1、 55CHINESE JOURNAL OF CT AND MRI,FEB.2023,Vol.21,No.02 Total No.160【第一作者】朱景航，男，住院医师，主要研究方向：外周介入。E-mail：【通讯作者】张东友，男，主任医师，主要研究方向：磁共振成像。E-mail：论 著Establishment of Malignancy Evaluation Model of Pure Ground Glass Nodules in Lung Based on HRCTZHU Jing-hang,GAO Xiao-ling,ZHANG Dong-you*.Department of Radi
2、ology,Wuhan First Hospital,Wuhan 430000,Hubei Province,ChinaABSTRACTObjective To investigate the correlation between HRCT signs and malignancy of Pure ground glass nodules(pGGN)in lung,and to establish a quantitative model for evaluating the risk of pGGN infiltration using Nomogram.Methods The imagi
3、ng and pathological data of 53 patients with pGGN(68 lesions)in our hospital were retrospectively analyzed.HRCT imaging data included lesion shape,size,lobulation sign,burr sign,vacuole sign,vascular cluster sign,pleural indentation sign,tumor-lung interface and bronchial inflation sign.According to
4、 the pathological result,pGGN was divided into pre-invasive lesions and invasive lesions.Chi-square test and independent sample t-test were used to analyze the HRCT signs of the two groups.Logistic regression multivariate analysis was carried out based on the results of single factor analysis to scr
5、een out independent risk factors for evaluating the infiltration of pGGN.Finally,R software(R3.3.2)is introduced to construct Nomogram risk assessment model using RMS software package.Results Among 68 pGGN lesions,28 were pre-invasive lesions and 40 were invasive lesions.Logistic regression analysis
6、 showed that lesion size,lobulation sign,vacuole sign,burr sign and vascular cluster sign were independent risk factors for evaluating pGGN infiltration.Nomogram showed lesion size(100 points),lobulation sign(92 points),spiculation sign(90 points),vessel cluster sign(68 points),vacuole sign(66 point
7、s).The risk of pGGN infiltration was assessed by the corresponding total score model.The area under the curve was 0.870,and the sensitivity and specificity were 87.50%and 71.43%respectively.Conclusion Focal size,lobulation sign,vacuole sign,spiculation sign and vascular cluster sign are independent
8、risk factors for evaluating the infiltration of pGGN.And this study is helpful for its quantitative evaluation.Keywords:Pure Ground Glass Nodules;HRCT;Nomogram;Evaluation Model随着低剂量CT在体检中的普及，肺内结节的检出率越来越高，纯磨玻璃结节(ground glass nodule,GGN)在总检出率占比约1938%1。GGN在是否存在实性成分，可分为存在实性成分的混合磨玻璃结节(mixed ground glass
9、nodule,mGGN)和纯磨玻璃结节(pure ground glass nodule,pGGN)1。pGGN在病理结果上，依据最近的2015年WHO肺肿瘤分类方法2，可分为不典型腺瘤样增生(atypical adenomatous hyperplasia，AAH)、原位腺癌(adenocarcinoma in situ，AIS)、微浸润腺癌(minimally invasive denocarcinoma，MIA)以及浸润性腺癌(invasive lung adenocarcinomas，ILA)，肺肿瘤非浸润性病变与浸润性病变在肿瘤生物学行为及治疗方案上存在很大的差异，浸润性肺腺癌预后相
10、对更差3-4。目前，针对pGGN的处理，国内外缺乏统一的标准，仅依据病变的大小来指导临床工作的处理5，是随访还是手术干预仍存在一定的争议，存在较大的随机性。有文献对pGGN浸润性病变的CT危险影像征象进行了相关研究4-6,7，但如何量化评估并建立直观可靠的评估模型仍鲜见报道。有鉴于此，本研究通过综合分析pGGN浸润性的各HRCT危险征象，在此基础上进行多因素分析，并建立Nomogram图评分模型，以期为患者的病情程度的评估以及临床干预方案的制定提供直观、便捷以及个体化的客观依据。1 资料及方法1.1 病例收集 收集我院行肺部HRCT检查的患者的相关资料。纳入标准：发现肺部占位为pGGN；于我院
11、行手术切除治疗，病理结果证实为AAH、AIS、MIA以及ILA。排除标准：患者合并其它恶性肿瘤；影像学资料/临床病理资料佚失或质量欠佳。经过本研究入组标准，共计收集53例肺pGGN患者(68个病灶)，非浸润性病变28例、浸润性病变40例。男38例、女性15例，年龄4571岁，中位年龄51岁。本研究经医院伦理委员会审核通过，整个研究过程遵守其相应的规范制度。1.2 HRCT扫描 肺部影像学检查采用的是德国Siemens Somatom Definition Flash 双源CT，扫描参数如下：管电压(120kV)、管电流(100250mAs)，层厚5mm，并行0.67mm薄层重建，螺距1.5。扫
12、描检查时，嘱患者仰卧、屏气，扫描范围包括双肺尖至膈顶。肺窗：窗宽1 600HU，窗位-600HU；纵隔窗：窗宽400HU，窗位40HU。1.3 图像的采集及影像征象的提取 以2名20年以上具有肺部影像学诊断经验的高年资医师对图像进行分析处理，提取的肺部HRCT影像学征象包括：病灶形态(规整/不规则)、大小(mm)、“分叶”征(无/有)、“毛刺”征(无/有)、“空泡”征(无/有)、血管“集束”征(无/有)、胸膜“凹陷”征(无/有)、瘤肺界面(无/有)、支气管“充气”征(无/有)；以上所有操作均在不知晓病理的情况下“盲法”进行，意见存在分歧时经探讨协商基于Nomogram对肺内纯磨玻璃结节HRCT
13、恶性度预测模型的建立朱景航 高小玲 张东友*湖北省武汉市第一医院放射影像科(湖北 武汉 430000)【摘要】目的 探讨HRCT征象与肺内纯磨玻璃结节(pGGN)恶性度的相关性，并使用Nomogram图建立评估pGGN浸润性风险的量化模型。方法 对我院53例pGGN患者(68个病灶)的影像及病理资料进行回顾性分析，HRCT影像资料包括：病灶形态、大小、“分叶”征、“毛刺”征、“空泡”征、血管“集束”征、胸膜“凹陷”征、瘤肺界面以及支气管“充气”征；依据病理资料将pGGN分为非浸润性病变和浸润性病变。运用卡方检验、独立样本t检验对两组HRCT征象进行单因素分析，依据单因素分析结果进一步行Logi
14、stic回归多因素分析，筛选出评估pGGN浸润性的独立风险因素。最后引入R软件(R3.3.2)，使用rms软件包，构建Nomogram图风险评估模型。结果 68个pGGN病灶中，非浸润性病变28例、浸润性病变40例。Logistic回归多因素分析显示，病灶大小、“分叶”征、“空泡”征、“毛刺”征以及血管“集束”征是评估pGGN浸润性的独立风险因素。以此构筑的Nomogram图模型，病灶大小(100分)、“分叶”征(92分)、“毛刺”征(90分)、血管“集束”征(68分)、“空泡”征(66分)，将危险因素的积分相加为总分，总分对应模型评估pGGN浸润性的风险性。通过Nomogram图积分进行受试
15、者工作曲线(Receiver operating curve,ROC)分析时，曲线下面积为0.870，对应的敏感度、特异度分别为87.50%、71.43%。结论 病灶大小、分叶征、空泡征、毛刺征以及血管集束征是评估pGGN浸润性的独立风险因素，本研究构建的Nomogram图模型有助于其量化评估。【关键词】纯磨玻璃结节；HRCT；Nomogram；预测模型【中图分类号】R445.3【文献标识码】A DOI:10.3969/j.issn.1672-5131.2023.02.02056中国CT和MRI杂志2023年02月 第21卷 第02期 总第160期达成一致。1.4 数据统计及Nomogram图
16、预测模型构建、评估 引入R软件(R 3.3.2)，使用“tableone”软件包对两组HRCT征象进行单因素分析，依据单因素分析结果进一步行Logistic回归多因素分析，筛选出评估pGGN浸润性的独立风险因素。在多因素分析筛选结果的基础上，使用rms软件包，构建Nomogram风险评估模型。Nomogram风险评估模型的验证:使用Boostrap法对模型进行1000次内部抽样，计算一致性系数(consistency index,C-index)，以C-index与ROC曲线来评估模型的临床区分度。以校准曲线评估模型的校准度。2 结 果2.1 单因素分析结果显示 pGGN浸润性病变与非浸润性病变的大小、“分叶”征、“毛刺”征、“空泡”征、血管“集束”征、胸膜“凹陷”征存在统计学差异(均P0.05)，见图1A图1B，表1。图1 患者，男，57岁，病理确诊为AIS。图1A：示PGGN位于右肺上叶，直径6mm，形态规整，未见分叶、空泡、血管集束征。图1B：患者，男，62岁，病理确诊为ILA。图1B：示病灶呈不规则分叶状，可见血管集束征。图2 pGGN浸润性的Nomogram图评估模型。图3