切换至 "中华医学电子期刊资源库"

中华肺部疾病杂志(电子版) ›› 2023, Vol. 16 ›› Issue (06) : 880 -882. doi: 10.3877/cma.j.issn.1674-6902.2023.06.032

短篇论著

基于放射性特征预测肺结节侵袭性的临床应用
刘磊, 张琪(), 范兴彪   
  1. 236300 安徽,阜南县中医医院放射科
  • 收稿日期:2023-08-23 出版日期:2023-12-25
  • 通信作者: 张琪

Clinical application of prediction of lung nodules invasiveness based on radiometric characteristics

Lei Liu, Qi Zhang(), Xingbiao Fan   

  • Received:2023-08-23 Published:2023-12-25
  • Corresponding author: Qi Zhang
引用本文:

刘磊, 张琪, 范兴彪. 基于放射性特征预测肺结节侵袭性的临床应用[J]. 中华肺部疾病杂志(电子版), 2023, 16(06): 880-882.

Lei Liu, Qi Zhang, Xingbiao Fan. Clinical application of prediction of lung nodules invasiveness based on radiometric characteristics[J]. Chinese Journal of Lung Diseases(Electronic Edition), 2023, 16(06): 880-882.

肺结节是肺癌常见影像学表现,通过低剂量CT进行筛查,肺结节总检出率达26.32%~31%[1,2]。以肺结节为唯一表现的癌前病变和早期肺癌病例逐渐增多,对肺结节的处理策略主要基于恶性风险度评估,判断肺结节侵袭性[3,4]。放射组学利用自动化数据特征算法提取大量的定量图像特征,可无创提供肿瘤信息,对肿瘤预后分析与预测价值高[5,6]。肺癌中基于CT的放射组学特征可与活检结果互补,预测表皮生长因子受体(epidermal growth factor receptor, EGFR)突变70亚型和非小细胞肺癌(non-small cell lung cancer, NSCLC)淋巴结转移风险,预测肺结节恶性程度,解码早期肺腺癌肿瘤突变负担和驱动突变[7,8]。肺癌病因、临床表现等个体化影响因素存在差异,通过放射组学特征较难准确进行全面评估。本文基于临床和放射学特征对我院收治的41例肺结节患者结节侵袭性进行分析,报道如下。

表1 两组患者临床及放射学特征比较[n(%)]
表2 预测肺结节侵袭性的多因素Logistic回归分析
1
杨 丽,钱桂生. 肺结节临床精准诊断的新理念[J/CD]. 中华肺部疾病杂志(电子版), 2022, 15(1): 1-5.
2
Wu Z, Wang F, Cao W, et al. Lung cancer risk prediction models based on pulmonary nodules: A systematic review[J]. Thorac Cancer, 2022, 13(5): 664-677.
3
Jacob M, Romano J, Ara Jo D, et al. Predicting lung nodules malignancy[J]. Pulmonology, 2022, 28(6): 454-460.
4
中国肺癌防治联盟,中华医学会呼吸病学分会肺癌学组,中国医师协会呼吸医师分会肺癌工作委员会. 肺癌筛查与管理中国专家共识[J]. 国际呼吸杂志2019, 39(21): 1604-1615.
5
Avanzo M, Stancanello J, Pirrone G, et al. Radiomics and deep learning in lung cancer[J]. Strahlenther Onkol, 2020, 196(10): 879-887.
6
Sun Y, Li C, Jin L, et al. Radiomics for lung adenocarcinoma manifesting as pure ground-glass nodules: invasive prediction[J]. Eur Radiol, 2020, 30(7): 3650-3659.
7
Bortolotto C, Lancia A, Stelitano C, et al. Radiomics features as predictive and prognostic biomarkers in NSCLC[J]. Expert Rev Anticancer Ther, 2021, 21(3): 257-266.
8
Brazel D, Kroening G, Nagasaka M. Non-small cell lung cancer with EGFR or HER2 Exon 20 insertion mutations: Diagnosis and treatment options[J]. BioDrugs, 2022, 36(6): 717-729.
9
中华医学会呼吸病学分会肺癌学组,中国肺癌防治联盟专家组. 肺结节诊治中国专家共识(2018年版)[J]. 中华结核和呼吸杂志2018, 41(10): 763-771.
10
Liu QX, Zhou D, Han TC, et al. A noninvasive multianalytical approach for lung cancer diagnosis of patients with pulmonary nodules[J]. Adv Sci (Weinh), 2021, 8(13): 2100104.
11
Chen KN. The diagnosis and treatment of lung cancer presented as ground-glass nodule[J]. Gen Thorac Cardiovasc Surg, 2020, 68(7): 697-702.
12
Araujo-Filho J, Halpenny D, McQuade C, et al. Management of pulmonary nodules in oncologic patients: AJR expert panel narrative review[J]. AJR Am J Roentgenol2021, 216(6): 1423-1431.
13
Kim J, Dabiri B, Hammer MM. Micronodular lung disease on high-resolution CT: patterns and differential diagnosis[J]. Clin Radiol, 2021, 76(6): 399-406.
14
王 慧,韦小夏,马志敏,等. 吸烟和健康饮食评分在文化程度与肺癌发病风险关联中的中介效应研究[J]. 中华流行病学杂志2022, 43(12): 1875-1880.
15
Moreira AL, Sabari JK. Seeing beyond the smoke: Reclassifying lung cancer by smoking-related mutational signatures[J]. J Thorac Oncol, 2023, 18(4): 396-398.
16
Yuan J, Sun Y, Wang K, et al. Development and validation of reassigned CEA, CYFRA21-1 and NSE-based models for lung cancer diagnosis and prognosis prediction[J]. BMC Cancer, 2022, 22(1): 686.
17
李道航,邓伟明,左 磊,等. 血清CEA、NSE、ProgRP、CYFRA21-1在孤立性肺结节中的变化及影响因素分析[J]. 分子诊断与治疗杂志2023, 15(9): 1538-1542.
18
杨 冰,唐磊华,李 巍,等. 增强CT与CEA联合检测对孤立肺结节良恶性的诊断价值[J]. 实用癌症杂志2019, 34(12): 1995-1997.
19
Fu L, Wang R, Yin L, et al. CYFRA21-1 tests in the diagnosis of non-small cell lung cancer: A meta-analysis[J]. Int J Biol Markers, 2019, 34(3): 251-261.
20
何 桃,刘 英,宋清泉,等. AFP、CYFRA21-1、NSE及CT征象在孤立性肺结节性质中鉴别价值[J]. 分子诊断与治疗杂志2021, 13(9): 1435-1439.
21
李振江,毛 羽,李宝生,等. 放射组学:临床应用及进展[J]. 中华放射肿瘤学杂志2017, 26(7): 828-832.
22
Dang Y, Wang R, Qian K, et al. Clinical and radiological predictors of epidermal growth factor receptor mutation in nonsmall cell lung cancer[J]. J Appl Clin Med Phys, 2021, 22(1): 271-280.
23
Krarup M, Krokos G, Subesinghe M, et al. Artificial intelligence for the characterization of pulmonary nodules, lung tumors and mediastinal nodes on PET/CT[J]. Semin Nucl Med, 2021, 51(2): 143-156.
24
Apostolopoulos ID, Pintelas EG, Livieris IE, et al. Automatic classification of solitary pulmonary nodules in PET/CT imaging employing transfer learning techniques[J]. Med Biol Eng Comput, 2021, 59(6): 1299-1310.
25
Salihoglu YS, Uslu Erdemir R, Aydur Püren B, et al. Diagnostic performance of machine learning models based on 18F-FDG PET/CT radiomic features in the classification of solitary pulmonary nodules[J]. Mol Imaging Radionucl Ther, 2022, 31(2): 82-88.
26
张亚超,乔 辉,李 泽,等. 基于CT特征建立放射组学模型对非小细胞肺癌患者治疗效果的鉴别价值[J]. 实用放射学杂志2020, 36(7): 1129-1132.
27
Pan X, Wang H, Yu H, et al. Lung cancer associated with cystic airspaces: CT and pathological features[J]. Transl Cancer Res, 2020, 9(6): 3960-3964.
28
Xue LM, Li Y, Zhang Y, et al. A predictive nomogram for two-year growth of CT-indeterminate small pulmonary nodules[J]. Eur Radiol, 2022, 32(4): 2672-2682.
29
Susam S, Ucsular FD, Yalniz E, et al. Comparison of typical and atypical computed tomography patterns regarding reversibility and fibrosis in pulmonary sarcoidosis[J]. Ann Thorac Med, 2021, 16(1): 118-125.
30
Fu BJ, Lv FJ, Li WJ, et al. Significance of intra-nodular vessel sign in differentiating benign and malignant pulmonary ground-glass nodules[J]. Insights Imaging, 2021, 12(1): 65.
[1] 冯丹, 姜尔烈. 血液病患者侵袭性肺曲霉菌病研究进展[J]. 中华实验和临床感染病杂志(电子版), 2022, 16(03): 145-149.
[2] 王楠, 张怡, 安明. 侵袭性鼻-眼-脑型毛霉菌病一例[J]. 中华实验和临床感染病杂志(电子版), 2022, 16(02): 137-142.
[3] 钱永兵, 杭化莲, 张灏旻, 邓羽霄, 陈小松, 夏强. 慢加急性肝衰竭肝移植术后早期并发播散性曲霉病一例[J]. 中华移植杂志(电子版), 2022, 16(05): 306-308.
[4] 刘雪峰, 韩海峰, 杨硕, 逯景辉. 腹腔镜腹壁侵袭性纤维瘤病切除联合腹壁重建:单中心经验总结[J]. 中华疝和腹壁外科杂志(电子版), 2023, 17(04): 374-379.
[5] 姜华, 金发光. 肺小结节消融的现状与争议[J]. 中华肺部疾病杂志(电子版), 2024, 17(03): 493-496.
[6] 陈勇, 任建伟, 朱光发, 刘玉磊, 吴绍芹. 非移植患者侵袭性肺曲霉病32例临床特征分析[J]. 中华肺部疾病杂志(电子版), 2023, 16(06): 809-813.
[7] 孟原竹, 蒋国路, 陈小兵, 蒋莉. 肺结核合并侵袭性肺曲霉感染临床特征及危险因素分析[J]. 中华肺部疾病杂志(电子版), 2023, 16(04): 541-543.
[8] 吴娇艳, 鹿静雅, 符萌, 刘影. 侵袭性真菌性肺炎MSCT影像特征及与IL-17、IL-23相关性[J]. 中华肺部疾病杂志(电子版), 2022, 15(06): 835-837.
[9] 陈俞坊, 王康, 吴文昊, 张厚丽, 周向东. EGFR敏感突变ⅠA期浸润性肺腺癌术后辅助靶向治疗预后分析[J]. 中华肺部疾病杂志(电子版), 2022, 15(06): 776-781.
[10] 包军军, 骆科纯, 张海军, 张宏娟. 薄层螺旋CT容积生长率联合最大密度投影对肺小结节的诊断意义[J]. 中华肺部疾病杂志(电子版), 2022, 15(02): 215-217.
[11] 施健, 王勤英, 王强. 螺旋CT影像诊断含空泡征肺小结节性质与浸润程度分析[J]. 中华肺部疾病杂志(电子版), 2022, 15(02): 203-205.
[12] 李博, 胡刚, 邱文龙, 庄孟, 梅世文, 汤坚强, 王锡山. 腹腔镜下盆腔腹膜后肿瘤经肛门取标本手术(附视频)[J]. 中华结直肠疾病电子杂志, 2023, 12(01): 85-88.
[13] 宫继斌, 刘光凤, 刘宝, 闫美辰, 庞明敏, 许玥, 孟婷钰, 许娜娜, 范少华, 王昊. 病毒性肺炎合并侵袭性肺曲霉病的研究进展[J]. 中华重症医学电子杂志, 2023, 09(04): 385-390.
[14] 王守森, 方翌, 冯添顺, 魏梁锋. 深度学习模型在侵袭性垂体腺瘤诊疗中的应用[J]. 中华脑科疾病与康复杂志(电子版), 2023, 13(06): 382-384.
[15] 黄敏, 陈雪芬, 申舟如, 何志义, 白晶, 李梅华, 杨美玲, 邓静敏. 混合型肺曲霉病21例临床特征分析[J]. 中华临床医师杂志(电子版), 2022, 16(12): 1217-1223.
阅读次数
全文


摘要