胸部CT机会性生物标志物用于高风险COVID-19患者表型分型:一项回顾性多中心研究
该多中心回顾性研究纳入1669例入院72小时内行胸部CT的COVID-19患者,从CT中提取冠状动脉钙化、肝脂肪变、肌脂肪变和骨质疏松等机会性生物标志物。这些标志物与氧疗强度、ICU入住和院内死亡相关,联合临床变量构建的模型预测死亡AUC为0.815,优于仅临床变量模型(AUC 0.800,p=0.001)。
要点
- 胸部CT可机会性提取冠脉钙化、肝脂肪变、肌脂肪变和骨质疏松等生物标志物,与COVID-19不良结局相关。
- 非幸存者较幸存者冠脉钙化积分更高(131.9 vs 11.2 AU)、肌脂肪变(52.1% vs 29.2%)和骨质疏松(72.5% vs 49.5%)更常见。
- 联合临床与CT变量的模型预测死亡AUC 0.815,优于仅临床变量模型(AUC 0.800,p=0.001)。
核心结论
- 来自胸部CT的机会性生物标志物可改善COVID-19高风险患者的特征描述和风险分层。
研究设计与样本
- 多中心回顾性队列研究,纳入15家意大利中北部三级医院2020年3月1日至4月20日收治的1669例RT-PCR确诊SARS-CoV-2感染成人患者。
- 胸部CT在入院72小时内完成,采用至少16排多探测器扫描仪,重建层厚2.5 mm,肺窗宽1400 HU、中心−450 HU,纵隔窗宽350 HU、中心40 HU。
- 由一名有10年心胸影像经验的放射科医生在单一核心实验室分析,使用专用软件(IntelliSpace Portal 8.0,Philips Healthcare),对临床数据设盲。
关键影像表现/征象
- 肺炎累及范围评分0–4分:0%为无(0分),1–25%为轻微(1分),26–50%为轻度(2分),51–75%为中度(3分),>75%为重度(4分)。
- 非幸存者肺炎累及>50%的比例为50.9%,幸存者为25.4%(adj. p<0.0001)。
- 非幸存者冠脉钙化积分中位数131.9 AU(IQR 5.3–581.2),幸存者11.2 AU(IQR 0–150.3)(adj. p<0.0001)。
- 非幸存者肌脂肪变患病率52.1%,幸存者29.2%;骨质疏松患病率72.5%,幸存者49.5%(adj. p<0.0001)。
诊断标准与关键数值
- 冠脉钙化按Agatston法自动量化,检测面积≥1 mm²且密度>130 HU的相邻像素,分为低风险(0–10)、中风险(10–1000)、高风险(≥1000);有冠脉支架或CABG者归为高风险。
- 肝中重度脂肪变定义为肝平均衰减≤40 HU,在左右叶各画两个ROI手动测量并排除血管。
- 肌脂肪变定义为性别特异性平均肌肉衰减:女性<31.3 HU,男性<37.5 HU,在D12水平测量椎旁肌(竖脊肌、胸最长肌、胸棘肌和腰髂肋肌)。
- 骨质疏松定义为D12水平平均骨衰减<135 HU,在D12椎体画ROI测量骨小梁衰减;若D12不适合测量(如压缩性骨折),则在D11水平测量。
- 仅临床变量模型预测不良结局的AUC为0.800(95%CI 0.774–0.825;p<0.0001);临床+CT变量模型AUC为0.815(95%CI 0.790–0.839;p<0.0001),两者差异p=0.001。
临床应用与阅片要点
- 在COVID-19患者入院胸部CT中,可机会性评估冠脉钙化、肝脂肪变、肌脂肪变和骨质疏松,这些标志物与氧疗强度、ICU入住和院内死亡相关。
- 联合临床与CT机会性生物标志物的模型在非重症患者中预测能力优于仅临床模型(AUC 0.801 vs 0.788;p=0.0198),在重症患者中两模型表现相似(AUC 0.802 vs 0.795,p=0.2338)。
- 机会性生物标志物可能有助于在缺乏详细临床数据和实验室检查时识别亚临床和既往未知的合并症,从而改善风险分层。
局限性
- 原文未报告局限性。
全文中译8 节 · 点击展开
引言
在COVID-19暴发期间,胸部CT因其在诊断SARS-CoV2相关肺炎方面具有极高的敏感性而被广泛使用[1],从而在超负荷的急诊科(ED)和社区传播场景中特别有助于加快诊断[1, 2]。
与胸部X线相比,胸部CT的优势在于能够对有症状患者提供鉴别诊断[1],并识别COVID-19感染的急性并发症,尤其是肺栓塞[3]。
胸部CT还能够提供预后信息;事实上,肺炎的范围及其密度特征,尤其是半实变和实变,已与疾病严重程度、氧交换障碍和患者结局相关[4, 5]。因此,为了改善患者的风险分层,若干预后模型将COVID-19肺炎严重程度的胸部CT生物标志物与COVID-19结局的临床预测因素相结合,如年龄、性别、合并症以及全身性炎症和多器官损伤的实验室生物标志物[6]。尽管具有潜在效用,这些预测评分由于方法学缺陷而难以应用于临床常规[6],包括所需变量数量多(导致可能出现大量缺失变量)、所需实验室检查周转时间长、实验室间参考值标准化缺乏,以及在超负荷的急诊科中往往难以收集患者既往病史和合并症。然而,了解既存慢性疾病将很重要,因为它们严重影响COVID-19的临床病程及其可能的急性期后 sequelae[7-10]。
胸部CT可能克服这些局限性,通过对器官密度改变的直接和客观评估,提供关于患者心血管和代谢合并症[10-12]以及患者衰弱[13]的额外机会性信息。事实上,组织Hounsfield单位(HU)的评估能够识别组织组成的改变。特别是,由于脂肪、钙和软组织的密度值存在显著差异,CT能够以高敏感性检测与钙和脂肪含量相关的组织改变。CT可以量化冠状动脉中的钙积累,这是动脉粥样硬化[14]和血管衰老的已知标志物,可容易地从非ECG门控胸部CT中获得,其与心血管事件风险增加和全因死亡率相关[15]。此外,CT还可以检测骨钙含量的减少:事实上,在常规胸部和/或腹部CT检查中椎骨骨小梁CT密度的降低已与骨质疏松症相关[16]。同样,软组织脂肪浸润可以很容易地用CT测量,从而能够识别肌脂肪变性,这是一种肌肉质量低下的标志物[17],与呼吸功能受损[18]和代谢异常[19]相关,以及肝脏脂肪变性,其与血脂谱异常、肝功能异常以及某些合并症如糖尿病和饮酒相关[20]。
因此,考虑到常规胸部CT可能提取的广泛信息谱,本研究旨在探讨多参数CT分析相较于临床数据在高危患者表型分型中的增量价值,以改进受COVID-19影响患者的传统风险分层方法。
方法
研究设计与参与者
这是一项多中心回顾性队列研究。
连续纳入2020年3月1日至4月20日期间在意大利中部和北部十五家三级医院因入院72小时内接受胸部CT检查的RT-PCR确诊SARS-CoV-2感染的成人患者(年龄18岁及以上)。
排除标准为接受增强CT扫描及30天随访时结局数据缺失。
本研究经当地伦理委员会批准,并获得了书面知情同意。
各中心通过填写集中式电子病例报告表提供患者临床数据,并将胸部CT图像发送至San Raffaele医院进行集中图像分析。
收集的临床数据包括人口学参数(年龄和性别)、合并症(高血压、糖尿病、慢性肺病、心血管疾病)、实验室检查(白细胞计数“WBC”、肌酐、C反应蛋白“CRP”、乳酸脱氢酶“LDH”、肌钙蛋白I、白细胞介素-6和D-二聚体)及结局数据(需要氧疗、需要气管插管和死亡)。
胸部CT扫描
所有胸部CT检查均在至少16排探测器的多排探测器扫描仪上进行。所有胸部容积扫描以2.5 mm层厚重建,无间隔或重叠。图像采用锐利核函数重建用于肺实质评估,采用软组织核函数重建用于纵隔评估,并使用标准窗宽窗位显示(肺窗:窗宽1400 HU,窗位−450 HU;纵隔窗:窗宽350 HU,窗位40 HU)。
胸部CT分析由一名具有10年心胸影像经验的放射科医师完成,对临床数据设盲,使用专用软件(IntelliSpace Portal 8.0,Philips Healthcare)。
提取以下参数:肺受累参数:•肺炎范围评分0至4分(0%肺受累:无,评分0;1–25%:极轻微,评分1;26–50%:轻度,评分2;51–75%:中度,评分3;>75%:重度,评分4)[21]。
心血管风险参数:•按Agatston方法计算的冠状动脉钙化评分,通过检测面积≥1 mm²且密度高于130 HU的相邻像素自动定量[8, 12, 21, 22]。患者分为三类(低风险:0–10;中风险:10–1000;高风险:≥1000)。有冠状动脉支架和冠状动脉旁路移植术(CABG)证据的患者与Agatston评分≥1000的患者一同归为高风险类。
代谢异常与脆弱性参数:•肝脏中重度脂肪变性,定义为平均肝脏衰减≤40 HU [23],通过在右叶和左叶绘制两个感兴趣区(ROIs)手动测量,排除血管。
肌脂肪变性,定义为性别特异性平均肌肉衰减女性<31.3 HU、男性<37.5 HU,通过在D12水平脊柱两侧手动绘制椎旁肌横截面积测量,包括竖脊肌、胸最长肌、胸棘肌和腰髂肋肌[24]。
骨质疏松定义为D12水平平均骨衰减< 135 HU(如前报道[16, 25]),通过在D12椎体骨上绘制感兴趣区(ROI)手动测量骨小梁衰减值。如果D12水平不适合测量(例如,因压缩性骨折),则在D11水平进行测量。
统计分析
分类变量以数量和百分比报告,连续变量根据其分布以均数和标准差或中位数和四分位距(IQR)报告,分布采用Kolmogorov–Smirnov检验评估。分别采用方差分析(ANOVA)、卡方检验或Mann–Whitney U检验比较组间分类变量或连续变量的分布。随访数据以入院后30天为截尾时间。根据危重病情(肺炎范围≤ 50% vs 肺炎范围> 50%)的总生存率采用Kaplan–Meier曲线估计,组间比较采用log-rank检验。为确定所收集变量预测二分类结局(院内死亡 vs 出院)的潜在效能,我们采用“后退法”的多变量二元logistic回归。结果以校正比值比(ORs)和95%置信区间(95% CIs)表示。对变量进行共线性检验,并评估方差膨胀因子。进行Hosmer和Lemeshow检验,每次回归分析采用Cox和Snell法及Nagelkerke法评估R2值。未对缺失值进行数据插补。采用受试者工作特征(ROC)曲线分析评估所得模型预测结局的效能;ROC曲线下面积(AUCs)采用DeLong法比较。
p值< 0.05被认为具有统计学意义;当进行多重检验时,应用Bonferroni校正。
分析使用SPSS v.26.0(IBM SPSS Inc.)进行。
结果
人群特征
共有1845例连续的COVID-19患者符合纳入标准。在1845例患者中,176例因结局数据缺失被排除。因此,最终队列包括1669例患者。
总体人群的人口学和临床特征详见表1,根据结局分组的特征详见表2。
参与者大多为男性(1105/1669,66.2%),中位年龄为67.5 [IQR,58.5–77.4]岁,中位氧饱和度降低(92% [IQR,88–95%])。高血压是最常见的合并症(937/1658,56.5%)。
73例患者(4.4%)未住院,161例(9.6%)入院但无需氧疗,543例(32.5%)入院且需要氧疗,269例(16.1%)需要无创通气(NIV),199例(11.9%)需要有创通气。中位住院时间为14 [IQR,8–23]天。总体人群30天死亡率为24%(395/1669),根据疾病严重程度差异有统计学意义(p = 0.0001),非危重患者死亡率为17%,危重患者为39%(图1),以肺炎累及超过50%肺体积作为危重病的替代标志物。
非幸存者年龄显著更大(75岁 vs 65岁,校正p值 < 0.0001),炎症状态更差,白细胞计数更高(7350 vs 6590 WBC/mm3,校正p值 < 0.0001)、乳酸脱氢酶更高(450 vs 328 uL,校正p值 < 0.0001)、C反应蛋白值更高(14 vs 7.6 mg/dL,校正p值 < 0.0001),合并症患病率更高(80.9% vs 64.8%,校正p值 < 0.0001),入院时血氧饱和度水平更低(89% vs 93%;校正p值 < 0.0001)。
高危患者的多参数CT特征分析
患者所患肺炎主要累及不足50%的肺体积(1337/1669,67.1%)。冠状动脉粥样硬化患病率高(1132/1669,68%),钙化评分值高于> 10 AU。中重度脂肪肝患病率为27.9%(465/1664),而提示肌少症和骨质疏松的HU值分别见于35%(582/1661)和55.4%(910/1642)的患者(表1)。
在多参数胸部CT评估中,与幸存者相比,非幸存者肺炎更严重,累及范围超过50%者分别为50.9% vs 25.4%(校正p值 < 0.0001),冠状动脉钙化评分更高(131.9 [IQR,5.3–581.2] AU vs 11.2 [IQR,0–150.3] AU,校正p值 < 0.0001),肌脂肪变性患病率更高(52.1% vs 29.2%;校正p值 < 0.0001),骨质疏松患病率更高(72.5% vs 49.5%;校正p值 < 0.0001)(表3)。
肺炎累及范围的严重程度及心血管风险(钙化评分 > 1000 AU及既往血运重建史)、肌脂肪变性、脂肪肝和骨质疏松也与住院期间不同的氧疗方式(无氧疗、氧疗、无创通气(NIV)和经口气管插管)相关,如表4所示(图2、图3和图4)。
具体而言,在事后分析中,无需氧疗的住院与非住院患者之间肺炎严重程度无显著差异(p = 1),但按氧疗方式不同而存在差异,严重程度随治疗侵袭性增加而升高(均为p < 0.001)。同样,非幸存者与接受经口气管插管的幸存者相比,肺炎范围略大但差异显著(p = 0.023)。非幸存者的心血管风险(钙化评分 > 1000 AU及既往血运重建史)高于幸存者,且与治疗无关(均为p < 0.001)。适合氧疗和NIV的患者与不需要氧供的患者相比,肌脂肪变性发生率更高(分别为p < 0.001和p = 0.043)。此外,非幸存者中适合NIV(p < 0.001)和经口气管插管(p < 0.001)者肌脂肪变性较幸存者更为常见。
非住院患者肝脂肪变性患病率低于住院患者和非幸存者(均为p ≤ 0.001),骨质疏松患病率亦较低(均为p < 0.05)。
结局预测
在仅纳入临床数据的多变量二元逻辑回归分析中,不良结局的独立预测因素为:男性、年龄较大、CRP和SaO2,AUC为0.800(95% CI 0.774–0.825;p < 0.0001)。在纳入临床和CT参数的多变量二元逻辑回归分析中,结局的独立预测因素为男性、年龄较大、CRP、SaO2,以及肺炎累及> 50%、肝脏脂肪变性和骨质疏松,AUC为0.815(95% CI 0.790–0.839;p < 0.0001)表5。该模型的AUC显著高于仅纳入临床变量的模型(p = 0.001)。该模型已在重症和非重症患者中进行了检验,并证实其在非重症患者中优于仅纳入临床变量的模型(AUC 0.801 vs 0.788;p = 0.0198),而在重症患者中表现相似(AUC 0.802 vs 0.795,p = 0.2338)。
讨论
心血管和代谢合并症已被证明会影响COVID-19患者的结局[15, 16, 23, 24, 26]。然而,在急诊情况下,对于不堪重负的医生而言,详细收集患者合并症可能具有挑战性,原因包括与患者临床状况相关的若干问题,以及既往未知的亚临床合并症的潜在风险。
CT提供了基于疾病相关器官衰减改变无创识别心血管代谢危险因素的可能性[15, 16, 23, 24, 26],可用于改善患者的风险分层。
因此,从常规用于评估COVID-19肺炎的胸部CT中,有可能提取关于患者健康状况的广泛信息,并用于改善高危患者的无创表型分析。
为此,我们分析了1669例连续COVID-19患者在到达医院72小时内进行的非增强胸部CT检查,提取心血管风险和代谢状态的CT生物标志物,结果发现这些标志物与患者预后(出院 vs 死亡)相关。
具体而言,非幸存者除了肺炎更严重外,冠状动脉钙化负荷更高,肝脏脂肪变性、肌脂肪变性和骨质疏松的患病率也更高。这些CT生物标志物与住院期间氧疗的严重程度和院内死亡相关。将这些影像生物标志物与结局的临床预测因素整合到单一多变量模型中,在整个人群中显示出比仅纳入临床变量的模型更高的诊断性能(AUC 0.815 vs 0.800;p < 0.0001),在非重症患者亚组中也是如此(AUC 0.801 vs 0.788;p = 0.0198)。
本研究纳入的所有影像生物标志物均测量与生活方式相关和衰老相关状况相关的组织成分变化,包括心血管疾病、糖尿病、骨质疏松、肥胖和衰弱,这些临床状况与更高的COVID-19感染风险和更严重的症状相关[27, 28]。
钙评分是一种成熟的CT生物标志物,能够识别心血管事件风险较高的个体[29],其依据是提供冠状动脉疾病的证据,即使在既往临床上未知的情况下也是如此[8, 10]。它可以通过手动或半自动方法从非心电图门控胸部CT中测量[12, 15],或使用机器学习算法[30]。钙评分在COVID-19中与更严重的疾病相关[8, 10, 12],并且与住院期间较高的院内死亡率、心肌梗死和脑血管事件发生率相关[10, 12],与临床心血管风险评估相比具有更优的风险分层性能[8, 10],这也得到了一项近期针对3769例患者的荟萃分析的支持,钙评分有助于对COVID-19患者进行分层,从而能够对快速发展的疾病进行早期干预[31]。
心血管风险增加通常与代谢异常和肝脂肪变性相关。一项先前的研究发现40 HU是中度至重度大泡性脂肪变性最准确的CT截断值[23],它代表了一种客观且非侵入性的手段来检测无症状性肝脂肪变性,而临床危险因素评估则不可靠[23, 26]。与其他阈值如< 51 HU或其他参数如肝/脾比值< 1.0相比[32],该方法会因遗漏轻度脂肪肝病例而低估我们人群中脂肪性肝变的总体患病率[32]。然而,所使用的阈值被发现可反映30%的肝脏脂肪含量[32],并能描绘出疾病进展风险较高的患者[23, 26, 33]。
非酒精性脂肪性肝病(NAFLD)[34]通常与代谢失调相关,包括肥胖、糖尿病、血脂异常和胰岛素抵抗。NAFLD被认为是发生SARS-CoV-2感染和疾病进展的危险因素,与较高的重症率、住院率和死亡率相关[35-37]。
在住院期间,据报道COVID-19患者因直接肝损伤和药物的细胞毒性作用而出现转氨酶值升高[38],肝损伤的总体发生率为14.8%至53%,重症疾病中比轻症疾病中更为常见[39]。在NAFLD患者中,肝功能异常的发生率高于无NAFLD的患者(70% versus 11.1%)[35],这归因于NAFLD相关的肝功能受损[40]。在一系列14例尸检中[37],几乎所有死亡的COVID-19患者(12/14)均观察到肝脂肪变性。肝脂肪变性在出院后也高度流行,对长COVID-19疾病的潜在长期代谢和心血管健康影响值得关注[41]。
此外,在我们的队列中,在氧气治疗更严重的患者和未存活者中观察到肌脂肪变性和骨质疏松症的患病率更高。肌脂肪变性和骨质疏松症是与年龄相关的肌肉质量、力量、质量和骨密度下降,因此更可能发生在老年人群中[27];然而,其病因是多因素的,可能与多种疾病相关,包括2型糖尿病和心血管疾病,其中不适当的营养和久坐生活方式起着核心作用[27]。
肌肉脂肪变性(myosteatosis)与多种情况下的不良预后相关,如大手术、肿瘤和心血管疾病,并且在先前一些关于COVID-19的研究中已有记载;它是重型COVID-19的不良预后因素,与院内死亡率相关[42]。
此外,在非COVID-19环境中,肌肉脂肪变性与呼吸衰竭风险增高及机械通气患者预后更差相关[43],可能是由于其对呼吸肌的潜在影响。
通过肌肉平均衰减值测量的肌肉脂肪变性(脂肪含量越高,衰减值越低[17])也与COVID-19患者急性期后遗症发生率更高相关。特别是,肌肉脂肪变性而非肌肉质量与出院后3个月[44]和6个月[45]的功能损害相关。
为了对患者提供更全面的形态学评估,肌肉脂肪变性的评估可与CT来源的内脏脂肪和皮下脂肪评估相结合,这已被证明可在肿瘤和外科等其他环境中改善无创风险分层[46],尤其是当由腹部CT导出时,可更好地进行心脏代谢风险分层[47]。此外,最近一项关于COVID-19的研究还发现,脂肪衰减与全身炎症的血清学标志物及更严重的疾病相关[11]。
尽管提取所有这些CT机会性生物标志物用于心脏代谢风险分层具有潜在的临床实用性,但由于手动分割耗时且受一定程度主观性的影响,临床应用仍然有限。因此,开发用于同时自动提取这些生物标志物的人工智能工具——正如已针对肺、冠状动脉钙化[30]、脂肪肝[48]以及腹部CT[47]等一些参数所开发的工具——将有可能提高数据可靠性和临床适用性及其在大规模人群筛查中的使用[47]。
我们的研究有一些局限性。首先是研究的回顾性性质以及缺乏验证。然而,这些数据收集于意大利第一波疫情期间,当时疾病患病率和严重程度较高,且没有诸如有效治疗等潜在混杂因素。此外,CT参数未与疾病特异性实验室或功能检查进行比较,原因是在紧急情况下数据收集存在困难,以及参与医院之间临床方法和检查的标准化有限。然而,我们结果的稳健性得到了使用先前验证的截断值的支持,这使得能够克服缺乏详细临床数据和特异性实验室检查的问题,并具有客观识别亚临床和先前未知状况的额外优势。此外,我们认为这种方法可用于对同时影响呼吸系统和心血管系统的疾病(如心源性肺水肿)患者进行风险分层。
总之,用于评估COVID-19肺实质受累的胸部CT能够全面刻画患者合并症的表型及风险特征,与单纯评估肺炎相比可更好地进行风险分层。尚需进一步研究来确定这种多参数方法预测COVID-19长期后遗症的能力。
引用
- Palmisano A, Gnasso C, Cereda A, et al. Chest CT opportunistic biomarkers for phenotyping high-risk COVID-19 patients: a retrospective multicentre study. Eur Radiol. 2023. PMID: 37166497. doi:10.1007/s00330-023-09702-0
- 全文:PMC10173240(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10173240/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。