儿童肺结节:知识现状、人工智能应用与未来方向
本文综述儿童肺结节的流行病学、组织学和影像表现,指出目前尚无儿童特异性随访指南,良性结节在健康儿童和恶性肿瘤患儿中均常见,约半数活检结节为良性,并探讨人工智能在儿童肺结节评估中的应用现状。
要点
- 健康儿童中33%–75%至少有一个肺结节,多为良性,常见于下叶,平均约3 mm。
- 已知恶性肿瘤患儿活检结节中约半数(42%–63%)为良性,大小不能可靠鉴别良恶性。
- 作者提出≤6 mm的偶发结节可能为良性,无恶性肿瘤时无需影像随访,但非指南推荐。
核心结论
- 儿童肺结节常见且多为良性,目前无儿童特异性随访指南,作者基于文献提出≤6 mm偶发结节在无恶性肿瘤时可能为良性、无需影像随访,但该建议非指南推荐。
研究设计与样本
- 综述,检索并汇总儿童肺结节相关文献,涵盖流行病学、组织学、影像表现及人工智能应用,未报告系统检索范围与纳入文献数量。
关键影像表现/征象
- 健康儿童偶发结节多位于下叶,通常小于1 cm,平均约3 mm,可含钙化。
- 良性肺内淋巴结CT表现为三角形、小于1 cm(平均3.6 mm)、边缘光滑、实性、无钙化或脂肪,常位于叶间裂旁。
- 转移结节最可疑特征为数周内稳定生长和边缘锐利,骨肉瘤转移可出现骨化/钙化。
- 双侧及周围分布结节与恶性可能性较高相关,符合血行播散。
- 类癌常为边界清楚的肺门或肺门旁孤立结节或肿块,可完全或部分腔内或邻接气道,增强CT/MRI有强化,可钙化,T2WI高信号,68Ga-DOTATATE PET高摄取。
诊断标准与关键数值
- 肺结节定义为平均直径≤30 mm的局限性、通常圆形致密影,>30 mm为肿块,<6 mm为微结节(2024 Fleischner Society定义)。
- 偶发结节≤6 mm在无恶性肿瘤时可能为良性、无需影像随访(作者提出),与2017 Fleischner Society成人指南一致。
- Liang等2022年提出儿童特异性建议采用更保守的5 mm截断值。
- 2015年儿科放射学会胸影像委员会建议偶发结节随访CT对儿童可能弊大于利,管理应基于临床病史和照护者意愿个体化,而非遵循成人2017 Fleischner指南。
临床应用与阅片要点
- 阅片时注意结节大小、边缘、密度、钙化及分布,下叶和叶间裂旁小结节多为良性。
- 已知恶性肿瘤患儿中约半数活检结节为良性,不能仅凭大小判断良恶性,需结合生长速度和边缘。
- 儿童胸部CT采用2 mm及以下薄层、多平面重建和最大密度投影可提高结节检出,MIP使13岁以下儿童结节检出率从57%提高到71%。
- 剂量缩减技术可在儿童中可靠检出肺结节,Thapaliya等研究平均有效剂量0.3 mSv,管电流降至40或25 mA(取决于CT扫描仪),管电压100 kVp。
- 光子计数探测器CT较能量积分探测器CT在儿童中显著降低辐射剂量并保持胸部CT主客观图像质量。
局限性
- 目前无儿童特异性肺结节管理指南,类似2017 Fleischner Society成人指南者尚缺。
- 健康儿童肺结节很少被活检,组织学常未知。
- 健康儿童良性结节的组织病理可能与恶性肿瘤患儿良性结节相似,但尚未证实。
- 儿童肺转移结节切除尤其骨肉瘤已确立,识别所有结节对手术规划重要。
- 原文未报告系统检索范围与纳入文献数量。
全文中译21 节 · 点击展开
引言
Fleischner 学会胸部影像学术语词汇表将肺结节定义为“一种边界清楚的、通常呈圆形的、平均直径小于或等于 30 mm 的致密影 [1]”。直径大于 30 mm 的结节称为肿块。根据 2024 年 Fleischner 学会的定义,直径小于 6 mm 的结节称为微结节,这一区分用于鉴别成人患者中可能具有临床处理意义(较大)的结节 [1]。结节可根据其形状(圆形、卵圆形、多边形)、边缘(光滑 vs. 不规则)、密度(实性、磨玻璃、部分实性)和内部特征(脂肪、钙化、空洞)进行描述。也可根据其分布进行分类——小叶中心性、淋巴管周围性或随机分布。这些特征可用于预测结节的组织病理学,以及在成人中预测预后。
虽然肺结节在成人中更为常见,但在健康儿童以及患有已知全身性疾病和恶性肿瘤(包括胸外和原发性肺部恶性肿瘤)的儿童中也经常遇到。2015 年儿科放射学会胸部影像学委员会的出版物《儿童偶然发现的肺结节:第 2 部分》为 CT 上偶然发现的结节的诊断管理提供了框架 [2]。然而,需要注意的是,目前尚无针对儿童肺结节管理的儿科专用指南,其范围类似于 2017 年 Fleischner 学会关于管理至少 35 岁成人中偶然发现结节的指南 [3]。因此,解读儿科影像学研究的人员必须了解儿童肺结节的病因、患病率和影像学特征,以便在需要时提供适当的随访评估建议。在这些考虑因素中,是否存在或怀疑潜在恶性肿瘤仍然是影响管理决策的最关键决定因素。
健康儿童中的肺结节
计算机体层成像(CT)的广泛使用导致儿童肺结节的检出率增加,包括偶然发现的结节。偶然发现的肺结节是在影像学检查中意外发现的结节,有别于在已知恶性肿瘤或免疫缺陷病患者中检测到的结节。近年来,超高分辨率 CT(U-HRCT)已投入商业使用,通过先进的探测器技术提供卓越的空间分辨率,包括能量积分探测器和光子计数探测器、更小的探测器元件尺寸和大型重建矩阵(1024 × 1024 和 2048 × 2048),可与基于深度学习的算法相结合以提高图像质量 [4–6]。在成人研究中,与常规 CT 相比,U-HRCT 已证明可改善肺结节的图像质量,并提高对直径小于 1 mm 结节的检出率 [4, 5]。随着 U-HRCT 在儿科实践中的使用不断扩大,放射科医生可能会发现更多的微结节,这凸显了更清楚地了解其在健康儿童中的患病率和临床意义的必要性。
少数研究评估了健康儿童中肺结节的患病率。Renne等人和Samim等人的研究评估了因创伤后接受影像学检查的儿童的胸部CT,发现33–38%的患者至少有一个结节,每位患者有1–5个结节[7, 8]。这些研究未纳入恶性肿瘤患儿。Avles等人的一项研究评估了因漏斗胸畸形术前检查而接受胸部CT的患者中肺结节的存在情况[9]。在该研究中,75%的儿童被发现至少有一个肺结节,每位患者最多达21个结节。该研究中肺结节的高频率被认为是继发于地方性肉芽肿性疾病。该研究的排除标准包括检查时或检查后两年内患有恶性肿瘤、扫描前15天内有感染或创伤,以及术前评估期间肺功能或心功能检查有任何变化。
研究还评估了新发现的肺结节在健康儿童和患有系统性疾病儿童中的临床意义和影响。Breen等人的一项研究评估了7年期间在腹部CT上发现的肺结节,发现仅1.2%的患者有新发现的肺结节。有随访的结节中81%(46/57)见于无恶性肿瘤病史的患者,均为良性[10]。值得注意的是,回顾分析使用的是5 mm层厚图像,这可能限制了对微结节的检出。此外,Barber等人发现其研究中64%的儿童为单发结节,其中84%在其他方面健康[11]。在多发肺结节患者中,50%在其他方面健康,其余患者患有除恶性肿瘤以外的系统性疾病,这些疾病在发现结节时已知或同时诊断。患有恶性肿瘤以及因结核筛查阳性而接受胸部CT的患者被排除在该研究之外。
尽管数量不多,这些研究说明了在无恶性肿瘤的儿童中发现肺结节的频率,其中许多为偶然发现。
儿童良性结节的影像学特征
偶然发现的肺结节最常见于下叶[7–9]。其大小通常小于1厘米,平均测量值约3 mm(表1),并可能含有钙化(图1)[7–9]。良性肺内淋巴结(IPLN)是儿童良性偶然结节的原因之一,其CT特征包括三角形、大小小于1 cm(平均大小3.6 mm)、边缘光滑、实性成分且无内部钙化或脂肪(图2)[12]。一项关于患癌儿童良性IPLN的CT特征的研究发现,良性IPLN常位于叶间裂旁,与成人研究相似[12–14]。
儿童良性肺结节的组织学
在没有恶性肿瘤的儿童中,肺结节很少进行活检,因此这些结节的组织学常常未知。相比之下,在因疑似肺转移而接受切除的肺外恶性肿瘤儿童中,良性结节的病理特征已被描述。研究报道,切除的良性结节的组织病理学包括肉芽肿、纤维化、淋巴组织和感染等原因(图3;表2)[15–18]。尽管尚未证实,但健康儿童中发现的良性结节可能具有与恶性肿瘤儿童中发现的良性结节相似的组织病理学。
随访建议
关于儿童偶发肺结节自然史的有限研究表明,在 otherwise 健康儿童中检测到的无可疑特征的结节不需要额外的感染实验室检查,也不需要重复影像学检查[10, 11, 19]。伴有其他系统性疾病相关结节的儿童通常表现为该系统性疾病的其他体征[11]。这些研究的结论得到了2015年儿科放射学会胸部影像委员会的支持,该委员会提出,鉴于儿童原发性肺癌的罕见性,对偶发结节进行随访CT对儿童的伤害可能大于获益,并建议管理应根据临床病史和照护者偏好进行个体化,而不是遵循以成人为重点的2017年Fleischner学会指南[20]。基于这一框架和上述文献综述,我们提出,测量≤ 6 mm的偶发结节可能为良性,在没有恶性肿瘤的情况下,不需要影像学随访。这与2017年Fleischner学会成人指南一致,使这一大小易于记忆,并且与Liang等人于2022年提出的儿科特异性建议相似,后者建议略为保守的5 mm cutoff[21]。
儿童肺转移
绝大多数恶性肺结节代表胸外恶性肿瘤的转移性疾病。常转移至肺的儿童肿瘤包括Wilms瘤、骨肉瘤、横纹肌肉瘤、Ewing肉瘤、肝母细胞瘤,以及较少见的神经母细胞瘤[20, 22–24]。虽然已知患有恶性肿瘤的儿童中检出的肺结节必须予以警惕,但它们并非普遍代表转移性疾病。少数研究调查了已知患有胸外恶性肿瘤的儿童活检结节的组织学(表2)。例如,Silva等人的一项研究发现,已知患有胸外恶性肿瘤的患者中,63%(17/27)的活检肺结节为良性,而33%(9/27)为恶性;其余活检结果不确定[25]。Rosenfield等人的研究显示了类似结果,其中54%(7/13)的活检结节显示良性发现,而46%(6/13)的活检结节代表转移性疾病[17]。McCarville等人发现,在接受活检的恶性实体原发肿瘤儿科患者中,42%(17/41)仅有良性结节,58%(24/41)至少有一个活检证实的恶性结节,10%(4/41)同时有良性和恶性结节[15]。这些研究表明,已知患有恶性肿瘤的患者中肺结节的不确定影像学特征给放射科医生和临床医生带来了挑战,因为这些研究中大约一半的活检结节为良性。
儿童转移性结节的影像学特征
鉴于已知肺外恶性肿瘤患者中良性结节的患病率相对较高,多项研究试图识别转移性结节的鉴别特征。转移性结节最可疑的特征或许是生长速度。数天内快速生长更常见于感染性和炎性结节,而数周内稳定生长则应视为可疑。同样,边缘锐利的结节更可能代表转移灶[15]。在骨肉瘤患者中,骨化/钙化的存在与恶性结节组织学概率增加相关(图4)[26, 27]。另一方面,结节大小可能提示也可能不提示恶性。虽然一些研究发现直径大于5 mm的结节更可能为恶性,但其他研究未发现大小与恶性风险相关[15–17, 26]。因此,虽然较大结节更可疑为恶性,但在已知恶性肿瘤的儿童中,即使微小结节也应视为可疑,因为仅凭大小并不能可靠区分儿童良恶性病因。结节数量和分布也已在儿童肺转移中进行了研究,发现双侧和外周分布的结节与更高的恶性可能性相关,符合转移性疾病的血行播散(图5)[16, 18]。因此,虽然肺结节的CT影像特征可提示转移,但目前尚无明确的肺转移特征可将其与良性结节区分。重要的是,与成人转移性肺疾病不同,儿童肺外实体瘤(尤其是骨肉瘤)的肺转移结节切除是成熟做法,识别所有结节对手术规划可能很重要[28]。
儿童原发性肺癌
儿童原发性肺部恶性肿瘤极为罕见,仅占所有儿童恶性肿瘤的0.2%,即约每200万儿童中1例[29]。发病高峰出现在0–4岁和15–19岁儿童[30]。
少数研究分析了美国国家癌症数据库(National Cancer Data Base)和监测、流行病学和最终结果(Surveillance, Epidemiology, and End Results,SEER)数据库,以明确儿童和青少年原发性恶性肺部肿瘤的发病率(表3)[29–31]。这些分析显示,儿童最常见的原发性肺部恶性肿瘤是类癌瘤,最常见于较大儿童和青少年[22, 29–32]。其他原发性肺部恶性肿瘤包括胸膜肺母细胞瘤(最常见于婴儿和幼儿)和黏液表皮样癌(通常见于较大儿童和青少年)[33]。鳞状细胞癌占儿童原发性肺癌的一小部分,儿童中的重要危险因素是因人乳头瘤病毒(HPV)感染导致的复发性呼吸道乳头状瘤病(见下文讨论)[34]。
原发性恶性肿瘤的影像学特征
虽然不常见,但原发性恶性肿瘤可表现为肺结节。例如,类癌瘤常表现为边界清楚的肺门或肺门周围孤立性结节或肿块[33, 35]。类癌瘤可完全位于腔内、部分位于腔内,或可紧贴气道(图6)[35]。虽然大多数病变位于中心,但类癌瘤也可发生于肺外周[36]。类癌瘤的其他影像学特征包括增强CT和磁共振成像(MRI)上的肿瘤强化以及钙化(点状、偏心性或弥漫性)[33, 35, 36]。支气管类癌瘤通常在T2加权和短时间反转恢复MR图像上表现为高信号强度[37]。类癌瘤通常大量表达2型生长抑素受体,并在68 Ga-DOTATATE PET上显示明显摄取,该检查可用于肿瘤表征、分期和治疗计划。
黏液表皮样肿瘤也表现为边界清楚的支气管内结节或肿块,可起源于中心或外周气道(图7)[33, 38]。一项纳入儿童和成人患者的研究提示,“明显强化的中心性支气管结节或肿块可能提示低级别[肿瘤]。高级别[肿瘤]倾向于位于外周、边缘不清,并表现为分叶状、不均匀的结节或肿块,强化程度较低”[39]。
其他原发性肺肿瘤,如胸膜肺母细胞瘤(PPB)和炎性肌纤维母细胞瘤(IMT),通常表现为肿块而非结节[33]。PPB是新生儿和婴儿中最常见的恶性肿块。IMT是儿童最常见的原发性肺部肿块,通常表现为孤立的、边界清楚的外周肺肿块[33, 40]。虽然IMT被认为是良性肿瘤,但其临床行为可变,具有复发和转移性疾病的潜力[41, 42]。强化模式和钙化等影像学特征可变。
儿童肺结节的其他病因
感染性
肺结节常见于感染和误吸情况下,表现为聚集性小叶中心结节。在地方性真菌感染,特别是组织胞浆菌病和球孢子菌病的情况下,可见孤立性、多发散在或粟粒型结节,粟粒型结节通常见于免疫功能受损患者。有助于将地方性真菌感染所致的孤立性结节与肺部恶性肿瘤或转移性疾病相鉴别的线索包括结节邻近的支气管血管周围结节状/串珠状改变和/或主结节周围的微小卫星结节。组织胞浆菌病所致结节倾向于随时间发生中心性或弥漫性钙化,常伴有钙化性肺门淋巴结[43]。值得注意的是,鉴于结核病的影像学表现谱广泛,在地方性疾病流行地区建议保持高度临床警惕。
非感染性
儿童肺结节可由多种非感染性病因引起。这些可发生于各种全身性疾病背景下,包括免疫缺陷/免疫失调、淋巴瘤和移植后淋巴增殖性疾病[44, 45]、结缔组织病[44]、结节病[46]和血管炎[47, 48]。例如,淋巴细胞性间质性肺炎患者可见边界不清的小叶中心结节[44]。在肉芽肿性多血管炎中,最常见的肺部表现包括多灶性结节,许多直径超过5 mm,大结节/肿块有时可伴空洞形成[47]。
肺错构瘤常见于成人,但在儿童中罕见。错构瘤的影像学特征包括边界清楚的结节内脂肪和爆米花样钙化,边缘呈分叶状[49, 50]。
肺朗格汉斯细胞组织细胞增生症(PLCH)虽不常见,但可导致结节形成。与成人中大多数患者为吸烟者不同,儿童中的发病机制被认为反映了对未知刺激/抗原的失控免疫反应,且儿童更常表现为多灶性/全身性LCH。与成人相似,儿童结节会演变并发生空洞化,形成壁厚和大小不一的囊肿,常呈奇异形状[51]。
复发性呼吸道乳头状瘤病(RRP)是一种由6型和11型HPV感染引起的慢性疾病,导致呼吸道消化道内良性鳞状乳头状瘤生长。青少年发病型RRP被认为是通过分娩时母婴传播,即通过接触产道内感染性分泌物而发生。RRP通常局限于喉部,罕有累及肺部。RRP的肺部受累最好通过CT评估[52, 53]。肺部病变包括散在、边界清晰的实性结节、空洞性结节、含气囊肿和肿块,主要位于下肺和后肺(图8)[33, 53, 54]。提示肺部RRP恶变的征象包括“在先前含气囊肿占据的区域出现伴有中心坏死的异质性肿块、侵犯邻近结构、胸腔积液以及纵隔和颈部淋巴结肿大”[33]。此外,18F-氟脱氧葡萄糖正电子发射断层扫描(FDG PET)可用于检测肺部病变和纵隔/肺门淋巴结中摄取异常增高的病灶[54, 55]。
肺结节的其他病因见表4。
肺结节的影像学检查
胸部X线摄影
胸部X线摄影仍然是评估儿童胸部疾病最常用的影像学方法。它提供了一种低成本、易于获取且相对快速简便的胸部影像检查方法。此外,胸部X线摄影的电离辐射暴露非常低。虽然胸部X线片通常用于评估肺炎和其他急性胸部病变,但也常用于胸部转移性疾病的长期监测。在预后良好型Wilms瘤患者中,复发性肺转移疾病的监测已从CT转向X线摄影,因为Mullen等人的一项研究发现,取消监测性CT扫描不太可能影响生存率,因为复发时最大肿瘤直径小于1 cm与1–2 cm的患者在生存率上没有差异[56]。鉴于X线摄影的广泛使用以及肺结节在健康儿童和恶性肿瘤患儿中的常见存在,阅判儿童胸部X线片的人员仍需对肺结节保持警惕,同时应牢记许多1 cm或更小的软组织结节在胸部X线片上不可见,而可见的小于1 cm的结节通常是钙化的或代表假阳性[57]。
胸部CT
CT 是用于评估已知肺结节最常用的横断面成像方式,并被视为结节检测的参考标准。使用多探测器 CT 可实现快速图像采集,以及肺部的高对比度和高空间分辨率成像。快速图像采集对儿童尤为有益,因为它可能免去镇静的需要及其相关后果,包括复杂的麻醉安排、麻醉药物的潜在不良反应,以及麻醉相关的肺不张——后者会限制放射科医生检测肺结节的能力 [58, 59]。高空间分辨率(2 mm 层厚及以下)可优化肺结节的检测,包括微结节。此外,使用多平面重建和最大强度投影(MIP)重组已被证明可提高肺结节的检测率 [60–62]。一项研究显示,加入 MIP 图像可使 13 岁以下儿童的肺结节检测率从 57% 提高至 71% [60]。这在转移性疾病评估中尤为重要,因为微结节可能代表肺转移,并可能改变分期和治疗方案。虽然 CT 对肺实质的评估非常出色,但传统上它使儿童暴露于更高(相对于 X 线摄影)的电离辐射剂量,且儿童一生中面临恶性肿瘤的风险高于成人 [63–66]。因此,已利用剂量降低技术来尽量减少需要 CT 成像儿童的辐射暴露。例如,Thapaliya 等的一项儿童肺结节研究在管电压 100 kVp 下,根据所使用的 CT 扫描仪将管电流降至 40 或 25 mA,实现了 0.3 mSv 的平均有效剂量 [67]。儿童研究表明,使用剂量降低技术仍可可靠地检测肺结节(图 9)[67–69]。此外,光子计数探测器 CT(PCD CT)已被证明在儿科患者中相对于能量积分探测器 CT(EID CT)可显著降低辐射剂量,同时保持胸部 CT 的客观和主观图像质量 [70, 71]。此外,评估成人结节在 PCD CT 上图像质量的研究表明,与 EID-CT 相比,PCD CT 上结节的图像质量改善,空间分辨率更高 [72]。基于深度学习的图像重建和恢复算法也已被开发用于图像降噪,从而使低剂量 CT 图像质量得以改善 [73](见下文讨论)。
胸部 MRI
MRI 胸部最常用于纵隔和胸壁肿块的软组织表征,因为它相对于 CT 能提供更优的软组织表征。肺实质的 MR 因充气肺的低质子密度而变得困难,导致信噪比低、由于组织和空气界面产生的磁敏感伪影,以及呼吸和心脏运动产生的伪影 [74]。尽管存在这些挑战,MR 技术的进步,包括超短回波时间和深度学习图像重建,已使得在最佳扫描条件下无需暴露于电离辐射即可检测小至 5 mm 的肺结节成为可能 [75–77]。成人研究也已证明,利用扩散加权成像和动态对比增强成像对大于 5 mm 的结节进行组织表征和良恶性鉴别的潜力 [78–81]。然而,MR 在可靠检测小于 5 mm 的结节方面仍然有限,从而限制了其目前作为检测小肺转移瘤工具的应用 [82, 83]。MR 的另一个主要局限性在于检测钙化结节,例如在转移性骨肉瘤病例中所见者,因为钙化导致磁敏感相关信号丢失,可能使这些结节在 MR 上不可见 [76]。MR 的其他局限性包括图像采集时间较长和需要患者配合,这在儿童成像时尤为令人担忧。
PET
对于实性肺结节 > 8 mm 且恶性检验前概率为低至中度(5%–65%)的成人,推荐使用18F-氟脱氧葡萄糖正电子发射断层扫描(FDG-PET)进一步表征 [84]。虽然足尺寸的恶性结节中常可见FDG摄取升高,但这对恶性并不具有特异性,也可见于感染性/炎性结节。在成人中,FDG-PET/CT区分恶性肺结节的敏感性为72%–94% [84]。在无已知恶性肿瘤的健康儿童中,很少进行PET/CT来表征不确定性肺结节,且尚无关于FDG-PET/CT在健康儿童中区分良性与恶性肺结节准确性的数据。McCarville等人在实体瘤患儿中使用FDG-PET/CT检测≥ 5 mm恶性肺结节的敏感性为76%,特异性为36% [85]。当阅片者结合FDG-PET/CT评估诊断性胸部CT时,敏感性不变,但特异性提高至86%,推测这反映了PET成像通常为自由呼吸采集,而诊断性CT为屏气或呼吸暂停期间采集。在McCarville等人的研究中,FDG-PET/CT未检出任何< 5 mm的结节。≥ 5 mm恶性结节的最大标准化摄取值中位数(SUVmax)显著高于良性结节(3.1 vs 1.1),且SUVmax是恶性组织学的显著预测因素。自McCarville等人的研究以来,PET技术已取得进展,扫描仪敏感性和运动补偿技术提高,这应能提高代谢活跃肺结节的检出率并改善其表征。与CT一样,PET扫描需要对儿科患者进行电离辐射暴露,且历史上较长的图像采集时间需要患者配合,在某些情况下需要患者镇静。具有更高敏感性和z轴视野的新一代扫描仪已解决其中一些局限性,降低了患者剂量并显著缩短了扫描时间。
人工智能与肺结节
近年来,人工智能(AI)在医学成像中的使用显著增加,原因包括强大并行计算硬件(包括图形处理单元)成本下降、大量标注数据的可获得性增加以及合成数据使用的增加,以及训练技术和机器学习架构的改进 [86, 87]。AI在胸部成像中的使用包括但不限于肺分割、肺结节检测、肺结节表征以及低剂量CT的降噪技术 [88, 89]。
图像采集与重建
人工智能推动的CT和PET/CT技术进步使得成人和儿科患者的剂量均可降低。虽然降低剂量历来会因重建图像中噪声增加而导致图像质量下降,但基于人工智能的重建算法改善了低剂量扫描的图像质量。例如,Brady等人开展的一项研究评估了一种基于深度学习的CT重建(DLR)算法,该算法相较基于统计的迭代重建算法可实现52%的更大剂量降低[90]。此外,DLR算法能够保持放射科医师所偏好的空间分辨率和噪声纹理[73, 90, 91]。
肺结节的检测
在CT上准确检测肺结节对于恶性肿瘤患儿的正确分期和治疗优化至关重要,因为肺部是最常见的转移部位之一。这项任务既耗时又容易出现人为错误。成人研究表明,即使是经验丰富的放射科医师也可能漏诊具有潜在重要意义的肺结节[92, 93]。人工智能算法(包括计算机辅助检测(CAD)系统)的发展可协助放射科医师识别肺结节,研究表明,在成人中将其用作第二阅片者时可提高放射科医师对肺结节检测的敏感性[94–98]。研究还表明,使用人工智能辅助可缩短扫描判读时间,并被认为“减轻了放射科医师的工作量”[99, 100]。基于成人数据训练的CAD系统已被应用于儿科CT数据(图10)。然而,据我们所知,尚无使用儿科训练数据开发的儿科专用肺结节CAD系统。
将成人训练的AI软件应用于儿童胸部影像进行结节检测的结果不一。Shin等人使用基于ResNet34的深度卷积神经网络(该网络针对成人胸片开发并获批用于评估八种不同肺部病变,包括肺结节)评估了2273张儿童胸片[101]。该AI软件对结节检测的敏感度、特异度和准确率分别为93.8%、96.6%和96.6%。Ni等人评估了一种深度卷积神经网络(DCNN)用于诊断青少年和年轻成人骨肉瘤患者胸部CT上的肺结节,发现与初级医师人工检测肺结节相比,DCNN的敏感度和特异度显著更高(分别为92.3% vs 90.8%和55.2% vs 35.1%),准确率也显著更高(AUC 0.795 vs 0.687)[102]。该研究还发现,使用DCNN显著缩短了阅片时间。Hardie等人发现,两个基于成人数据训练的CAD系统在儿童数据上检测结节的敏感度(Flyer scan [103] 68.4%;医学开放人工智能网络(MONAI [104])53.1%)低于成人数据(Flyer scan 83.9%;MONAI 95.5%)[105]。值得注意的是,Hardie等人报告儿童测试数据中的平均结节尺寸小于成人测试数据(平均结节尺寸分别为5.4 mm vs 11 mm,p < 0.001)。同样,Salman等人发现,一个基于成人数据训练的肺结节CAD系统在儿童胸部CT上的敏感度低于两位儿童放射科医师;排除微结节后敏感度提高(敏感度39% vs 68%)[106]。鉴于这些研究中AI性能的差异,以及AI检测结节在提高检测敏感度、缩短扫描判读时间和减轻放射科医师疲劳方面的潜在优势,这些发现共同强调了需要基于儿童肺部影像数据训练的儿童专用CAD系统(图11)。
结节特征描述
结节特征描述传统上限于人眼可检测的特征,包括结节大小、形状、边缘、内部特征及随时间演变。例如,四种良性钙化模式包括弥漫性、中心性、层状和爆米花样钙化。一些研究表明,在伴有基础恶性肿瘤的患者中,结节大小大于5 mm提示转移[16, 107]。同样,结节生长可疑为恶性。虽然磨玻璃结节和部分实性结节在成人中被视为肺癌可疑征象,但鉴于儿童原发性肺部恶性肿瘤罕见,磨玻璃结节更可能代表感染/炎症。
人工智能的使用使得能够利用手工制作的影像组学和深度学习(DL)方法进一步表征肺结节。影像组学旨在提取和分析影像病灶的预定义手工制作定量特征,以评估其肉眼不可见的瘤内特性,从而实现肿瘤表征和结局预测等任务[108, 109]。例如,Cho等人对骨肉瘤患儿肺结节的一项研究发现,通过计算机纹理分析可将转移灶与良性结节区分开来,其中平均衰减值较高(可能反映骨化/钙化)、不均匀性更大以及直径更大等特征是转移性结节的显著预测因素[27]。与影像组学不同,DL特征并非预定义的,而是使用大型数据集训练神经网络来发现可用于预测结局的特征,可采用监督、半监督或无监督方式进行[110]。多项成人研究评估了影像组学和深度学习在预测肺结节恶性程度方面的应用,并在恶性风险分层中展现出优异性能,部分模型甚至扩展到组织学预测[109, 111]。生物医学影像领域一项活跃的grand challenge竞赛——肺结节分析恶性风险评估2025——正在进一步推动该领域发展[112]。相比之下,迄今为止人工智能技术在儿童结节表征中的应用有限。改善结节恶性风险预测的潜在益处包括减少假阳性发现、减少不必要的随访、患者焦虑和医疗费用。
未来方向
当前儿科放射科医师的短缺,加之影像检查量的上升和检查复杂性的增加,对维持及时、准确的检查判读构成了重大挑战。这些压力为基于人工智能(AI)的工具创造了机会,以提高工作流程效率并减轻认知负担,最终将支持儿科影像的高质量判读。鉴于AI算法在成人人群中改善结节检测和表征的前景,以及既往研究表明成人训练的计算机辅助检测(CAD)系统应用于儿科CT扫描时性能较差,开发儿科训练的AI算法的需求显而易见。然而,开发儿科特异性肺结节CAD系统的一个重大障碍是当前缺乏公开可用的标注儿科训练和测试数据。迄今为止,在最大的公开癌症影像数据库之一——癌症影像档案(The Cancer Imaging Archive)[113]上,尚无儿科肺结节数据集可用。儿童肿瘤学组设有一个中央影像登记处——质量保证审查中心(QARC),其数据集包含来自多种不同癌症类型的影像。获取这些异质性、未标注的数据集需要向该组织提出申请。创建一个大型、标注的、公开可用的儿科肺结节数据库将极大地有助于开发儿科特异性肺结节CAD系统,针对儿童中有临床意义的结节,包括微结节。除了开发用于儿科胸部CT结节检测的CAD系统外,创建专门用于此类结节表征以进行预后判断的算法也有很大机会。这些活动直接支持美国放射学会的Image IntelliGently™倡导运动,该运动支持“所有儿科患者都将获得放射学中具有临床实用性的AI”这一原则。
结论
肺结节在健康儿童和患癌儿童中均常见。良性病因远比恶性病因常见,转移瘤远比原发性肺部恶性肿瘤常见。虽然一些影像特征提示转移性疾病,但目前尚无能够可靠区分儿童恶性和良性结节的明确结节特征。用于结节检测和表征的AI在成人患者中展现出巨大前景,而针对儿科肺结节的研究很少。此外,少数研究调查了成人训练的AI算法在儿科数据上的性能,结果显示性能参差不齐,揭示了开发儿科特异性AI的必要性。开发可信赖的儿科肺结节检测和表征AI系统的关键是被准确标注的儿科数据集,而目前此类数据集尚不存在。需要医疗机构、放射科医师、计算机科学家和工程师以及供应商之间的协作努力,以持续开发亟需的儿科特异性AI系统。
引用
- Tanimoto AA, Morin CE, Schapiro AH, et al. Pediatric pulmonary nodules: current state of knowledge, AI applications, and future directions. Pediatr Radiol. 2025. PMID: 41222630. doi:10.1007/s00247-025-06447-4
- 全文:PMC12831686(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12831686/
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。