目的

比较Ⅰ期非小细胞肺癌（non small cell lung cancer，NSCLC）通过气腔播散（spread through air spaces，STAS）术前临床、病理特征与双能量CT（dual-energy CT，DECT）影像学参数，构建预测STAS 的列线图模型。

方法

纳入2016 年1 月至2024 年9 月经术后病理确诊的Ⅰ期NSCLC 患者269 例为对象，其中STAS 阳性100 例、阴性169 例。 收集两组NSCLC 患者的临床资料、术前DECT 影像学资料、病理参数进行统计分析。 采用LASSO-logistic 回归筛选预测因子并构建列线图模型。 通过受试者工作特征（receiver operating characteristic，ROC）曲线的曲线下面积（area under curve，AUC）、校准图、临床决策曲线（decision curve Analysis，DCA）与临床影响曲线（clinical impact curve，CIC）分析模型的性能。 选取年龄、性别、吸烟史、糖尿病、高血压、肿瘤位置和TNM 分期为协变量进行1∶1 倾向性得分匹配（propensity score matching，PSM），共匹配出STAS 阳性86 例、阴性86 例进行STAS 与术后病理特征分析。

结果

单因素分析显示阳性与阴性者吸烟史、肺气肿、胸膜牵拉征、毛刺征、结节性质、实性成分占比（consolidation-to-tumour ratio，CTR）、RECIST 直径、小结节体积、碘比值及平均CT 值有统计学差异（P＜0.05）。 经多因素分析表明肺气肿背景、毛刺征、CTR、碘比值及CT 值是Ⅰ期NSCLC 患者STAS 阳性预测因子。 预测模型结果显示ROC 曲线AUC 为0.800（95%CI：0.744～0.854），准确度=75.1%，灵敏度=78%，特异性=73.4%，阳性预测值=63.4%，阴性预测值=84.9%，F1 评分=0.699。 使用R 软件所构建的Nomogram 列线图将预测模型可视化，建立的校正曲线与理想曲线有重合度，CIC 与DCA 曲线展现出临床应用价值。 PSM 术后病理结果分析显示STAS 与高侵袭性病理特征相关，容易有血管浸润（7.0% vs.0.0%，P=0.029）和脉管内癌栓（11.6% vs. 1.2%，P=0.013），有高的Ki-67 水平和IASLC 分级（P＜0.05）。

结论

以术前DECT 影像学中的肺气肿背景、毛刺征、CTR、碘比值及平均CT 值为基础构建的Ⅰ期NSCLC 患者的临床预测模型具有诊断预测意义，结合三维成像特征应用于临床Ⅰ期NSCLC 的STAS 术前评估；STAS 与血流丰富和高侵袭性病理特征相关。

Objective

To compare the preoperative clinical and pathological characteristics of stage I non-small cell lung cancer （NSCLC） with spread through air spaces （STAS） using dual-energy CT （DECT）imaging parameters and construct a nomogram model for predicting STAS.

Methods

A total of 269 patients with pathologically confirmed stage I NSCLC from January 2016 to September 2024 were enrolled，including 100 STAS-positive and 169 STAS-negative cases. Clinical data，preoperative DECT imaging parameters，and pathological features were analyzed. LASSO-logistic regression was used to screen predictors and develop the nomogram. Model performance was evaluated via receiver operating characteristic （ROC） curve analysis （area under the curve，AUC），calibration plots，decision curve analysis （DCA），and clinical impact curve （CIC）.Propensity score matching （PSM，1∶1） adjusted for age，sex，smoking history，diabetes，hypertension，tumor location，and TNM stage yielded 86 STAS-positive and 86 STAS-negative cases for postoperative pathological analysis.

Results

Univariate analysis revealed significant differences in smoking history，emphysema，pleural retraction，spiculation，nodule type，consolidation-to-tumor ratio （CTR），RECIST diameter，small nodule volume，iodine ratio，and mean CT value between STAS-positive and-negative groups （P＜0.05）. Multivariate analysis identified emphysema background，spiculation，CTR，iodine ratio，and CT value as independent predictors of STAS. The nomogram model achieved an AUC of 0.800 （95%CI： 0.744 ～0.854），accuracy=75.1%，sensitivity=78%，specificity=73.4%，positive predictive value=63.4%，negative predictive value=84.9%，and F1-score=0.699. Calibration curves showed good agreement with ideal predictions，while DCA and CIC demonstrated clinical utility. Post-PSM analysis indicated that STAS correlated with aggressive pathological features，including vascular invasion （7.0% vs. 0.0%，P=0.029），intravascular tumor thrombus （11.6% vs.1.2%，P=0.013），elevated Ki-67 levels，and higher IASLC grading （P＜0.05）.

Conclusion

The clinical prediction model based on preoperative DECT parameters （emphysema background，spiculation，CTR，iodine ratio，and mean CT value） provides diagnostic value for preoperative STAS assessment in stage I NSCLC when combined with three-dimensional imaging features. STAS is associated with abundant blood flow and highly invasive pathological characteristics.