基线胸部CT的临床与实验室数据、结构化报告表现及肺部受累定量评估预测COVID-19患者预后
回顾性纳入103例疑似COVID-19并接受RT-PCR检测的患者,最终98例RT-PCR阳性纳入分析,采用结构化报告、视觉5级评分及人工智能阈值分割定量评估基线胸部CT。结果显示,实变体积、肺气肿体积和残余健康肺组织体积及视觉严重度评分≥8为结局的独立预测因子,临床/实验室联合CT定量模型预测出院/稳定与危重/死亡的敏感度88%、特异度78%、准确率81%。
要点
- 基线CT以磨玻璃影合并实变为主(87.8%),多呈双侧(77.6%)、外周分布(74.5%)及多肺叶受累(52.0%)。
- 视觉严重度总分≥8为患者结局的预测因子,但按轻、中、重、危重分组比较时各组评分百分比相近,未显示组间差异。
- 实变体积>1.40%、肺气肿体积>0.10%、残余健康肺组织体积≤70.20%为结局的独立预测因子。
核心结论
- 基于软件的实变、肺气肿和残余健康肺组织定量是COVID-19患者结局的独立预测因子,视觉严重度评分≥8亦为结局预测因子。
- 临床/实验室联合CT定量模型预测出院/稳定与危重/死亡的敏感度88%、特异度78%、准确率81%,R²=0.93为各模型最高。
研究设计与样本
- 回顾性研究,纳入103例疑似COVID-19并接受RT-PCR检测的患者,最终98例RT-PCR阳性纳入分析(中位年龄61岁,范围23–91岁;女性39/98,39.80%)。
- 2020年3月6日至2020年3月31日期间于AORN Giuseppe Moscati医院行胸部CT,均在临床评估和实验室检查后2天内完成。
- 使用SOMATOM Sensation 16和Toshiba Aquilion 64排两台CT扫描仪,仰卧位吸气相、平扫,标准剂量方案,1.0 mm层厚、1 mm间隔重建,肺窗窗位−600 HU、窗宽1600 HU。
- 由两名放射科专家在不知临床/实验室及RT-PCR结果的情况下共识判读,采用意大利医学放射学与介入放射学会(SIRM)与Exprivia Healtcare公司合作制定的结构化报告。
- 使用GE Healthcare Thoracic VCAR人工智能工具基于Hounsfield单位阈值自动分割并定量双肺残余健康肺组织、磨玻璃影、实变和肺气肿体积。
关键影像表现/征象
- 磨玻璃影伴或不伴实变为主要CT表现:单纯磨玻璃影10/98(10.2%),单纯实变2/98(2.0%),磨玻璃影与实变并存86/98(87.8%)。
- 病变双侧分布76/98(77.6%),外周分布73/98(74.5%),多肺叶分布51/98(52.0%)。
- 铺路石征55/98(56.1%),反晕征20/98(20.4%)。
- 合并肺气肿25/74(33.8%)。
- 上述CT表现按结局分组的单因素及多因素分析均无统计学显著差异。
诊断标准与关键数值
- 视觉严重度评分:每侧肺按磨玻璃影和实变分别以5级评分(无0%、轻度1–25%、中度26–50%、重度51–75%、危重76–100%),双肺各项相加得总分0–16分:无0分、轻度1–4分、中度5–8分、重度9–12分、危重13–16分。
- 视觉严重度总分截断值≥8为患者结局的预测因子。
- 仅临床参数模型:年龄>61岁OR 3.93(p<0.01)、SpO2≤93% OR 2.73(p<0.01)、ALT>29.0 IU/L OR 4.28(p<0.001)。
- 仅CT参数模型:肺气肿体积>0.10% OR 4.43(p<0.001)、残余健康肺组织体积≤70.20% OR 4.40(p<0.001)、实变体积>1.40% OR 5.69(p<0.001)。
- 临床联合CT参数模型:年龄>61岁OR 3.62(p<0.001)、ALT>29.0 IU/L OR 2.76(p<0.001)、肺气肿体积>0.10% OR 2.73(p<0.01)、残余健康肺组织体积≤70.20% OR 3.54(p<0.001)、实变体积>1.40% OR 3.19(p<0.01)。
临床应用与阅片要点
- 基线胸部CT可采用结构化报告记录磨玻璃影与实变的分布(单/双侧、外周为主、多肺叶)及铺路石征、反晕征等征象。
- 可参照5级视觉评分对每侧肺磨玻璃影和实变分别评分并相加得总分0–16分,总分≥8提示与患者结局相关。
- 人工智能阈值分割可定量实变(−100/5 HU)、肺气肿(−1024/−977 HU)、残余健康肺组织(−977/−703 HU)和磨玻璃影(−703/−368 HU)体积,用于预后评估。
- 24/98(24.5%)病例人工智能工具未能自动分割磨玻璃影、实变或肺气肿,仅74例获得自动分割结果及视觉评分。
局限性
- 本研究的主要局限性为回顾性和单中心性质。
- 研究队列为来自高流行病学风险地区、具有高COVID-19检验前概率的症状性住院患者。
全文中译11 节 · 点击展开
引言
严重急性呼吸综合征冠状病毒2(SARS-CoV-2)已被指出是导致SARS-CoV-2疾病(COVID-19)的病毒,该疾病自2019年12月以来已在全球范围内传播[1–4]。
COVID-19的诊断通过呼吸道或血液标本获得的“逆转录实时荧光聚合酶链反应”(RT-PCR)检测来进行。
COVID-19患者的分诊基于临床和实验室参数,而胸部影像学检查可能作为二级分诊所需,首先采用胸部X线摄影,在更严重病例或临床与影像学表现不一致的情况下补充计算机断层扫描(CT)[5, 6]。尽管CT检查可用于肺部受累监测,且若干出版物试图表明CT可识别COVID-19病毒性肺炎,但该领域争议很大,多个放射学组织并不推荐将CT作为COVID-19肺炎的常规筛查工具[7–16]。然而,CT检查被用于评估COVID-19病毒性肺炎的等级和范围[12, 13]。
Li等报道,CT异常的视觉定量分析可再现COVID-19感染的临床特征[10]。此外,COVID-19肺炎的肺部受累可通过人工智能(AI)和基于深度学习的算法在基线胸部CT上自动量化[11–13]。健康残余肺实质的CT定量被证明有助于估计通气过程中的肺泡复张或预测急性呼吸窘迫综合征患者的预后[14, 15]。
本研究的目的是通过回归模型评估基线临床和实验室数据与基线胸部CT上肺部受累之间的关系,使用人工智能工具量化胸部病变,并评估视觉评分系统以预测COVID-19肺炎患者的预后。
材料和方法
患者特征
鉴于正在进行的流行病紧急情况,“AORN Giuseppe Moscati”机构审查委员会(IRB)批准了本研究,并免除书面知情同意,因为这是一项回顾性研究,评估匿名数据且对患者不涉及潜在风险。我们的队列由103例患者组成(41例女性,62例男性;平均年龄68.8岁——范围29–93岁),这些患者在2020年3月6日至2020年3月31日期间因疑似COVID-19疾病接受了RT-PCR检测。病原学诊断的病毒检测通过“AORN Giuseppe Moscati”临床实验室的当前金标准检测执行。
因此,在COVID-19高检验前概率的环境中,除记录临床和实验室检查结果外,基于高度临床怀疑而进行胸部CT检查。
为了选择用于分析的胸部CT扫描,我们的排除标准是SARS-CoV-2的RT-PCR最终确定为阴性。图1显示了患者入组流程图。
每位患者入院时记录临床和实验室检查结果。所有CT检查均在临床评估和实验室检查结果后2天内完成。
患者被分为3组:居家出院的患者、病情稳定住院的患者以及病情危重住院或死亡的患者。
CT技术
CT扫描在患者入院时进行。所有扫描均在患者仰卧位吸气时进行,未使用静脉造影剂,使用两台专用于COVID-19患者的CT扫描仪(SOMATOM Sensation 16,德国埃尔朗根;Toshiba Aquilion 64层,日本东京)。扫描范围从肺尖至肺底。所有图像均采用标准剂量扫描方案获取,以1.0 mm层厚重建,层间距1 mm,512 mm × 512 mm,120 kV和100–250 mAs。图像采用肺实质锐利重建核(Somatom Sensation上为B80f,Toshiba上为FC13)重建。肺窗设置为窗位− 600亨斯菲尔德单位(HU),窗宽1600 HU。
CT评估
所有胸部CT检查均使用由意大利医学放射学和介入放射学学会(SIRM,意大利米兰)与Exprivia Healtcare公司(意大利巴里)合作制定的结构化报告进行审阅[17]。评估磨玻璃影(GGO)和实变的存在,通过确定其定位(单侧和双侧)、轴向分布(弥漫性、主要外周、主要中心、下垂部位、非下垂部位)、头尾平面分布(弥漫性、多灶性/斑片状、以上叶为主、以下叶为主、重力依赖性)和部位。还评估了是否存在间隔增厚、铺路石征、“反晕征”等改变,以及是否存在结节和微结节、胸腔积液、心包积液和纵隔淋巴结肿大。
最后,两名专家放射科医师在共识下,对临床/实验室和RT-PCR结果不知情,对GGO和实变所致的CT肺部受累赋予放射学严重程度视觉评分,使用5级量表:每侧肺无受累(0%)、轻度(1–25%)、中度(26–50%)、重度(51–75%)和危重(76–100%)受累。然后,将每侧肺分别对GGO和实变赋予的放射学严重程度评分相加,获得总体放射学严重程度视觉评分,量表范围为0至16:无(0)、轻度(1–4)、中度(5–8)、重度(9–12)和危重(13–16)。
CT后处理
DICOM数据被传输至PACS工作站(AW SERVER 3.2 ext 3.0,GE Healthcare,美国伊利诺伊州芝加哥),并使用临床可用的人工智能工具(GE Healthcare的Thoracic VCAR)对CT图像进行评估,以获得胸部疾病的自动分割和定量分析。该软件是获得CE认证的医疗器械,被授权用于记录肺气肿。该软件提供肺部的自动分割以及气道树的自动分割和追踪。它基于亨斯菲尔德单位提供体素分类,并在分割区域内以颜色编码显示阈值。该软件设计用于定量分析慢性阻塞性肺疾病患者的肺气肿。在本研究中,我们通过预设亨斯菲尔德单位的阈值来分析疑似COVID-19肺炎患者的CT扫描,以获得双肺的分割以及肺气肿(− 1024/− 977;蓝色)[18]、残余健康肺实质(− 977/− 703;黄色)[19]、磨玻璃影(GGO)(− 703/− 368;粉色)和实变(− 100/5;红色)[20–22]的定量评估。最后,计算了右肺和左肺的体积(图2)。
临床和实验室检查结果记录
临床和实验室检查结果记录包括症状、合并症和实验室结果。
症状中报告了发热、咳嗽、呼吸衰竭、呼吸困难、乏力及其他(关节痛、腹泻、白细胞减少、恶心)。
合并症中报告了高血压、糖尿病、神经系统疾病、心血管疾病、肿瘤疾病和肺部疾病。
实验室检查结果中获取了SpO2(%)、超敏C反应蛋白(HS CRP)(mg/dL)、白细胞(10³ µL)、淋巴细胞(%)、中性粒细胞(%)、降钙素原(ng/mL)截断值0.08(%)、乳酸脱氢酶(LDH)(IU/L)、d-二聚体(mg/L)、乳酸(IU/L)、肌钙蛋白(mg/mL)、肌酐(mg/dL)、尿素氮(mg/dL)、血糖(mg/dL)、丙氨酸氨基转移酶(ALT)(IU/L)、天冬氨酸氨基转移酶(AST)(IU/L)、胆红素(mg/dL)、凝血酶原时间(s)、部分凝血活酶时间(s)、纤维蛋白原(mg/dL)、钠(mmol/L)。
统计分析
连续数据以中位值和范围表示。分类数据以计数和百分比表示。采用Kruskal–Wallis检验验证连续变量组间差异。采用Yates校正卡方检验评估组间百分比值的统计学差异。计算Spearman相关系数评估残余健康肺实质、磨玻璃影(GGO)和实变体积与影像学严重程度视觉评分之间的相关性。
结局定义为居家出院、病情稳定住院和病情危重住院或死亡。连续变量的分类以总体样本的中位值作为阈值获得。采用单变量和向后逐步多变量逻辑回归分析检验潜在预测因素与结局之间的关联。单变量分析中p值小于0.1的因素被用作多变量分析的候选变量。
因此,获得了仅使用临床参数的模型、使用CT参数的模型以及使用临床参数联合CT体积的模型。随后报告每个模型的R平方(R2)以进行比较。
对每个模型进行受试者工作特征(ROC)曲线分析,并使用ROC曲线下面积(AUC)评估基于独立预测因子的判别模型的性能。
所有检验中p值<0.05被认为具有显著性。
所有分析均使用MATLAB R2007a(The Math-Works Inc.,Natick,MA,USA)的统计工具箱完成。
结果
患者人口学、临床和实验室检查结果
人口学、临床和实验室检查结果见表1。分析纳入98例患者(中位年龄61岁;范围23–91岁),39/98(39.80%)为女性。5例患者因RT-PCR检测结果为阴性而被排除(图1)。无症状(发热、咳嗽、呼吸衰竭、呼吸困难或其他包括关节痛、腹泻、白细胞减少、恶心)、无合并症(高血压、糖尿病、神经系统、心血管、肿瘤、肺部)在患者结局方面确定的差异具有统计学显著性(表1)。在入院实验室检查结果中,SpO2、高敏C反应蛋白(HS CRP)、白细胞计数、中性粒细胞百分比值、乳酸脱氢酶值(LDH)、d-二聚体、肌钙蛋白、肌酐和氮质血症、ALT、AST和胆红素值与患者结局相比显示出统计学显著差异(表1)。在重症住院或死亡的患者中,SpO2显著较低,而年龄、HS CRP、白细胞计数、中性粒细胞百分比值、LDH、d-二聚体、肌钙蛋白、肌酐和氮质血症、ALT、AST和胆红素值显著较高(表1)。
CT表现
CT表现总结于表2。伴或不伴实变的磨玻璃影(GGO)是主要CT模式。单纯GGO见于10/98(10.2%)例患者,单纯实变见于2/98(2.0%)例患者,而GGO与实变并存见于86/98(87.8%)例患者。CT COVID-19病变在76/98(77.6%)例患者中普遍为双侧,73/98(74.5%)例患者呈周围分布,51/98(52.0%)例为多肺叶定位。此外,铺路石征见于55/98(56.1%)例患者,“反晕征”见于20/98(20.4%)例患者(表2)。这些CT表现根据结局在患者组间的单因素分析中未显示出统计学显著差异,因为三组(居家出院患者、稳定状态住院患者和重症住院或死亡患者)中报告的患病率相似。此外,在多因素分析中根据结局也未获得显著结果。然而,总体放射学严重程度视觉评分(截断值≥8)是患者结局的预测因子。
基于Hounsfield单位对74例患者进行了CT图像自动分割,因为AI工具无法在24/98(24.5%)例中自动分割GGO、实变或肺气肿(图1)。因此,为这74例患者提供了COVID-19疾病的CT放射学严重程度视觉评分。
25/74(33.8%)例患者记录有伴发肺气肿。根据结局分成的三组患者中,实变、肺气肿及残余健康肺实质体积差异具有统计学意义。危重住院或死亡患者的实变和肺气肿体积增加,而残余健康肺实质减少(表2)。另一方面,磨玻璃影(GGO)体积不影响患者结局;该结果可由所有患者组中GGO比例较高来解释。
单因素及Logistic多因素回归分析
表3和表4总结了单因素和多因素logistic回归分析结果。在仅使用临床参数获得的多因素分析中,结局的显著预测因素为年龄 > 61岁(OR 3.93;p < 0.01)、SpO2 ≤ 93%(OR 2.73;p < 0.01)和ALT > 29.0 IU/L(OR 4.28;p < 0.001)。在仅使用CT参数获得的多因素分析中,结局的显著预测因素为肺气肿体积 > 0.10%(OR 4.43;p < 0.001)、残余健康肺实质体积 ≤ 70.20%(OR 4.40;p < 0.001)和实变体积 > 1.40%(OR 5.69;p < 0.001)。在结合临床和CT参数获得的多因素分析中,结局的显著预测因素为年龄 > 61岁(OR 3.62;p < 0.001)、ALT > 29.0 IU/L(OR 2.76;p < 0.001)、肺气肿体积 > 0.10%(OR 2.73;p < 0.01)、残余健康肺实质体积 ≤ 70.20%(OR 3.54;p < 0.001)和实变体积 > 1.40%(OR 3.19;p < 0.01)。R平方值最高(R2 = 0.93)的模型为结合临床/实验室检查结果与CT体积的模型(表4)。
表5报告了通过ROC分析获得的临床/实验室检查结果模型、CT模型以及临床/实验室与CT检查结果模型在识别出院与住院/死亡患者或识别出院/稳定患者与危重/死亡患者方面的敏感性、特异性、阳性预测值、阴性预测值和准确性的性能分析。图3报告了ROC曲线。临床/实验室与CT检查结果模型获得了最高准确性,预测出院/稳定患者与危重/死亡患者的敏感性、特异性和准确性分别为88%、78%和81%。
讨论与结论
多位作者在近期文献中报道了胸部X线和CT在COVID-19患者中的作用、这些影像特征随时间的演变以及放射科医生区分COVID-19与其他病毒感染的表现[23–29]。这些研究报告了COVID-19病毒性肺炎在胸部CT图像上的主要特征:外周磨玻璃影(GGO)及结节状或肿块样GGO,呈双侧多肺叶分布[26]。Guan等[27]报道的主要CT模式为GGO(56.4%)和双侧斑片状影(51.8%)。在我们的队列中,GGO和实变是主要CT模式:87.8%的患者中发现GGO和实变的不同组合。此外,CT COVID-19病变以双侧为主(77.6%),呈外周分布(74.5%),并发现多肺叶受累(52.0%)。铺路石征见于56.1%的患者,“反晕征”见于20.4%的患者。
关于GGO和实变范围的视觉定量,我们的数据记录了放射学严重程度视觉评分(≥ 8)与结局之间的相关性,而按轻度、中度、重度和危重患者组分别考虑时未发现相关性,因为所有组的放射学评分百分比相似。
已提出多种胸部CT疾病范围定量方法,包括肺气肿、肺纤维化和急性呼吸窘迫综合征(ARDS)的范围[30–35]。肺部疾病负荷的CT评分此前曾被报道为ARDS死亡的危险因素[30]。然而,关于CT在COVID-19中预后价值的数据匮乏。CT疾病范围的视觉半定量定量与临床严重程度相关[36]。
Colombi等[37]报道,在确诊COVID-19肺炎患者中,视觉或软件定量CT肺部异常范围是入住ICU或死亡的预测因素。他们报道,急诊科获得的胸部CT评估的充气良好肺比例与COVID-19肺炎患者更好的预后相关,且独立于其他临床参数。
考虑到COVID-19患者中ARDS的发生率较高,我们通过回归模型评估了基线临床数据与基线胸部CT疾病肺部受累之间的关系,并量化了残余健康肺实质体积以预测COVID-19肺炎患者的预后。
在我们的研究中,我们报道无症状和无合并症在患者结局方面未确定统计学显著差异。住院时处于危重状况或死亡患者的SpO2显著较低,而年龄、HS CRP、白细胞计数、中性粒细胞、LDH、d-二聚体、肌钙蛋白、肌酐和血尿素氮、ALT、AST和胆红素值显著较高。本研究结果表明,残余健康肺实质体积比例 ≤ 70.20% 伴肺气肿体积比例 > 0.10% 和实变体积比例 > 1.40% 预测出院/稳定患者 versus 危重/死亡患者的敏感性、特异性和准确性分别达到73%、75%和89%。
相反,临床/实验室和CT表现模型预测出院/稳定患者 versus 危重/死亡患者的敏感性、特异性和准确性分别为88%、78%和81%。
我们的结果与Raun等人[38]的发现一致,该研究报告了死亡组与出院组之间年龄存在显著差异(p < 0.001),以及两组之间白细胞计数、淋巴细胞绝对值、血小板、白蛋白、总胆红素、血尿素氮、血肌酐、肌红蛋白、心肌肌钙蛋白、C反应蛋白(CRP)和白细胞介素-6(IL-6)存在显著差异。
本研究的主要局限性在于其为回顾性、单中心研究,研究队列为来自高流行病学风险地区、COVID-19感染检验前概率高的有症状住院患者。
总之,我们的结果表明,基于软件对胸部CT上实变、肺气肿和残余健康肺实质的定量分析是COVID-19患者结局的独立预测因素。此外,视觉放射学严重程度评分≥ 8也是患者结局的预测因素。CT视觉定量分析和基于计算机软件对COVID-19肺部受累的评估均可用于常规患者管理,以评估COVID-19肺炎的分布和严重程度。
引用
- Salvatore C, Roberta F, Angela L, et al. Clinical and laboratory data, radiological structured report findings and quantitative evaluation of lung involvement on baseline chest CT in COVID-19 patients to predict prognosis. Radiol Med. 2020. PMID: 33047295. doi:10.1007/s11547-020-01293-w
- 全文:PMC7549421(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7549421/
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。