文献速递胸部CT

胸部CT报告中肺结节发生率趋势:荷兰两家医院10年结果

Trends in the incidence of pulmonary nodules in chest computed tomography: 10-year results from two Dutch hospitals.
PubMed 文献 · Eur Radiol · 2023-06-20

该回顾性研究分析了2008至2019年荷兰两家医院166,688次胸部CT的放射学报告,使用自然语言处理算法识别肺结节。患者中报告结节的比例从2008年的38%升至2019年的50%,新发≥5 mm结节比例从2010年的9%升至2017年的17%,且新发结节对应的I期肺癌诊断比例从0.4%升至0.8%。

要点

  • 胸部CT报告肺结节的比例从2008年38%升至2019年50%,新发≥5 mm结节比例从2010年9%升至2017年17%。
  • 新发结节患者中2年内诊断I期肺癌的比例从2010年0.4%升至2017年0.8%。
  • 两院结节检出率存在差异:A院2008年44%、2019年59%,B院2008年29%、2019年41%。

核心结论

  • 过去十年胸部CT中偶发肺结节的检出率稳步上升,并伴随更多I期肺癌诊断。

研究设计与样本

  • 回顾性研究,分析荷兰一家大学医学中心(A院)和一家大型 peripheral teaching hospital(B院)2008至2019年共166,688次胸部CT的放射学报告。
  • 采用基于规则的自然语言处理算法识别报告中提及的肺结节及其最大直径,算法在测试集上敏感度94%(62/66)、特异度96%(128/134)。
  • 肺癌诊断数据来自荷兰癌症登记处(NCR),由经验丰富的放射科医生将新发结节与2年内I期肺癌诊断手动链接。

诊断标准与关键数值

  • 研究将报告至少一个最大直径≤30 mm肺结节的CT定义为阳性,不论形态、类型或恶性状态。
  • 新发阳性定义为过去2年内无既往阳性CT;新发结节≥5 mm为推荐随访的临床相关阈值。
  • NLP算法在测试集识别肺结节的敏感度94%(62/66)、特异度96%(128/134);在真阳性亚组中识别结节直径测量的敏感度90%(27/30)、特异度97%(31/32),正确检测最大报告结节直径的准确率93%(25/27)。

临床应用与阅片要点

  • 作者指出这些发现强调在常规临床实践中识别并高效管理偶发肺结节的重要性。
  • 作者在结论中提出结果需在更大、地理多样化的队列中验证。

局限性

  • NLP算法纳入所有肺结节,无法排除具有典型良性特征的结节(如钙化、叶间裂旁结节或微结节),这些结节增加不会导致额外CT随访。
  • 对自由文本放射学报告的自动化分析可能因阅读放射科医生的观察者间和观察者内变异而无法最准确估计肺结节发生率。
  • 仅包含部分肺部的CT扫描(如腹部、颈部或心脏CT)未纳入分析。
  • 作者指出结果需在更大、地理多样化的队列中验证。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2023 Jun 20;33(11):8279–88. doi: 10.1007/s00330-023-09826-3

引言

肺癌筛查的随机对照试验已提供证据表明,当癌症在早期阶段被发现且仍表现为结节性病变时,肺癌相关死亡率可显著降低[1, 2]。这些试验的结果也强调了在筛查环境之外准确检测和管理肺结节的重要性。因此,英国胸科学会(BTS)[3]和Fleischner学会[4]制定了偶发结节管理指南,以帮助放射科医生进行决策并规范结节管理。

尽管存在这些指南,但在常规临床环境中,关于良性和恶性偶发肺结节发生率的数据发表甚少,尤其是在欧洲[5]。在美国,Gould等人[6]开展了一项大型流行病学研究,探讨2006年至2012年间南加州各地医院和医疗机构胸部CT中报告的肺结节趋势。他们发现,在所有进行的扫描中,结节检出频率从24%增至31%。然而,最值得注意的是,无论怎样,癌性结节的发生率保持稳定。

鉴于结节检出率 reported 的增加[6]、CT扫描技术的进步[7]以及由于肺癌筛查试验结果而对结节风险认识的提高,更新我们对偶发结节发生率的认识至关重要。更新的统计数据对于临床决策以及医生与偶发结节患者之间的风险沟通具有重要意义[8]。此外,这些统计数据有助于 shaping 研究议程,以寻找应对日益增长的医疗保健需求的解决方案[9],例如实施人工智能(AI)解决方案。

因此,本研究旨在进行大规模分析,考察2008年至2019年期间荷兰两家大型医院胸部CT中报告的肺结节发生趋势。结节发生率与肺癌诊断进行相关性分析,以评估结节检出增加在临床上的意义。

材料与方法

研究设计与数据收集

我们开展了一项回顾性研究,以确定荷兰一家大学医学中心(A医院)和一家大型外周教学医院(B医院)胸部CT扫描中肺结节的发生率。为此,我们分析了2008年至2019年间166,688例胸部CT检查的放射学报告及相应的肺癌诊断(表1)。放射学报告从电子健康记录(EHR)系统中收集。CT扫描的元数据(即层厚)从图像归档与通信系统(PACS)中收集。2000年至2019年期间的所有癌症诊断(肺内和肺外)均从荷兰综合癌症组织(IKNL)管理的荷兰癌症登记处(NCR)获取。NCR涵盖荷兰所有确诊癌症的个体。在这两家机构中,由于本研究的回顾性设计和使用匿名数据,机构审查委员会豁免了知情同意的要求。数据收集和分析流程的流程图见图1。

表1 从A医院和B医院获取的数据集描述,2008-2019年期间 查看原表 ↗
图1 数据收集与分析的流程图。(1) 荷兰癌症登记处(NCR)。(2) 电子健康记录(EHR),存储放射学报告和患者信息(即年龄、性别)。(3) 影像归档和通信系统(PACS),存储CT扫描的所有元数据(即层厚、扫描仪型号)。(4) 基于自然语言处理(NLP)分析。(5) 其他肺癌分期的补充分析见附录E8(补充材料)。(6) 结节与相应肺癌为手动关联;更多详情见附录E2(补充材料) 查看原图 ↗

纳入标准

根据BTS结节管理指南[3],所有成年患者(≥ 18岁)均被纳入。我们选择了至少有一次完全覆盖肺部的CT扫描(例如胸部CT、胸腹部CT)的患者。

放射学报告分析

NLP算法

我们开发了一种自然语言处理(NLP)算法,用于识别放射学报告中描述的肺结节。该算法是一种基于规则的系统,使用关键词(例如结节、病灶)和特定搜索模式的组合来查找任何报告的结节及其直径。如果检测到一个或多个肺结节,则返回所报告的最大结节。该算法的概述见图2。该算法及其开发的详细描述见附录E1(补充材料)。

为开发NLP算法,我们创建了一个数据集,包含来自A医院(n = 500)和B医院(n = 500)的1000名独特患者的1000份随机抽样的放射学报告。这些报告由W.H.和一名医学生在一位经验丰富的放射科医师(M.R.,26年经验)的监督下进行标注:每份报告被赋予一个标签,标明(1)是否报告了肺结节,以及(2)如果有的话,所报告的最大结节的直径(否则记录为缺失值)。为测试NLP算法,我们创建了一个独立数据集,包含来自A医院(n = 100)和B医院(n = 100)的200名独特患者的200份随机抽样的放射学报告。开发集和测试集的患者之间没有重叠。测试集由一位经验丰富的放射科医师(E.T.S.,32年经验)按照与开发集相同的标注程序进行标注。

我们通过测量开发集和测试集上检测有肺结节的报告的灵敏度和特异度来评估NLP算法。对于真阳性检测的子集,我们报告检测结节直径测量的灵敏度和特异度,并报告正确检测所报告最大结节直径的准确率。

图2 用于检测所报告肺结节的自然语言处理(NLP)算法概述。框右侧的数字指附录E1(补充材料)中的查找表 查看原图 ↗

分析与定义

按中心计算,我们在研究和患者层面计算了年度胸部CT数量。如果报告描述至少一个报告的最大直径为30 mm的肺结节,无论结节形态、类型(即实性、部分实性、非实性、钙化或叶间裂旁)和恶性状态如何,该研究被标记为“阳性”。如果该研究在过去2年内之前没有另一项阳性研究,则被标记为“新发阳性”,这通常是结节随访检查之间的最长持续时间[3, 4]。然而,这可能无法完全避免罕见发现的重复计数,例如持续性亚实性结节或稳定性错构瘤[10, 11]。

我们纳入了以下亚组分析:首先,我们计算了建议随访的最小直径为5 mm的新发结节发现数量[3]。这些病变在临床上最为相关,应在A医院和B医院一致地进行测量和报告。其次,我们按CT方案(即扫描仪型号、层厚)计算了新发结节发现的数量。第三,按年龄和性别分层,计算了新发阳性发现的患者总数。最后,对于每一年,对过去10年内无恶性肿瘤病史(包括肺外和肺部)的患者进行胸部CT扫描的亚组分析。有(既往)癌症的患者更可能发生肺结节(即转移瘤)。此外,应追踪非癌症患者的年度流入量,以便正确解释肺癌分析的结果(见下一节)。

肺癌分析

为了研究结节检测与早期肺癌检测之间的关系,我们计算了新发阳性胸部CT扫描后2年内肺癌诊断的发生率。通过仅纳入新发阳性胸部CT扫描,避免了多年来多次随访检查患者的重复结节计数。我们重点关注I期癌症的趋势分析,因为它们包括结节的检出而非肿块(> 30 mm)的检出[12]。对于此分析,新报告的结节由一位经验丰富的放射科医生(E.T.S.)手动链接到相应的I期癌症诊断。该过程的详细信息见附录E2(补充材料)。

计算了每年新发阳性CT研究并随后诊断为肺癌的总数,然后根据诊断时相应TNM分类(第5–8版)按癌症分期进行分层[12]。原位癌或TNM分期缺失的癌症被排除。根据NCR,肺癌诊断基于组织学检查、细胞学检测或临床诊断检测(例如,医学影像、探查性手术)。各诊断依据的数量概览见附录E3(补充材料)。

结果

NLP算法的评估

该算法在测试集中识别包含肺结节的放射学报告的灵敏度为94%(62/66),特异度为96%(128/134)。对于真阳性检测的子集,其识别带有结节直径测量的报告的灵敏度为90%(27/30),特异度为97%(31/32)。该算法正确检测报告的最大结节直径的准确率为93%(25/27)。开发和测试集上评估指标的概览见表2。

表2 NLP算法在开发数据集和测试数据集上的评估得分 查看原表 ↗

放射学报告分析

扫描层面的结果

2008年至2019年间,A医院和B医院共进行了166,688次胸部CT检查(表1)。其中,A医院进行了98,479次胸部CT检查,B医院进行了68,209次(表1)。胸部CT检查的年总数从2008年的9955次增至2019年的20,476次,增长超过一倍(表3)。每位患者的平均胸部CT扫描次数仅从2008年的1.45次略微增加到2019年的1.54次。

同一时期,阳性胸部CT检查的总数从2008年的3806次(38%)增加到2019年的10,523次(51%)(表3)。对于最小结节直径为5 mm的阳性发现,阳性胸部CT检查的总数从2008年的1362次(14%)增至2019年的4407次(22%),增长至三倍。阳性胸部CT检查的百分比在2017年达到平台期,此后在两所医院均保持稳定。各医院的趋势分析见附录E4(补充材料)。每种CT方案下新发阳性胸部CT检查的发生率见附录E5(补充材料)。

表3 A医院和B医院阳性胸部CT扫描的年数量、患者层面和扫描层面数据(2008-2019年) 查看原表 ↗

患者层面的结果

在A医院和B医院,2008年至2019年间共有74,803名独立患者接受了胸部CT扫描(表1)。其中,A医院检查了40,440名患者,B医院检查了34,363名患者(表1)。接受胸部CT扫描的患者总数从2008年的6845名增至2019年的13,286名,增长至两倍(表3)。阳性发现的患者总数从2008年的2595名(38%)增加到2019年的6654名(50%)。在图3中,该趋势与接受胸部CT扫描的年患者总数进行了可视化对比。对于最小结节直径为5 mm的阳性发现,阳性发现的患者总数从2008年的994名(15%)增至2019年的3108名(23%),增长至三倍。接受胸部CT扫描患者的平均年龄从2008年的58.1 ± 15.2岁线性增加至2019年的62.6 ± 14.3岁。

新发阳性发现的患者年总数从2010年的2006名(共6954名,29%)增至2019年的4107名(共11,258名,37%),增长超过一倍(表4)。对于最小结节直径为5 mm的新发阳性发现,患者总数从2010年的608名(9%)增加到2019年的1611名(14%)。对无任何既往癌症诊断患者的亚组分析见附录E6(补充材料)。该组患者的年度百分比在研究期间保持稳定(56.0 ± 1.5%)。各年度结节大小分布概览见附录E7(补充材料)。

图3 2008-2019年期间A医院和B医院接受(阳性)胸部CT扫描的独立患者年数量 查看原图 ↗
表4 A医院和B医院新发阳性胸部CT扫描患者年数量及其中2年内随访诊断为肺癌的患者数量(2010-2019年) 查看原表 ↗

按年龄分层的亚组分析

新发结节检出的发生率随年龄增长而上升,直至70岁(图4):从18至24岁年龄组的486例(23%)(n = 2120)增至65至69岁年龄组的5014例(47%)(n = 10,764)。70岁以后,发生率下降:从70至74岁年龄组的4514例(46%)(n = 9819)降至90岁及以上年龄组的121例(25%)(n = 476)。在所有年龄组中,男性新发结节的报告频率均高于女性(男性16,383例 versus 女性12,975例),但90岁及以上年龄组除外。

图4 2010–2019年期间A院和B院胸部CT新发阳性扫描患者的比例,按年龄和性别分组。分母为各年龄组接受胸部CT的患者数。每位患者仅计入首次新发阳性发现 查看原图 ↗

肺癌分析

每年新发阳性发现且随后诊断为I期肺癌的患者总数从2010年的26例(占6954例的0.4%)增至2017年的78例(占9883例的0.8%)(表4)。图5将此趋势与新发阳性发现患者的年度总数进行了可视化比较。对无既往癌症诊断患者的亚组分析见附录E6(补充)。肺癌II期、III期和IV期的分析见附录E8(补充)。

图5 2010–2017年期间A院和B院新发阳性CT扫描患者数(所有结节及≥ 5 mm结节)与2年内随后诊断为I期肺癌患者数的比较 查看原图 ↗

讨论

在这项回顾性研究中,我们分析了来自荷兰两家医院(一家学术医院和一家教学医院)为期12年的大型放射学报告和肺癌诊断记录数据集。放射学报告使用经过验证的自然语言处理(NLP)算法进行分析。在2008年至2019年期间,我们发现胸部CT检查的年度数量翻了一番,阳性检查数量几乎增至三倍。在所有胸部CT检查中,结节检出率从38%增至51%。在2010年至2019年期间,被报告有新发肺结节的患者数量也翻了一番。通过将我们的结果与荷兰癌症登记处关联,我们还发现,肺结节更频繁的检出伴随着额外的I期肺癌诊断病例。

有多种潜在原因可以解释我们发现的趋势。肺癌筛查试验的阳性结果以及患者人群的老龄化可能促成了肺结节的更频繁检出。NLST [2]和NELSON [1]等大型肺癌筛查试验的结果在研究期间发表,可能提高了放射科医生对肺结节潜在风险以及监测早期肺癌检出必要性的认识。另一个解释可能是患者人群的老龄化,考虑到结节检出率随年龄增长而上升(直至70岁),这与我们的分析结果一致。

尚不确定所实施的胸部CT扫描质量的改善是否促成了结节检出率的增加:2011年至2017年间,两家医院的16层和64层CT扫描仪逐步被淘汰,并被更新的128层、160层和320层CT扫描仪所取代。在A医院,我们发现,与旧扫描仪上较高层厚(≥ 3 mm)的扫描相比,新扫描仪上低层厚(< 1 mm)的CT扫描的结节检出率更高(附录E5,补充材料)。在B医院,我们相反地发现,所有扫描仪上较高层厚(≥ 3 mm)的扫描中结节检出率更高。因此,CT技术的进步可能在A医院有所贡献,但在B医院可能并非如此。

我们发现,A医院和B医院之间年度CT检查数量以及(新)阳性CT检查数量的趋势大体相似。值得注意的是,两家医院的阳性检查百分比在2017年达到平台期。一个可能的解释是2015年BTS指南的发表[3],这可能导致报告的小结节(≤ 5 mm)或明确良性结节减少。此外,更新的Fleischner结节管理指南随后于2017年发表,其中孤立性实性结节随访的最小阈值尺寸从4 mm提高至6 mm[4]。在比较两家医院之间的总体结节检出率时,A医院的结节检出率显著高于B医院(2008年为44% vs. 29%,2019年为59% vs. 41%)。这可能是由于A医院是一家学术型医院,对肺结节的研究更多。此外,机构(学术型与非学术型)以及CT技术的影响很可能受到个体阅片者表现的影晌[13]。

我们的发现与Gould等[6]的发现相一致,他们十多年前报告了胸部CT中肺结节检出的增加。他们发现,在2006年至2012年间进行的所有扫描中,29%检出了最小直径为4 mm的肺结节。对于任何报告的结节,我们对2008年至2019年间进行的所有扫描的估计为45%,当使用5 mm的结节直径阈值时为19%。我们发现的一个关键差异是,Gould等发现结节检出的增加并未识别出额外的肺癌病例,而我们发现结节检出的增加与2年内更多的I期肺癌诊断相关。后者可能除其他因素外归因于2011年NLST试验的结果[2],该试验增进了知识,也提高了对小节结在检出I期癌症中重要性的认识。

本研究存在若干局限性。第一,我们的自然语言处理(NLP)算法将所有肺结节纳入考虑,无法排除被描述为具有典型良性特征的结节(如钙化结节、叶间裂旁结节或微结节)。这些结节数量的增加不会导致额外的CT随访[3, 4]。然而,这些低风险结节的直径通常未被测量,因此,在应用5 mm直径阈值的亚组分析中,这些病灶在很大程度上被忽略。第二,由于阅片放射科医师之间存在观察者间和观察者内变异,对自由文本放射学报告的自动化分析可能无法给出肺结节发生率的最准确估计。更准确的方法可能是使用人工智能(AI)系统对CT扫描进行自动化分析,尽管这需要庞大的CT数据库、经临床验证的AI系统以及大量的计算资源。最后,仅包含部分肺部的CT扫描(如腹部、颈部或心脏CT扫描)未纳入分析。然而,胸部CT扫描的分析在临床实践中应已涵盖绝大多数已报告的偶然性肺结节。

总之,我们观察到过去十年间接受胸部CT检查的患者数量大幅增加,被检出肺结节的患者数量也同样增加。更频繁的肺结节检出与更多的I期肺癌诊断相关。这些结果需要在更大规模、地理分布更多样化的队列中加以验证。然而,这些初步发现提示,更频繁的胸部CT扫描和偶然性结节检出导致早期肺癌的检出增加,并强调了高效结节管理的重要性。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 433 KB)

引用

  1. Hendrix W, Rutten M, Hendrix N, et al. Trends in the incidence of pulmonary nodules in chest computed tomography: 10-year results from two Dutch hospitals. Eur Radiol. 2023. PMID: 37338552. doi:10.1007/s00330-023-09826-3
  2. 全文:PMC10598118(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10598118/

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。