常見肺磨玻璃密度影的影像學(xué)特征分析及鑒別診斷

莊 翔，李艷立，張 強，張 輝，李 瑾

(1.包頭市腫瘤醫(yī)院放射科，內(nèi)蒙古 包頭014030；2.包頭市腫瘤醫(yī)院科教科)

臨床工作中，CT影像學(xué)檢查經(jīng)常發(fā)現(xiàn)肺內(nèi)磨玻璃密度影(Ground-glass Opacity，GGO)，但是此征象是一種非特異性影像學(xué)表現(xiàn)，在多種疾病中均可發(fā)現(xiàn)，具有多種病理學(xué)和臨床意義，所以需要對其進良惡性進行鑒別診斷。GGO是指在CT圖像的肺窗上顯示高于肺實質(zhì)密度并表現(xiàn)為磨砂狀或云霧狀陰影，但并沒有掩蓋相應(yīng)層面的血管及支氣管紋理的病灶[1-2]。常見肺內(nèi)GGO包括AAH(不典型腺瘤樣增生)、早期肺腺癌、胸膜增厚、癌性淋巴管炎、肺癌阻塞性炎癥、腫瘤病人治療后等引起的相關(guān)性炎癥等[3-6]，其影像學(xué)表現(xiàn)有交叉重疊，不容易鑒別，會引起誤判誤診。在肺內(nèi)GGO的鑒別診斷中，CT的優(yōu)勢技術(shù)(如薄層重建、多平面重組、多角度及窗寬窗位技術(shù))發(fā)揮重要作用[7]。利用CT技術(shù)優(yōu)勢綜合其影像學(xué)特征，能夠縮小鑒別診斷范圍，進一步做出正確的影像診斷。AI技術(shù)為新興的肺內(nèi)GGO檢測手段，具有病灶識別快且較為準確的特點[8]。本文通過對比兩組肺內(nèi)GGO良惡性診斷價值，研究GGO的影像學(xué)表現(xiàn)特點的共性及獨特性，提高醫(yī)生對肺內(nèi)常見GGO的認識，對患者肺內(nèi)出現(xiàn)的GGO進行綜合分析提高診斷效能，為臨床診療提供方向。

1 資料與方法

1.1一般資料 回顧性分析包頭腫瘤醫(yī)院2020年1月10日至2021年3月15日期間診治的肺內(nèi)GGO患者182例，其中男性81例(占比45 %)、女性101例(占比55 %)，年齡28歲～82歲、平均年齡55歲，有腫瘤病史159例(占比87 %)、無腫瘤病史23例(占比13 %)。疾病構(gòu)成中肺癌71例(占比39 %)、消化道腫瘤36例(占比20 %)、乳腺癌25例(占比14 %)、生殖系統(tǒng)腫瘤13例(占比7 %)、淋巴瘤11例(占比6 %)、其他26例(占比14 %，包括AAH 8例、頸部腫瘤6例、黑色素瘤2例、腎癌2例、肺細菌性炎癥3例、墜積性肺炎1例、心臟搏動偽影1例、墜積效應(yīng)3例)，見圖1。病理學(xué)和綜合診斷良性GGO為126例，惡性為52例。肺內(nèi)GGO良惡性病變患者的性別、年齡比較，差異無統(tǒng)計學(xué)意義(P>0.05) 。

1.2納入標(biāo)準 (1)患者臨床資料、病理資料和影像學(xué)資料完整，知情同意本研究；(2)所有患者均病理證實、實驗室檢查或綜合診斷證實；(3)所有病例均進行CT檢查；(4)所有患者均神志清醒，無交流障礙，無精神類疾??；(5)所有患者心臟、腎臟等身體重要器官無嚴重功能障礙。

1.3排除標(biāo)準 (1)神志不清，有嚴重精神疾病的患者；(2)18歲以下未成年患者以及無自主行為能力的患者；(3)治療依從性較差的患者；(4)身體重要器官嚴重功能障礙的患者；(5)臨床資料不完整的患者；(6)偽影。

圖1 疾病分類圖

1.4設(shè)備及方法 采用PHILIPS Brilliance16層CT掃描設(shè)備進行CT胸部掃描?；颊卟扇☆^足仰臥位，在吸氣末屏氣后掃描，掃描范圍從胸廓入口到雙肺底。掃描參數(shù)：管電壓120 kV，管電流90 mA，螺距為1.0，層厚5 mm，層間距5 mm，矩陣512×512，掃描時間<5 s。采取骨重建算法，層厚1 mm。預(yù)設(shè)肺窗窗位-400～-700 HU，窗寬-1300～-1600 HU。

1.5影像分析 成立肺內(nèi)GGO影像會診小組，成員由4名高年資醫(yī)師組成。分兩組對人工傳統(tǒng)讀片和推想醫(yī)療人工智能進行圖像比較分析，比較GGO良惡性診斷效能。以病理學(xué)、實驗室檢查及綜合診斷為金標(biāo)準。

2 結(jié)果

2.1影像表現(xiàn)結(jié)果 GGO診斷為良性126例：包括間質(zhì)性肺炎81例，胸膜增厚22例，不典型腺瘤樣增生(atypical adenomatous hyperplasia，AAH)10例，放射性肺炎7例，細菌性肺炎6例。GGO診斷為惡性52例：包括肺內(nèi)轉(zhuǎn)移瘤18例，肺癌阻塞性炎癥13例，早期肺腺癌(adenocarcinoma in situ,AIS)12例，癌性淋巴管炎9例。

2.2診斷效果 CT傳統(tǒng)讀片診斷肺內(nèi)GGO靈敏度為93.7 %，特異度為96.2 %，診斷符合率為94.4 %。人工智能診斷肺內(nèi)GGO靈敏度為95.2 %，特異度為88.5 %，診斷符合率為93.3 %。

3 討論

在CT檢查發(fā)現(xiàn)肺內(nèi)GGO時，可以根據(jù)臨床病史、GGO形態(tài)、數(shù)量、大小、密度及分布進行共同分析，傳統(tǒng)讀片和人工智能(AI)技術(shù)各有優(yōu)勢，兩者結(jié)合綜合分析判讀，能夠提高影像學(xué)診斷效能。

(1)在診斷GGO病變中，CT傳統(tǒng)讀片根據(jù)病史和多平面重建，其特異度高于人工智能(AI)技術(shù)。CT傳統(tǒng)讀片根據(jù)有腫瘤放療史的患者，放療部位相應(yīng)照射肺野內(nèi)出現(xiàn)單發(fā)磨玻璃密度片影，不按肺段肺葉分布，單側(cè)，邊界較光整，病變肺外周帶較內(nèi)帶范圍廣呈寬基底，胸膜下外帶較內(nèi)帶密度高，密度不均勻，伴相鄰肋胸膜不均勻增厚，常伴纖維索條影，病灶范圍與放射治療野一致，急性滲出期常表現(xiàn)為條片狀GGO，結(jié)合放療史，較容易診斷為放射性肺炎[9](圖1-A)，例如食管癌及縱隔腫瘤常見于雙側(cè)內(nèi)帶肺野[9]。CT傳統(tǒng)讀片結(jié)合CT多平面重建，發(fā)現(xiàn)按胸膜分布的厚薄不均位置固定的GGO密度條片影，較容易診斷為葉間胸膜增厚。目前間質(zhì)性肺炎出現(xiàn)肺GGO斑片影的形成原因和性質(zhì)分類在CT傳統(tǒng)讀片和人工智能均不容易鑒別，進一步細化分類缺乏科學(xué)依據(jù)。肺內(nèi)出現(xiàn)邊界不清多發(fā)散在GGO斑片影，實變影及索條影，以下葉分布為主，有細網(wǎng)格樣及地圖樣、蜂窩影表現(xiàn)，多為間質(zhì)性肺炎[10-11]，其不易鑒別，需要結(jié)合病史、實驗室檢查及CT短期復(fù)查，進行綜合判斷。

(2)在診斷GGO病變中，人工智能(AI)技術(shù)靈敏度高于CT傳統(tǒng)讀片，說明人工智能(AI)技術(shù)根據(jù)大數(shù)據(jù)自主學(xué)習(xí)，檢出率較高，還可以顯著降低讀片時間。人工智能(AI)技術(shù)更容易發(fā)現(xiàn)肺內(nèi)GGO結(jié)節(jié)。肺腺癌[13](圖1-B)通常表現(xiàn)為GGO結(jié)節(jié)，是肺癌中最常見的病理學(xué)組織類型[12]，腺癌沿支氣管肺泡壁生長，形態(tài)不規(guī)則，密度不均勻，見分葉及毛刺，空泡征及胸膜凹陷征，以雙肺上葉多見，可以根據(jù)Fleischner結(jié)節(jié)指南進行管理。有腫瘤病史的患者短期內(nèi)出現(xiàn)多發(fā)GGO結(jié)節(jié)，大小不一且分布范圍外周帶為主，若與實性結(jié)節(jié)共存或復(fù)查時GGO縮小，實性成分增加，考慮肺內(nèi)轉(zhuǎn)移瘤[14],早期肺轉(zhuǎn)移瘤以肺外帶為主并表現(xiàn)為多形性及不規(guī)則形[14]。結(jié)合患者的不同腫瘤病史、病理類型及生長方式，較容易診斷(圖1-C)。而有腫瘤病史的單發(fā)GGO結(jié)節(jié)，短期內(nèi)新出現(xiàn)GGO結(jié)節(jié)或體積短期增大，考慮轉(zhuǎn)移較原發(fā)肺癌可能性大。肺癌患者腫瘤遠端出現(xiàn)單發(fā)片狀GGO，有縱隔及肺門腫大淋巴結(jié)伴隨征像，需考慮癌性阻塞性炎癥或者癌性淋巴管炎[15-16](圖1-D)。

圖2 肺磨玻璃密度影CT表現(xiàn)

綜上，CT檢查時經(jīng)常發(fā)現(xiàn)肺內(nèi)GGO。通過本回顧性分析可見，CT傳統(tǒng)讀片與人工智能(AI)技術(shù)各有優(yōu)勢。掌握常見的肺內(nèi)GGO影像學(xué)特征及其鑒別診斷方法，二者互相結(jié)合，綜合判讀，能夠提高診斷符合率，減少漏診率，提高診斷效能并做出早期肺內(nèi)GGO良惡性影像學(xué)的鑒別診斷分析，有利于早期對患者進行對癥治療。