向的肺氣腫、實性病灶自動發(fā)現(xiàn)與容積定量計算、惡性風險預判等，達到診斷準確率高于常規(guī)CT檢查組效果[6,10-12]。有研究者通過動物實驗、軟件自動計算獲得溺死與非溺死組家兔全肺平均CT值及全肺體積改變，溺死組發(fā)生水性肺水腫，并且其肺體積較失血和機械窒息組明顯增大結(jié)果[14]。但是對于邊緣模糊、密度淡薄的滲出病變，始終是研究的難點。在甲型流感研究中，有作者對以面積比例評分方式進行病變計分與病毒載量對比，獲得病毒載量與CT肺部損害表現(xiàn)基本一致結(jié)果[15]。以基于深度學習與采用nn-Unet框架建立肺炎分割模型、隨機森林方法構(gòu)建肺炎分類模型的處理技術(shù)有利于對邊緣模糊肺炎病變更精確分割邊界，使COVID-19肺炎病灶分割模型在同源測試集上精準度達到75.4%、病灶分割精度67.7%，并獲得COVID-19肺炎一些潛在影像學特征，如病灶累及中葉、累及肺葉數(shù)及病灶占整肺體積百分比等量化數(shù)據(jù)，成功應用于預測疾病轉(zhuǎn)歸[13,19,29]。

3 病變密度質(zhì)量量化分析

在相同肺容積的病變中，以肺氣腫為代表的負性密度病變CT量化研究較多[3,10,12,21,23,27]，正性密度病變的研究在2019年以前以肺結(jié)節(jié)的研究較多[11,12,16-18,20,24]，滲出性病變CT量化研究相對較少，而自從2019年12月COVID-19肺炎爆發(fā)以來，關(guān)于該病的肺部病變量化研究迅速增多[13,25,28,29]。滲出性病變在肺部分布可存在于肺間質(zhì)、肺泡、支氣管腔內(nèi)，而以肺泡內(nèi)能容納的滲出物最多，同一容積內(nèi)含病變多寡及成分不同導致CT值高低不同，在治療過程中常需判斷病變變化比例，但滲出病變常有范圍廣、密度差距大情況，研究者多以磨玻璃密度、混合密度、實性密度分級作為簡單量化方法，并從這些不同密度病變所占比例獲得一些鑒別診斷足以支撐肺炎分類的成果，也同時提出了肺炎病灶分割標注、評估、度量較為困難[13,15,18]，當然也與病變遮掩中血管難以分離并影響計算病變總量有關(guān)。在此本研究小組提出應從CT成像原理與公式出發(fā)，探索質(zhì)量=體積×密度公式在病變總量中的計算方法。張帆等研究者的CT定量分析法對肺水腫病變區(qū)肺組織重量百分比LWI等測量計算結(jié)果做出統(tǒng)計，并得出CT定量分析法對肺水腫的定量測定有著良好的相關(guān)性和一致性結(jié)論[21,22]。當然我們也可以理解為大片肺滲出是無數(shù)磨玻璃與實性結(jié)節(jié)匯集的結(jié)果，則有大量研究可供參考，獲得病變平均密度、密度構(gòu)成比例等[11,16,17,20]。在一組對亞實性肺結(jié)節(jié)的質(zhì)量研究中，質(zhì)量測量（Mass）能綜合反映密度增高和實性成分增加，而且質(zhì)量測量具有很好重復性，而病灶的分割方式（Automatic或Semi-Auto）對質(zhì)量測量變異有影響，同時獲得質(zhì)量觀察者內(nèi)一致性區(qū)間為-11.5%～10.4%，觀察者間一致性區(qū)間為-17.4%～19.3%[24-26]。在對新型冠狀病毒肺炎的研究中，不同研究均指向不同密度比例、病程與密度變化等關(guān)系，及成功預測病程走勢[25,28]。

4 病變對肺功能影響量化分析

肺功能準確評估對于肺部疾病診斷、預后有重要作用[31,32]，而CT是評價肺部通氣狀況的良好檢查方式，通過肺部定量分析，可以直觀的評價肺不同區(qū)域的通氣狀況，通過比較吸氣末與呼氣末肺部通氣狀況，可以直觀評價機械通氣效果及安全性，進而指導選擇適宜的潮氣量[3,22]。Terragni等通過定量分析發(fā)現(xiàn)不同的患者需要不同潮氣量，重癥ARDS患者可能需更小潮氣量來進行肺保護[23]。在對小氣道病變研究中，基于體素更細致研究獲得比較多進展，如李輝安團隊在對COPD研究中，發(fā)現(xiàn)早期CTPD肺氣腫程度正常值上限為11.16%，小氣道病變程度正常值上限為50.07%，基于體素定量CT能早期發(fā)現(xiàn)有呼吸道癥狀但肺功能未達到COPD診斷小氣道損傷，有助于COPD早期診斷[27]。

5 總結(jié)與展望

肺部CT在臨床應用極為廣泛，大量感染性病變、肺水腫、肺出血及腫瘤等病變進展、吸收縮小均需以適當量化方式進行優(yōu)化評價。CT容積量化與密度質(zhì)量量化研究已經(jīng)獲得一些積極進展，并且由于智能AI提高運算速度，可以為臨床提供有效、準確的量化數(shù)據(jù)。同時在病灶對肺功能影響、病灶物質(zhì)構(gòu)成比例、細胞構(gòu)成類型、MR肺部量化分析、大數(shù)據(jù)AI應用等方面也有著廣闊的研究空間，值得深入研究。