基于能譜CT聯(lián)合AI定量參數(shù)的列線圖模型預(yù)測(cè)磨玻璃結(jié)節(jié)型肺腺癌的浸潤(rùn)性

章友婷 王 旭 南 燕 張 林,*

1.石河子大學(xué)第一附屬醫(yī)院CT/MRI室 (新疆 石河子 832000)

2.石河子大學(xué)第一附屬醫(yī)院神經(jīng)外科 (新疆 石河子 832000)

肺癌是全球范圍內(nèi)癌癥相關(guān)死亡的主要原因，腺癌是最主要的組織學(xué)亞型[1-2]。研究表明磨玻璃結(jié)節(jié)(ground-glass nodules，GGN)與早期肺腺癌密切相關(guān)，持續(xù)存在3個(gè)月以上且直徑大于10mm的GGN，其惡性概率為10%-50%[3]。肺腺癌分為非典型腺瘤性增生(atypical adenomatous hyperplasia，AAH)、原位腺癌(adenocarcinoma in situ，AIS)、微浸潤(rùn)性腺癌(minimally invasive adenocarcinoma，MIA)和浸潤(rùn)性腺癌(invasive adenocarcinoma，IA)[4]，2021年WHO肺腫瘤新分類將AAH和AIS歸為腺體前驅(qū)病變[5]。對(duì)于不同浸潤(rùn)程度的GGN，其治療方案和預(yù)后不同。目前國(guó)內(nèi)外對(duì)GGN型肺腺癌浸潤(rùn)性的研究多集中在形態(tài)學(xué)特征或手動(dòng)測(cè)量獲得的病灶定量參數(shù)，受主觀因素干擾較大，診斷價(jià)值有限。能譜CT成像(gemstone spectral imaging，GSI)是近年來(lái)一種新的成像技術(shù)，雙能量多參數(shù)成像的優(yōu)勢(shì)為GGN早期肺腺癌提供了分析工具和定量指標(biāo)[6]，現(xiàn)較多應(yīng)用于GGN良惡性的鑒別，在浸潤(rùn)性方面的研究相對(duì)較少?；谏疃葘W(xué)習(xí)的人工智能(artificial intelligence，AI)技術(shù)在醫(yī)學(xué)領(lǐng)域飛速發(fā)展，正成功地應(yīng)用于放射學(xué)、病理學(xué)、皮膚醫(yī)學(xué)的圖像分析，其診斷速度超過(guò)了醫(yī)療專家，準(zhǔn)確性與醫(yī)療專家相當(dāng)[7]。關(guān)于能譜CT聯(lián)合AI定量參數(shù)對(duì)GGN型肺腺癌浸潤(rùn)性的研究鮮有報(bào)道，本研究基于此建立nomogram模型，旨在為醫(yī)務(wù)工作者及患者選擇合適的治療方案提供參考。

1 資料與方法

1.1 研究資料回顧性分析2021年10月至2022年10月期間于石河子大學(xué)第一附屬醫(yī)院行胸部能譜GSI模式平掃及雙期增強(qiáng)掃描的GGN患者資料。

納入標(biāo)準(zhǔn)：病灶最大直徑≤3cm；檢查前未進(jìn)行任何治療干預(yù)；有病理學(xué)結(jié)果。排除標(biāo)準(zhǔn)：患者有惡性腫瘤病史。影像有明顯的呼吸運(yùn)動(dòng)偽影或肋骨造成的硬化偽影；碘劑過(guò)敏者；身體健康狀況較差，存在重度心、肺、肝、腎功能不全者。最終納入患者113例，男性45例，女性68例，年齡29-82(55±10)歲。非浸潤(rùn)組64例(AAH 9例，AIS20例，MIA 35例)，浸潤(rùn)組49例。

1.2 掃描方法采用寶石能譜CT(Discovery 750HD)GSI模式行胸部平掃及雙期增強(qiáng)檢查?；颊呷⊙雠P位，掃描前進(jìn)行呼氣訓(xùn)練，掃描范圍從胸廓入口至膈肌上方。掃描參數(shù)：管電壓為80kVp和140kVp瞬時(shí)切換，自動(dòng)毫安，螺距0984:1，轉(zhuǎn)速0.6s/圈，層厚及層間距均為5.0mm，矩陣512×512。先平掃再進(jìn)行動(dòng)脈期和靜脈期增強(qiáng)掃描，經(jīng)肘靜脈采用雙筒高壓注射器注入碘海醇(350mg/mL)，劑量為1.5mL/kg，根據(jù)注射劑量設(shè)定注射流速，使注射時(shí)間≤30s，采用智能對(duì)比劑追蹤法(smart prep)進(jìn)行動(dòng)脈期掃描，掃描結(jié)束后30s完成靜脈期掃描。

1.3 圖像、數(shù)據(jù)后處理

1.3.1 能譜CT定量參數(shù)的測(cè)量 將原始圖像采用GSI ASiR 50%的自適應(yīng)迭代重建為層厚、層間距1.25mm的mono圖像并上傳至GE AW4.6工作站，選用GSI Viewer軟件進(jìn)行圖像分析。于結(jié)節(jié)最大層面手動(dòng)勾畫(huà)感興趣區(qū)(region ointerest，ROI)，ROI面積不小于病灶橫截面最大面積的2/3，同時(shí)避開(kāi)血管、空洞及壞死區(qū)域，確保平掃、動(dòng)脈期和靜脈期勾畫(huà)的ROI形態(tài)、面積、位置一致。測(cè)量數(shù)據(jù)包括：平掃：水基值(water concentration，WC-NC)、能譜曲線斜率(slope of energy spectrum curve，K-NC)；動(dòng)靜脈期:水基值(WC-AP、WC-VP)、碘基值(iodine concentration，IC-AP、IC-VP)、標(biāo)準(zhǔn)化碘濃度(normalized concentration，NIC-AP、NIC-VP)、K-AP、K-VP。K40～70KeV=[CT值(40KeV)-CT值(70KeV)]/30KeV(觀察發(fā)現(xiàn)40-70keV區(qū)間K值差異最大)。NIC=ICles/ICaorta(ICles為病灶ROI碘含量，ICaorta為同層面主動(dòng)脈碘含量)。本研究數(shù)據(jù)由兩名熟練運(yùn)用能譜后處理軟件的高年資影像科醫(yī)生采集完成，如意見(jiàn)不同，則共同討論分析得出診斷意見(jiàn)。

1.3.2 AI定量參數(shù)的測(cè)量 將肺平掃1.25mm薄層圖像上傳至AI肺結(jié)節(jié)輔助診斷系統(tǒng)(推想科技影像人工智能軟件)，得到相關(guān)定量參數(shù)：3D長(zhǎng)徑、最大面面積、表面積、質(zhì)量、體積、平均CT值。

1.4 統(tǒng)計(jì)學(xué)分析本研究數(shù)據(jù)分析所用軟件為SPSS 26和R3.6.3。計(jì)量資料若服從正態(tài)分布，用()描述，若不服從正態(tài)分布，用中位數(shù)及其上、下四分位數(shù)描述，計(jì)數(shù)資料用頻數(shù)(百分比)描述；若計(jì)量資料在兩組間均服從正態(tài)分布且方差齊，使用獨(dú)立樣本t檢驗(yàn)，若數(shù)據(jù)服從正態(tài)分布但兩組方差不齊，使用t’檢驗(yàn)，若數(shù)據(jù)不服從正態(tài)分布，使用Wilcoxon非參數(shù)秩和檢驗(yàn)；計(jì)數(shù)資料在兩組間的差異性比較使用χ2檢驗(yàn)。對(duì)兩組間具有統(tǒng)計(jì)學(xué)差異的變量進(jìn)行多因素Logistic回歸分析獲取獨(dú)立危險(xiǎn)因素。采用Hosmer-Lemeshow檢驗(yàn)聯(lián)合預(yù)測(cè)模型擬合優(yōu)度，繪制ROC曲線評(píng)估各獨(dú)立危險(xiǎn)因素及聯(lián)合預(yù)測(cè)模型的診斷效能，計(jì)算曲線下面積(AUC值)，并繪制nomogram、校準(zhǔn)曲線及臨床決策曲線(DCA曲線)，進(jìn)一步驗(yàn)證聯(lián)合預(yù)測(cè)模型的效能。

2 結(jié)果

2.1 非浸潤(rùn)組和浸潤(rùn)組變量差異性比較單因素分析顯示能譜CT定量參數(shù)中的WC-NC、WC-AP、WC-VP、K-NC和AI定量參數(shù)3D長(zhǎng)徑、表面積、最大面面積、體積、質(zhì)量和平均CT值在兩組間具有統(tǒng)計(jì)學(xué)差異(P＜0.05)(表1、表2)。

表2 非浸潤(rùn)組與浸潤(rùn)組能譜CT及AI定量參數(shù)的差異性比較

2.2 多因素Logistic回歸將單因素分析有統(tǒng)計(jì)學(xué)意義的參數(shù)納入多因素Logistic回歸分析，結(jié)果顯示能譜CT定量參數(shù)中的WCAP、K-NC和AI定量參數(shù)中的3D長(zhǎng)徑、平均CT值為GGN型肺腺癌浸潤(rùn)性的獨(dú)立危險(xiǎn)因素(表3)。

表3 多因素Logistic回歸結(jié)果

2.3 ROC曲線分析繪制各獨(dú)立危險(xiǎn)因素及聯(lián)合預(yù)測(cè)模型的ROC曲線(圖1)，結(jié)果顯示聯(lián)合預(yù)測(cè)模型的AUC為0.965，大于WCAP(AUC=0.817)、K-NC(AUC=0.603)、3D長(zhǎng)徑(AUC=0.830)、平均CT值(AUC=0.817)(表4)，Hosmer-Lemeshow檢驗(yàn)結(jié)果顯示該模型P＞0.10(0.954)，擬合度良好。

圖1 WC-AP、K-NC、3D長(zhǎng)徑和平均CT值單獨(dú)及聯(lián)合模型預(yù)測(cè)GGN浸潤(rùn)性的ROC曲線

表4 非浸潤(rùn)組和浸潤(rùn)組的ROC曲線分析

2.4 Nonogram模型的構(gòu)建圖2為利用聯(lián)合模型繪制的列線圖，根據(jù)每一個(gè)變量向上投射到0-100的小標(biāo)尺上得到相應(yīng)的分值，將每個(gè)變量對(duì)應(yīng)的分值相加得到總分值，將總分值向下投射到總風(fēng)險(xiǎn)標(biāo)度軸上即可預(yù)測(cè)浸潤(rùn)性的概率。圖3、圖4分別為聯(lián)合模型的校準(zhǔn)曲線和決策曲線分析，均表明多參數(shù)聯(lián)合模型具有較好的預(yù)測(cè)性能和臨床收益。

圖2 聯(lián)合模型繪制的Nomogram圖3 Nomogram模型的校準(zhǔn)曲線；(校準(zhǔn)曲線描述了模型對(duì)浸潤(rùn)性腺癌的預(yù)測(cè)結(jié)果與實(shí)際發(fā)生浸潤(rùn)性腺癌的一致性，Ideal線表示理想的預(yù)測(cè)效能，Apparent線表示模型的預(yù)測(cè)性能，Bias-corrected線表示模型預(yù)測(cè)性能偏差的修正，預(yù)測(cè)曲線與理想曲線吻合度越高代表nomogram的預(yù)測(cè)能力越好)圖4 Nomogram模型的決策曲線分析；(橫線代表所有GGN均不是浸潤(rùn)性腺癌，凈獲利為0，斜線代表所有GGN均是浸潤(rùn)性腺癌，凈獲利為該反斜線的斜率，藍(lán)線代表本模型的DCA曲線，閾值在斜線與藍(lán)線之間時(shí)本模型預(yù)測(cè)浸潤(rùn)性腺癌是可行的，患者凈收益高)

3 討論

既往研究表明，AIS、MIA經(jīng)完整切除后，術(shù)后5年生存率可達(dá)100%，而IAC易發(fā)生血管、間質(zhì)浸潤(rùn)和淋巴結(jié)轉(zhuǎn)移，術(shù)后5年生存率不到90%[8]。另有研究發(fā)現(xiàn)，對(duì)于AIS和MIA患者，肺亞葉切除在保留患者更多肺功能的同時(shí)具有與肺葉切除術(shù)相當(dāng)?shù)纳媛蔥9-10]。因此，臨床上腺體前驅(qū)病變和MIA患者常常采用亞肺葉切除術(shù)，即肺楔形或肺段切除術(shù)，而IAC患者則采用肺葉切除聯(lián)合系統(tǒng)性淋巴結(jié)清掃。因此，臨床迫切需要準(zhǔn)確診斷GGN型肺腺癌的浸潤(rùn)性，從而指導(dǎo)手術(shù)方案、術(shù)后隨訪管理及預(yù)后評(píng)估等。本研究將AAH/AIS/MIA和IAC進(jìn)行分組研究更符合臨床實(shí)際需求。

能譜CT成像通過(guò)物質(zhì)分離技術(shù)可獲得虛擬單能量、能譜曲線和基物質(zhì)對(duì)(碘-水、鈣-水等)等多參數(shù)圖像[11]。本研究通過(guò)對(duì)碘-水物質(zhì)對(duì)分析，結(jié)果顯示浸潤(rùn)組平掃及動(dòng)靜脈期水基值均高于非浸潤(rùn)組，差異具有統(tǒng)計(jì)學(xué)意義，與既往文獻(xiàn)報(bào)道相符合[12-14]。分析可能原因是腺體前驅(qū)病變和MIA惡性程度低，主要為少量腫瘤細(xì)胞的附壁式生長(zhǎng)，而IAC惡性程度較高，細(xì)胞增殖致細(xì)胞成分明顯增加，病灶內(nèi)腫瘤新生血管增多、血供增大，細(xì)胞代謝水平旺盛，代謝產(chǎn)物相應(yīng)增加，因此肺泡腔及肺間質(zhì)內(nèi)液體更豐富，此外腫瘤細(xì)胞伏壁式生長(zhǎng)導(dǎo)致了肺泡壁結(jié)構(gòu)塌陷或微破壞，細(xì)胞間隔增厚，部分氣體從肺泡腔內(nèi)排出，肺泡腔內(nèi)氣體含量減少，最終導(dǎo)致病灶密度增大，即水基值增加，在CT影像上表現(xiàn)為平均CT值增加。此外，由于水基值受外界干擾較小，因此水基值較常規(guī)測(cè)得的CT值能更靈敏反映病灶的相對(duì)密度。本研究結(jié)果顯示動(dòng)脈期水基值是預(yù)測(cè)IAC的獨(dú)立危險(xiǎn)因子，當(dāng)臨界值為627.28mg/cm3時(shí)，其鑒別浸潤(rùn)組與非浸潤(rùn)組的AUC為0.817，因此水基值可以作為預(yù)測(cè)GGN型肺腺癌浸潤(rùn)性的較好指標(biāo)。

本研究還比較了GGN的能譜曲線斜率(K值)和碘相關(guān)參數(shù)(IC、NIC)。根據(jù)不同物質(zhì)在不同單能量下的衰減系數(shù)可得到不同的CT值進(jìn)而得到能譜曲線[15]，能譜曲線可反映病灶內(nèi)物質(zhì)的含量，本研究顯示兩組能譜曲線均呈下降型，在40-70KeV區(qū)間下降最明顯，浸潤(rùn)組平掃K值大于非浸潤(rùn)組，差異有統(tǒng)計(jì)學(xué)意義，二元logistic回歸發(fā)現(xiàn)平掃K值是IAC的獨(dú)立危險(xiǎn)因素，LIU等[16]研究表明GGN存在碘攝取，Aoki等[17]研究通過(guò)測(cè)量肺內(nèi)實(shí)性腫瘤病灶和腫瘤性GGN病灶的平均CT值和IC，證實(shí)了GGN存在血供，同時(shí)也說(shuō)明IC不受病灶內(nèi)部空氣的影響，能較為準(zhǔn)確反映病灶內(nèi)部的微循環(huán)狀態(tài)，從而鑒別具有不同血供的病灶，而動(dòng)靜脈期K值、IC和NIC均與GGN病灶的血液供應(yīng)相關(guān)，IC反映病灶對(duì)比劑的攝入，可間接反映病灶微血管分布狀態(tài)，NIC則在IC的基礎(chǔ)上減少了病人個(gè)體血流循環(huán)差異所導(dǎo)致的影響，更真實(shí)反映病灶實(shí)際血液供應(yīng)情況。本研究發(fā)現(xiàn)兩組間動(dòng)靜脈期的K值、IC和NIC值存在差異，證實(shí)GGN存在碘攝取，但統(tǒng)計(jì)學(xué)分析發(fā)現(xiàn)差異無(wú)統(tǒng)計(jì)學(xué)意義，與國(guó)內(nèi)外部分研究報(bào)道一致[13,16,18]。分析其原因，可能是GGN型肺腺癌處于肺癌發(fā)展的早期階段，雖然IAC的浸潤(rùn)性相對(duì)高于癌前病變和MIA，但各病理亞型之間的微血管分布相似，尚處于同一水平，病灶內(nèi)部微循環(huán)狀態(tài)區(qū)別不大。但Yang等[14]通過(guò)對(duì)53例純磨玻璃結(jié)節(jié)進(jìn)行研究指出校正后的NIC(mNIC)能有效鑒別AAH/AIS與MIA/IAC。此外，本研究發(fā)現(xiàn)，無(wú)論是浸潤(rùn)組還是非浸潤(rùn)組，靜脈期NIC均高于動(dòng)脈期，考慮除了與選擇時(shí)相有關(guān)之外，還可能是因?yàn)镚GN病灶中新生成的微血管管徑較細(xì)、走形迂曲，同時(shí)微血管外周細(xì)胞匱乏從而導(dǎo)致對(duì)比劑外滲較明顯，至靜脈期時(shí)對(duì)比劑已彌散至整個(gè)病灶?；谏鲜鲅芯课覀冋J(rèn)為碘相關(guān)定量參數(shù)分析對(duì)早期肺腺癌浸潤(rùn)性的診斷價(jià)值還需更詳細(xì)和深入的研究。

肺腺癌的癌細(xì)胞生長(zhǎng)模式和生物學(xué)行為作為其形態(tài)學(xué)的基礎(chǔ)，決定了GGN瘤體的大小、密度逐漸增加及形態(tài)學(xué)特征逐漸顯著的趨勢(shì)，影像學(xué)上從pGGN、mGGN到實(shí)性結(jié)節(jié)的變化對(duì)應(yīng)病理學(xué)上從AAH、AIS、MIA到IAC的進(jìn)展過(guò)程，因此理論上根據(jù)影像學(xué)圖像獲取的有效信息能在一定程度上反映出病灶所處的階段[19]。傳統(tǒng)依靠非定量形態(tài)學(xué)特征作為評(píng)價(jià)指標(biāo)主觀性較強(qiáng)，且對(duì)于GGN這一類早期肺腺癌，這些征象尚不典型，即使部分病灶出現(xiàn)這些特異性征象，但最終病理結(jié)果也未必是惡性。因此定量參數(shù)用于GGN病灶的診斷更加客觀。陳琦等[20]研究提出定量參數(shù)可有效預(yù)測(cè)腫瘤性GGN的惡性程度，但不同測(cè)量者之間由于測(cè)量手法、習(xí)慣等原因依然存在一定的誤差。AI可自動(dòng)識(shí)別、定位結(jié)節(jié)位置并量化結(jié)節(jié)參數(shù)，減少了主觀偏倚。

國(guó)內(nèi)外學(xué)者對(duì)AI預(yù)測(cè)早期肺腺癌的浸潤(rùn)性進(jìn)行了相應(yīng)的研究，其中大小和密度是臨床工作中最常用于評(píng)估GGN浸潤(rùn)性的指標(biāo)[21-23]。研究表明對(duì)于惡性GGN，IAC的可能性與病灶最大徑成正相關(guān)[24]。Zhang等[25]研究以12.2mm為閾值鑒別GGN中IAC與浸潤(rùn)前病變和MIA，其敏感性和特異性分別為85%和62%。本研究采用的3D長(zhǎng)徑是AI基于三維空間測(cè)量所得，比傳統(tǒng)的二維橫斷面最大徑測(cè)量結(jié)果更真實(shí)準(zhǔn)確[26]。Lin等[27]指出結(jié)節(jié)內(nèi)實(shí)性成分代表纖維細(xì)胞的增殖或腫瘤內(nèi)的侵襲性成分。GGN的CT值增高，代表實(shí)性成分增加，反映病灶的浸潤(rùn)性增高[28-30]，符合AAH→AIS→MIA→IAC的組織學(xué)變化。Zhou等[31]研究認(rèn)為平均CT值診斷IAC的閾值為-571.63HU，敏感性和特異性分別為0.854和0.758。張正華等[32]分析AI定量參數(shù)時(shí)指出平均CT值是早期浸潤(rùn)性肺腺癌的獨(dú)立危險(xiǎn)因素。本研究結(jié)果顯示發(fā)現(xiàn)3D長(zhǎng)徑和平均CT值是預(yù)測(cè)GGN浸潤(rùn)性的獨(dú)立危險(xiǎn)因子，與周小君等[21]和梁云等[22]研究一致。通過(guò)ROC曲線分析，3D長(zhǎng)徑診斷IAC的閾值為14.25mm，敏感度和特異度分別為0.673、0.859，當(dāng)平均CT值＞-422.50HU時(shí)，診斷IAC的敏感性和特異性為0.755、0.750，而與既往各文獻(xiàn)報(bào)道閾值存在的差異，考慮可能與病例數(shù)量、CT機(jī)型、窗寬窗位和AI軟件等不同有關(guān)。

本研究發(fā)現(xiàn)，質(zhì)量、體積可作為評(píng)估GGN浸潤(rùn)性的重要參數(shù)。研究表明，肺結(jié)節(jié)的體積生長(zhǎng)速度明顯快于直徑[33]。多項(xiàng)肺結(jié)節(jié)管理指南推薦使用體積參數(shù)評(píng)估肺GGN[34-35]。研究顯示，基于AI測(cè)得的病灶體積較手動(dòng)測(cè)量結(jié)果更準(zhǔn)確并具有高度的可重復(fù)性，尤其對(duì)于最大徑＜10mm的病灶[36]。質(zhì)量基于病灶體積和密度測(cè)量所得，可更靈敏的預(yù)測(cè)病變的浸潤(rùn)性。Lim HJ等[37]研究發(fā)現(xiàn)，質(zhì)量有助于鑒別GGN的病理分型，還可用于患者預(yù)后判斷。本研究結(jié)果與馮會(huì)等[38]報(bào)道一致。研究[39]報(bào)道GGN的最大橫截面積是診斷浸潤(rùn)性病變的獨(dú)立危險(xiǎn)因子。本研究結(jié)果顯示最大面面積、表面積有助于預(yù)測(cè)GGN型肺腺癌的浸潤(rùn)性，與周小君等[21]研究結(jié)果一致。

本研究結(jié)果顯示浸潤(rùn)組3D長(zhǎng)徑、平均CT值、最大面面積、表面積、體積和質(zhì)量均顯著大于非浸潤(rùn)組，差異具有統(tǒng)計(jì)學(xué)意義，這與GGN的病理發(fā)展進(jìn)程密切相關(guān)。早期腫瘤細(xì)胞沿著肺泡壁生長(zhǎng)，隨著病情的發(fā)展和惡性程度增高，逐漸累及肺泡間質(zhì)導(dǎo)致肺泡塌陷，肺泡腔內(nèi)氣體減少，同時(shí)腫瘤組織成分增加、肺泡間隔增厚，導(dǎo)致密度增高，病灶在一維(直徑)、二維(最大面面積、表面積)及三維空間(體積)呈現(xiàn)相應(yīng)增大[40]，質(zhì)量根據(jù)密度和體積的增大相應(yīng)也會(huì)增加。因此利用AI定量參數(shù)可以從多方面、多角度更客觀、精確地反映出腫瘤的生長(zhǎng)規(guī)律和浸潤(rùn)深度。

將本研究中的各獨(dú)立危險(xiǎn)因素建立聯(lián)合預(yù)測(cè)模型，結(jié)果顯示模型的AUC為0.965(P＜0.05)，表明聯(lián)合預(yù)測(cè)模型對(duì)GGN型肺腺癌浸潤(rùn)性具有較高的預(yù)測(cè)價(jià)值。

為了更直觀展示出聯(lián)合預(yù)測(cè)模型，我們根據(jù)Logistic模型中各獨(dú)立危險(xiǎn)因素的所占比重進(jìn)行相應(yīng)的賦分構(gòu)建了列線圖模型，通過(guò)對(duì)模型進(jìn)行一致性和臨床實(shí)用性的驗(yàn)證分析發(fā)現(xiàn)此模型校準(zhǔn)曲線顯示該模型具有良好的一致性，決策曲線顯示該模型具有良好的臨床實(shí)用性。

本研究還存在一些局限性：(1)收集病例數(shù)量較少，同時(shí)不同病理亞型不均衡，有待進(jìn)一步擴(kuò)大樣本量或多中心研究。(2)建立的列線圖預(yù)測(cè)模型缺乏內(nèi)部及外部驗(yàn)證，還需要進(jìn)行大樣本分析。(3)本文為回顧性研究，存在選擇偏倚。

綜上，能譜CT聯(lián)合AI定量參數(shù)對(duì)GGN型肺腺癌的浸潤(rùn)性有較高預(yù)測(cè)價(jià)值，能譜CT定量參數(shù)中的WC-AP、K-NC和AI定量參數(shù)中的3D長(zhǎng)徑、平均CT值是IAC的獨(dú)立危險(xiǎn)因素，基于這些因素建立的nomogram有助于基于個(gè)體水平的浸潤(rùn)性肺腺癌的風(fēng)險(xiǎn)評(píng)估，對(duì)臨床治療方案的選擇及患者的預(yù)后具有重要的參考意義。