文献速递胸部CT

肺健康普通人群中基于胸部CT的肺叶容积参考公式

Reference formulas for chest CT-derived lobar volumes in the lung-healthy general population.
PubMed 文献 · Eur Radiol · 2024-10-16

在ImaLife研究的7306名无肺病参与者中,采用AI自动分割吸气相低剂量胸部CT的肺叶和总肺容积,按性别分层建立基于年龄和身高的线性回归参考方程;容积随年龄和身高增加,男性高于女性,吸烟者和气道阻塞者容积更高(尤其上叶)。

要点

  • 参考方程适用于45–80岁北欧裔肺健康人群,按性别分层、校正年龄和身高。
  • 上叶容积随年龄增长占比增加;男性同身高下各肺叶容积均高于女性。
  • 吸烟和气道阻塞者预测值高于肺健康人群,差异主要在上叶。

核心结论

  • 建立了基于吸气相胸部CT的肺叶和总肺容积参考方程,适用于45–80岁北欧裔肺健康人群。
  • 肺叶和总肺容积通常随年龄和身高增加;校正身高后男性容积始终高于女性。
  • 吸烟者和气道阻塞者的肺叶及总肺容积预测值高于肺健康组,最大差异位于上叶。

研究设计与样本

  • 研究类型为基于人群的队列研究(ImaLife,LifeLines队列的一部分),纳入7306名肺健康参与者进行主分析。
  • 使用第三代双源CT(SOMATOM Force,Siemens Healthineers)行仰卧、吸气相低剂量胸部CT,扫描时间为2017年8月至2022年10月。
  • 采用锐利Qr59核重建,层厚1 mm、层间距0.7 mm,使用AI自动肺叶分割算法LungSeg计算总吸气肺容积和肺叶容积。
  • 参考方程通过线性回归建立,按性别分层,自变量为年龄和身高。
  • 亚组分析将当前吸烟者和气道阻塞者(FEV1/FVC低于正常下限)的预测值百分比与肺健康组比较,采用双侧独立t检验及Bonferroni校正。

关键影像表现/征象

  • 右肺下叶始终最大,其次为左肺上叶和左肺下叶(大小相近),右肺上叶较小,右肺中叶远小于其他肺叶。
  • 上叶容积与年龄关联强于下叶,随年龄增长上叶占总量比例增加;高龄时男性左肺上叶平均大于右肺下叶。
  • 女性左肺下叶容积似乎与年龄无关,其余肺叶和总容积均与年龄、身高正相关。

诊断标准与关键数值

  • 回归模型解释方差(R²)范围为7.8%至19.9%。
  • 当前吸烟者亚组总肺容积预测值百分比均值为103.1±17.5%,气道阻塞亚组为110.3±16.9%。
  • 气道阻塞亚组所有肺叶和总肺容积预测值百分比与肺健康人群均有显著差异(均p<0.001)。
  • 男性当前吸烟者总肺容积(p=0.002)、左肺上叶和右肺上叶(均p<0.001)预测值百分比与肺健康人群有显著差异,左肺下叶(p=0.835)、右肺中叶(p=1)和右肺下叶(p=0.410)无显著差异。
  • 女性当前吸烟者除右肺下叶(p=1)外,所有肺叶和总肺容积预测值百分比与肺健康人群有显著差异(均p<0.001,左肺下叶p=0.025)。

临床应用与阅片要点

  • 参考方程可用于评估COPD中肺叶特异性过度充气,可能有助于经支气管内瓣膜(EBV)治疗和肺减容术的患者选择。
  • 参考方程可能有助于评估限制性肺病或肺癌患者肺叶切除的手术规划。
  • 作者指出,将参考方程应用于吸烟者和气道阻塞者显示容积更高(尤其上叶),表明方程能够识别组间差异。

局限性

  • 研究人群来自荷兰北部特定区域,身高高于WHO生长曲线中位数约5 cm,且以白种人为主。
  • 队列年龄范围为45至80岁,参考方程可能因此不能普遍适用,需要在其他人群中校准。
  • 肺叶和总肺容积的解释方差相对较低,范围为7.8%至19.9%,提示回归分析未纳入的其他因素起作用。
  • LifeLines中无体积描记法测量,无法将参与者的TLC与TLV测量进行比较或相关性分析。
全文中译12 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. 2024 Oct 16;35(5):2912–21. doi: 10.1007/s00330-024-11123-6

引言

慢性阻塞性肺疾病(COPD)是一种以无法有效呼气为特征的致衰弱性疾病。这可导致过度充气状态,即与无疾病个体相比,更多气体潴留于肺内。在临床实践中,采用体描法通过测量静态肺容量,尤其是肺总容量(TLC)和残气量(RV),来量化总体过度充气的严重程度。为辅助这些测量的解读,绝对容量通过参考值进行标准化,这些参考值基于无肺疾病个体并按照身高、年龄和性别进行匹配,最新由全球肺功能倡议(GLI)建立 [1, 2]。

准确评估肺容量对于选择适合接受针对过度充气干预(如支气管内活瓣(EBV)治疗)的患者至关重要。该治疗旨在通过诱导肺叶不张来减少肺容量。选择正确的目标肺叶至关重要,因为不准确的选择可能加重患者病情而非缓解症状。通常,目标肺叶是受肺气肿破坏最严重的肺叶,因此其对气体交换贡献甚小 [3]。其他考虑因素包括肺裂完整性以防止侧支通气,以及平衡目标肺叶容量与同侧肺叶容量 [4]。因此,计算机断层扫描(CT)扫描和通过肺叶分割进行的定量CT分析对于EBV治疗的患者选择至关重要,因为尚无其他模态能够提供准确的基于肺叶的信息。然而,与体描法得出的容量不同,肺叶容量的标准化参考值尚未普遍建立。仅有一项研究推导了此类方程,尽管是在相对较小的队列中 [5]。此类信息对于评估EBV治疗的可行性可能具有价值,例如确定过度充气是否局限于特定肺叶。

多项研究表明,肺容量可通过CT确定,且与体描法对应值高度相关 [6–13]。我们将CT得出的TLC对应值称为总肺容量(TLV)。一项研究强调,CT得出容量的重复性优于体描法得出容量 [11]。我们近期证明,在COPD患者中肺容量也与体描法对应值吻合良好,尤其在使用肺量计门控时 [14],突显了其在EBV治疗评估中的潜在效用。尽管两种模态之间高度相关,但在CT得出的TLV测量中依赖GLI预测的TLC参考值是不充分的,因为GLI方程在肺健康人群中显著高估实际TLV值 [15]。

因此,尽管肺容量可使用CT准确测量,但缺乏适当的正常值参考方程。我们旨在建立一个肺健康队列(代表北欧一般人群)中CT得出的肺叶容量和TLV的参考方程,采用与GLI模型相似的年龄、性别和身高方式。

方法

人群

生命线成像研究(ImaLife)纳入了11,762名年龄在45岁及以上、具有可评估的吸气相低剂量胸部CT扫描的参与者。ImaLife是更大规模的生命线(LifeLines)队列研究的一部分。LifeLines是一项多学科前瞻性人群队列研究,采用独特的三代设计,考察居住在荷兰北部的167,729人的健康和健康相关行为,其中97.5%为高加索裔。该研究采用广泛的调查程序评估生物医学、社会人口学、行为、身体和心理因素对一般人群健康和疾病的影响,特别关注多病共存和复杂遗传学[16]。作为其中一部分,ImaLife聚焦于从低剂量胸部CT扫描中获取的影像生物标志物。在LifeLines研究中第二次访视时具有可用肺功能测试数据的45岁及以上LifeLines参与者被邀请接受低剂量吸气相胸部CT扫描。图像由经过培训的放射科医师(或在培训中的放射科医师)或在放射科医师监督下经过培训的技术医学医生进行审阅。研究设计已在既往发表文献中描述[17]。

本研究包括两部分:主分析和亚分析。主分析的重点是肺部健康人群。我们排除了以下参与者:肺功能检查中第一秒用力呼气容积(FEV1)与用力肺活量(FVC)比值低于正常下限所提示的气流阻塞者、当前吸烟者、自报阻塞性肺疾病史(COPD/哮喘)者、CT上有肺部疾病征象者、身高在99%置信区间(CI)之外以处理极端离群值者,最后还排除了年龄超过80岁的参与者(因样本量不足)。排除标准的具体细节见补充材料。此外,在亚分析中纳入了有气流阻塞和当前吸烟的参与者。具体方法描述如下。

本研究已获得荷兰格罗宁根大学医学中心医学伦理委员会批准,并已在荷兰涉及人体受试者研究中央委员会注册(https://www.toetsingonline.nl,标识号:NL58592.042.16)。所有参与者均提供了书面知情同意。

图像采集、重建和分析

每位参与者均使用第三代双源CT扫描仪(SOMATOM Force,Siemens Healthineers)接受仰卧位、呼吸指导至吸气相的低剂量胸部CT扫描。扫描于2017年8月至2022年10月期间进行。扫描采用专为定量分析设计的锐利Qr59卷积核进行重建,层厚1 mm,层间距0.7 mm。所有扫描均使用名为LungSeg(https://github.com/jtabalon/LungQuant)的基于人工智能的自动肺及肺叶分割算法进行自动处理[18]。这些分割用于计算总吸气肺容积(TLV)和肺叶容积。容积通过将每个分割中的体素数量乘以单个体素的体积来计算。TLV大于8 L或小于3 L的分割被标记出来,由经过培训的医学医生(I.D.)进行视觉检查。异常分割随后从数据集中移除。

统计分析

对总肺容积(TLV)和肺叶体积进行视觉评估以判断是否呈正态分布。参考方程通过线性回归获得。与GLI建立的参考方程类似,该回归按性别分层,自变量为年龄和身高[2]。统计分析和可视化使用R 4.2.2版本(R Core Team)进行。p值低于0.05被认为具有显著性。参考方程的准确性使用残差标准差(RSD)评估,RSD衡量预测值与观测值之间差值的标准差。此外,调整回归系数平方(R2)用于评估参考方程与观测值之间相关性的强度。R2以百分比表示,指示观测数据中由模型解释的方差比例。

肺健康受损亚组的亚组分析

为了研究当前吸烟者和气道阻塞者(FEV1/FVC比值低于正常下限)的容积是否确实大于肺健康组,我们将计算出的参考方程应用于当前吸烟者和气道阻塞者,并将这些组的预测值百分比与肺健康组的值进行比较。当前吸烟者和气道阻塞者组由被排除在肺健康组之外的参与者组成,并针对所有其他排除标准进行了筛选(包括气道阻塞组排除当前吸烟者,当前吸烟组排除气道阻塞者)。我们进行了独立双侧t检验,并应用Bonferroni校正以减轻多重比较的影响,将这两组的肺容积和肺叶体积与肺健康人群进行比较。

结果

人群

参与者选择过程如图1所示。对于所有参与者(N = 11,729),使用LungSeg分析吸气相CT扫描。共有1343名(11.5%)患者表现出FEV1/FVC比值低于正常下限,1265名(10.8%)被确定为当前吸烟者,898名(7.7%)报告有肺部疾病史(COPD或哮喘),356名(3.0%)在CT上显示肺部疾病征象,266名(2.3%)参与者年龄超过80岁,166名(1.4%)存在缺失数据,129名(1.1%)的身高超出99%置信区间。最终纳入7306名参与者并按性别分层。其中,3183名(43.6%)为男性,4123名(56.4%)为女性。男性平均年龄为61.0 ± 9.6岁,身高为1.82 ± 0.07 m,女性平均年龄为59.7 ± 9.4岁,身高为1.68 ± 0.06 m。根据独立双侧t检验,男性和女性在所有考虑的参数上均表现出显著差异。纳入参与者的进一步人口学详情见表1。

图1 患者选择流程图。CI,置信区间;LLN,正常下限;N,个体数量 查看原图 ↗
表1 研究人群的人口学特征 查看原表 ↗

肺健康人群的回归分析

所有容积均呈正态分布。在相同身高下,男性的肺容积和肺叶容积高于女性。针对各容积拟合的回归模型显示出一致的模式,特别是与年龄和身高均呈正相关,但女性左肺下叶(LLL)除外,因为该容积似乎与年龄无关。回归模型的解释方差范围为7.8%至19.9%。总体而言,右肺下叶(RLL)是最大的肺叶,其次是左肺上叶(LUL)和左肺下叶(LLL),两者大小大致相等。右肺上叶(RUL)较小,而右肺中叶(RML)远远是最小的。上叶容积与年龄的相关性高于下叶;随着年龄增长,无论男性还是女性,上叶在总肺容积(TLV)中所占比例越来越大。在高龄时,这导致男性的左肺上叶平均而言大于右肺下叶。参考方程见表2。图2展示了三种不同身高下随年龄增长的容积变化。图3展示了三个年龄段下随身高增长的容积变化。

表2 回归分析及所得参考方程 查看原表 ↗
图2 男性和女性在所有纳入年龄下、身高为第50百分位数、第0.5百分位数和第99.5百分位数时的肺叶容积参考方程。LUL,左肺上叶;LLL,左肺下叶;RUL,右肺上叶;RLL,右肺下叶;RML,右肺中叶 查看原图 ↗
图3 男性和女性在最小年龄、中位年龄附近和最大年龄时,从最小纳入身高到最大纳入身高的肺叶容积参考方程。LUL,左肺上叶;LLL,左肺下叶;RUL,右肺上叶;RLL,右肺下叶;RML,右肺中叶 查看原图 ↗

肺健康受损人群

使用表2参考方程计算的预计TLV百分比均值,在当前吸烟亚组为103.1 ± 17.5%,在气道阻塞亚组为110.3 ± 16.9%。表3展示了这些数值,以及当前吸烟者和气道阻塞亚组内所有肺叶容积的预计百分比均值及标准差,这些数值均服从正态分布。气道阻塞亚组的肺容积和肺叶容积预计百分比值与肺健康人群相比均有显著差异(所有p < 0.001)。男性当前吸烟者在TLV(p = 0.002)、LUL和RUL(均p < 0.001)的预计百分比值方面与肺健康人群有显著差异,但在LLL(p = 0.835)、RML(p = 1)和RLL(p = 0.410)方面无显著差异。对于女性当前吸烟者,除RLL(p = 1)外,所有肺和肺叶预计容积均与肺健康人群有显著差异(所有p < 0.001,LLL除外:p = 0.025)。最大的差异见于上叶。

表3 当前吸烟者和气道阻塞组中肺及肺叶容积预计百分比 查看原表 ↗

讨论

在本研究中,我们基于大样本无肺部疾病一般人群的吸气相胸部CT,采用线性回归分析建立了肺体积和肺叶体积的参考方程。年龄和身高与肺体积及肺叶体积呈正相关,但女性左下叶(LLL)除外。右肺下叶(RLL)始终是最大的肺叶,其次是左肺上叶(LUL)和左下叶(LLL),然后是右肺上叶(RUL),最后是右肺中叶(RML)。上叶与年龄的关联更强,表明随着年龄增长,上叶占总肺体积的比例更大。在相同身高下,男性的肺体积大于女性。总体而言,年龄和身高解释了体积变异的7.8%–19.9%。

通过CT测量肺体积的优点在于能够进行区域体积评估,如肺叶体积,这可能对支气管内活瓣(EBV)置入和肺减容等治疗有益。唯一能够实现这一目标的其他模态是通气/灌注单光子发射计算机断层扫描(VP/SPECT),但其可及性远不如CT [19]。既往专门针对肺叶体积的研究大多通过比较吸气和呼气相扫描来关注肺叶的通气或塌陷性 [20, 21]。在EBV研究中,对肺叶体积的关注集中在治疗前后的变化 [22]。治疗前后肺叶体积减少的重要差异下限已确定为563 mL [23]。该指标未考虑受患者身高、年龄和性别影响的变化,因此可能通过类似本研究采用的方法加以完善。就肺叶体积的参考方程而言,据我们所知,此前仅有一项研究基于469名无COPD的COPDgene参与者队列(92名从不吸烟者和377名当前或既往吸烟者),在全力吸气状态下建立了此类方程,纳入身高、性别和种族因素 [5]。与我们的研究和GLI的TLC参考方程不同,他们未观察到年龄与任何体积之间的显著关系,可能归因于队列规模较小。他们确实发现了与身高关系的相似结果以及相似的截距 [5]。在我们的研究中,未进行种族分层,因为97.5%的参与者被认定为高加索人种。与此前研究类似,我们按性别进行了分层,依据是我们发现相同身高下女性的肺叶体积始终小于男性。

观察到上叶体积随年龄增长的增加幅度大于下叶,这提示上叶可能易受损伤,即使在肺健康人群中也是如此。这与表明上叶肺气肿和肺癌发病率更高的研究一致[24, 25]。因此,可以预期,与健康个体相比,吸烟者和COPD患者的上叶相对于下叶会表现出相对更大的体积。在本研究中,我们观察到肺健康人群与当前吸烟者之间在每个肺叶或肺叶体积上均存在显著差异,但男性的LLL和RML以及男性和女性的RLL除外。这进一步支持了上叶可能对损伤具有更大易感性的观点。另一种可能的解释,尤其是在非吸烟个体中,是气道发育不均(dysanapsis),即气道口径与肺体积不匹配[26]。异常高的肺体积 combined with 相对正常口径的气道可能导致按FEV1/FVC定义的实测阻塞。

关于CT肺体积,既往研究主要将吸气相和/或呼气相获得的TLV测量值与体积描记法衍生的体积进行比较,显示出强相关性[6–14]。通常,TLC略高于测得的TLV,而呼气相RV较低[27]。与此一致,一项既往研究确定GLI预测的TLC与TLV之间存在显著差异,估计TLC显著大于测得的TLV[15]。这种差异只能部分由坐位体积描记法与仰卧位CT扫描之间的测量体位差异解释,仰卧位体积小9.9%[28]。

本研究的优势在于其包含7306名个体的大型肺健康样本。此外,本研究采用了第三代双源CT上的标准化CT扫描方案,由于高螺距扫描模式,采集时间非常短。既往研究表明,基于CT的肺叶体积测量具有一致性,TLV比通过体容积描记法测得的TLC更具可重复性[11],这进一步验证了我们的方法。这些参考方程适用于评估COPD中的肺叶特异性过度充气,这在EBV和肺减容等治疗中尤其可能有用。此外,这些方程在评估其他情况如限制性肺疾病或肺癌患者肺叶切除的手术规划方面可能具有潜在价值。将推导出的方程应用于吸烟者和气道阻塞受试者确实显示出更高的体积(尤其是在上叶)。这表明这些方程能够识别组间差异。

局限性

本研究聚焦于来自荷兰北部的特定区域人群,其特征为身高高于平均水平,约高于WHO生长曲线中位数5 cm[29],且以白种人 ethnicity 为主。此外,该队列由45至80岁之间的个体组成。鉴于EBV通常用于年龄约50–70岁的重度肺气肿患者,这些局限性对于我们的目的而言是可以接受的。然而,必须认识到这些参考方程因此可能并非普遍适用。在其他人群中校准这些参考方程将很重要。

肺叶和肺容积的可解释方差相对较低,范围为7.8%至19.9%。这表明未纳入回归分析的其他因素在肺叶和肺的大小中起作用。然而,这些因素尚不明确,且在类似的参考方程方法中未使用其他解释因素,例如TLC的GLI参考方程,其报告模型的变异系数超过10% [2]。这些未知因素可能与胸廓的形状和大小有关。虽然性别和身高目前被用作这些因素的粗略近似,但它们并不能完全反映个体变异的复杂性。遗传因素也可能起作用,以及如裂隙完整性等方面。

在Lifelines中,无法获得体积描记法测量,这妨碍了将参与者的TLC与其TLV测量进行比较或相关性分析。

结论

本研究在45至80岁北欧血统肺部健康人群中,按性别建立了吸气相胸部CT肺叶容积和全肺容积的参考方程,并校正了年龄和身高。较高个体和男性的肺叶容积较高,且随年龄增长而增加,尤其是上叶。

补充信息

补充材料

引用

  1. Bakker JT, Dudurych I, Roodenburg SA, et al. Reference formulas for chest CT-derived lobar volumes in the lung-healthy general population. Eur Radiol. 2024. PMID: 39414656. doi:10.1007/s00330-024-11123-6
  2. 全文:PMC12021944(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12021944/

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。