编辑推荐：
为探究纤维性间质性肺异常（ILA）患者肺功能参数与定量 CT 气道参数的关系并建立预测模型，研究人员收集病例进行分析。结果显示年龄、性别、第六代支气管管腔面积（LA6）和气道壁面积（WA）可有效预测 FVC% pred 下降，该模型有良好预测价值，有助于早期监测和干预。
在肺部健康的领域中，间质性肺异常（ILA）就像隐藏在肺部的 “神秘访客”，悄无声息地影响着人们的健康。ILA 是指患者在进行胸部计算机断层扫描（CT）时偶然发现的，影响超过 5% 肺区的非依赖性改变，涵盖了非依赖性磨玻璃影、网状异常、非肺气肿性囊肿、蜂窝肺和牵拉性支气管扩张等多种情况。根据病变类型，ILA 又可分为纤维性（如网状异常、蜂窝肺、牵拉性支气管扩张）和非纤维性（如磨玻璃影、马赛克征、实变）。其中，纤维性 ILA 患者疾病进展和死亡风险更高。
目前，对于 ILA 患者肺功能变化的研究结论并不统一。而且，肺功能测试存在一定局限性，例如需要患者积极配合，对于病情严重或无法配合的患者，测试结果可能不准确甚至无法完成测试。而定量 CT 参数能对气道特征进行客观、无创分析，但将肺功能与定量 CT 参数结合的研究较少。因此，为了更深入了解纤维性 ILA 患者肺功能和定量 CT 气道参数的变化，建立预测肺功能异常的模型，复旦大学附属华东医院的研究人员开展了此项研究。该研究成果发表在《BMC Medical Imaging》上，为临床诊疗提供了重要参考。
研究人员采用了多种关键技术方法：收集 2022 年 8 月至 2023 年 9 月期间完成胸部 CT 检查和肺功能测试且时间间隔在一周内的患者数据，经过筛选，最终纳入 95 例纤维性 ILA 患者和 64 例健康对照者。利用商业软件（Aview）测量 CT 图像的气道参数，肺功能测试则遵循美国胸科学会 / 欧洲呼吸学会的指南，使用 Jaeger Master Screen Pro 肺功能系统进行。通过 SPSS 和 R 语言等软件进行统计分析，构建预测模型并评估其性能。
研究结果如下：
- 多变量回归分析：在纤维性 ILA 组和正常对照组的多变量逻辑回归分析中发现，年龄、FVC%、DLCO%、支气管壁厚度（WT）、全肺低衰减面积（LAA）存在显著差异。这表明这些因素在纤维性 ILA 的发生发展过程中可能起着重要作用。
- 单变量回归分析：将 95 例纤维性 ILA 患者以 80% 为界，分为 FVC% pred 正常组（n=69）和下降组（n=26），在单变量回归分析中，性别、年龄、Pi10、支气管分支数、WT、气道壁面积百分比（WAF）、WA 等参数在两组间存在差异。这些差异为进一步探究影响 FVC% pred 下降的因素提供了线索。
- 构建预测模型：纳入年龄、性别、LA6和 WA 构建列线图模型，该模型的曲线下面积（AUC）为 0.8428，优于单个参数的预测能力。这意味着该模型能够较为准确地预测纤维性 ILA 患者 FVC% pred 的下降情况，为临床医生提供了一个有力的预测工具。
- DLCO% pred 相关分析：研究还发现，在 DLCO% pred 下降组和正常组中，气道参数差异无统计学意义。这可能是因为 ILA 早期气道变化对弥散功能影响较小，而 ILA 主要影响肺间质，导致气体扩散膜增厚，进而影响气体交换，使约 80% 的患者 DLCO 下降。
研究结论和讨论部分指出，WT 可作为纤维性 ILA 患者定量 CT 的生物标志物，FVC% pred 是有效的肺功能参数。年龄、性别、LA6和 WA 是纤维性 ILA 患者 FVC% pred 下降的有效预测指标，联合模型具有良好的预测价值，有助于早期监测肺功能变化，及时进行干预，改善患者预后。此外，该模型可考虑纳入肺癌筛查项目，以便在患者无症状时，通过监测 FVC 变化，及时发现疾病恶化和进展。然而，研究也存在一定局限性，如样本量较小、患者吸烟史等临床信息不完整、CT 分辨率有限难以准确观察小气道变化等。未来研究可在这些方面加以改进，开展前瞻性、多中心研究，进一步完善对纤维性 ILA 的认识和诊疗策略。总之，这项研究为纤维性 ILA 患者的临床管理提供了新的思路和方法，对推动肺部疾病的诊疗发展具有重要意义。
