基于胸部CT纹理的影像组学分析鉴别COVID-19与其他间质性肺炎
回顾性分析120例(60例COVID-19阳性、60例阴性)表现为间质性肺炎的胸部CT,采用CT纹理分析(CTTA)提取滤波和非滤波图像特征。结果显示阳性患者非滤波平均强度、MPP、峰度及细/中纹理尺度SD、MPP显著降低,联合特征(≥3个危险因素)鉴别敏感度60%、特异度80%(AUC=0.7)。提示CTTA可能辅助鉴别COVID-19与其他间质性肺炎。
要点
- COVID-19阳性患者GGO的CTTA特征(MPP、SD、峰度)较其他间质性肺炎更低。
- 联合4个纹理特征(≥3项阳性)鉴别敏感度60%、特异度80%。
- CTTA可作为视觉评估的辅助工具,但性能有限,不能替代RT-PCR。
核心结论
- CTTA参数(非滤波MPP、峰度及细/中纹理尺度SD、MPP)有助于鉴别COVID-19阳性与阴性间质性肺炎,联合评分特异度高于单纯视觉评估。
研究设计与样本
- 单中心回顾性研究,纳入2020年3月8日至4月25日急诊连续120例(阳性60例、阴性60例)胸部CT表现为间质性肺炎的患者。
- 采用128层CT扫描仪行平扫胸部CT,重建层厚1.25 mm,由两名放射科医师共识手动勾画ROI(每个肺叶各1个,共5个ROI,距GGO边缘约2 mm)行CTTA。
- 以RT-PCR为参考标准(两次连续阴性判定为阴性),采用Mann-Whitney检验和ROC曲线分析。
关键影像表现/征象
- 非滤波图像:COVID-19阳性患者平均强度(−289 HU vs. −247 HU,p=0.041)、MPP(25.3 vs. 35.3,p=0.004)、峰度(0.2 vs. 0.6,p=0.002)均低于阴性患者。
- 细纹理尺度(SSF=2 mm):阳性患者SD(287.9 vs. 322.2,p=0.004)和MPP(271.7 vs. 309.5,p=0.004)显著低于阴性患者。
- 中纹理尺度(SSF=3 mm):阳性患者SD(275.7 vs. 312.6,p=0.012)和MPP(272.0 vs. 324.2,p=0.023)显著低于阴性患者。
- 粗纹理尺度(SSF=4 mm)各参数在两组间无显著差异。
诊断标准与关键数值
- 联合评分采用以下4个显著特征(以全人群中位值为 cutoff):细纹理尺度 MPP<290.122、SD<306.547;非滤波图像 MPP<27.576、峰度<0.356。
- 满足任意3项及以上危险因素判定为COVID-19阳性,鉴别敏感度60%、特异度80%(AUC=0.7,p<0.001)。
临床应用与阅片要点
- 在胸部CT报告间质性肺炎时,可提示CTTA特征(较低MPP、SD、峰度)可能偏向COVID-19,但需结合RT-PCR。
- 联合评分特异度80%但敏感度仅60%,CTTA不能作为独立筛查工具。
- 勾画ROI时应避开血管、支气管及正常肺组织,距GGO边缘约2 mm。
- 目前CTTA为离线研究工具,尚未集成到常规PACS流程,需注意其可重复性和标准化问题。
局限性
- 回顾性单中心设计,样本量较小(120例)。
- CTTA由两名医师共识阅片,未评估观察者间一致性。
- ROI仅在单个轴位层面勾画GGO,未行全容积分析。
- 缺乏组织病理学对照,无法验证纹理参数与病理改变的关系。
全文中译8 节 · 点击展开
引言
一种新型冠状病毒,即严重急性呼吸综合征冠状病毒2(SARS-CoV-2)[1],被确定为多种临床病症的致病病原体,其中最常见的是肺炎,报告为冠状病毒病-19(COVID-19)[2, 3]。2020年1月,世界卫生组织宣布中国暴发的COVID-19为国际关注的突发公共卫生事件。
可能遏制COVID-19传播的因素包括:早期发现、患者隔离、及时治疗以及实施强有力的接触者追踪系统[4]。诊断SARS-CoV-2感染的参考标准是对呼吸道标本进行下一代测序或实时逆转录聚合酶链反应(RT-PCR)方法[5]。然而,由于该方法的内在局限性(即拭子采样部位、样本采集和运输以及诊断试剂盒性能),RT-PCR的灵敏度在63%至78%之间[6, 7]。
作为可疑患者的辅助诊断工具,胸部CT在COVID-19大流行中发挥了重要作用,因其在COVID-19诊断中具有高灵敏度(97%)[8, 9];最常见的CT表现为多发胸膜下磨玻璃影(GGO),伴有铺路石征、实变和小肺血管增粗[2]。然而,感染患者可能表现为正常CT扫描,尤其是在疾病早期[10];此外,胸部CT的特异度较低(25%-56%)[11],因为其他肺部感染性和非感染性疾病在胸部CT定性评估中可能表现相似[12-14]。
定量CT、影像组学和人工智能软件分析可能有效评估疾病严重程度、提高CT特异度并加强胸部CT在COVID-19中的作用[15-21]。其中,CT纹理分析(CTTA)是影像组学的一个新兴领域,可提取、分析和解释肉眼无法感知的定量影像特征。
CTTA可对感兴趣区(ROI)内像素/体素强度的分布进行客观评估,反映与组织微环境相关的潜在生物学异质性[22-24]。基于机器学习的影像组学工具近年来已被研究用于评估COVID-19的严重程度[25]。Wu等[26]最近提出的一项研究表明,尽管COVID-19和非COVID-19患者在临床和影像学表现上相似,但CT纹理特征可能是区分这两个人群的有用工具。作为一种无创且快速的影像生物标志物,纹理分析可以改善COVID-19胸部CT诊断,减少具有相似肺部影像模式的假阳性,并有助于更好地管理该疾病。
因此,我们这项初步研究的目的是评估基于纹理的影像组学分析在胸部CT上区分COVID-19间质性肺炎与其他病因肺炎中的潜在作用。
材料与方法
研究人群
本研究经我院当地机构审查委员会(IRB)批准,由于回顾性研究的性质,免除了书面知情同意。从2020年3月8日至2020年4月25日,因呼吸道症状(咳嗽和呼吸困难)和发热疑似COVID-19并入住罗马圣安德烈亚大学医院急诊科的患者被纳入研究,并接受了非增强胸部CT检查。
为评估严重急性呼吸综合征冠状病毒2(SARS-CoV-2)感染,对个体到达急诊科时采集的鼻咽拭子和口咽拭子进行实时逆转录聚合酶链反应(RT-PCR)检测(Charitè,柏林,德国)[27],并在24小时后重复检测。连续两次RT-PCR结果均为阴性后,患者被视为SARS-CoV-2阴性。
为研究目的,纳入标准为:(a)可获得RT-PCR结果,(b)到达时进行了平扫胸部CT,以及(c)胸部CT上可见可识别的磨玻璃影(GGO)。排除标准如下:(a)胸部CT进行了对比剂注射(例如怀疑肺栓塞),(b)胸部CT存在运动伪影及随之而来的图像质量差,不适合CT纹理分析(CTTA)。研究人群入组流程图总结于图1。
收集入组患者的流行病学和实验室数据。
胸部CT扫描方案
所有CT检查均使用128层CT扫描仪(GE Revolution EVO 128 Slice CT Scanner,GE Medical Systems,密尔沃基,威斯康星州,美国)进行。数据集采集时患者取仰卧位并充分吸气,采用平扫胸部CT的标准容积扫描方案,固定扫描参数(管电压:120 kV,管电流调制:100–250 mAs,螺旋螺距因子:0.98,准直宽度:0.625)。
图像采用BONEPLUS卷积核重建,层厚为1.25 mm,间距为1.25 mm。医学数字成像和通信(DICOM)图像数据被传输至图像归档和通信系统(PACS)工作站(Centricity Universal Viewer v.6.0,GE Medical Systems,密尔沃基,威斯康星州,美国)。
纹理分析
从PACS提取的DICOM图像经匿名化处理后传输至专用纹理分析研究软件(TexRAD,Feedback Medical Ltd.,剑桥,英国)。两名资深放射科医师(F.P.和D.C.,分别具有5年和10年胸部影像学经验)在共识阅片下对感兴趣区(ROI)进行CTTA,以固定肺窗(窗宽:1500 HU;窗位:− 600 HU)在轴位胸部CT图像上勾画显示的GGO。ROI经手动勾画,并保持在GGO边缘内约2 mm,以将邻近结构(如血管或支气管分支、空洞或正常肺实质)排除于分析之外(图2)。每位患者勾画五个ROI,每个肺叶一个。若某一肺叶内无GGO,则其余ROI置于受累最严重的肺叶。
采用基于滤波-直方图的纹理分析技术评估每个ROI内的异质性。滤波步骤使用带通高斯拉普拉斯(LoG)滤波器,包括提取和增强不同大小和强度变化的图像特征,对应滤波器的空间尺度(以半径表示的SSF)。特征尺度范围为SSF = 2至4 mm,其中细纹理尺度对应SSF = 2 mm,中等纹理尺度对应SSF = 3 mm,粗纹理尺度对应SSF = 4 mm。滤波步骤之后,在每个衍生图像以及常规未滤波图像(SSF = 0)上使用基于统计和直方图的参数计算纹理量化。
统计与直方图参数包括平均强度、标准差(SD)、熵、正像素均值(MPP)、峰度和偏度[23]。图2展示了COVID-19阳性与COVID-19阴性患者基于过滤-直方图的CTTA。
统计分析
患者人口学特征和临床参数呈现如下:分类变量以数量和百分比表示,而连续变量以平均值和标准差表示。非参数Mann–Whitney检验评估了CTTA参数和CT密度(Hounsfield单位,HU)区分患者组(COVID-19阳性 versus COVID-19阴性)的能力。箱线图(Box and Whisker plots)可视化了两个患者组之间每个显著参数的差异和趋势。通过结合最显著参数(使用整个患者人群中每个参数的中位数作为截断值,将患者分类为COVID-19阳性和COVID-19阴性)制定的复合评分诊断标准,采用受试者工作特征(ROC)分析建立,计算了曲线下面积(AUC)、截断值(显著预测因子数量)、灵敏度、特异度、p值。统计分析使用SPSS(IBM Corp. 2017年发布。IBM SPSS Statistics for Macintosh,版本25.0。Armonk,NY:IBM Corp.)进行,p < 0.05被认为具有显著性。
结果
研究人群
初始研究人群包括150名患者。然而,根据排除标准,14名患者因增强CT被排除,4名患者无肺部GGO,12名患者因胸部CT运动伪影被排除,如下图流程图所示(图1)。因此,最终人群包括120名胸部CT上有GGO的患者,其中60名为COVID-19阳性,60名为COVID-19阴性。
阳性组包括32名男性和28名女性,平均年龄65 ± 15岁,而阴性组列出40名男性和20名女性,平均年龄70 ± 19岁,如表1所示。
在COVID-19阳性患者中,41名(68%)表现为呼吸困难,32名(53%)有咳嗽,15名(25%)显示发热(> 37.5 °C)。实验室血液检查显示49名(82%)患者有典型淋巴细胞减少症,58名(97%)有高C反应蛋白(> 0.50 mg/dL),乳酸脱氢酶升高(> 220 U/L)和D-二聚体升高(> 243 ng/ml)分别见于56名(93%)和40名(67%)患者。
在COVID-19阴性患者中,36名(60%)有咳嗽,31名(52%)表现为呼吸困难,11名(18%)有发热。C反应蛋白、乳酸脱氢酶和D-二聚体高于阈值者分别为54名(90%)、49名(82%)和48名(80%)患者。淋巴细胞减少症见于40名(67%)患者。完整结果列于表1。
图像分析
在未滤波图像上,COVID-19阳性患者的平均强度(− 289 HU vs. − 247 HU;p = 0.041)、MPP(25.3 vs. 35.3;p = 0.004)和峰度(0.2 vs. 0.6;p = 0.002)均低于COVID-19阴性个体(图3)。
在精细纹理尺度上,COVID-19阳性患者的SD(287.9 vs. 322.2;p = 0.004)和MPP(271.7 vs. 309.5;p = 0.004)较低。在中等纹理尺度上获得了可比的结果,其中COVID-19阳性患者的SD(275.7 vs. 312.6;p = 0.012)和MPP(272.0 vs. 324.2;p = 0.023)低于COVID-19阴性患者(图4)。粗纹理尺度未提供两组之间纹理参数的显著差异。综合结果总结于表2。
通过结合最显著的鉴别因素(精细纹理尺度:MPP < 290.122且SD < 306.547;未滤波图像:MPP < 27.576且峰度 < 0.356)开发的复合评分可将COVID-19阳性患者与阴性患者区分开来(p < 0.001)。具体而言,存在上述任何三项或以上危险因素可将COVID-19阳性患者从阴性患者中识别出来,灵敏度为60%,特异度为80%(AUC = 0.7,p < 0.001;图5)。
讨论
本初步研究显示了CTTA区分COVID-19阳性和阴性患者的能力。与其他病因间质性肺炎受试者相比,COVID-19阳性患者在精细和中等滤波尺度上的SD和MPP值显著较低,尤其是在精细纹理尺度上。此外,在未滤波图像数据集中,COVID-19阳性患者的峰度和MPP均较低。这些结果,连同COVID-19阳性受试者较低的CT密度,可能反映了两组之间GGO/肺实质异质性的差异。包含最显著纹理参数(存在三项或以上危险因素)的复合评分在识别COVID-19阳性患者方面显示出良好的诊断性能。
过去十年见证了CTTA的快速增长,尤其应用于肿瘤成像,旨在评估实体瘤的异质性和侵袭性[28–34]。在胸部肿瘤学中,CTTA已证明在预测肺癌生存[35]和对抗血管生成化疗及免疫治疗的反应[36–38]、区分肺癌复发与放疗后纤维化[39]以及评估肺亚结节侵袭性[40]方面的可行性。
CTTA 也已应用于弥漫性肺疾病,如肺气肿、肺特发性纤维化和肺栓塞 [41, 42]。特别是,肺血管造影的 CTTA 已被证明能有效提供通气肺与血管肺的相关信息,类似于通气-灌注 V/Q 扫描,有助于在其他导致血管性改变的病因(如肺气肿)存在时诊断肺栓塞 [42]。其他研究探索了 CTTA 在区分视觉评估上看起来非常相似的弥漫性肺部改变方面的可行性。Kloth 等人证明 CTTA 能够区分系统性硬化患者的活动性肺泡炎和肺纤维化 [43],以及肺泡出血与耶氏肺孢子菌肺炎 [44],克服了仅凭视觉评估时因两种病变早期影像学表现重叠而存在的诊断挑战。因此,CTTA 可能在以磨玻璃影(GGO)为表现的各种肺部病变的早期鉴别中发挥重要作用,这些病变需要不同的治疗,并优化患者管理。
另一项研究 [45] 将 CTTA 应用于胸部 CT 上识别 H1N1 流感引起的肺部异常,证明平均强度、标准差(SD)和不均匀性可以将 H1N1 流感患者的异常区域与肺纤维化、正常和非流感感染区分开来。与既往研究一致,在我们的研究中,关键鉴别因素是未滤波和滤波后(细纹理和中纹理尺度)的纹理指标(MPP、SD 和峰度)。这些 CTTA 指标反映了肺实质衰减分布中的异质性(强度变化、不规则性和组织对比度)。上述研究表明 CTTA 如何提取肉眼无法感知的细微图像特征,并可能协助放射科医生完成诊断任务。
如 Wu 等人 [26] 所证明,CTTA 可用于快速区分 COVID-19 与其他感染性肺炎。然而,放射组学特征已被证明能有效区分 COVID-19 患者的稳定组与进展组,其 AUC、敏感性和特异性分别为 0.8、81% 和 74% [25]。我们的研究强调了 CTTA 在 COVID-19 患者管理中的可行性,其性能高于单纯的视觉评估。如果我们的初步研究结果能在更大规模上得到证实,CTTA 可随时作为常规临床环境中的辅助工具应用。我们的结果可能潜在地反映肺实质表现的组织病理学差异;SARS-CoV 诱导的不同炎症浸润可以解释 COVID-19 患者与具有相同 CT 表现的其他间质性肺炎患者之间 CTTA 的差异,正如 COVID-19 阳性受试者中较低的 CT 密度所证明的那样。
CTTA 的实施可能加强胸部 CT 在 COVID-19 大流行期间的作用, potentially improving patient management in the emergency department [45]。
尽管结果令人鼓舞,但本研究存在局限性,包括其回顾性性质、单中心设计、样本量小,以及因共识判读而缺乏读者间一致性。尽管如此,既往研究已通过多中心临床验证证明了基于过滤直方图的CTTA具有良好的可重复性[35, 46],且对图像采集参数变化具有稳健性[47, 48]。值得注意的是,磨玻璃影(GGO)的轮廓是在单个轴位层面上勾画的。虽然对GGO进行多层或容积勾画能更好地代表整个肺内的情况,但此类方法耗时,因此在临床环境中不实用。此外,已有报道称在CT上横截面积与整体容积分析在异质性评估方面结果相当[49]。最后,缺乏组织病理学相关性分析使得无法证实上述显著CTTA参数与SARS-CoV-2及免疫系统反应所致组织/肺实质改变之间的假设。
总之,带过滤和不带过滤的CTTA参数如SD、MPP和峰度有助于区分COVID-19阳性和阴性患者,其特异性高于简单视觉评估,并有可能在胸部CT的影像学判读中作为辅助工具使用。
引用
- Caruso D, Pucciarelli F, Zerunian M, et al. Chest CT texture-based radiomics analysis in differentiating COVID-19 from other interstitial pneumonia. Radiol Med. 2021. PMID: 34347270. doi:10.1007/s11547-021-01402-3
- 全文:PMC8335460(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8335460/
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。