利用定量CT在肺部筛查中自动化识别间质性肺异常

《BMJ Open Respiratory Research》:Automated identification of interstitial lung abnormalities in lung screening using quantitative CT

【字体: 大 中 小 】 时间:2026年09月21日 来源:BMJ Open Respiratory Research 4.0

编辑推荐:

  **摘要** **目标** 间质性肺异常(ILA)是肺部筛查中的重要偶然发现。定量CT(qCT)为标准化ILA评估提供了一种有前景的方法;然而,由于其需要进一步的临床验证,其在常规临床实践中的应用仍然有限。 **研究背景** 我们评估了商业化的qCT工具e-Lung(

  **摘要**

**目标**
间质性肺异常(ILA)是肺部筛查中的重要偶然发现。定量CT(qCT)为标准化ILA评估提供了一种有前景的方法;然而,由于其需要进一步的临床验证,其在常规临床实践中的应用仍然有限。

**研究背景**
我们评估了商业化的qCT工具e-Lung(Brainomix)在评估参加肺癌筛查项目的参与者中的ILA方面的性能。

**参与者**
2018年至2020年间受邀参加西伦敦肺癌筛查试点项目的所有参与者。

**主要结果指标**
确定能够识别专家胸科放射科医生所定义的ILA的最佳qCT生物标志物阈值。

**结果**
e-Lung的qCT生物标志物的曲线下面积在0.82到0.88之间,对于视觉量化程度至少为5%和>10%的ILA阈值,曲线下面积分别在0.84到0.87之间。

**结论**
e-Long是一种具有潜力在肺癌筛查参与者中自动识别ILA的qCT工具。

**已有知识**
间质性肺异常(ILA)是肺癌筛查项目中的常见偶然发现,超过一半的ILA患者表现出放射学进展,并与肺功能下降和死亡率相关。然而,放射科医生对ILA的评估受到观察者间差异的影响,因此定量CT(qCT)有潜力标准化其识别和评估。Brainomix e-Long是一个在间质性肺病评估中得到验证的qCT平台,但其用于ILA的潜力尚不清楚。

**本研究的新发现**
在肺癌筛查队列中,e-Lung的qCT生物标志物在自动识别ILA方面表现出良好性能,对于视觉量化程度≥5%和>10%的ILA阈值,曲线下面积分别为0.82–0.88和0.84–0.87。

**本研究对研究、实践或政策的可能影响**
e-Long的qCT在肺癌筛查环境中显示出识别ILA的潜在临床实用性;其在该情境下的临床影响需要前瞻性验证。

**引言**
间质性肺异常(ILA)是指在CT扫描中发现的非独立性肺实质异常,涉及超过5%的肺区域,具有如磨玻璃样混浊和网状结构等放射学特征。随着ILA的临床相关性日益明显,对其的研究兴趣也在增加:超过一半的ILA患者表现出放射学进展,且ILA的存在与肺功能加速下降和死亡风险增加有关。肺癌筛查队列中ILA的患病率报告为7%。然而,放射科医生在识别ILA方面的一致性仅处于中等水平,这突显出标准化ILA报告的必要性。基于机器学习的算法在重现性和量化肺癌筛查中的ILA方面显示出潜力。

**方法**
e-Lung(Brainomix,牛津)是一种获得美国食品药品监督管理局(FDA)批准并具有欧洲合格认证(Conformité Européenne)的工具,可用于量化胸部CT上的间质性肺病(ILD)表现。我们评估了e-Long在西伦敦肺癌筛查试点项目(2018–2020年)中检测ILA的性能。CT报告由胸科放射科医生完成,评估内容包括:(1)是否存在ILA;(2)如果存在ILA,其程度(视觉量化为5%–10%和>10%)。

**数据评估**
来自西伦敦肺癌筛查试点项目的CT研究由至少具有8年经验的五位顾问胸科放射科医生中的一位实时报告,并由e-Long进行回顾性处理。放射科医生根据网状结构、蜂窝状改变或磨玻璃样混浊占据整个肺的比例,以及是否存在牵拉性支气管扩张,将ILA视觉量化为无ILA(<5%)、ILA 5%–10%和ILA >10%。与依赖性肺不张或吸烟相关的呼吸道细支气管炎相似的表现不计入ILA。e-Long处理了软组织重建图像,并记录了以下先前描述的ILD严重程度的自动化生物标志物:(1)网状血管评分(RVS),用于量化整个肺中网状混浊和血管结构的范围,是总体纤维化程度的指标;(2)加权RVS(WRVS),表示周围纤维化程度;(3)磨玻璃样混浊(GGO)程度;(4)总疾病程度(TDE),用于量化整个肺中的实质受累量。该研究的目的是确定能够识别ILA的最佳定量CT(qCT)生物标志物阈值。因此,我们还包括了同一时期CT报告为正常的对照病例(无ILA)。使用接收者操作曲线( Receiver Operating Curve,AUC)分析,p值<0.05被视为具有统计显著性,来评估qCT生物标志物的性能。

**结果**
共评估了171名参与者的扫描结果,其中70人检测出ILA(36人ILA程度为5%–10%,34人ILA程度>10%),101人正常无ILA。ILA组(50.7%为男性)的中位年龄为69岁(范围59–75岁),19人为当前吸烟者;无ILA组(63%为男性)的中位年龄为68岁(范围60–75岁),22人为当前吸烟者(21.8%)。无ILA组中,e-Lung生物标志物的中位数和四分位数范围分别为:RVS(4.0, 3.5–4.5)、WRVS(2.6, 2.2–3.1)、GGO(0.1, 0.1–0.4)、TDE(4.1, 3.6–4.9)。ILA组的中位数和四分位数详见表1。对于视觉量化程度至少为5%和>10%的ILA阈值,e-Long的qCT生物标志物的曲线下面积分别为0.82–0.88和0.84–0.87(见表1和图1)。

**讨论**
放射科医生在审查肺部筛查CT研究时需要注意ILA:部分ILA无疑代表了具有临床意义的(但尚未诊断出的)ILD,且其中一部分可能在后续CT检查中进展,所有这些都具有预后意义。然而,在肺部筛查中识别ILA可能具有挑战性,尤其是在识别这种通常很微小的异常时存在观察者差异。本研究与之前的少数报告一致,强调了使用自动化解决方案识别ILA在肺癌筛查中的潜在可行性。我们已经证明,使用TDE生物标志物,e-Long能够以91%的灵敏度和0.87的AUC值识别出视觉检测到的程度>10%的ILA,这与另一项使用自动化方法的研究结果一致。最佳灵敏度和特异性之间的平衡可能取决于最终用户的偏好;降低检测阈值可以识别更多ILA,但缺点是可能会将无临床相关异常的扫描也视为阳性。在筛查中过度识别异常会影响资源利用。需要进一步的研究来了解使用视觉、自动化方法或结合qCT作为放射科医生决策支持的肺癌筛查方法对患者结果的长期影响。这些数据还提供了无ILA或ILD个体的e-Long生物标志物的正常范围。了解超过某一阈值可能表示疾病状态的存在对于临床实用性至关重要。检测ILA >10%的最佳TDE值为5.8%。尽管TDE生物标志物是总体ILD负担的替代指标,包括网状结构、血管和磨玻璃样混浊,但需要注意的是,之前的研究表明qCT与视觉估计的纤维化程度值之间仅存在中等相关性,这是由于视觉评估的固有变异性。本研究中的所有CT均由单一放射科医生审查,一个局限性是ILA的存在和程度没有通过多位读者的共识来确定。此外,需要进一步研究放射科医生在视觉区分差异仅为5%的病变程度类别时的观察者一致性。先前的研究表明,e-Long生成的ILD严重程度qCT生物标志物与ILA患者的无进展生存期相关。尽管需要更多验证,但我们的研究支持在低剂量筛查CT中使用定量ILD生物标志物来识别视觉检测到的ILA。最近的多学会指南建议对大多数ILA患者进行纵向随访CT检查。在这方面,还需要进一步研究自动化qCT在持续监测ILA中的作用,因为这也容易出现观察者差异。这些数据来自单一中心,需要在更大规模的队列中进行验证。由于本研究旨在了解qCT在低剂量CT扫描中识别ILA的性能,因此选择了一个ILA发生率较高的富集队列,因此在肺癌筛查项目中的ILA患病率可能高于预期。在其他情况下(例如对患有风湿性疾病患者的ILA进行筛查时),结果可能会有所不同。

**总结**
我们证明了e-Long qCT平台在肺癌筛查环境中识别ILA具有潜在的临床实用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号