文献速递胸部CT

SARS-CoV-2相关肺炎的计算机断层扫描半自动肺体积定量分析

Computed tomography semi-automated lung volume quantification in SARS-CoV-2-related pneumonia.
PubMed 文献 · Eur Radiol · 2020-10-30

该回顾性多中心研究对108例SARS-CoV-2肺炎患者的胸部CT行半自动肺分割与定量分析,计算通气肺体积、磨玻璃影体积和实变体积及其比值,并与实验室参数和临床结局对照;结果显示各肺体积指标与炎症指标、氧合指标及需要有创气管插管通气相关。

要点

  • 半自动软件可自动分割并定量磨玻璃影体积与实变体积,磨玻璃影体积均值高于实变体积。
  • 磨玻璃影和实变体积及其与全肺体积、通气肺体积的比值与C反应蛋白、白细胞计数等实验室指标相关。
  • 需要有创气管插管通气的患者病理肺体积和CT评分均显著高于未插管患者。

核心结论

  • 使用半自动定量算法分析肺部CT可将SARS-CoV-2相关肺炎的严重程度与实验室参数及需要有创通气有效关联。

研究设计与样本

  • 回顾性观察性研究,纳入108例RT-PCR确诊的SARS-CoV-2感染住院患者,来自意大利伦巴第大区三家医院。
  • 采用专用于COPD的肺分析软件(IntelliSpace Portal,Philips Healthcare)进行半自动肺分割与体积定量。
  • CT扫描参数:中心1为256层扫描仪(iCT Elite,Philips Healthcare),100 kV,自动mAs,层厚2 mm,间距1 mm;中心2为128层扫描仪(Revolution,General Electric),120 kV;中心3为16层扫描仪(Toshiba Aquilion RXL,Canon Medical Systems),120 kV。
  • 参考标准:RT-PCR确诊SARS-CoV-2感染,实验室和动脉血气检查于CT同日完成。

关键影像表现/征象

  • 典型SARS-CoV-2肺炎CT表现为双侧磨玻璃影和实变,呈周围性和后部分布。
  • 根据RSNA胸部CT报告分类系统,84例(78%)表现为典型CT特征,24例(22%)为不确定表现,未见不典型或阴性表现。
  • CT评分中位值为24(范围3–35),男女间无统计学差异(p=0.857),两名阅片者间一致性很好(κ=0.91)。

诊断标准与关键数值

  • 通气肺体积定义为吸气相CT上≤−700 HU的肺组织量;磨玻璃影体积定义为−700 < x ≤ −300 HU的肺组织量;实变体积定义为>−300 HU的肺组织量。
  • CT评分采用Huang等提出的方法:每肺叶按磨玻璃影受累范围评0分(无受累)、1分(<5%)、2分(5–25%)、3分(26–49%)、4分(50–75%)、5分(>75%),出现铺路石征加1分,实变加2分,每肺叶最高7分,总评分范围为0–35分。
  • 全肺体积均值3861.78 ml(±1241.72),通气肺体积均值2701.48 ml(±1337.59),磨玻璃影体积均值860.02 ml(±427.45),实变体积均值299.39 ml(±318.49)。
  • 磨玻璃影体积/全肺体积与白细胞(r=0.369)、中性粒细胞(r=0.446)、血小板(r=0.182)、C反应蛋白(r=0.190)、PaCO2(r=0.176)、HCO3−(r=0.284)正相关,与PaO2/FiO2比值负相关(r=−0.344)。
  • 实变体积/全肺体积与白细胞(r=0.294)、中性粒细胞(r=0.300)、C反应蛋白(r=0.306)、PaCO2(r=0.227)、pH(r=0.162)、HCO3−(r=0.394)正相关,与淋巴细胞(r=−0.225)、PaO2/FiO2比值(r=−0.419)负相关。

临床应用与阅片要点

  • 半自动肺分割平均处理时间105±13.4秒,从分割到磨玻璃影或实变定量的平均时间2.5±1.4秒。
  • 在22%存在肺实变的病例中需要手动输入以更好界定病变边界,平均处理时间183±39秒。
  • 仅1例需对叶间裂边界进行小幅手动校正。

局限性

  • 原文未报告局限性。
全文中译16 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. 2020 Oct 30;31(5):2726–36. doi: 10.1007/s00330-020-07271-0

引言

新型冠状病毒病(SARS-CoV-2)已于2020年3月11日被世界卫生组织宣布为全球大流行病。该疾病在意大利北部迅速传播,尤其集中在伦巴第地区,截至2020年5月12日,共有82,904例确诊病例和15,118例死亡。SARS-CoV-2的临床谱广泛:虽然大多数感染者仅经历轻度或亚临床疾病,但约16%至26%的住院患者病情恶化,发展为重症肺炎、急性呼吸窘迫综合征(ARDS)和多器官衰竭(MOF),最终可能导致重症监护或死亡[1]。

根据WHO指南,实时逆转录聚合酶链反应(RT-PCR)检测用于SARS-CoV-2诊断是日常实践中的参考标准[2]。尽管近期开发的RT-PCR检测与既往检测相比显示出更高的特异性和敏感性,但文献中发表的若干研究[3]指出了胸部计算机断层扫描(CT)在疑似SARS-CoV-2患者中的重要性,考虑到其操作耗时较短,尤其在RT-PCR阴性的患者中。

早期放射学调查一致报道,典型的SARS-CoV-2相关肺炎CT表现为双肺磨玻璃影(GGOs)和实变,呈外周及后部分布[4]。

对疾病严重程度的正确评估,识别是否需要重症监护入院,可能有助于实现适当的治疗管理,特别是指导药物治疗并最终确定是否需要有创通气。事实上,由于临床评估可能具有误导性且患者可能出现所谓的“沉默性低氧血症”[5],胸部CT的使用可被视为一种合理的定量工具,用于评估残余和功能性肺容积,并最终帮助预测病情恶化和重症监护需求。

在过去几年中,CT肺容积测定已被用于评估慢性阻塞性肺疾病(COPD)以及肺功能检查[6–13]。

后处理软件能够半自动区分肺组织,特别是气道、肺气肿、肺实质增厚、纤维化和正常肺组织,在该评估中发挥关键作用。由于SARS-CoV-2中的GGOs在CT检查上与COPD中的空气潴留改变具有相似的放射学表现,常规用于慢性肺疾病的后处理软件可能有助于对SARS-CoV-2患者的严重程度进行分层[12–18]。

本研究旨在评估一种基于人工智能(AI)的软件——该软件已在COPD定量放射学设置中得到验证——用于胸部CT的半自动分割和容积肺定量,以评估SARS-CoV-2相关肺炎的肺部受累情况,并结合临床和功能参数进行分析。

材料与方法

当地伦理委员会对方案的审查认为,由于本研究具有回顾性、观察性和匿名性质,无需正式批准。

患者人群

从2020年3月1日至2020年4月10日,我们回顾性纳入了所有通过泛冠状病毒常规聚合酶链反应(PCR)检测确诊SARS-CoV-2感染的住院患者,纳入标准如下:(1)RT-PCR确诊SARS-CoV-2感染;(2)胸部平扫CT;(3)CT当天完成完整的实验室检查;(4)CT当天行动脉血气(ABG)检查。排除标准为:(1)CT扫描上存在严重的呼吸运动伪影;(2)气压伤(如气胸、纵隔气肿、心包积气和软组织气肿)。

患者取自意大利北部伦巴第大区三家不同区域医院及转诊中心的电子数据库(中心1:蒙扎San Gerardo医院,中心2:Vimercate医院,中心3:Desio医院)。

所有患者均因轻至重度肺炎在重症监护室或临床病房住院,同时记录了症状出现时间。

临床和实验室数据

对每位患者,我们记录了以下实验室检查结果:(1)白细胞分类计数,包括白细胞计数(WBC)、中性粒细胞计数、淋巴细胞计数和血小板计数;(2)C反应蛋白(CRP)值;(3)动脉血气(ABG)检查,包括动脉血氧分压(PaO2)和动脉血二氧化碳分压(PaCO2)、pH、碳酸氢盐(HCO3−)以及PaO2/FiO2(P/F)比值。

同时记录了临床数据,包括经持续气道正压(CPAP)进行的无创通气(NIV)、经气管插管(ET)的有创通气及结局。无合并症相关数据。

CT方案

平扫CT图像于患者仰卧位深吸气时采集。

中心1的CT检查使用256层扫描仪(iCT Elite,Philips Healthcare),参数为100 kV、自动mAs、层厚2 mm、层间距1 mm;中心2使用128层扫描仪(Revolution,General Electric),参数为120 kV、自动mAs、层厚2 mm、层间距1 mm;中心3使用16层扫描仪(Toshiba Aquilion RXL,Canon Medical Systems),参数为120 kV、自动mAs、层厚2 mm、层间距1 mm。

图像分别采用基于模型的迭代重建算法(IMR,Philips Healthcare)、混合迭代重建算法(ASIR,GE Healthcare)和滤波反投影(FBP,Canon Medical System)进行重建。

对每位患者,记录辐射剂量,以DLP(mGy cm)、CTDI(mGy)和ED(mSv)表示。

定量图像分析

所有CT图像均使用一款专用于COPD的经验证的肺分析软件[12, 14–17](IntelliSpace Portal,Philips Healthcare)进行定量分析。该软件以完整的3D CT容积作为输入,输出一张概率图,指示体素属于特定肺区域的可能性。近端血管和支气管被自动去除。

每侧肺的边界、肺裂和中心气道被自动检测。识别至亚段级的支气管树。随后,将双肺与周围胸壁和纵隔结构区分开来。然后进行肺叶分割,使用自动肺叶分割算法[16]实现对5个肺叶各自的自动勾画。

肺叶分割完成后,显示轴位、矢状位、冠状位及容积渲染图像。将彩色掩膜叠加于CT图像上,每个肺叶使用不同颜色。通过浏览多平面图像,操作者可评估自动肺叶分割是否充分(图1)。

通气肺体积(VLV,定义为吸气相CT上≤−700 HU的肺组织量)、磨玻璃影体积(GGO-V,定义为吸气相CT上−700 < x ≤ −300 HU的肺组织量)及实变体积(CONS-V,定义为吸气相CT上>−300 HU的肺组织量)均已定义,并分别以绝对体积和占总肺体积(TLV)的百分比进行计算。软件根据绝对衰减值自动区分不同的肺部改变,尤其是磨玻璃影和实变,其主要由炎症细胞、肺泡水肿和肺泡塌陷所致。

最后,我们计算了CONS-V、GGO-V、VLV之间的比值(分别为CONS-V/VLV和GGO-V/VLV)、与TLV的比值(分别为CONS-V/TLV、GGO-V/TLV和GGO-V + CONS-V/TLV),以及VLV与TLV之间的比值(VLV/TLV)。

图1 自动肺叶分割过程,来源于一例65岁男性SARS-CoV-2相关肺炎患者的平扫CT原始图像,显示轴位、冠状位和矢状位平面(分别为a图的右、中、左面板),以及气道、肺和肺叶的序贯分割(分别为b图的右、中、左面板) 查看原图 ↗

定性图像分析

一名具有至少15年胸部影像学经验的资深放射科医师和一名具有4年经验的放射科培训医师在图像归档和通信系统(PACS,Enterprise Imaging,AGFA Healthcare)中审阅了CT图像。双肺及每个肺叶均由软件自动分割,必要时由放射科培训医师在资深放射科医师监督下进行手动编辑。

对于每次CT检查,资深放射科医师和放射科培训医师均根据Huang等[18]提出的CT评分,按照每个肺叶磨玻璃影累及范围进行计算,具体如下:“0”表示无累及,“1”表示累及小于5%,“2”表示5–25%,“3”表示26–49%,“4”表示50–75%,“5”表示大于75%。此外,存在铺路石征时CT评分增加1分,存在实变时增加2分。因此,每个肺叶的最高CT评分为7分。总CT评分定义为五个肺叶评分之和,范围为0至35分。

病变密度的评估基于主要SARS-CoV-2 CT表现——磨玻璃影和实变——的比例进行视觉判定,依据Fleischner学会术语表[19]及经同行评议的病毒性肺炎文献所定义的国际命名法进行判断。

统计分析

连续变量以均值和标准差表示,并在使用Kolmogorov-Smirnov检验评估正态分布后,采用Student t检验进行比较。分类变量以中位数和四分位距(IQR)表示,并酌情采用χ2检验或Fisher精确检验进行比较。相关性采用Pearson或Spearman相关系数计算。为评估高年资放射科医师与培训中放射科医师之间CT评分的的一致性,我们计算了Cohen kappa值(κ):kappa值等于或小于0表示无一致性,而kappa值等于1表示完全一致。所有检验均为双侧检验,p < 0.05被认为具有统计学意义。所有统计分析均使用SPSS统计软件包(版本26.0;SPSS)完成。

结果

整个队列的人口学、临床和实验室数据

共纳入121例患者(中心1 n = 82,中心2 n = 24,中心3 n = 15);13例因存在运动伪影或气压伤而被排除。图2中的流程图总结了研究设计。

最终队列由108例患者组成,大多数为男性(n = 84,77.8%),平均年龄63岁(± 11.4)。整个队列的实验室数据总结于表1。SARS-CoV-2感染的诊断通过泛冠状病毒常规聚合酶链反应(PCR)检测确认。

共有37例患者(34.2%)接受CPAP通气,25例(23.2%)接受经ET有创通气,46例(42.6%)接受无创通气。

在研究结束时,18例患者(16.7%)仍在住院,18例(16.7%)死亡,72例(66.6%)在5天内出院。住院患者的中位时间为19天(IQR 9–40)。

从症状出现到CT检查的平均时间间隔为13.1(± 7.1)天。

图2 研究流程图 查看原图 ↗
表1 整个队列的临床和实验室数据 查看原表 ↗

软件诊断性能

操作者与分析程序的交互被尽可能最小化。然而,仅在一例中,在多平面图像中对叶间边界进行了轻微调整以校正肺叶界限。自动肺分割的平均处理时间为105 ± 13.4 s。

在设置相对 cutoff 肺部改变值后,从肺分割到GGOs或实变定量的分析平均时间为2.5 ± 1.4 s。

GGO边界评估和自动定量无需手动输入。在22%伴有肺实变的病例中,需要手动输入以更好地界定肺部改变的边界,平均处理时间为183 ± 39 s。

CT评分、肺容积和辐射剂量暴露

根据RSNA胸部CT COVID-19报告分类系统[20],共有84例患者(78%)呈现典型CT影像特征,而24例(22%)为不确定CT表现。未发现SARS-CoV-2相关肺炎的非典型或阴性CT特征表现。

CT评分的中位值为24(3–35),男性和女性之间无统计学差异(p = 0.857)。两名阅片者之间的一致性非常好(κ = 0.91)。

总体而言,平均TLV为3861.78 ml(± 1241.72),VLV为2701.48 ml(± 1337.59)。平均GGO-V高于CONS-V(分别为860.02 ± 427.45 ml和299.39 ± 318.49 ml)。计算了GGO-V、CONS-V、TLV和VLV之间的比值,并总结于表2。

患者接受的总体辐射剂量平均DLP为310 ± 128 mGy cm,平均CTDI为7.5 ± 3.1 mGy,平均ED为5.3 ± 2.1 mSv。

表2 整个队列的肺容积 查看原表 ↗

GGO体积与实验室数据

发现GGO-V与WBC(r = 0.386,p < 0.001)、中性粒细胞(r = 0.410,p < 0.001)、血小板(r = 0.232,p = 0.008)、PaCO2(r = 0.205,p = 0.018)和HCO3−值(r = 0.187,p = 0.034)之间呈正相关,而与SaO2(r = − 0.240,p = 0.014)和P/F比值(r = − 0.372,p < 0.001)值呈负相关。GGO-V/TLV与WBC(r = 0.369,p < 0.001)、中性粒细胞(r = 0.446,p < 0.001)、血小板(r = 0.182,p = 0.030)、CRP(r = 0.190,p = 0.025)、PaCO2(r = 0.176,p = 0.036)和HCO3−(r = 0.284,p = 0.002)值呈正相关,与P/F(r = − 0.344,p < 0.001)值呈负相关。GGO-V/VLV与WBC(r = 0.384,p < 0.001)、中性粒细胞(r = 0.454,p < 0.001)、血小板(r = 0.190,p = 0.024)、CRP(r = 0.233,p = 0.008)、PaCO2(r = 0.200,p = 0.020)和HCO3−(r = 0.326,p = 0.001)值呈正相关,与P/F比值(r = − 0.380,p < 0.001)值呈负相关(图3)。GGO体积与其他实验室数据值之间的所有相关性总结于表3。

图3 一名61岁男性,患有SARS-CoV-2相关肺炎。轴位(a)和冠状位(b)CT图像,采用用于评估肺实质的窗宽和窗位。图像显示双肺磨玻璃影和部分铺路石征。最终CT评分:12。轴位(d)和冠状位(e)后处理CT图像显示基于− 700 HU阈值的低衰减区域,对应于通气肺容积(VLV)。基于衰减肺分析的CT密度直方图显示对应于TLV(紫线)、左肺(蓝线)和右肺(绿线)容积的长容积(c)。由软件计算的不同肺段的后处理容积(f) 查看原图 ↗
表3 肺容积、实验室数据与CT评分之间的相关性。具有统计学意义的相关性以斜体突出显示 查看原表 ↗

实变体积与实验室数据

发现CONS-V与WBC(r = 0.299,p = 0.001)、中性粒细胞(r = 0.289,p = 0.002)、CRP(r = 0.252,p = 0.004)、PaCO2(r = 0.229,p = 0.009)和HCO3−(r = 0.344,p < 0.001)值之间呈正相关,而与淋巴细胞(r = − 0.212,p = 0.018)和P/F比值(r = − 0.468,p < 0.001)值呈负相关。

CONS-V/TLV与WBC(r = 0.294,p = 0.001)、中性粒细胞(r = 0.300,p = 0.001)、CRP(r = 0.306,p = 0.001)、PaCO2(r = 0.227,p = 0.010)、pH(r = 0.162,p = 0.048)和HCO3−(r = 0.394,p < 0.001)值呈正相关,而与淋巴细胞(r = − 0.225,p = 0.013)和P/F比值(r = − 0.419,p < 0.001)值呈负相关(图4)。

CONS-V/VLV与WBC(r = 0.299,p = 0.001)、中性粒细胞(r = 0.312,p = 0.001)、CRP(r = 0.285,p = 0.001)、PaCO2(r = 0.227,p = 0.010)和HCO3−(r = 0.383,p < 0.001)值呈正相关,而与淋巴细胞(r = − 0.204,p = 0.022)和P/F比值(r = − 0.411,p < 0.001)值呈负相关。

GGO体积与其他实验室数据之间的所有相关性总结于表3。

图4 一名63岁男性,患有SARS-CoV-2相关肺炎。轴位(a)和冠状位(b)CT图像,显示双肺及外周磨玻璃影,伴有间隔增厚和铺路石征、支气管扩张及带状增厚。最终CT评分:18。轴位(c)、冠状位(d)后处理CT图像及三维重建,显示通气肺体积,其特征为衰减值低于−700 HU(f)。密度直方图(e)总结了全肺体积(紫线)、左肺体积(绿线)和右肺体积(蓝线)的肺实质密度分布。 查看原图 ↗

CT评分、肺体积与实验室数据

发现CT评分与WBC(r = 0.322,p < 0.001)、中性粒细胞(r = 0.378,p < 0.001)、血小板(r = 0.233,p = 0.010)、CRP(r = 0.163,p = 0.046)、PaCO2(r = 0.264,p = 0.003)和HCO3−(r = 0.352,p < 0.001)值呈正相关,而与SaO2(r = − 0.199,p = 0.035)和P/F(r = − 0.464,p < 0.001)呈负相关(图5)。

发现CT评分与所有肺体积之间呈强正相关(所有r > 0.5,所有p < 0.001)。所有相关性总结于表3。

图5 一名67岁男性,患有SARS-CoV-2相关肺炎。轴位(a)和冠状位(b)CT图像,显示双肺多发小叶性磨玻璃影,伴有实变,尤其是下叶。最终CT评分:24。轴位(c)、冠状位(d)后处理CT图像及三维重建,显示通气肺体积(红色),衰减值低于−700 HU,以及实变体积(绿色)(e)。剩余体积称为磨玻璃影体积,密度介于−700 HU和−350 HU之间。 查看原图 ↗

结局

接受CPAP通气的患者SaO2值显著较低(p = 0.037)。

与其他接受无创通气技术治疗的患者相比,接受经ET有创通气的患者WBC、中性粒细胞、血小板、PaCO2、HCO3−和P/F值显示出统计学显著差异(所有p > 0.05)。组间所有差异报告于表4。

未发现所有肺体积与CPAP通气之间存在统计学显著差异。接受经ET有创通气的患者病理性肺体积值显著更高,以CONS-V、GGO-V、GGO-V/TLV、CONS-V/TLV、GGO-V/VLV、CONS-V/VLV和GGO-V + CONS-V/TLV表示(所有p < 0.05)。此外,接受经ET有创通气的患者CT评分中位值显著更高(p = 0.035)(表4)。

未发现所有肺体积与患者死亡之间存在显著差异(所有p值 > 0.05)。

表4 接受CPAP和经ET有创通气患者的实验室数据、肺体积和CT评分。统计学显著差异以斜体突出显示。 查看原表 ↗

讨论

由于COVID-19感染的临床谱从轻症到具有高死亡风险的ARDS不等,需要一种有助于确定预后的早期临床标志物,以正确建立适当的管理。在此情况下,胸部CT在检测和表征SARS-CoV-2相关肺炎方面具有重要作用,有助于更好地对疾病严重程度进行分层并及时做出治疗选择。

近期研究强调,磨玻璃影(GGO)在所有病例中均存在,超过90%的病例累及多肺叶及后部[20]。

在此背景下,我们假设对病理性肺容积(以磨玻璃影和实变表示,分别为GGO-V和CONS-V)的评估可用于对疾病进行准确分期,更重要的是,有助于制定管理方案和判断预后,正如文献中其他研究团队近期所探讨的那样[21, 22]。

本研究采用的图像后处理软件已在临床和影像学定量COPD领域得到有效验证[12, 16, 17],是一种半自动工具,可对全肺容积、残余肺容积和通气肺实质进行可视化和测量,特别是通过将截断值设定在−300至−700 HU之间进行调整,以得出针对SARS-CoV-2患者的特定窗设置,该算法能够自动识别磨玻璃影。我们的截断值来源于文献中若干类似方法[15],并特别结合临床日常实践加以设定。

Lanza等人[15]近期发表的一篇论文尝试通过专用自动化软件(配备胸部成像协议的3D slicer)对SARS-CoV-2相关肺炎进行定量分析,并在其系列中发现了一些与需要通气风险相关的受累肺容积百分比截断点。这些结果强化了定量方法在评估SARS-CoV-2相关肺炎严重程度和分诊中的重要性。与本系列不同的是,该作者在分析中未将磨玻璃影与实变加以区分。

更近期,Feng等人[14]应用基于深度学习的软件对COVID-19肺部受累进行定量,并将所得结果与常规视觉CT评分进行比较,突出了其在评估疾病严重程度方面的潜在优势。

据我们所知,这是首项通过应用半自动软件对两种不同的主要肺部改变(SARS-CoV-2相关的磨玻璃影和实变)进行分类和定量,并将定量结果与患者最终结局相关联的研究。

我们的结果显示,SARS-CoV-2相关肺炎主要表现为弥漫性和双侧磨玻璃影,与实变容积相比磨玻璃影容积更高这一事实证实了这一点,与既往研究一致[23–25](24% vs 9%),并且接受经ET有创通气的患者中两种肺部表现的容积(CONS-V和GGO-V)在定量上均高于NIV患者(41% vs 29%)。

我们发现GGO-V(单独考虑以及与TLV和VLV的比值)与不同实验室数据之间存在强相关性,特别是WBC(p = 0.002)、中性粒细胞(p = 0.005)、血小板计数(p = 0.062)、PaCO2(p = 0.029)和碳酸氢盐(p = 0.010),提示磨玻璃影与炎症状态及临床结局(包括需要有创机械通气)相关。值得注意的是,由于重症监护病房(ICU)床位和机械通气机的短缺在疫情期间一直是主要关注问题,能够预测ICU入住需求的可能性对于合理分配资源和提高患者生存率可能至关重要。

通过单独评估CONS-V及其与TLV和VLV的比值,也可得出相同结果。然而,我们发现与实验室数据的相关性较GGO-V值更弱,因为它们并不代表SARS-CoV-2相关肺炎的典型模式[26]。

此外,评估总病理实质(以CONS-V + GGO-V/TLV计)有助于更深入理解疾病机制,因为它与WBC、中性粒细胞和血小板计数、CRP、PaCO2、pH及HCO3−值相关,并可帮助临床医生做出及时的临床决策,包括早期气管插管。

有趣的是,我们观察到缺氧(以P/F比值表示)、高碳酸血症与GGO-V和CONS-V之间存在强相关性,CT评分也证实了这一点:这一发现增加了本研究的价值,因为这些指标在临床实践中用于指导机械通气撤机,并与结局直接相关。

为检验软件可靠性,我们计算了每次检查的CT评分,最终确认其与所有肺容积的一致性,特别是在GGO-V、CONS-V/TLV及GGO-V + CON-V/TLV方面:我们的结果显示,视觉CT评分与肺容积分析强相关。然而,Huang等[18]提出的CT评分依赖操作者且耗时,而软件可执行自动计算,能在肺部受累方面给出更准确的分期。人工与人工智能驱动结果的融合相互补充,完成全面而准确的评估:所提出的自动模型在实变和GGO量化方面更为精确,但另一方面,人工监督仍然必要。

胸部CT后处理可预测SARS-CoV-2患者在通气支持方面的需求,这一事实也凸显了对SARS-CoV-2感染疑似者或RT-PCR结果不明确者进行早期胸部CT检查的目的。

最后,我们将CT肺容积应用于临床实践,特别是在住院期间随访患者时,我们发现需要气管插管的患者CT肺容积较低,尤其是残余肺容积。

接受CPAP的患者在实验室数据和CT肺容积方面未显示任何显著差异,而另一方面,接受ET有创通气的患者在实验室数据和CT肺容积方面显示出显著不同的值。如前所述,两组之间所有CT容积均存在显著差异,特别是GGO-V/TLV、GGO-V/VLV及CONS-V + GGO-V/TLV,证实需要更具侵入性通气方法的患者病理受累肺实质总量更高。

本研究存在一些局限性。首先,胸部CT为回顾性评估,并非在入院时执行,而是在不同临床阶段进行。其次,该软件并非专门为评估SARS-CoV-2而设计,尽管自动工具可以简化放射科医师的工作,但在某些情况下需要人工监督,尤其是对于表现为不规则带状或靠近胸腔积液的实变改变,在我们的系列中共有24例患者属于此类情况。基于当前研究的结果,进一步的研究应聚焦于开发专门用于评估病毒性肺炎肺部受累的软件。最后,我们的结果应被视为初步结果,不应被用于指导临床决策,尽管其具有不可否认的贡献,可能推动进一步研究,同时也应被视为SARS-COV-2患者随访中的一种工具,通过定量肺实质评估来评价治疗反应。

总之,在SARS-CoV-2患者中,后处理软件是一种可靠的工具,可用于获得肺部受累的量化评估,其与实验室数据显著相关,特别是与患者结局显著相关,尤其涉及有创通气。

引用

  1. Ippolito D, Ragusi M, Gandola D, et al. Computed tomography semi-automated lung volume quantification in SARS-CoV-2-related pneumonia. Eur Radiol. 2020. PMID: 33125559. doi:10.1007/s00330-020-07271-0
  2. 全文:PMC7596627(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7596627/

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。