Page 71 - 中国全科医学2022-17

·2116· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

Patients with solid nodules had higher prevalence of solid components，and mean CT quantitative parameters of nodules than those
with ground-glass nodules（P<0.001）. Multivariate Cox regression analysis showed that average diameter〔HR=2.185，95%CI
（1.079，4.425），P=0.030〕，volume〔HR=1.001，95%CI （1.000，1.001），P=0.022〕，malignant probability〔HR=2.232，
95%CI （1.036，4.806），P=0.040〕and surface signs〔HR=2.125，95%CI （1.006，4.489），P=0.048〕 of the nodule
were associated with solid nodular growth. The average diameter〔HR=2.458，95%CI （1.053，5.739），P=0.038〕，volume
〔HR=1.001，95%CI （1.000，1.002），P=0.010〕，prevalence of solid components〔HR=1.022，95%CI（1.002，1.041），
P=0.030〕，malignant probability〔HR=2.386，95%CI（1.174，4.850），P=0.016〕，surface signs〔HR=3.026，95%CI（1.492，
6.136），P=0.002〕，mean CT quantitative parameters〔HR=1.002，95%CI（1.000，1.003），P=0.045〕 of the nodule
were associated with the growth of ground-glass nodules. Conclusion The growth of pulmonary nodules was affected by many
factors，such as original nodule size，mean CT quantitative parameters，presence of surface signs and malignant probability.
It is suggested that clinicians determine the effective follow-up time based on the inflencing factors of pulmonary nodules growth
identified by AI technologies，so as to detect the growth of pulmonary nodules as soon as possible and deliver treatment measures
timely.
【Key words】 Pulmonary nodule；artificial intelligence；Lung neoplasms；Ground glass nodule；Follow-up；Risk
factors

早期肺癌在 CT 影像学上多表现为肺结节，肺结节 本研究价值：
的检出率因不同的影像学检查方式而有所不同 ［1］ ，随
以人工智能（AI）为基础，联合 CT 扫描，摒弃
着低剂量 CT（low does CT，LDCT）在肺癌筛查中的普
以往 AI 阅片与人工阅片对比筛查肺结节的检出率或
及和高分辨率 CT（high resolution CT，HRCT）的广泛 是鉴别诊断肺结节良恶性准确性的常规研究方向，多
应用，肺结节的阳性检出率显著提高 ［2］ 。《肺结节诊 因素综合分析肺结节增长的影响因素，参考增长因素
治中国专家共识（2018 年版）》 ［3］ 引入了肺结节分级
对肺结节进行有效管理。
诊疗的概念，即根据肺结节的直径、实性成分、单发
本研究局限性：
或多发等多个因素综合评估后，结合患者的高危因素
（1）由于 AI 技术新颖，应用时间相对较短，
制订个性化分级治疗方案。直径 >5 mm、缺乏特异性表
且结节生长需要较长时间，尤其是纯磨玻璃结节
现的结节，尤其是磨玻璃结节（ground glass nodules，
（pGGN），本研究随访时间相对偏短。（2）大部分
GGN），通过手术病理证实绝大多数为肺癌或有恶变的 肺结节无病理诊断结果，无法进一步探讨结节增长影
潜在危险 ［4］ ，因其长期持续存在、呈惰性生长的性质，
响因素与病理之间的具体关系。
大多需要定期随访。目前，由于肺结节患者众多，传统
的计算机辅助检测及诊断系统（computer aided detection 年版）》中相关诊断标准 ［3］ ，即直径≤ 3 cm 的局灶性、
and diagnosis system，CAD）很难对肺结节进行准确分 类圆形、密度增高的实性或亚实性肺部阴影；（2）AI
割、精准对比且操作复杂 ［5］ ；医师对肺结节的直径、 筛查结果为中、高危。排除标准：（1）肺结节 <5 mm
体积及实性占比的随访受人为因素影响较大；大量的随 或 AI 筛查结果为低危；（2）肺结核病史，肺癌病史；
访人群使影像科及呼吸内科医师工作量增大，亟须人工 （3）弥漫性 GGN，疑似间质性肺疾病、纤维性改变或
智能（artificial intelligence，AI）辅助随访，动态观察不 毛细支气管炎；（4）影像学资料不完整。
同时间点的 CT 图像变化。马景旭等 ［6］ 、刘娜等 ［7］ 及 1.2 分组 肺结节常根据密度分为实性结节和亚实性
曹孟昆等 ［8］ 研究均提出 AI 在鉴别诊断肺结节的性质方 结节，亚实性结节包括混合磨玻璃结节（mixed ground-
面具有重要价值，尹泚等 ［9］ 指出 AI 对肺结节的检出率 glass nodules，mGGN）、纯磨玻璃结节（pure ground-
近 100%，对肺结节良、恶性鉴别的灵敏度高于人工阅 glass nodules，pGGN） ［10］ ，根据 AI 分类分为实性结节
片（95.83% VS 87.36%），但特异度低于人工阅片（25.00% 组和 GGN 组（包括 mGGN 和 pGGN）。当患者有多个
VS 72.17%）。然而目前关于应用 AI 随访的研究较少， 肺结节时，登记体积最大的肺结节影像学信息以及其单、
故本研究探讨了 AI 随访肺结节增长的影响因素及临床 多发情况。
应用价值，以期为肺结节有效随访提供参考依据。 1.3 研究方法
1 对象与方法 1.3.1 胸部 CT 扫描方法 采用东芝 128 层 CT 扫描系
1.1 研究对象 回顾性选取 2019 年 4 月就诊于锦州医 统完成 LDCT 检查，扫描参数参考《低剂量螺旋 CT 肺
科大学附属第三医院的 175 例肺结节患者作为研究对 癌筛查专家共识》 ［11］ ：管电压 120 kVp，管电流≤ 40
象，纳入标准：（1）符合《肺结节诊治中国专家共识（2018 mA，扫描层厚 5 mm，重建图像层厚为 1 mm。肺窗：窗