European Radiology:术前增强CT实现肺部病变组织学类型的术前无创预测

肺癌是全世界范围内癌症死亡的主要原因，通常在晚期被诊断出来。众所周知，肺癌的早期诊断和早期治疗可以有效降低死亡率。为了及时为患者提供个性化的治疗，准确判断肺部病变的组织学类型非常重要。在临床上，组织活检是确定组织学类型的一种常用技术。

然而，组织活检由于难以进入肺部病灶的部分位置和大小而受到限制。组织活检也是一种侵入性技术，不能作为一种随访方法而常规进行。相比之下，常用于肺部结节检测和患者随访的计算机断层扫描（CT）是一种非侵入性的影像检查，对肺部病变的诊断具有重要的价值。

最近的研究表明，仅通过评估病变的CT特征，有经验的放射科医生就可以区分恶性病变和良性病变，甚至可以对肺部病变的组织学类型进行分类，但对于有明确病理报告的肺部病变，由于阅读经验不同，放射科医生之间存在不同程度的差异。因此，建立肺癌风险预测模型可以有效避免放射科医生的主观和不可靠的诊断，特别是对于经验不足的放射科医生。

一些研究者致力于开发肺部病变恶性程度的评估模型。年龄、结节直径、吸烟史和戒烟后的时间是估计PET成像上恶性概率的预测因素。梅奥诊所模型发现年龄、吸烟史、癌症史、结节直径和上叶对区分恶性结节和良性结节有预测作用。以前的研究表明，这些模型在他们自己的数据上取得了良好的性能，但在大的肺结节中使用有限，因此在将模型应用于新的数据集之前需要对许多特征进行优化。现阶段，PET-CT在高危肺结节的管理中发挥着重要作用。

然而，由于PET-CT的成本较高，在发展中国家的应用并不多见（19.3% vs 55.0%）。与PET-CT不同，增强CT的成本相对较低，目前在发展中国家仍是大多数肺部结节患者手术前的主要检查手段。因此，有必要建立一个增强CT诊断肺结节患者的临床评估模型。

近日，发表在European Radiology杂志的一项研究探讨了增强CT上的影像学特征对肺癌的预测价值，并通过考虑这些影像学特征和临床因素建立了一个用于实体肺病灶组织学分类的预测模型，可以避免患者进行不必要的手术，并为术前治疗的临床决策提供支持。

来自天津医科大学肿瘤研究所（TMUCIH）的1012名患者的主要数据集被随机分为发展队列（708）和内部验证队列（304），山西医科大学附属第二医院的患者被设定为外部验证队列（212人）。两个临床因素（年龄、性别）和增强CT上的21个特征被用来构建一个多变量的逻辑回归模型，用于分类七个常见的肺部实体病变的组织学类型。接受者操作特征曲线下的面积被用来分别评估该模型在开发和验证队列中的诊断性能。 

多变量分析显示，两个临床因素和增强CT上的21个特征在肺部病变组织学分类中具有预测作用。在开发、内部验证和外部验证队列中，提议的组织学分类模型的平均AUC分别为0.95、0.94和0.92。当根据组织学类型确定肺部病变的恶性程度时，该模型在三个队列中的平均AUC为0.88、0.86和0.90。 

图 该模型在开发和验证队列中的组织学分类性能

本项研究结果表明，通过利用增强CT图像上的临床和CT特征所提出的模型不仅可以有效地对肺部实体病变的组织学类型进行分层，而且还能准确评估肺部病变的恶性程度，为患者避免不必要的手术并指导术前治疗的临床决策提供了支持。
原文出处：

Xiaonan Cui,Sunyi Zheng,Wenjia Zhang,et al.Prediction of histologic types in solid lung lesions using preoperative contrast-enhanced CT.DOI:10.1007/s00330-023-09432-3