文献速递胸部CT

肺结节恶性风险分层:深度学习法与多参数统计模型在不同疾病组中的比较

Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups.
PubMed 文献 · Eur Radiol · 2025-01-02

该回顾性单中心研究纳入297例患者共422个5-30 mm肺结节,比较深度学习模型LCP-CNN与Brock模型及Lung-RADS®的风险分类效能;LCP-CNN在总队列和筛查队列的AUC显著优于Brock模型,在5%阈值下敏感度优于两模型,但特异度中等。

要点

  • LCP-CNN在总队列AUC为0.92,优于Brock模型的0.88(p=0.022)。
  • 5%阈值下LCP-CNN总队列敏感度97.1%,高于Brock模型和Lung-RADS®的91.4%。
  • LCP-CNN特异度中等,未优于Brock模型或Lung-RADS®,提示过度诊断风险较高。

核心结论

  • LCP-CNN在肺结节恶性风险分类中表现良好,在不同风险特征和基础肺疾病亚组间无显著差异。
  • LCP-CNN在总队列和筛查队列的AUC显著优于Brock模型,在5%阈值下敏感度优于Brock模型和Lung-RADS®。
  • LCP-CNN特异度中等,未优于Brock模型或Lung-RADS®,提示过度诊断风险较高。

研究设计与样本

  • 回顾性分析2010至2021年间德国海德堡大学胸科医院单中心CT检查,最终纳入297例患者共422个肺结节。
  • 结节直径5-30 mm,仅含实性或部分实性结节,排除完全钙化和磨玻璃结节。
  • 金标准为组织学结果,良性结节由组织学(部分实性结节必需)、直径2年稳定或体积1年稳定定义。
  • 采用64排CT(Definition AS64,Siemens),平扫208例、增强89例,层厚1.0 mm、重建间隔0.8 mm。

关键影像表现/征象

  • 恶性结节平均直径14.9 mm(SD 4.8),良性结节8.7 mm(SD 3.3),差异有统计学意义(p<0.001)。
  • 恶性结节多位于上叶(右上叶34.3%、左上叶25.7%),胸膜下或叶间裂旁未见恶性结节。
  • 毛刺征在恶性结节中占60.0%,良性结节中占15.1%。

诊断标准与关键数值

  • 以Fleischner学会和美国胸科医师学会提出的5%(排除)和65%(确认)恶性概率阈值划分风险。
  • LCP-CNN评分1-4、Lung-RADS® 1-3、Brock模型<5%定义为低风险;LCP-CNN 8-10、Lung-RADS® 4B-4X、Brock模型>65%定义为高风险。
  • 5%阈值下LCP-CNN总队列敏感度97.1%,Brock模型和Lung-RADS®均为91.4%;ILD队列中LCP-CNN和Lung-RADS®敏感度均为100%。
  • 总队列LCP-CNN AUC 0.92(95%CI 0.89-0.94)vs Brock模型0.88(95%CI 0.84-0.92),p=0.022。
  • 筛查队列LCP-CNN AUC 0.93(95%CI 0.89-0.96)vs Brock模型0.88(95%CI 0.83-0.93),p=0.016。

临床应用与阅片要点

  • LCP-CNN使用简便快速,可减少阅片时间,可能补充或甚至替代当前多参数统计方法。
  • LCP-CNN在不同风险特征和基础肺疾病患者中表现稳定,无需针对筛查人群特殊调整。
  • LCP-CNN特异度中等,阅片时需注意其过度诊断风险。

局限性

  • 研究为回顾性设计,仅包含单中心(专治肺疾病)的CT扫描,可能导致肺癌验前概率较高,影响LCP-CNN分类性能。
  • 肺结节评估主要由一名经验有限的放射科住院医师(1年经验)完成,虽在经验丰富的胸部放射科医师监督下进行。
  • 直径2年稳定的小结节按临床惯例视为良性,未行 definitive 检查,可能造成采样误差。
  • 136例患者肺癌家族史信息缺失,计算Brock模型时假设为阴性,可能影响该模型性能。
  • 分析采用Lung-RADS v1.1,2022版可能影响结果,DeSimone近期显示新版在筛查CT中假阳性更低。
全文中译10 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. 2025 Jan 2;35(7):3812–22. doi: 10.1007/s00330-024-11256-8

引言

肺结节是胸部计算机断层扫描(CT)中的常见发现,检出后会造成持续的管理难题,因为其病因范围从良性病变到肺癌不等,而通常仅凭肉眼观察无法加以区分。胸部CT扫描数量的不断增加,加之肺癌筛查项目日益普及所加剧的这一趋势,使放射科医生的工作负荷不断加重,因为检出的结节越来越多。仅在美国,每年约诊断156万个肺结节,近31%的所有胸部CT检查中可发现偶然发现的结节[1]。因此,临床实践中需要对肺结节进行有效的风险分层,以避免不必要的随访、为明确结节性质而进行的侵入性操作,以及患者被误分类为恶性时的不确定性及被误分类为良性时治疗延误或缺乏治疗。

在临床实践中,肺结节管理最广泛使用的系统可能是Fleischner学会发布的指南[2]。这些指南基于结节数量及其平均结节直径或体积,同时将患者分为低危和高危组。由此产生的建议范围从低危小结节患者无需随访,到高危大结节患者行正电子发射断层扫描/CT或组织取样。然而,这些指南仅在肺癌筛查人群以外的患者中得到验证,因为该人群的肺癌风险特征不同。

Brock大学模型是一种多变量统计方法,专门针对加拿大肺癌早期检测研究背景下的筛查环境而开发[3–6]。该模型结合结节特征和患者特征来计算肺结节的恶性风险。该模型未提出管理指南。尽管是为肺癌筛查环境开发的,Brock模型也已在偶然发现肺结节的患者队列中得到验证[7, 8]。然而,在许多临床情况下,放射科医生对患者特征的信息有限,这降低了模型的准确性。

美国放射学会提出了一套用于管理肺癌筛查背景下检出的肺结节的系统:肺部影像报告和数据系统(Lung-RADS®)[9, 10],目前为2022年的第三版。与Fleischner指南一样,Lung-RADS®侧重于肺结节的影像学评估,考虑结节大小、形态和位置,将结节分为六组之一,相应的恶性风险从评分1–2的< 1%到最高评分组(4B和4X)的> 15%不等。由此产生的管理建议范围从继续年度筛查到进一步影像学检查或组织取样。尽管严格来说并非为偶然发现的肺结节而开发,但Lung-RADS®与Fleischner指南的相似性,以及其在筛查环境中的广泛使用,使其成为一个值得在偶然发现肺结节的患者队列中进一步研究的有趣风险分层模型。

尽管肺结节风险分层的既定方法已经存在,但仍存在局限性。这些方法可能耗时,需要仔细评估结节特征,甚至需要纳入在阅片时可能不易获得的患者特征。

将人工智能整合到放射学工作流程中,有可能大幅改变放射科医师的工作方式,其目标是减少工作量并可能在决策中提供支持[11, 12]。Optellum公司开发了一种基于深度学习的肺结节恶性预测方法,即LCP-CNN评分。该模型在美国国家肺癌筛查试验的数据集上进行了训练[13, 14],随后在LUCINDA研究(利用人工智能和大数据进行的早期肺癌诊断)中进行了验证[15]。不同作者研究了LCP-CNN评分的性能,证明其优于Brock模型[16]和Mayo Clinic模型[13],并研究了与英国胸科学会指南相比对结节管理的影响[17],或考察了成像参数变化时的性能[18]。本研究使用的经美国食品药品监督管理局(FDA)批准并临床可用的版本将肺结节分为十个类别,并具有相应的相对风险阈值(见表1)。数据集来源于海德堡大学医院Thoraxklinik的临床实践,包括患有肺结节的病人。该研究采用了最少的排除标准,以更好地反映日常临床实践。基于金标准,随后将基于人工智能的Optellum LCP-CNN评分与Brock模型和Lung-RADS®进行比较,并额外对因肺气肿或纤维化导致潜在肺部结构改变的患者进行亚分类,进一步评估对所研究风险分层模型性能的可能影响。

表1 使用LCP-CNN、Brock模型和Lung-RADS®对所有结节进行风险评估的结果(Lung-RADS®类别1未纳入,因为该类别用于未发现结节时) 查看原表 ↗

材料与方法

伦理批准由当地伦理委员会授予,该研究按照《赫尔辛基宣言》的原则进行。

患者队列和CT检查标准

符合条件的研宄是从2010年至2021年间在德国海德堡大学医院胸科医院接受检查的患者人群中回顾性筛选的。该队列最初包括被发现至少有一个肺结节的患者,无论合并症如何,总计1010次胸部CT检查。这代表了该机构典型的临床病例组合。患者/检查的纳入和排除标准见图1,并按照本研究中使用的FDA批准的Optellum LCP-CNN评分版本所定义的标准进行选择[19]。仅纳入年龄≥35岁且过去5年内无已知肺外恶性肿瘤病史的患者。CT研宄要求包括1-5个肺结节,测量范围为5-30毫米。仅纳入实性或部分实性结节,排除(部分)钙化结节和磨玻璃结节。如果检查是在不使用造影剂的情况下进行的,或者在增强CT中主动脉密度测量低于300亨氏单位且无束硬化伪影存在,则纳入该检查。结节特征总结见表2。图2给出了被LCP-CNN、Brock模型和Lung-RADS®分类为假阴性的所研宄偶发肺结节的示例。该研宄仅采用每位患者最早可用的检查。

所有CT扫描均在64排CT扫描仪(Definition AS64,Siemens,Siemens Medical Solutions)上进行,采用深吸气仰卧位,分别在不使用和使用静脉造影剂的情况下进行。使用标准采集参数(100-120 kV和70 mAs参考值,带剂量调制(Caredose 4D,Siemens),准直0.6 mm,重建层厚1.0 mm,增量0.8 mm,采用迭代中软组织核(I40f,SAFIRE level 3,Siemens))。

共有297次检查符合既定标准(208次平扫CT扫描和89次增强CT扫描),包含422个肺结节。其中105个被发现为恶性,而317个结节为良性发现。恶性经组织学确认,而良性结节通过组织学结果(部分实性结节必须)、结节直径2年稳定性或结节体积1年稳定性来定义。

相应的临床患者数据从数字病历档案中提取。患者特征总结见表3。从总患者队列中衍生出三个亚队列:筛查队列、肺气肿队列和间质性肺病(ILD)队列。筛查队列仅包括符合美国预防服务工作组定义的肺癌筛查纳入标准的患者(年龄在50岁至80岁之间,当前吸烟者或过去15年内戒烟的既往吸烟者,吸烟史至少20包年[20])。肺气肿队列和ILD队列包括由研宄中心的专家通过多学科方法 documented 诊断为其一种肺部疾病的患者。该研宄包括一些影像学上呈现与ILD compatible 改变的患者,例如胸部放射科医生报告的普通型间质性肺炎或非特异性间质性肺炎模式,但缺乏由多学科ILD委员会定义的明确诊断。

图1 患者流程图 查看原图 ↗
表2 结节特征 查看原表 ↗
图2 被LCP-CNN(A、B)以及Brock模型和Lung-RADS®(C、D)归类为假阴性的所研究偶发肺结节示例 查看原图 ↗
表3 患者人口统计学和临床特征 查看原表 ↗

确定肺结节风险分层评分

在CT检查中手动识别肺结节,并评估其位置(肺叶)、形态和大小(平均直径)。结节评估由一名放射科住院医师(1年经验)在一名经验丰富的胸部放射科医师(5年胸部放射学经验)监督下进行:开始时共同评估若干病例,随后对存疑病例通过共识解决。

Brock模型通过使用“结节恶性预测计算器(完整模型)”(版本Tammemagi V1-2SEP13 [3])结合结节特征(大小、形态、是否存在毛刺、位置和结节数量)与患者特征(年龄、性别、家族史和是否存在肺气肿)进行计算。

Lung-RADS® 1.1版评分根据结节大小、形态和位置,按照美国放射学会提出的现行指南确定 [9]。

基于深度学习的LCP-CNN评分通过在商用Optellum Nodule Lung Nodule Clinic中手动选择相关结节得出,从而创建用于软件分析的兴趣区(ROI)。

统计分析

使用IBM SPSS Statistics软件(版本27.0.0.0;IBM Corp.)和MedCalc软件(版本20.115)进行统计分析。

为两种所研究的预测模型(Brock模型和LCP-CNN)生成受试者工作特征(ROC)曲线,并计算曲线下面积(AUC)和95%置信区间(CI)。使用DeLong检验比较AUC [21]。显著性水平设定为α = 0.05。未对Lung-RADS®进行ROC分析,因为它不是直接的风险估计工具,仅有六个分类结局值。计算了比例尺度特征,即均值、中位数、标准差(SD)和四分位距。对于名义尺度特征,频率以百分比报告。针对不同截断值,计算了模型的敏感性、特异性、阳性和阴性诊断似然比(DLR)、阳性预测值(PPV)、阴性预测值(NPV)和准确性,并报告了相关CI。

Fleischner学会与美国胸科医师学会联合提出将肺结节按个体恶性风险分为三组:高风险,恶性可能性> 65%;低风险,可能性< 5%;以及中等风险,可能性介于两者之间[2]。对于这三种模型,分别选择了类似于5%(排除)和65%(确定)阈值的个体截断值。LCP-CNN评分为1–4、Lung-RADS®为1–3、Brock模型< 5%的结节被归类为低风险。LCP-CNN评分为8–10、Lung-RADS®评分为4B至4X、Brock模型评分> 65%的结节被归类为高风险。数值介于两者之间的结节被归类为中等风险结节。根据这些阈值,计算并列出所有三种模型(LCP-CNN评分、Brock模型评分、Lung-RADS®评分)的敏感度、特异度、阳性与阴性DLR、PPV、NPV及准确率,并附相应的CI。

由于这是探索性分析,未进行正式的样本量计算。因此,所有p值均为描述性性质。

结果

队列与亚队列

本研究共纳入297例患者,平均年龄64.9岁(表3)。136例患者既往诊断为肺气肿,47例患者患有ILD。大多数患者为既往吸烟者(n = 180,60.6%),其次为当前吸烟者(n = 47,15.8%),39例患者从未吸烟(13.1%)。31例患者的吸烟状态未记录(10.4%)。161例患者有肺癌家族史资料,136例患者该信息不可获得,须假定家族史为阴性。

共发现105个恶性肺结节和317个良性肺结节(表2)。恶性结节平均[SD]平均直径为14.9 mm [4.8],良性结节平均[SD]平均直径为8.7 [3.3],结节大小差异有统计学意义(p < 0.001)。大多数恶性结节位于上肺叶(右肺上叶34.3%,左肺上叶25.7%)。未观察到胸膜下或叶间裂旁恶性结节,这与肿瘤登记统计和文献一致[22, 23]。毛刺征在恶性结节中(60.0%)比良性结节(15.1%)更为常见。

描述性统计

表1概述了所进行的风险评估。为便于比较,Brock模型结果按LCP-CNN定义的风险类别进行分组。Lung-RADS®结果按各评分对应的相对风险排序[24]。对于Brock模型,计算得出的平均恶性风险为11.8%(SD为14.5%),最小值为0.3%,最大值为79.6%。

每个模型在每个队列中用于纳入(5%阈值)和排除(65%阈值)计算的敏感性、特异性、诊断似然比(DLRs)以及阳性和阴性预测值(NPVs)的结果见表4。在总队列、筛查队列以及两个肺疾病亚组中,LCP-CNN在肺气肿和ILD方面的性能未发现相关差异。在5%阈值下,LCP-CNN评分在总队列、筛查队列和肺气肿队列中表现出优于Brock模型和Lung-RADS®的敏感性,总队列中为97.1%,而Brock模型和Lung-RADS®为91.4%。在ILD队列中,LCP-CNN和Lung-RADS®的敏感性均为100%。在所有疾病组中,LCP-CNN在65%阈值下也表现出优于Brock模型的敏感性,而与Lung-RADS®相比敏感性更优或相当。LCP-CNN的特异性为中等,不能得出优于Brock模型或Lung-RADS®的结论。DLRs显示LCP-CNN在各疾病组中具有强诊断证据,组间无相关差异。此外,LCP-CNN在总队列和各亚组中表现出优异的NPVs。

表4 LCP-CNN、Brock模型和Lung-RADS®在不同患者队列中用于高风险(65%阈值)和低风险(5%阈值)分类的描述性统计 查看原表 ↗

LCP-CNN在选定队列的ROC分析中优于Brock模型

LCP-CNN在总队列中达到0.92的AUC(95% CI:0.89–0.94),在肺结节恶性分类方面表现出显著优于Brock模型的性能(AUC为0.88,95% CI:0.84–0.92,p = 0.022)(图3A)。这些发现在筛查队列中得到重复,LCP-CNN的曲线下面积(AUC)为0.93(95% CI:0.89–0.96),显著高于Brock模型的AUC 0.88(95% CI:0.83–0.93,p = 0.016)(图3B)。

在肺气肿患者队列中,LCP-CNN的AUC为0.91(95% CI:0.86–0.95),与Brock模型的0.88(95% CI:0.83–0.94)相似,差异无统计学意义(p = 0.232)(图3C)。同样,在诊断为ILD的患者亚队列中,LCP-CNN和Brock模型未显示显著差异,LCP-CNN的AUC为0.92(95% CI:0.86–0.98),Brock模型为0.91(95% CI:0.82–1.00)(p = 0.404)(图3D)。

图3 Brock模型和LCP-CNN在总队列(A)、筛查队列(B)、肺气肿队列(C)和ILD队列(D)中的ROC比较 查看原图 ↗

LCP-CNN的ROC性能在患有基础肺部疾病的患者中未显示显著差异

LCP-CNN在所有研究的亚队列中对肺结节分类表现出可比的结果(表5),AUC范围从肺气肿队列的0.91(95% CI:0.86–0.95)到总队列和ILD队列的0.92(95% CI:0.89–0.94)(ILD队列为0.92,95% CI:0.86–0.98),以及筛查队列的0.93(95% CI:0.89–0.96)。

表5 所研究模型在受试者操作特征统计(ROC)的AUCs方面的性能 查看原表 ↗

讨论

偶然发现的肺结节是一个持续存在的挑战,因为误分类可能导致不必要的手术、费用和患者的不确定性(如果被误分类为恶性),或者导致治疗延迟或不治疗(如果被误分类为良性)。因此,对可靠的肺结节分类支持系统的需求至今仍然存在。肺癌筛查的日益实施为这一问题增添了不同的方面,筛查人群具有不同的风险特征。全面了解分类方法的潜力和局限性至关重要。

本研究的设计基于Baldwin等人先前发表的研究[16],以获得可比的结果,从而检验可能的可重复性。相比之下,Baldwin等人分析了在三个中心(利兹、诺丁汉和牛津)收集的1397个肺结节。纳入和排除标准与本研究使用的标准相似,仅有微小差异(纳入年龄≥18岁且结节直径5–15 mm,而本研究为纳入年龄≥35岁且结节直径5–30 mm)。然而,本研究引入了进一步的方面。除了与Brock模型进行比较外,还将基于人工智能的LCP-CNN分类工具的性能与Lung-RADS®进行了比较。此外,还分析了这些模型在不同临床来源患者队列中的各自性能,这些队列按风险特征(筛查队列[25])和/或基础肺部疾病(肺气肿[26]和ILD队列[27, 28])有所不同。

在我们的研究中,LCP-CNN在将肺结节分类为不同风险类别方面显示出良好的结果,在分析肺气肿或纤维化患者的结节时无显著差异。值得注意的是,即使是对筛查队列,尽管LCP-CNN模型未针对此目的进行特定适配,其区分性能也未受到相关挑战。比较各模型之间的结果,我们可以显示,LCP-CNN在所有队列中在AUC和敏感性方面均优于Brock模型(除肺气肿和ILD队列外),而在所有研究队列中在敏感性方面均优于Lung-RADS®。然而,LCP-CNN的特异性低于Brock模型评分和Lung-RADS®,提示过度诊断的风险较高。

总体结果与Baldwin等人的研究相当,LCP-CNN在我们的研究中达到AUC为92%(95% CI:89–94%),而Baldwin等人为90%(95% CI:88–92%)。这些发现证实了进一步研究的结果,显示LCP-CNN的AUC值从92%[13]、94%[29]到95%[15]。

在解释本研究的结果时,重要的是要考虑研究设计中的一些局限性。该研究为回顾性研究,仅包含来自一家专攻肺部疾病的单中心的CT扫描。这可能潜在地导致了肺癌的验前概率较高,从而可能影响LCP-CNN模型的分类性能[15]。肺结节评估主要由仅一名经验有限的读者(一名具有1年经验的放射科住院医师)完成,尽管如上所述是在一名经验丰富的胸部放射科医师的监督下进行的。此外,还做出了一些可能导致抽样误差的假设。在2年期间保持稳定的小结节按临床惯例被认为是良性的,未进行明确的检查[30, 31]。计算Brock模型时,必须考虑肺癌家族史。由于本研究的回顾性性质,有136名患者的该信息不可获得,并假设家族史为阴性,这可能对模型的性能产生影响。这代表了Brock模型的一个相关局限性,因为它需要仔细收集患者数据,而这在临床实践中可能并不总是可行的。

在本分析中,使用了Lung-RADS v.1.1,因为在进行CT检查时它是当时的现行版本。Lung-RADS® 2022的引入可能会影响结果,因为DeSimone最近已证明了新版本在假阳性筛查CT检查数量更低方面的优越性[32]。这可能有助于强化本研究中显示的Lung-RADS®的高特异性。

LCP-CNN评分的优越性能表明其作为肺结节风险分层中有价值工具的潜力,即使在肺癌筛查项目中也是如此。基于深度学习的方法提供了效率和准确性,解决了传统模型的一些局限性,例如手动测量的变异性或患者数据的缺乏。其使用简单快捷,与多参数统计方法相比减少了阅读时间。未来的研究方向应包括在更大、更多样化的队列中进一步开展前瞻性验证研究。因此,本研究提供了进一步的证据,表明有可能将基于深度学习的决策支持系统整合到肺结节分类工作流程中,而不论个体患者的风险特征和潜在的肺部疾病如何。

引用

  1. Piskorski L, Debic M, von Stackelberg O, et al. Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups. Eur Radiol. 2025. PMID: 39747589. doi:10.1007/s00330-024-11256-8
  2. 全文:PMC12165889(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12165889/

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。