摘 要:目的 探讨多模态影像参数在判断肺结节良、恶性中的应用价值。 方法 收集来自首都医科大学宣武医院及北京市肿瘤防治研究所肺占位患者病例 326 例,包括 115 例良性病例,211 例恶性病例。 记录多模态影像指标,包括结节大小、最大标准摄取值(maximum standard uptake value,SUVmax)、磨玻璃样变、边缘光滑、有晕征、分叶征、毛刺征、钙化共计 8 个指标,通过多因素 Logistic 回归分析筛选出基于肺部多模态图像的恶性肺结节的影响因素。 结果 多因素 Logistic 回归分析显示,结节大小、SUVmax、分叶征、毛刺征为恶性肺结节的危险因素,相应的 OR 值分别为 1. 31 (1. 03 ~ 1. 65)、1. 10(1. 03~1. 18)、7. 27(3. 57~ 14. 82)、3. 16(1. 47 ~ 6. 83)。 结节钙化为恶性肺结节的保护因素,OR 值为0. 13(0. 05~0. 32)。 结论 结节大、SUVmax 值大、存在分叶征、存在毛刺征、结节无钙化提示肺结节为恶性结节的可能性较大。
关键词:恶性肺结节;危险因素;Logistic 回归;肿瘤。
肺癌在 20 世纪以前很少见,但目前其是最常见的癌症之一(占所有癌症的 11. 6%),2019 年肺癌位居中国男性发病第一位[1]。 在全球肺癌仍然是癌症相关死亡的主要原因之一[2-4]。 而吸烟仍然是导致肺癌发生的最重要危险因素,戒烟被认为是降低肺癌死亡风险最有效的一级预防策略[5]。 随着许多低收入和中等收入国家空气污染和烟草使用的增加,肺癌的发病率大大增加,这给社会造成了巨大的经济负担[6-7]。 此外,其他危险因素也逐渐被发现并得到关注,例如肺结节的影像学征象。 随着科技的进步和相关影像设备的快速更新,影像医学在医学诊断领域及介入治疗领域均取得了重大创新与突破,得到了医学界的广泛认可。 多模态正电子发射计算机断层显像/ 计算机断层扫描(positron emissiontomography / computed tomography,PET/ CT) 图像是对癌症进行诊断并评价其疗效的重要方法之一。 目前,多是基于 CT 图像分析影像学征象诊断恶性肺结节的影响因素,缺乏基于 PET/ CT 图像的研究。
本研究基于 PET/ CT 图像分析影像学征象诊断肺结节良、恶性的影响因素,并将 PET/ CT 图像重要代谢指标 SUVmax 纳入作为研究重点。 为研究基于肺部多模态图像诊断恶性肺结节的影响因素,制定相关防治措施,对 326 例肺占位患者进行病例对照研究,通过多因素 Logistic 回归筛选出影像征象中诊断恶性肺结节的影响因素。
1、资料与方法
1.1、研究对象
研究对象为 107 例首都医科大学宣武医院肺占位患者(2015 年 12 月至 2018 年 9 月)、219 例北京市肿瘤防治研究所的肺占位患者(2010 年 12 月至2018 年 1 月),共 326 例,其中包括 115 例良性病例、211 例恶性病例。
纳入标准:年龄大于等于 18 岁;每个患者包含有结节的多模态图像数目不少于 2 张,所需个人信息完整;对于恶性结节,有病理诊断结果或经医生先验知识将患者确定为肺癌的;对于良性结节,有病理诊断结果或影像医生将患者确诊为其他疾病的。
排除标准:个人信息不完整的患者;进行化疗放疗后的患者;在融合图像上病变位置不清楚的患者。
1.2、考核指标
影像征象主要通过两位影像科医生同时阅片并进行影像学诊断,收集图像上结节形态学信息以及多模态图像特有的最大标准摄取值(maximum standarduptake value,SUVmax)。
影像学特征包括:结节位置、结节大小、淋巴结是否肿大、结节密度、实质性改变、磨玻璃样变、毛刺征、分叶征、空泡征、钙化、空洞、胸膜凹陷征、胸水等;代谢信息,例如最大标准摄取值;病理诊断或医生诊断结果等。
1.3、统计分析
采用 SPSS 25. 0,单因素组间的计量资料比较采用 t 检验,单因素组间的计数资料比较采用χ2检验,利用单因素 Logistic 回归及多因素 Logistic 回归分析筛选出恶性肺结节的影响因素,计算各变量的β、P、OR 及 95%置信区间。 所有统计分析的检验水准 α= 0. 05、P<0. 05 时差异具有统计学意义。
2、结果
2. 1、医学影像学分析结果
对肺结节的大小 ( 长径)、SUVmax、磨玻璃样变、有晕征、分叶征、毛刺征、钙化进行描述,并比较影像征象在良恶性两组之间的差异,结果见表 1。
表 1 肺部 PET/ CT 图像良恶性结节影像征象
结节大小、SUVmax 均采用两独立样本t 检验进行差异性分析;磨玻璃样变、有晕征、分叶征、毛刺征、钙化均采用卡方检验进行差异性分析。 统计结果表明,恶 性 结 节 ( 3. 28 cm ± 1. 91 cm) 与 良 性 结 节(2. 45 cm±1. 13 cm)的大小存在差异,且差异具有统计学意义(P<0. 05);恶性结节的 SUVmax 为 9. 74±5. 89,良性结节为 6. 10±3. 89,差异具有统计学意义(P<0. 001),表明恶性结节的代谢水平高于良性结节;分叶征、毛刺征、钙化在恶性结节和良性结节之间的分布均存在差异,且差异均有统计学意义(P<0. 001)。
2. 2、肺结节良恶性影响因素分析
研究因素主要包括结节大小、SUVmax、磨玻璃样变、边缘光滑、有晕征、分叶征、毛刺征、钙化,共计8 个指标,亚变量赋值情况见表 2。
表 2 肺癌研究因素名称及赋值
首先采用单因素 Logistic 回归探究以上指标对肺结节良恶性质的影响,分析结果如表 3 所示。 由表可知,结节大小、SUVmax、分叶征、毛刺征是肺癌的危险因素,而钙化是肺癌的保护性因素。
表 3 单因素 Logistic 回归分析结果
采用多因素 Logistic 回归,将单因素 Logistic 回归分析中 P<0. 2 的影响因素带入模型中,结果见表4。 结果显示,结节大小、SUVmax、分叶征、毛刺征、钙化具有统计学意义,即结节每增加 1 cm,肺结节为恶性的可能性增加 0. 31 倍;代谢水平每提高一个水平,肺结节为恶性的可能性增加 0. 10 倍;出现分叶征的结节为恶性的可能性为未出现分叶征结节的7. 27 倍;出现毛刺征的结节为恶性的可能性为未出现毛刺征结节的 3. 16 倍;出现钙化结节为恶性的可能性为未出现钙化结节的 0. 13 倍。
表 4 肺癌多因素 Logistic 回归分析结果
3、讨论
影响肺癌的因素众多,包括环境、生活行为方式、机体遗传和社会等多种因素[8]。 吸烟是肺癌的主要病因,连续吸烟者肺癌发生风险大约是从不吸烟者的 20 ~ 50 倍。 吸烟时间被视为吸烟者肺癌风险的最重要决定因素[9]。 黄萌等[10]发现吸烟患者肺癌发病风险显着增加,且不同吸烟情况患肺癌风险不同,轻度吸烟 OR 值为 1. 67,重度吸烟 OR 值为7. 27,轻度被动吸烟 OR 值为 2. 63,重度被动吸烟OR 值为 6. 25。 刘伟洁[11]的研究表明,有相当一部分肺癌患者没有在确诊后及时戒烟,且戒烟不及时将增加肺癌手术后并发症发生的风险。 该现象发生的主要原因是多数患者对尼古丁依赖性较高,难以短时间内迅速戒烟。
影像学征象是重要的恶性肺结节影响因素也是十分重要的判断因素。 耿睿等[12]利用 213 例孤立性肺结节患者的临床资料和医学影像学资料,通过多因素 Logistic 回归分析临床因素与 CT 影像学特征在判断孤立性肺结节良恶性评估中的应用价值。
研究结果表明,结节直径大,CT 中存在磨玻璃结节、毛刺征、分叶征提示为恶性肺结节的可能性较大。
王晶晶等[13]收集了 454 例肺结节患者的基本信息和 CT 图像影像学信息,利用非条件 Logistic 回归探讨恶性肺结节的影响因素,在校正基本信息后,发现胸部影像中出现淋巴结肿大、空泡征、胸膜凹陷症、无钙化提示肺结节为恶性的可能性较大。 与先前研究类似,在本次基于肺部多模态 PET/ CT 图像的研究中,当出现结节直径大及存在分叶征、毛刺征、无钙化提示结节为恶性的可能性较大。
SUVmax 为多模态 PET/ CT 图像常用的半定量指标,可显着提高肿瘤的临床诊断水平。 张子洲等[14]收集 111 例经 PET/ CT 检查且确诊为肺癌的患者,通过 Pearson 分析发现,肿瘤大小与 SUVmax呈显着正相关(P<0. 01);在分析 SUVmax 与肿瘤病理类型的相关性时发现,虽然鳞癌组肿瘤大小小于腺鳞癌组,但鳞癌组的 SUVmax 却明显高于腺鳞癌组。 Nambu 等[15]对 66 名肺癌患者进行研究,研究对象均在肿瘤手术前进行 PET/ CT 检查并在 2004 ~2008 年期间进行了手术。 研究发现原发性肺癌淋巴结转移的可能性随着 SUVmax 的增加而增加。 目前研究 SUVmax 对恶性肺结节影响的文献并不多,在 本 次 研 究 中, 多 因 素 Logistic 回 归 结 果 显 示SUVmax 为恶性肺结节的重要危险因素。
4、结论
本研究利用 Logistic 回归分析对恶性肺结节可能的 影 响 因 素 进 行 了 筛 选, 结 果 显 示 结 节 大、SUVmax 值大、存在分叶征、存在毛刺征是肺癌的危险因素,结节有钙化为肺癌的保护因素。
参考文献
[ 1 ] Torre LA,Siegel RL,Jemal A. Lung cancer statistics [J]. Advances in Experimental Medicine and Biology,2016,893:1-19.
[ 2 ] Walter JE,Heuvelmans MA, Ten Haaf K, et al. Persisting new nodules in incidence rounds of the NELSON CT lung cancer screening study [J]. Thorax,2019,74(3):247-253.
[ 3 ] Koning HJ, Aalst CM, Jong PA, et al. Reduced lung?cancer mortality with volume CT screening in a randomized trial [J].New England Journal of Medicine,2020,382(6):503-513.
[ 4 ] Yousaf?Khan U,Aalst C,Jong PA,et al. Risk stratification based on screening history: the NELSON lung cancer screening study[J]. Thorax,2017,72(9):819-824.
[ 5 ] Rojewski AM, Tanner NT, Dai L, et al. Tobacco dependence predicts higher lung cancer and mortality rates and lower rates of smoking cessation in the national lung screening trial [J]. Chest,2018,154(1):110-118.
[ 6 ] 陈文 . 医学影像技术研究进展及其发展趋势[J]. 实用医学影像杂志,2016,17(3):254-258.
[ 7 ] Hong QY,Wu GM,Qian GS,et al. Prevention and management of lung cancer in China [J]. Cancer,2015,17:3080-3088.
[ 8 ] 孙政,李纲,王洪军,等 . 徐州市铜山区肺癌影响因素的病例对照研究[J]. 中国肿瘤,2013,22(4):266-269.Sun Z, Li G, Wang HJ, et al. A case?control study on the influencing factors of lung cancer in Tongshan District, Xuzhou City [J]. China Cancer,2013,22(4):266-269.
[ 9 ] Malhotra J, Malvezzi M, Negri E, et al. Risk factors for lung cancer worldwide [J]. European Respiratory Journal, 2016, 48(3):889-902.
[10] 黄萌,陈星,邱月锋,等 . 肺癌危险因素及交互作用研究[J].中华疾病控制杂志,2011,15(2):91-94.Huang M,Chen X,Qiu YF,et al. Study on influencing factors and their interactions for lung cancer [J]. Chinese Journal of Disease Control & Prevention,2011,15(2):91-94.
[11] 刘伟洁 . 新确诊肺癌患者戒烟效果及影响因素[J]. 山东医药,2015,55(39):112-113.
[12] 耿睿,孙宵,李超,等 . 临床因素与 CT 影像学特征对判断孤立性肺结节良、恶性的价值[J]. 宁夏医科大学学报,2019,41(5):517-521.Geng R, Sun X, Li C, et al. Value of clinical factors and CT imaging features in the diagnosis of benign and malignant solitary pulmonary nodules [J]. Journal of Ningxia Medical University,2019,41(5):517-521.
[13] 王晶晶,高妮,梁志刚,等 . 肺结节患者影像学特征分析[J].北京生物医学工程,2015,34(1):85-89.Wang JJ, Gao N, Liang ZG, et al. Analysis based on imaging characteristics in patient with pulmonary nodules [J]. Beijing Biomedical Engineering,2015,34(1):85-89.
[14] 张子洲,朱晔涵,章斌 . PET-CT 显像中 SUVmax 在非小细胞肺癌诊断中的价值[J]. 江苏医药,2012,38(4):447-450. Zhang ZZ, Zhu HH, Zhang B. The value of SUVmax in the diagnosis of non?small cell lung cancer [J]. Jiangsu Medical Journal,2012,38(4):447-450.
[15] Nambu A,Fau?Sato YKS,Fau?Okuwaki HST,et al. Relationship between maximum standardized uptake value( SUVmax) of lung cancer and lymph node metastasis on FDG?PET [J]. European Respiratory Journal,2016,48(3):889-902.
