文献速递胸部CT

进展性纤维化性间质性肺病的危险因素与预后指标:基于深度学习的CT定量方法

Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach.
PubMed 文献 · Eur Radiol · 2025-06-17

单中心回顾性研究纳入465例间质性肺病患者,用深度学习定量CT量化基线及随访的磨玻璃影、网格影、蜂窝影及纤维化范围。基线网格影和纤维化范围是进展性纤维化性间质性肺病的预测因素;基线网格影、蜂窝影和纤维化范围预测全因死亡。定量CT联合FVC的C指数优于单独FVC。

要点

  • 基线网格影每增加1%,进展性纤维化性间质性肺病风险OR 1.096(95%CI 1.042–1.152,p<0.001)。
  • 基线纤维化范围每增加1%,进展性纤维化性间质性肺病风险OR 1.035(95%CI 1.004–1.067,p=0.025)。
  • 基线网格影、蜂窝影和纤维化范围均为全因死亡的独立不良预后因素。

核心结论

  • 基于深度学习的间质性肺病定量CT有助于预测进展性纤维化性间质性肺病及其预后。

研究设计与样本

  • 单中心回顾性队列研究,纳入2015年1月至2021年6月间质性肺病患者465例(中位年龄65岁,IQR 58–71岁;男性238例),来自韩国一家三级转诊医院。
  • 采用商用深度学习纹理分析软件(AVIEW Lung Texture version 1.1.43.7,Coreline Soft)对基线和随访CT的磨玻璃影、网格影、蜂窝影进行自动分割和定量,纤维化范围为网格影与蜂窝影之和,总间质性肺病范围为磨玻璃影、网格影与蜂窝影之和。
  • 进展性纤维化性间质性肺病定义为CT视觉纤维化进展且用力肺活量绝对值下降≥5%预计值;采用logistic回归分析预测因素,Cox比例风险回归评估全因死亡,用C指数评价定量CT加入FVC的增量价值。

关键影像表现/征象

  • 基线CT定量中位值:磨玻璃影1.0%(IQR 0.4–2.4%)、网格影3.9%(IQR 1.8–7.2%)、蜂窝影2.0%(IQR 1.1–3.9%)、纤维化范围6.6%(IQR 3.3–11.7%)、总间质性肺病范围8.7%(IQR 4.7–14.9%)。
  • 中位CT随访44个月(IQR 33–56个月)后,上述中位值分别变为磨玻璃影0.9%(IQR 0.3–3.0%)、网格影4.9%(IQR 2.2–9.5%)、蜂窝影2.9%(IQR 1.3–7.2%)、纤维化范围9.5%(IQR 4.1–18.3%)、总间质性肺病范围12.1%(IQR 5.7–21.5%)。

诊断标准与关键数值

  • 进展性纤维化性间质性肺病定义:CT视觉纤维化进展且用力肺活量绝对值下降≥5%预计值;465例中148例(31.8%)符合。
  • 多因素分析中,基线网格影预测进展性纤维化性间质性肺病OR 1.096(95%CI 1.042–1.152,p<0.001),基线纤维化范围OR 1.035(95%CI 1.004–1.067,p=0.025),基线总间质性肺病范围OR 1.031(95%CI 1.006–1.058,p=0.017)。
  • 多因素Cox分析中,基线网格影预测全因死亡HR 1.063(95%CI 1.013–1.115,p=0.013),基线蜂窝影HR 1.074(95%CI 1.034–1.116,p<0.001),基线纤维化范围HR 1.067(95%CI 1.043–1.093,p<0.001),基线总间质性肺病范围HR 1.046(95%CI 1.026–1.067,p<0.001)。
  • C指数:基线FVC联合各间质性肺病征象(磨玻璃影、网格影、蜂窝影)为0.714(95%CI 0.660–0.764,p<0.001),联合纤维化范围为0.703(95%CI 0.649–0.752,p<0.001),联合总间质性肺病范围为0.666(95%CI 0.616–0.717,p<0.001),均优于仅含基线FVC的模型(C指数0.545,95%CI 0.500–0.599)。
  • 基于定量CT的磨玻璃影、网格影和蜂窝影变化预测全因死亡C指数0.713(95%CI 0.649–0.771,p=0.003),纤维化范围变化C指数0.671(95%CI 0.596–0.733,p=0.023),总间质性肺病范围变化C指数0.726(95%CI 0.666–0.778,p<0.001),均高于放射科医生视觉评估纤维化进展的C指数0.604(95%CI 0.560–0.649)。

临床应用与阅片要点

  • 作者认为,通过CT定量识别进展性纤维化性间质性肺病高风险患者,可实现更密切监测和更早开始治疗,可能改善临床结局。
  • 在292例有1年随访CT的患者中,1年随访时网格影增加(OR 1.085,95%CI 1.009–1.167,p=0.027)和基线网格影(OR 1.081,95%CI 1.012–1.154,p=0.021)均为进展性纤维化性间质性肺病的显著预测因素。
  • 在292例有1年随访CT的患者中,1年进展(用力肺活量下降≥5%且纤维化范围增加≥1%)在全因死亡的多因素Cox模型中HR分别为2.059(95%CI 1.095–3.870,p=0.025)、2.068(95%CI 1.105–3.869,p=0.023)和2.199(95%CI 1.177–4.109,p=0.014)。

局限性

  • 本研究为单中心回顾性研究。
  • 因回顾性设计,无法评估INBUILD试验定义中患者症状加重这一项,进展性纤维化性间质性肺病改用CT视觉纤维化进展且用力肺活量绝对值下降≥5%预计值定义。
  • 基线CT的间质性肺病模式在调整临床放射学变量后未显著预测进展性纤维化性间质性肺病(补充表6)。
  • 基线CT的间质性肺病模式在纳入基线定量CT结果调整后,对死亡的预后意义减弱(补充表7)。
  • 基线蜂窝影范围不是进展性纤维化性间质性肺病的显著预测因素。
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. 2025 Jun 17;35(12):8151–61. doi: 10.1007/s00330-025-11714-x

引言

进行性纤维化性间质性肺疾病(PF-ILD)是一种临床表型,其特征为CT扫描上可见纤维化增加、肺功能下降和症状恶化,最终导致早期死亡[1–4]。INBUILD研究评估了酪氨酸激酶抑制剂(尼达尼布)在PF-ILD患者中的有效性,该研究将这一疾病定义如下[1, 5]:尽管接受了标准治疗,PF-ILD的特征为(1)用力肺活量(FVC)相对下降≥预计值的10%,(2)FVC相对下降≥5%并伴有CT上纤维化增加或症状恶化,或(3)症状恶化伴有CT上纤维化增加。除特发性肺纤维化(IPF)外——后者是进行性纤维化的同义词——一部分非IPF的ILD患者也表现出进行性纤维化的特征。这一亚群包括特发性非特异性间质性肺炎(NSIP)、结缔组织病相关ILD(CTD-ILD)和纤维化性过敏性肺炎(HP)患者[5–7]。无论ILD亚型如何,非IPF的PF-ILD患者所经历的短期FVC下降和早期死亡率与IPF患者相当[1, 5, 6, 8]。

胸部CT对于ILD的诊断、监测和预后预测至关重要[1, 5, 9, 10]。研究已广泛探讨了ILD患者中PF-ILD的影像学危险因素,包括普通型间质性肺炎(UIP)CT模式和CT扫描上观察到的广泛牵拉性支气管扩张[11–15]。然而,CT图像的视觉评估往往导致显著的阅片者间和阅片者内变异性,例如蜂窝影的一致性为中等,ILD分类的一致性为一般至中等,这凸显了定量CT(QCT)分析的重要性[16–19]。事实上,多种用于评估ILD范围的QCT方法已被证明是评估疾病进展和预测肺功能变化的重要工具[20–22]。值得注意的是,基于深度学习的QCT的进展在ILD亚型分类和PF-ILD患者预后预测方面展现了相当大的前景[23, 24]。本研究探讨了基于深度学习的QCT在识别PF-ILD危险因素方面的效用。

材料与方法

本回顾性研究经首尔国立大学医院机构审查委员会(IRB)批准,并豁免了书面知情同意的要求(IRB编号:H-2305-086-1431)。

研究样本

本回顾性队列研究在韩国一家三级转诊医院进行。检索了2015年1月至2021年6月期间所有放射学报告中包含描述ILD关键词(如“网状影”、“网状改变”、“牵拉性支气管扩张”、“蜂窝影”、“间质纤维化”、“间质性肺疾病”、“ILD”、“特发性肺纤维化”、“IPF”、“普通型间质性肺炎”、“UIP”、“非特异性间质性肺炎”、“NSIP”、“过敏性肺炎”、“HP”、“间质性肺异常”或“ILA”)的CT扫描。检索共获得2864例患者。

排除标准如下:影像学报告未提示ILD的患者(n = 1409);研究期间基线与最终随访扫描之间CT检查间隔小于24个月的患者(n = 429),因为PF-ILD的定义是24个月内PFT结果下降或CT上纤维化增加[7];以及在每个CT扫描时间点3个月内无可用PFT结果的患者(n = 466)。一位胸部放射科医师(J.H.L.,具有11年ILD影像学经验)和一位委员会认证的放射科医师(S.Y.K.,具有4年ILD影像学经验)审查了剩余CT图像。他们排除了额外患者,这些患者的CT图像显示ILD急性加重或大量胸腔积液遮挡了肺实质中的ILD表现(n = 51),以及在基线和随访扫描之间接受过肺部手术的患者(n = 42)。无生存信息的患者也被排除(n = 2)(图1)。研究人群与Koh等人先前发表的研究[24]有重叠,额外排除了3例患者,原因包括急性加重(n = 1)和无可用生存信息(n = 2)。

图1 研究人群筛选过程流程图 查看原图 ↗

ILD的视觉评估

基线CT上的放射学ILD模式由一名放射科住院医师(K.L.,具有3年ILD影像学经验)和一名胸部放射科医师(J.H.L.)根据近期IPF指南[25, 26]进行视觉分类。模式分组如下:(1)UIP模式,(2)可能UIP模式,(3)不确定UIP或替代诊断。

CT上的视觉纤维化进展由两名胸部放射科医师(J.H.L.和H.I.P.,具有6年ILD影像学经验)独立评估。他们并排审查基线和随访图像,根据以下指南标准[26]确定ILD进展为进展或稳定:(1)牵拉性支气管扩张和细支气管扩张的范围或严重程度增加;(2)新出现磨玻璃影伴牵拉性支气管扩张;(3)网状影新出现或范围/粗糙度增加;(4)新出现或增加的蜂窝状改变;(5)肺容积丢失增加。如果他们的评估一致,则采用该共识。在意见不一致的情况下,由具有32年ILD影像学经验的资深胸部放射科医师J.M.G.对视觉进展做出最终判定。

由于所有患者距基线CT扫描至少间隔24个月,其中一部分患者还接受了中间1年随访CT扫描。为了研究QCT 1年变化的意义,我们收集了基线后9至15个月之间进行的这些可用随访CT扫描。

QCT分析

使用商业可用的基于深度学习的纹理分析软件(AVIEW Lung Texture version 1.1.43.7,Coreline Soft)分割ILD表现,包括肺气肿、实变、磨玻璃影(GGO)、网状影(RO)和蜂窝状改变。每种表现均自动分割并量化为占全肺容积的百分比。

纤维化范围定义为网格影(RO)与蜂窝影之和,总ILD范围定义为磨玻璃影(GGO)、RO与蜂窝影之和[1, 27, 28]。一名胸部放射科医师(J.H.L.)将该软件应用于所有基线和随访CT图像,并确认分割的完整性,未进行额外的手动修改。

CT图像采集的详细信息见补充文本。

临床数据

从电子病历中获取以下临床数据:年龄、性别、体重指数(BMI)、ILD亚型以及吸烟状态(如有)(曾吸烟 vs. 从不吸烟)。此外,根据美国胸科学会指南[29],收集基线和随访CT扫描3个月内的FVC(容积,L)及预测FVC百分比(%)结果。本研究采用基线与随访肺功能检查(PFT)之间预测FVC百分比的绝对下降值,符合近期PFT指南[26]。

生存状态和死亡日期从韩国行政安全部维护的数据库中获取。总生存期定义为从基线CT扫描至任何原因死亡的时间。生存时间截尾至2022年9月28日。对于死亡患者,截尾时间记录为死亡日期。

统计分析

基线特征、PFT结果和ILD CT定量结果根据正态性检验结果以均值±标准差或中位数(四分位距(IQR))表示。在INBUILD试验提供的三种PF-ILD定义中,由于本研究的回顾性设计,我们无法评估患者症状恶化[1, 5]。因此,PF-ILD基于CT上视觉纤维化进展和预测FVC百分比绝对下降≥ 5%来定义。为评估QCT对PF-ILD和全因死亡的预测价值,我们进行了多变量logistic回归和Cox比例风险回归分析。这些分析在多变量模型1中纳入各项ILD表现(GGO、RO、蜂窝影),在多变量模型2中纳入纤维化范围,在多变量模型3中纳入总ILD范围。若单变量分析中p值< 0.2,则对年龄、性别、BMI和基线CT上的UIP模式进行调整。无论单变量分析中是否显著,基线预测FVC百分比均被纳入,因其反映ILD患者典型的限制性肺功能并与预后相关[1, 5, 26]。Cox模型的C指数使用Harrell一致性统计量计算。此外,采用似然比检验比较含与不含QCT信息的嵌套模型,以评估将QCT纳入FVC分析的附加价值。为更清晰地突出QCT的临床相关性,我们使用研究期间从基线至最终随访的CT扫描,比较了基于QCT的变化与三名胸部放射科医师视觉评估之间全因死亡的Harrell C指数。

对于有可用1年随访CT扫描的患者,进行逻辑回归分析以评估每项ILD表现、纤维化范围和总ILD范围在1年内的变化。在Cox比例风险回归分析中,我们纳入1年进展这一变量,其定义为1年内FVC下降≥ 5%且纤维化范围增加≥ 1%。纤维化范围增加1%的阈值是基于软件的测量变异性选择的[27]。

对于敏感性分析,我们使用仅由FVC绝对下降≥ 10%定义的PF-ILD进行逻辑回归。此外,在数据可用的患者中,我们将吸烟状态作为自变量纳入。

统计分析使用SPSS 26.0版(IBM Corp.)和R 4.4.1版(R Core Team,2024)进行。p值< 0.05被认为具有统计学显著性。

结果

基线和随访的临床与影像学特征

本研究纳入465例诊断为ILD的患者,包括238名男性,中位年龄为65岁(IQR,58–71岁)。在这些患者中,220例(47.3%)临床诊断为IPF。其余245例患者(52.7%)为非IPF诊断,包括CTD-ILD(n = 146 [31.4%]);特发性NSIP(n = 22 [4.7%]);慢性过敏性肺炎(n = 5 [1.1%]);隐源性机化性肺炎(n = 3 [0.6%]);脱屑性间质性肺炎(n = 1 [0.2%]);以及不可分类ILD(n = 68 [14.6%])。

基线CT扫描显示,187例(40.2%)患者表现为UIP型,98例(21.1%)显示可能UIP型,180例(38.7%)为UIP不确定或提示替代诊断。基线CT扫描的QCT分析显示中位GGO为1.0%(IQR,0.4–2.4%),RO为3.9%(IQR,1.8–7.2%),蜂窝影为2.0%(IQR,1.1–3.9%),纤维化范围为6.6%(IQR,3.3–11.7%),总ILD范围为8.7%(IQR,4.7–14.9%)。在中位CT随访44个月(IQR,33–56个月)时,这些值变为GGO 0.9%(IQR,0.3–3.0%),RO 4.9%(IQR,2.2–9.5%),蜂窝影2.9%(IQR,1.3–7.2%),纤维化范围9.5%(IQR,4.1–18.3%),总ILD范围12.1%(IQR,5.7–21.5%)。放射科医师的视觉评估表明,465例患者中有264例(56.8%)出现ILD进展。292例患者(62.8%)有1年随访CT检查可用。

基线和随访的预测FVC百分比值分别为81.3 ± 18.1%和78.2 ± 20.5%。在CT随访间隔期间,分别有177例(38.1%)和98例(21.1%)患者观察到预测FVC百分比下降≥ 5%和≥ 10%。

在75个月的总随访期间(IQR,59–84个月),103例(22.2%)患者死亡(表1)。

表1 基线临床与影像学特征 查看原表 ↗

针对PF-ILD建议定义的逻辑回归分析

在465例患者中,148例(31.8%)被诊断为PF-ILD,其特征为CT视觉进展和预测FVC百分比绝对值下降至少5%。单变量分析确定了PF-ILD的几个危险因素:RO范围(比值比(OR):1.076,95%置信区间(CI):1.031,1.123,p = 0.001)、纤维化范围(OR:1.030,95% CI:1.005,1.056,p = 0.020)和总ILD范围(OR:1.022,95% CI:1.000,1.045,p = 0.047)均为显著变量。在针对临床-影像学变量进行调整的多变量分析中,RO范围被证实为PF-ILD的危险因素(OR:1.096,95% CI:1.042,1.152,p < 0.001)。此外,纤维化范围(OR:1.035,95% CI:1.004,1.067,p = 0.025)和总ILD范围(OR:1.031,95% CI:1.006,1.058,p = 0.017)在各自的多变量模型中也成为显著的危险因素(表2和图2)。

当PF-ILD定义为预测FVC百分比绝对值下降≥ 10%时的逻辑回归分析结果见补充表1。对具有吸烟状态可用信息患者亚组的分析见补充表2。

表2 进行性纤维化间质性肺病(ILD)发生的单变量和多变量逻辑回归分析及全因死亡率的Cox回归分析 查看原表 ↗
图2 一名57岁特发性肺纤维化患者基线(a、b)和29个月随访CT(c、d)上间质性肺病(ILD)表现的定量。颜色代表各ILD表现如下:橙色——网状影,红色——蜂窝状改变,粉色——实变,黄色——磨玻璃影,蓝色——肺气肿。在基线CT(a、b)上,网状影和蜂窝状改变的范围分别定量为肺容积的19.3%和7.2%。在随访CT(c、d)上,网状影和蜂窝状改变的范围分别增加至肺容积的36.5%和29.9%。该病例基线CT上网状影范围大于研究人群中位数3.9%(四分位距1.8–7.2%),并被分类为进行性纤维化间质性肺病,符合CT上纤维化视觉进展和预测FVC百分比从54%下降至37%的组合。 查看原图 ↗

全因死亡率的Cox比例风险回归分析

在单变量Cox比例风险回归分析中,RO(风险比(HR):1.100,95% CI:1.063,1.138,p < 0.001)、蜂窝状改变(HR:1.109,95% CI:1.078,1.141,p < 0.001)、纤维化范围(HR:1.071,95% CI:1.051,1.091,p < 0.001)和间质性肺病(ILD)总范围(HR:1.048,95% CI:1.030,1.066,p < 0.001)被确定为全因死亡率的显著因素。在多变量分析中,经临床-影像学变量调整后,RO(HR:1.063,95% CI:1.013,1.115,p = 0.013)和蜂窝状改变(HR:1.074,95% CI:1.034,1.116,p < 0.001)仍为显著的预后不良因素。独立多变量分析还显示,纤维化范围(HR:1.067,95% CI:1.043,1.093,p < 0.001)和总ILD范围(HR:1.046,95% CI:1.026,1.067,p < 0.001)为显著的预后不良因素(表2)。对具有吸烟状态可用信息患者的分析见补充表3。

在比较C-index时,纳入基线预测FVC百分比和QCT结果(磨玻璃影、网格影和蜂窝影的C-index:0.714,95% CI:0.660,0.764,p < 0.001;纤维化范围的C-index:0.703,95% CI:0.649,0.752,p < 0.001;ILD总范围的C-index:0.666,95% CI:0.616,0.717,p < 0.001)的Cox比例风险模型,其预测准确性优于仅纳入基线预测FVC百分比的模型(C-index:0.545,95% CI:0.500,0.599)。

对于研究期间从基线至末次随访的CT扫描,基于QCT的磨玻璃影、网格影和蜂窝影范围变化(C-index:0.713;95% CI:0.649,0.771;p = 0.003)、纤维化范围变化(C-index:0.671;95% CI:0.596,0.733;p = 0.023)以及ILD总范围变化(C-index:0.726;95% CI:0.666,0.778;p < 0.001)对全因死亡率的预后价值显著高于放射科医师对纤维化进展的视觉评估(C-index:0.604;95% CI:0.560,0.649)。

具有1年随访CT图像患者的亚组分析

在单变量logistic回归分析中,基线网格影、1年随访期间网格影增加以及同期纤维化范围增加均为显著危险因素(所有OR > 1,所有p值 < 0.05)。在多变量logistic回归分析中,校正临床-放射学变量后,1年随访期间网格影增加(OR:1.085,95% CI:1.009,1.167,p = 0.027)和CT上的基线网格影(OR:1.081,95% CI:1.012,1.154,p = 0.021)均为显著预测因子(表3)。

在单变量Cox比例风险回归分析中,显著的不良预后因素包括基线网格影、基线蜂窝影、基线纤维化范围、基线ILD总范围以及1年进展(所有HR > 1,所有p < 0.05)。在多变量Cox比例风险回归分析中,1年进展在三个多变量模型中均一致表现为不良预后因素。具体而言,校正临床-放射学变量后,模型1的HR为2.059(95% CI:1.095,3.870;p = 0.025);模型2的HR为2.068(95% CI:1.105,3.869;p = 0.023);模型3的HR为2.199(95% CI:1.177,4.109;p = 0.014)(表4和图3)。

在具有吸烟状态可用信息的患者子集中进行的额外logistic回归和Cox比例风险回归分析见补充表4和补充表5。

表3 在具有可用1年随访CT图像的患者中,对进展性纤维化性间质性肺病(ILD)发生的单变量和多变量logistic回归分析,其定义为CT视觉进展和FVC %绝对值下降≥ 5% 查看原表 ↗
表4 在具有可用1年随访CT图像的患者中,对全因死亡率的单变量和多变量Cox回归分析 查看原表 ↗
图3 一名69岁类风湿关节炎相关间质性肺病(ILD)患者的基线(a、b)、1年随访(c、d)和5年随访CT(e、f)上间质性肺病(ILD)表现的定量分析。颜色分别代表各ILD表现如下:橙色——网格影,红色——蜂窝影,粉色——实变,黄色——磨玻璃影,蓝色——肺气肿。从基线(a、b)到1年随访CT(c、d),纤维化范围(即网格影与蜂窝影之和)从8.6%增加至10.7%,预测用力肺活量百分比(FVC)从71%下降至65%。该病例在1年随访期间被定义为进展性纤维化性间质性肺病,依据为CT上纤维化增加超过1%且预测FVC百分比下降超过5%的组合。在5年随访CT(e、f)上,纤维化范围进一步增加至26.6%,患者在基线后87个月死亡 查看原图 ↗

讨论

对于PF-ILD患者,早期启动针对特定基础ILD量身定制的标准治疗——如特发性NSIP的免疫调节治疗、慢性HP的抗原回避以及CTD-ILD的免疫抑制——并将尼达尼布作为二线治疗,与肺功能改善和患者结局改善相关[1, 6, 7]。识别进展性纤维化高概率患者可实现密切监测和早期干预。深度学习的最新进展促进了ILD中CT表现的定量分析,使疾病评估能够自动且可重复地进行。利用这些基于深度学习的QCT结果,我们研究了PF-ILD的危险因素及其结局。因此,RO、纤维化范围和总ILD范围被确定为发生PF-ILD的危险因素。对于全因死亡率,RO、蜂窝影、纤维化范围和总ILD范围可作为预后标志物。结合1年随访CT,RO和RO增加均为PF-ILD的预测因素。基于QCT和FVC的1年进展显示出对全因死亡率的预后价值。

基于深度学习的定量CT(QCT)在既往研究中已证实定量CT方法对间质性肺病(ILD)的预后价值。具有代表性的,Oh等和Humphries等分别在接受研究的979例ILD患者和393例IPF患者队列中,采用数据驱动纹理分析(DTA)评估胸部CT上的纤维化范围[30, 31]。在这些研究中,基线DTA评分与肺功能检查(PFT)结果相关,包括FVC和DLCO占预计值百分比,也与这些指标随后每年的下降相关。此外,即使在校正了其他临床变量(如ILD CT模式和基线PFT值)后,DTA评分仍被确定为无移植生存或无进展生存的显著预后因素。与这些既往研究[30, 31]相比,我们除全因死亡率外,还将进行性纤维化性ILD(PF-ILD)的发生作为单独结局,因为PF-ILD患者的死亡率高于无PF-ILD者[1–4]。通过识别PF-ILD的危险因素,放射科医师和临床医师可以更主动地监测和管理高危患者。此外,我们评估了ILD患者1年内QCT指标变化的预后意义。虽然基线CT上的纤维化范围很重要,但纤维化范围的早期变化也是疾病进展的关键指标[32]。我们的研究通过应用基于深度学习的QCT方法探讨了这一问题。

尽管发现基线RO范围是PF-ILD的显著预测因素,但基线蜂窝影范围却不是。我们推测,由于蜂窝影被认为代表终末期肺纤维化[33, 34],伴有蜂窝影的肺实质进一步纤维化进展的潜力较小。相反,RO可能提示正在进行的炎症和纤维化过程。近期关于间质性肺异常的研究支持这一点,这些研究在病理学上发现,CT扫描上对应于RO的区域存在散在的增殖性成纤维细胞灶[35, 36]。此外,我们证明1年内RO增加是PF-ILD的预测因素,而蜂窝影的变化则不是,这进一步强化了我们的假设。

有趣的是,在调整临床-影像学变量后,基线CT上观察到的ILD模式并未显著预测PF-ILD(补充表6)。对于死亡率,基线CT上的ILD模式在调整其他临床因素后成为显著的预后因素。然而,当基线QCT结果纳入调整后,其显著性减弱(补充表7)。这些发现似乎与既往研究相矛盾,后者将CT上的UIP模式确定为PF-ILD的危险因素和强预后指标[7, 11, 14, 15]。这种差异可能源于对CT上UIP模式的主观评估。Widell等报告CT上UIP模式的观察者间一致性仅为一般至中等,低于蜂窝状和网状模式的一致性[37]。此外,本研究的回顾性性质意味着部分患者的基线CT可能并非在ILD病程的初始阶段进行。ILD CT模式的临床相关性可能因CT在ILD病程中获得的时间而异。因此,需要在ILD起病时进行更一致的基线CT影像的前瞻性研究来验证。然而,QCT结果一致显示具有显著性(表1、表2),提示在随机时间点对每个ILD征象进行QCT评估可能比ILD模式本身更具临床相关性,具有客观性的优势。

在Lee等开展的一项研究中,基线纤维化范围及QCT上纤维化范围的间期变化被确定为IPF患者生存的显著预测因素[38]。同样,我们的研究涵盖了IPF和非IPF ILD患者,证明了纤维化范围或其增加与死亡率之间的关联。这些发现与既往关于ILD中纤维化范围预后价值的研究一致[2, 15],并强调了基于深度学习的QCT分析的临床实用性。

本研究存在若干局限性。首先,其回顾性设计限制了临床数据的可获得性,尤其是关于症状加重的数据。因此,本研究中使用的PF-ILD定义未包括症状恶化,而症状恶化通常被视为PF-ILD定义的组成部分[1, 7]。相反,PF-ILD仅基于肺功能下降和CT上的影像学进展来定义。未来需要前瞻性研究纳入基于症状的标准并评估不同PF-ILD定义的预后意义。此外,尽管我们在亚组分析中证明了结果的一致性,但1年随访CT的可获得率为62.8%(465例患者中的292例),这可能引入偏倚或未测量的混杂因素。其次,我们的结果的泛化性可能有限,因为未在不同ILD队列或机构中进行外部验证。因此,需要前瞻性多中心研究来确认我们发现的可重复性和更广泛的适用性。第三,使用单一QCT软件量化ILD征象可能限制结果的泛化性。最后,CT机器、扫描方案和重建算法的变异性可能影响QCT结果的一致性和可靠性。

总之,基于深度学习的QCT所得到的基线网状影及其1年变化结果,已被确定为ILD患者发生PF-ILD的风险因素。此外,通过基于深度学习的QCT分析量化的纤维化,结合使用该纤维化变化指标定义的1年进展,已显示对这些患者的全因死亡率具有预后价值。

补充信息

电子补充材料

引用

  1. Lee K, Lee JH, Koh SY, et al. Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach. Eur Radiol. 2025. PMID: 40526353. doi:10.1007/s00330-025-11714-x
  2. 全文:PMC12634812(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12634812/

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。