结合人工智能研究肺磨玻璃结节影像表现与病理相关性分析

结合人工智能研究肺磨玻璃结节影像表现与病理相关性分析

柳素月，全松石

（延边大学附属医院 ，吉林 延吉 133000）

［摘要］ ［目的］结合人工智能（Artificial Intelligence，AI）辅助诊断系统探讨肺磨玻璃结节（GGN）的CT参数与病理类型的相关性，为早期临床检测，GGN的早期诊断以及确定最佳治疗方案提供影像学依据。［方法］回顾性收集2019年1月至2021年1月在本院经手术病理证实的肺腺癌磨玻璃结节103枚结合人工智能软件工作站进行分析。103枚分析后记录的胸部CT定量参数包括结节体积、平均CT值、峰度、最大面面积、表面积、3D长径、紧凑度、球形度、熵；定性参数包括分叶征、毛刺征、边缘清晰度及密度均匀程度。按照肺腺癌浸润性为标准将103枚GGN分为非浸润性病变组（AAH、AIS）和浸润性病变组（MIA、IAC）；还将103例GGN分为：AAH、AIS、MIA和IAC，采用SPSS22.0软件及MedCare19.0软件分析统计分析两组间差异，并且对有统计学意义的定量参数进行受试者工作特征曲线（Receiver operating characteristic curves，ROC）分析。［结果］1）GGN的3D长径、平均CT值、体积、最大面面积及表面积在浸润性与非浸润性组间，以及在AAH与AIS，AIS与MIA，MIA与IAC间比较等均有显著差异（P﹤0.05）。通过ROC曲线对测量数据进行了统计，得到了3D长径、平均CT值、体积、最大面面积及表面积值，使用Delong检验计算ROC曲线下面积均差异有统计学意义（P﹤0.05）。2）病灶分叶征，毛刺征，边缘清晰度及密均匀度等结节边缘征象在浸润性与非浸润性组间均有显著差异（P﹤0.05）。AIS与MIA的两组间在病灶分叶征，毛刺征，边缘清晰度及密均匀度等结节边缘征象均有显著差异（P﹤0.05），病灶结节密度均匀度上AAH与AIS，AIS与MIA，MIA与IAC间均有显著差异（P﹤0.05）。［结论］1）应用人工智能进行CT定量分析（3D长径、CT平均值、体积、最大面面积、表面积）对浸润性及非浸润性GGN的预判及不同病理类型GGN的预判有诊断意义。2）GGN边缘征象可以为GGN病理类型及浸润性的判断提供参考依据。

［关键词］ 肺磨玻璃结节；肺腺癌；高分辨率计算机断层扫描；人工智能

[Abstract] [Objective] To explore the correlation between CT parameters and pathological types of pulmonary ground glass nodule (GGN) by using Artificial Intelligence (AI) assisted diagnosis system, so as to provide imaging basis for early clinical detection, early diagnosis of GGN and determination of the best treatment plan. [Methods] 103 GGN nodules of lung adenocarcinoma confirmed by surgery and pathology in our hospital from January 2019 to January 2021 were retrospectively collected and analyzed in combination with artificial intelligence software workstation. The quantitative parameters of chest CT recorded in 103 samples after analysis included nodule volume, mean CT value, kurtosis, maximum surface area, surface area, 3D length diameter, compactness, sphericity and entropy. Qualitative parameters included lobed sign, burr sign, edge sharpness and density uniformity. 103 GGNS were pided into non-invasive lesion group (AAH, AIS) and invasive lesion group (MIA, IAC) according to the infiltration of lung adenocarcinoma. 103 cases of GGN were also pided into: AAH, AIS, MIA and IAC. SPSS22.0 software and MedCare19.0 software were used to analyze the differences between the two groups. And Receiver operating characteristic curves (ROC) were analyzed for statistically significant quantitative parameters.

[Results] 1) The 3D length diameter, mean CT value, volume, maximum area and surface area of GGN were significantly different between invasive and non-invasive groups, as well as between AAH and AIS, AIS and MIA, and MIA and IAC (P<0.05). The measured data were statistically analyzed by ROC curve, and the values of 3D length diameter, average CT value, volume, maximum area and surface area were obtained. Delong test was used to calculate the area differences under ROC curve were statistically significant (P<0.05). 2) There were significant differences between invasive and non-invasive groups in nodule edge signs such as lobed sign, burr sign, edge clarity and dense uniformity (P<0.05). There were significant differences in lesion segmentation, burr sign, edge sharpness and dense uniformity between AIS and MIA groups (P<0.05). There were significant differences in lesion density uniformity between AAH and AIS, AIS and MIA, MIA and IAC (P<0.05). [Conclusion] 1) Quantitative CT analysis using artificial intelligence (3D length diameter, CT mean value, volume, maximum area and surface area) has diagnostic significance for the prediction of invasive and non-invasive GGN and GGN of different pathologic types. 2) The edge signs of GGN can provide reference for the judgment of pathological type and infiltration of GGN.

Key words: pulmonary ground glass nodules; lung adenocarcinoma; high resolution computed tomography; artificialintelligence

近年来，人类最常见的恶性肿瘤是肺癌，这是我国发病率和死亡率最高的恶性肿瘤。肺癌的病理类型中约有65%为腺癌，研究表明肺磨玻璃结节（ground-glass nodule，GGN）可能是早期肺腺癌的一种表现。GGN的病理表现可为良性病变(炎症反应、肉芽肿、肺纤维化等)和肿瘤性病变，根据WHO的2015年肺腺癌新分类方法，肿瘤性病变主要分为非典型腺瘤性增生（atypical hyperplasia，AAH），原位腺癌（adenocarcinoma in situ，AIS），微浸润腺癌（minimally invasive adenocarcinoma，MIA），浸润性腺癌（invasive adenocarcinoma，IAC）。研究发现，GGN大小、密度和形态为区别IAC与 AAH、AIS、MIA 的重要因素[1]。如果尽早对GGN的性质做出较为准确的判断，识别出GGN种类，并给予合适的治疗，不仅能减轻患者各种负担，也能延长患者的生存时间及提高生活质量。本研究通过HRCT结合AI在GGN中检测3D长径、最大CT值、最大面面积、表面积、紧凑度、球形度、熵等定量参数分析和结节形状、分叶征、毛刺征、空泡征及空洞等定性参数的分析，提供最佳的临床诊断和治疗计划，可以帮助患者实现早期发现，早期诊断和早期治疗，并提供强有力的影像学证据。

1.材料与方法

1.1研究对象 回顾性分析我院2019年1月至2021年1月诊治的肺腺癌患者103例，胸部CT表现为肺磨玻璃结节，经手术及病理证实为肺腺癌。该研究包括103例患者的胸部CT图像，其中有30例男性患者和73例女性患者，年龄在25至73岁之间，平均年龄为55.1岁。病例纳入标准：1）术后病理证实为肺腺癌；2）在手术前进行胸部CT；3）胸部CT图像胸部CT图像显示至少有一个直径小于2cm的磨玻璃结节；4）CT图像清晰，并有层厚≤1cm的原始图像；5）患者有完整的临床资料。病例排除标准：CT图像存在呼吸伪影等CT影像方面伪影；患有其他弥漫性肺疾病；患者临床资料不完整。

1.2分组 将103例GGN分为非浸润性病变组：AAH与AIS，70例和浸润性病变组：MIA与IAC，33例；还根据肺腺癌新分类方法分为非典型腺瘤样增生（AAH）：7例，原位腺癌（AIS）：63例，微浸润腺癌（MIA）：13例，浸润性腺癌（IAC）：20例。

1.3统计学分析 采用SPSS22.0及MedCare19.0软件分析实验数据以均数±标准偏差（±S）表示，对组间差异具有统计意义的各个参数进行受试者工作特征曲线（Receiver operating characteristic curves, ROC）绘制，预判该参数的最佳诊断阈值，并计算曲线下面积、敏感性及特异性。使用Delong检验计算ROC曲线下面积。P值﹤0.05差异有统学。

2.结果

2.1GGN一般情况资料分析本研究共计103枚GGN，其中男30名，女73名；年龄：25岁~73岁，平均55.1岁。其中PGGN67枚，mGGN36枚；AAH组7枚，AIS组63枚，MIA组13枚，IAC组20枚；浸润性病变组83枚，非浸润性病变组20枚。AI对病理诊断为四种不同病理类型（包括AAH、AIS、MIA及IAC）的GGN评估状况，如图1-4。

图1A、1B为女性，64岁，非典型腺瘤性增生（AAH）。图1A，AI对右肺上叶后段（蓝色实性框）pGGN识别、标记并提示高危，大小约1.4x1.1cm，边缘模糊，其特征分析为：CT平均值-749.6Hu，3D长径15.76mm，体积 959.09mm3，最大面面积120.27mm2，表面积 539.88mm2，紧凑度0.66，球形度0.87，峰度1.98，熵8.29。图1B，病理诊断为肺泡上皮贴壁型生长，肺泡上皮细胞呈异型增生，He×200。

图2A、2B为男性，66岁，原位腺癌（AIS）。图2A，AI对右肺中叶外段pGGN 识别、标记并提示高危，大小约1.5x1.2cm，边界模糊，其特征分析为：CT平均值-807.35Hu，3D长径16.26mm，体积1400mm3，最大面面积153.31mm2，表面积634.48mm2，紧凑度0.87，球形度0.95，峰度2.38，熵7.86。图2B，病理诊断为原位腺癌，贴壁生长为主型，He×200。

图3A、3B女性，65岁，微浸润腺癌（MIA）。图3A，AI对右肺上叶尖段m GGN进行识别、标记并提示高危，大小约1.3x1.1cm，边界模糊，其特征分析为：CT平均值-491.98Hu，3D长径16.65mm，体积1070mm3，最大面面积116.02mm2，表面积636.43mm2，紧凑度0.51，球形度0.80，峰度2.10，熵8.25。图3B，病理诊断为微浸润性腺癌，贴壁生长为主伴大量淋巴细胞浸润，He×200。

图4A、4B女性，65岁，浸润性腺癌（IAC）。图4A，AI对右肺下叶前基底段mGGN进行识别、标记并提示高危，大小约1.7x1.3cm，边界清晰，可见分叶征及毛刺征，其特征分析为：平均CT值-148.55Hu，3D长径21.95mm，体积1650mm3，最大面面积194.58mm2，表面积730.14mm2，紧凑度0.79，球形度0.92，峰度1.99，熵8.14。图4B，病理诊断为浸润性腺癌，腺泡型为主型， He×200。

2.2浸润性和非浸润性病变CT参数分析103枚GGN中浸润性病变组33枚，非浸润性病变组70枚的CT参数，统计学分析结果为表1；根据GGN的分叶征、毛刺征、病灶边缘清晰度及结节密度等结节边缘征象，统计分析结果为表2；具有明显统计学差异的CT定量参数3D长径、CT均值、体积、最大面面积及表面积进行准确性检验，并绘制受试者工作特征曲线（ROC）进行对GGN浸润性的预判价值计算，各CT参数的曲线下面积（Area Under Curve,AUC）、95％置信区间、阈值、敏感性及特异性，详见图5。

表1 浸润性和非浸润性磨玻璃病变间CT定量特征分析结果（±S）

表2 浸润性和非浸润性磨玻璃病变间结节边缘征象分析结果（±S）`

图 5 浸润性与非浸润性在3D长径、CT均值、体积、最大面面积及表面积ROC曲线分析

2.3 GGN的CT参数与病理类型分析103枚GGN中AAH（7枚），AIS（63枚），MIA（13枚），IAC（20枚）分析和比较3D长径，CT均值，体积，最大面面积，表面积，紧凑度，球形度，熵，结节的密度均匀度等CT参数结果为见表3-1，3-2。根据GGN分叶征、毛刺征、病灶边缘清晰度及结节密度等结节边缘征象的统计学方法分析结果为见表4。

表3-1 不同病理类型GGN的CT参数的结果（1）（±S）

注：P1值为AAH与AIS的比较；P2值AIS与MIA的比较；P3值MIA与IAC的比较。表

表3-2 不同病理类型GGN的CT参数的结果（2）（±S）

注：P1值为AAH与AIS的比较；P2值AIS与MIA的比较；P3值MIA与IAC的比较。

表4 不同病理类型GGN的结节边缘征象的结果（±S）

注：P1值为AAH与AIS的比较；P2值AIS与MIA的比较；P3值MIA与IAC的比较。

3.讨论

在我国肺癌发病率、死亡率均居所有恶性肿瘤首位。肺癌中约占65%以上的病理类型为腺癌，研究表明GGN可能为早期肺腺癌的一种表现形式。研究发现，GGN大小、密度和形态为区别IAC与 AAH、AIS、MIA 的重要因素[1]，不同病理类型的 GGN 在临床上处理方法不同［2］，早期诊断和精准治疗是减少我国肺癌患者的死亡率和改善不良预后的重要因素。

本研究中共计103例患者103枚GGN胸部CT资料纳入研究，其中女性（71%）明显多于男性（29%），类似于美国国家综合癌症网络（National Comprehensive Cancer Network, NCCN）报道[3],有研究认为GGN在女性中多见可能于与一些基因如上皮生长因子受体 (epidermal growth factor receptor，EGFR) 等有关

[4,5]，女性发生EGFR基因突变的概率更高[6]。

GGN中肿瘤细胞主要生长方式为沿肺泡壁伏壁式生长，肿瘤细胞在浸润过程中表现出不规则的生长，3D长径反映了肿瘤细胞的生长方式、生长速度和浸润深度等，本文中3D长径均值在浸润性与非浸润性组间均有显著差异（P﹤0.05），通过ROC 曲线分析，基于AI测量的3D长径诊断浸润性病变的阈值为11.82mm，AUC为0.746，敏感性约70%，特异性72.7%，该结果与蔡雅倩等[7]的研究结果非常接近。本文中3D长径均值在AAH与AIS，AIS与MIA，MIA与IAC间统计学分析中均有显著差异（P﹤0.05），与陈韵羽等[8]结果有些差异，可能与病例数量、窗宽窗位、CT机型、后期处理软件参数等不相同而有差异，需进一步研究。

GGN病变组织密度越高，CT值相对越大，CT值与浸润程度等有关，在本研究的结果中，平均CT值诊断浸润性病变的阈值为-413.7Hu，非浸润性腺癌组GGN的平均CT值为-551.23Hu，浸润性腺癌组GGN的平均CT值为-397.57Hu，两组之间差异有统计学意义（P﹤0.05），相似与Ichinose等[9]研究结果，也反映了非浸润性病变的密度明显低于浸润性病变，密度的变化与其浸润性相关的研究结果相似[10]。在本文结果中，AAH与AIS，AIS与MIA及MIA与IAC之间均有显着差异（P < 0.05），符合肺腺癌国际学科新分类的AAH→AIS→MIA→IAC病理变化过程[11]，由此可见CT值对于磨玻璃结节的病理分型具有一定的预测价值。

GGN结节的最大直径是术前预测IAC的有效指标，而最大面积是提示肺结节生长的最重要指标［12,13］，在本研究中GGN的体积、最大面面积、表面积在非浸润性病变与浸润性病变均有明显差异，P均<0.05。研究报道［14］GGN的最大横截面积是诊断浸润性病变的独立预测因子，本文中体积，最大面面积，表面积等在AAH与AIS，AIS与MIA，MIA与IAC间均有显著差异（P﹤0.05），在AAH、AIS、MIA及IAC的影像学区别上有意义。另GGN结节的形状与良恶性存在很大相关性[15.16]，在本文中不仅在浸润性与非浸润性组间的紧凑度、球形度、熵及峰度等CT定量参无统计学差异（P﹥0.05），且在AAH与AIS，AIS与MIA，MIA与IAC间均有显著差异（P﹤0.05）。与文献报道不同原因考虑与扫描参数、重建参数、测量方法以及分析软件等因素，以及肺泡的含气量的多少等GGN本身内部结构有关。

GGN的HRCT形态分析中发现病灶的边缘分叶、毛刺、空泡征、支气管截断征、胸膜凹陷征、血管集束征在AAH、AIS、MIA和IAC中均具有显著性差异［17］，本文中病灶分叶征，毛刺征，边缘清晰度及密均匀度等结节边缘征象在浸润性与非浸润性结节的影像学诊断上显著意义（P﹤0.05）。GGN的良恶性诊断,以及结节的侵袭性是临床工作中的重点和难点，研究发现结节的形状与良恶性存在很大相关性[15.16]。在本文中不仅在浸润性与非浸润性组间的紧凑度、球形度、熵及峰度等CT定量参无统计学差异（P﹥0.05），且在AAH与AIS，AIS与MIA，MIA与IAC间均有显著差异（P﹤0.05）。与文献报道不同原因考虑与扫描参数、重建参数、测量方法以及分析软件等因素，以及肺泡的含气量的多少等GGN本身内部结构有关。

肺腺癌的影像学诊断及随访的过程中，AI将更有优势用于观察GGN的3D长径、平均CT值、体积、最大面面积、表面积等CT定量参数的变化情况来观察病理类型；但病灶的浸润性及良恶性度上，HRCT在观察病灶分叶征，毛刺征，边缘清晰度及密均匀度等结节边缘征象更为优势。随着未来AI增加更多的特征分析，如倍增时间等，AI的算法也会更加精确，AI对GGN浸润性预判也将会更加准确。

［参 考 文 献］

［1］Travis WD, Brambilla E, Noguchi M, et al. International association for the study of lung cancer/american thoracic society/european respiratory society international multidisciplinary classification of lung adenocarcinoma. J Thorac Oncol ,2011,6:244-285.

［2］Zhao X,Zhang Y,Qian K,et al.Prognostic significance of the International Association for the Study of Lung Cancer/American Thoracic Society/European Respiratory Society classification of stage I lung adenocarcinoma:A retrospective study based on analysis of 110 Chinese patients.Thorac Cancer,2017,8(6):565-571

.

［3］Henschke CI, Boffetta P, Gorlova O, et al. Assessment of lung-cancer mortality reduction from CT screening. Lung Cancer, 2011, 71(3): 328-332.

［4］Lee CT. What do we know about ground-glass opacity nodules in the lung? Transl Lung Cancer Res. 2015,4(5):656-659.

［5］Ninomiya H,Hiramatsu M,Inamura K,et al. Correlation between morphology and EGFR mutations in lung adenocarcinomas Significance of the micropapillary pattern and the hobnail cell type. Lung Cancer,2009,63(2): 235-224.

［6］李玉春,史河水,王思然.肺磨玻璃结节的MSCT征象与EGFR基因突变的相关性.放射学实践,2019,34(07):784-787.

［7］张丽,李蒙,吴宁,等.临床I期浸润肺腺癌不同组织学亚型的三维CT值定量分析.中华放射学杂志,2015,49(04):268-272.

［8］陈韵羽,叶嘉颖,曾凤仪,等.薄层CT表现为纯磨玻璃结节的原位腺癌与微浸润腺癌的鉴别诊.中国医学影像学杂志,2018,26(06):401-404.

［9］Ichinose J,Kawaguchi Y,Nakao M,et al. Utility of Maximum CT Value in Predicting the Invasiveness of Pure Ground-Glass Nodules. Clin Lung Cancer,2020,21(3):281-287.

［10］Lee S M, Park C M, Goo J, et al.Invasive Pulmonary Adenocarcinomas versus Preinvasive Lesions Appearing as Ground-Glass Nodules: Differentiation by Using CTfeatures.Radiology,2013,268(1), 265-273.

［11］Travis WD, Brambilla E, Noguchi M,et al.International association for the study of lung cancer/american thoracic society/european respiratory society international multidisciplinary classification of lung adenocarcinoma.J Thorac Oncol,2011,6(2):244-285.

［12］Liu LH, Liu M, Wei R, et al.CT findings of persistent pure ground glass opacity:can we predict the invasiveness.Asian Pac J Cancer Prev,2015,16(5):1925-1928.

［13］郑旻,黄先敏.基于CT定量参数评估肺部磨玻璃样结节的侵袭程度.中国CT和MRI杂志,2019,17（8）：61-64.

［14］胡红梅,冯峰.肺磨玻璃结节CT影像组学研究进展.放射学实践,2020,35(11):1472-1475.

［15］KalPathy-Cramer J, Mamomov A, Zhao B, et al. Radiomics of Lung Nodules: A Multi-Institutional Study of Robustness and Agreement of Quantitative Imaging Features. TomograPhy,2016,2(4):430-437.

［16］Lee G,Park H,Sohn I,et al.ComPrehensive ComPuted TomograPhy Radiomics Analysis of Lung Adenocarcinoma for Prognostication. Oncologist,2018,

23(7):806-813.

［17］刘垚,华晨辰,范国华.肺磨玻璃结节HRCT影像特征与肺腺癌病理分型的相关性研究.医学影像学杂志,2020,30(04):588-592

.