肺叶水平影像组学聚类揭示吸烟者肺癌风险相关背景肺改变
本研究纳入10280名男性吸烟筛查者,对CT肺叶影像组学特征进行无监督聚类,并构建加权空间风险评分。右上叶高风险聚类肺癌发生率显著更高,加权评分与肺癌风险独立相关,尤其在长期吸烟者中。结果为基于影像的肺癌风险分层提供了探索性框架。
要点
- 肺叶影像组学聚类可识别与肺癌风险相关的背景肺改变,右上叶高风险聚类肺癌发生率显著更高。
- 加权空间风险评分与肺癌风险独立相关,且与遗传易感性无显著交互作用。
- 长期吸烟者中加权空间风险评分与肺癌风险的关联更明确,阅片时需关注肺叶背景改变。
核心结论
- 肺叶水平影像组学无监督聚类可量化吸烟相关背景肺改变,为区域癌化假说提供影像学证据,并提示基于肺叶的风险分层在筛查中具有潜在价值。
研究设计与样本
- 研究类型为探索性队列研究,样本量为10280名男性吸烟者,来自温岭肺癌筛查项目,平均年龄62.1±6.34岁。
- 采用16排螺旋CT低剂量扫描,使用深度学习AI系统自动分割五个肺叶,Pyradiomics提取每叶1470个影像组学特征。
- 采用无监督k均值聚类,以轮廓系数确定最佳聚类数,使用logistic回归构建加权空间风险评分。
关键影像表现/征象
- 五个肺叶均识别出两个聚类亚组,Cluster 1表现为更低密度和熵、更高均匀性、偏度、峰度及相对更高球度。
- 各肺叶Cluster 1肺结节发生率均显著更高,右上叶Cluster 1肺癌发生率显著高于Cluster 2(0.997% vs 0.593%,p=0.020)。
- 右上叶高风险聚类同时合并更高慢性呼吸疾病患病率,LoG、Wavelet和Gradient变换特征对聚类贡献较大。
诊断标准与关键数值
- 加权空间风险评分与肺癌风险独立相关(OR=1.09,95%CI:1.02-1.16,p=0.010),调整遗传和流行病学因素后仍显著。
- 评分与PRS无显著交互作用(交互OR=1.01,95%CI:0.89-1.14,p=0.938),提示独立于遗传背景的效应。
- 长期吸烟者中评分显著关联肺癌风险(OR=1.08,95%CI:1.00-1.17,p=0.049),短期吸烟者呈非显著趋势(OR=1.09,95%CI:0.98-1.21,p=0.131)。
临床应用与阅片要点
- 阅片时需关注非结节区域的肺叶背景纹理变化,肺叶影像组学聚类提示的高风险背景可能与结节和肺癌发生相关。
- 上肺叶背景肺损伤可能更为显著,右上叶高风险聚类的肺癌风险差异更易被影像组学捕捉。
- 长期吸烟者中背景肺改变与肺癌风险的关联更明确,对长期吸烟者应更重视肺叶背景异质性的观察。
局限性
- 本研究为探索性研究,结果需在更广泛人群中独立验证,且仅纳入男性吸烟者,性别和吸烟状态的外部推广受限。
- 未进行多重比较校正,部分亚组分析基于单一两组比较,假阳性风险需考虑。
- 肺叶异常值仅由两名放射科医生审查,部分病例因分割失败或术后改变被排除。
全文中译11 节 · 点击展开
引言
肺癌仍然是全球癌症相关死亡的主要原因,早期检测对于改善预后至关重要[1]。除肿瘤特征外,越来越多的证据强调肺微环境——特别是累积性结构损伤和组织异质性——在肿瘤发生和进展中的关键作用[2–5]。这与区域癌化概念一致,该概念提出,致癌物暴露的肺组织中广泛的分子和结构改变创造了一个有利于恶性转化的“预适应”区域[6, 7]。例如,空气污染物可诱导慢性炎症,触发巨噬细胞浸润和IL-1β释放,促进具有致癌突变细胞的恶性转化[8]。这些见解强化了“种子与土壤”假说,强调了背景肺改变在塑造癌症风险中的重要性。
基于影像学的分析最近使得此类区域效应的无创表征成为可能,揭示了非肿瘤肺组织中可能先于可见恶性病变出现的细微异常。肺气肿即为这类背景改变的典型例子,其特征为慢性炎症、氧化应激和肺实质破坏[9, 10]。肺气肿与肺癌具有共同的易感因素和致病通路,肺气肿的视觉和定量计算机断层扫描(CT)评估均与癌症风险增加相关,且风险随疾病严重程度升高而增加[11]。一项相关研究表明,在肺气肿负荷高但纤维化低的肺中出现的结节更可能为恶性,提示背景肺改变可能有助于鉴别良恶性结节[12]。
既往研究主要聚焦于局灶性肺结节或全肺影像组学特征,而在肺叶水平评估背景组织的研究在很大程度上仍未开展[13–16]。然而,不同肺叶之间通气、灌注及对环境暴露易感性的差异可能促成疾病进展和癌症风险的区域异质性[17–20]。我们之前的研究揭示了个体内背景特征的肺叶间差异,表明肺老化并非一个均质过程,而是通过影像组学展现出不同的肺叶特异性模式[21]。Zhao等证明,结合所有五个肺叶的影像组学特征改善了对慢性阻塞性肺疾病(COPD)严重程度的分类,提示肺叶特异性分析可捕获超出全肺评估的额外信息[22]。
癌变可通过多种途径触发,而吸烟相关肺癌与非吸烟相关病例相比表现出不同的生物学行为和病因学[23–26]。为减少由不同致癌机制所致的异质性,我们聚焦于吸烟引起的肺背景改变作为代表性模型。具体而言,我们旨在研究肺叶水平的影像组学异质性——其捕获弥漫性、亚视觉的肺实质损伤——是否能为吸烟者的区域癌化假说提供基于影像学的证据支持。
在这项探索性研究中,我们应用肺叶水平影像组学特征的无监督聚类来识别不同的背景肺模式[27, 28]。我们进一步构建了一个加权空间风险评分来量化累积风险,并评估其与肺癌发生的关联。我们还检验了其与遗传易感性的交互作用,以及其在不同吸烟暴露时长中的相关性。我们的目的不是建立一个诊断模型,而是探索并初步量化肺叶特异性的风险差异,并评估其与肺癌的联系。
方法
研究设计与数据收集
我们的数据来自温岭肺癌筛查项目:整合人工智能(AI)和血清蛋白生物标志物(WELLSPING)。温岭肺癌筛查项目是中国肺部影像基因组学计划(LIGI)第一期的组成部分。台州市肿瘤医院伦理委员会批准了本研究(IRB-2019-2)。所有纳入研究的个体参与者均获得了书面知情同意。
整体研究流程如图1所示。纳入标准依据中国浙江省肺癌筛查技术方案制定。2019年至2020年间,从该项目中招募肺癌高危人群,随后接受低剂量胸部CT筛查。具体标准详见补充材料1。
本研究纳入了接受低剂量胸部CT筛查的肺癌高危人群中当前或既往吸烟者,排除了诊断为尘肺病或结核病的患者。由于中国男性吸烟率(74.3%)显著高于女性(3.2%)[29, 30],分析仅限于男性参与者,以确保足够的统计效力和可靠的结果。
每个肺叶的异常值定义为体素体积(mm³)和CT均值(HU)低于第25百分位数减去1.5×四分位距(IQR)或高于第75百分位数加上1.5×IQR的值。在来自800名参与者的1283个肺叶中,两名胸部放射科医师(均具有8年以上经验)独立审查异常值,以评估是否存在分割错误或其他原因。3例因分割失败或术后改变被排除出进一步分析。最终共纳入10,280名男性当前或既往吸烟者(平均年龄62.1±6.34岁)。
随后,每年进行随访以监测参与者的生存结局。肺癌发病基于从基线筛查到随访结束(2023年12月)的诊断来确定。按肺叶划分的肿瘤位置通过活检或手术的病理结果确认。该队列中的肺癌病例包括基线时识别的肿瘤和随访期间检出的肿瘤。对于多发病变或单个病变跨越多个肺叶的病例,肿瘤位置归类为不确定。如果病变位置数据不可用,则位置记录为缺失。
成像采集与影像组学特征提取
低剂量胸部CT扫描使用16排螺旋扫描仪(120 kV,40–60 mA;准直16×0.6 mm;螺距1.5;层厚1 mm;视野500 mm)。扫描期间参与者遵循标准化屏气指令(5–8秒)。所有分析均使用初次筛查的基线图像。
我们使用深度学习AI系统(北京深睿博联科技有限责任公司,CFDA批准)[31]对五个肺叶和肺结节进行自动分割,并使用Pyradiomics(v3.0)进行影像组学特征提取[32]。左肺分为上叶(UL)和下叶(LL),右肺分为上叶(UR)、中叶(CR)和下叶(LR)。所有术前随访CT图像均在肺窗设置(窗位:–600 HU,窗宽:1600 HU)下使用AI系统处理[33]。
基于CT的影像组学特征使用Pyradiomics(v3.0,Linux)提取,每个肺叶生成1470个定量特征。原始影像组学特征包括18个一阶统计特征、14个基于形状(3D)特征、22个灰度共生矩阵(GLCM)特征、16个灰度游程矩阵(GLRLM)特征、16个灰度区域大小矩阵(GLSZM)特征、14个灰度依赖矩阵(GLDM)特征和5个邻域灰度差分矩阵(NGTDM)特征,图像类型包括原始图像、小波变换、高斯拉普拉斯(LoG)、平方、平方根、对数、指数、梯度和局部二值模式(LocalBinaryPattern2D)。
基因分型与多基因风险评分(PRS)计算
在基线时,采集所有参与者的外周血样本用于基因组DNA提取和基因分型。PRS基于Dai等[34]在中国人群中全基因组关联研究(GWAS)结果中确定的19个肺癌相关单核苷酸多态性(SNPs)构建。迄今为止,这是在中国队列中进行的规模最大、预测效能最高的PRS研究。每个SNP的权重(lnOR)来源于原始研究的固定效应荟萃分析结果。PRS计算为风险等位基因计数乘以其相应效应量的加权总和。PRS19在后续模型中作为连续变量纳入。详细步骤见补充材料1。
聚类与统计分析
采用无监督k均值聚类在每个肺叶中识别同质性的基于影像的患者聚类。使用轮廓分析确定最佳聚类数。根据聚类结果,为每个肺叶赋值0或1。未加权肺叶评分为5个肺叶评分的总和,范围为0至5分。鉴于各个肺叶对背景肺环境的不同贡献,以探索性方式使用logistic回归模型的β系数推导加权标准化肺叶评分。每个肺叶变量乘以β系数,求和后除以β系数之和,再乘以5[35]。
使用logistic回归评估肺癌风险及预测因素。为评估遗传易感性和吸烟史对效应的潜在修饰作用,参与者分别按PRS中位数和吸烟时长分层为高/低组和长/短组。在模型中加入加权空间风险评分与PRS分组的交互项以检验异质性。随后构建多变量logistic模型。
分类变量采用χ²检验进行比较,连续变量采用Student t检验或Mann–Whitney U检验。趋势检验评估了未加权肺叶评分与肺结节或肺癌发生之间的关联。五个肺叶仅进行了一次全局检验(无两两比较),所有其他亚组分析均为单次两组比较。因此,统计检验数量有限,且未进行多重检验校正,这与本研究的探索性性质一致。分析使用SPSS软件(版本26,SPSS for Windows,IBM,Armonk,NY,USA)和R软件(版本4.3.3,R Foundation for Statistical Computing,Vienna,Austria)进行,双侧p < 0.05视为有统计学意义。
结果
患者特征
五个肺叶之间在形态学和低阶影像组学特征分布上观察到显著差异(p < 0.01;补充电子图S1)。每个肺叶在轮廓系数的指导下,通过k均值聚类独立分为两个亚组(补充电子图S2)。与各肺叶亚组相对应的基线临床特征总结于表1。
在每个肺叶内识别出的两个亚组中,Cluster 1的肺结节发生率始终高于Cluster 2(右上叶:78.9% vs 70.0%,右中叶:47.6% vs 41.7%,右下叶:66.9% vs 48.3%,左上叶:72.5% vs 61.6%,左下叶:66.3% vs 48.9%,均p < 0.01)。在右上叶中,Cluster 1的肺癌发生率也显著高于Cluster 2(0.997% vs 0.593%,p = 0.020),而在其他肺叶的亚组之间未观察到肺癌发生率的统计学显著差异。
所有肺叶的亚组之间在若干流行病学特征上也存在差异(表1)。例如,与Cluster 2相比,Cluster 1与较高的慢性呼吸系统疾病患病率相关,包括慢性阻塞性肺疾病(COPD)、肺气肿、慢性支气管炎和哮喘(右上叶:9.10% vs 5.79%,p < 0.01;右中叶:9.81% vs 5.22%,p < 0.01;右下叶:9.06% vs 5.62%,p < 0.01;左上叶:9.53% vs 5.33%,p < 0.01;左下叶:9.63% vs 5.23%,p < 0.01)。
以若干低阶特征为例,所有五个肺叶的两个聚类亚组表现出一致的趋势。具体而言,Cluster 1的特征是较低的密度和熵,以及较高的均匀性、偏度、峰度值和相对较高的球形度(图2和补充电子图S3)。
个体参与者各肺叶聚类结果的重叠情况见补充电子图S4。
聚类分析
图3a中的热图(以右上叶为例进行说明)展示了无监督k均值聚类的结果,突出了区分两个亚组的前50个最具影响力的影像组学特征的分布。其他肺叶见补充电子图S5。
图3b总结了每个肺叶聚类贡献排名前200的影像组学特征类型及其对应的图像变换。在变换方法中,高斯拉普拉斯算子(LoG)、小波(Wavelet)和梯度(Gradient)滤波器对聚类性能贡献显著。由这些变换衍生的相关纹理特征在区分亚组方面发挥了关键作用。值得注意的是,右肺下叶(LR)包含一个来源于原始一阶统计量的排名靠前的特征,表明其具有独特的贡献模式。
未加权肺叶评分与分析
基于影像组学特征的分布、相关临床指标以及最显著的肺结节发生率,聚类1被赋分为1分(高风险),聚类2被赋分为0分(低风险)。未加权肺叶评分范围为0至5分,通过将每个个体五个肺叶的评分相加计算得出。随着未加权肺叶评分的增加,肺结节发生率呈上升趋势(90.6%–93.9%–94.9%–96.0%–96.0%–96.0%;趋势p < 0.01)。同时,肺癌发生率也呈现波动但总体上升的模式(2.13%–1.64%–2.44%–2.74%–3.17%–2.76%;趋势p < 0.01)(表2和图4)。
按肺区域分层的分析进一步显示,在上叶中,肺结节患病率(81.5%–89.7%–89.5%;趋势p < 0.01)和肺癌发生率(1.07%–1.58%–1.73%;趋势p < 0.01)均随未加权肺叶评分的增加而升高。相比之下,在下叶中,仅肺结节表现出显著的增加趋势(65.9%–80.8%–83.8%;趋势p < 0.01),而肺癌发生率无显著趋势(0.637%–0.721%–0.786%;趋势p = 0.398)。这些发现提示,肺叶聚类亚组对整体病理背景的贡献可能因肺内解剖位置的不同而有所差异。
加权空间风险评分的构建与回归模型
利用逻辑回归建模,对各肺叶的系数进行调整,生成加权空间风险评分(补充表eTable S1)。在校正遗传和流行病学因素后,仅保留显著变量纳入最终模型,如表3(a)所示。
加权空间风险评分与癌症风险呈独立的单调关联(每单位OR = 1.09,95% CI:1.02–1.16,p = 0.010)。PRS19(OR = 1.71,95% CI:1.16–2.51,p < 0.01)、年龄(OR = 1.06,95% CI:1.04–1.09,p < 0.01)和累计吸烟暴露量(包年)(OR = 1.01,95% CI:1.00–1.01,p < 0.01)也与肺癌显著相关。图5森林图展示了与年龄、包年和PRS19并列的效应量。
在PRS交互作用模型(表3(b))中,加权空间风险评分(OR = 1.08,95% CI:0.99–1.18,p = 0.068)和PRS分组(低 vs 高,OR = 0.82,95% CI:0.54–1.25,p = 0.359)均未显示出显著的主效应。交互作用分析表明,加权空间风险评分与肺癌之间的关联在低PRS组和高PRS组之间无显著差异(交互作用OR = 1.01,95% CI:0.89–1.14,p = 0.938)。
在按吸烟年限分层分析中(表3(c)),加权空间风险评分在长期吸烟者中与肺癌风险显著相关(OR = 1.08,95% CI:1.00–1.17,p = 0.049)。在短期吸烟者中,观察到类似的阳性趋势,但未达到统计学显著性(OR = 1.09,95% CI:0.98–1.21,p = 0.131)。在长期吸烟组中,PRS19(OR = 1.78,95% CI:1.10–2.85,p = 0.0175)和年龄(OR = 1.06,95% CI:1.02–1.10,p < 0.01)也是显著的危险因素。
讨论
我们的工作拓展了经典的区域癌化理论——该理论认为暴露于致癌物的组织区域发生广泛的癌前转化——通过提供基于定量成像的人肺区域性场效应的证据。利用大型筛查队列和全自动肺叶影像组学聚类,我们的探索性分析表明结构性和微环境损伤并非均匀分布,而可能呈区域性加重——最显著地表现在右上叶。这种空间异质性与不同的癌症风险相关,提示在暴露于致癌物的肺内存在解剖学热点区域。数十年来,肺癌风险评估主要依赖于以结节为中心的模型,这可能忽略了更广泛的背景因素。我们之前的工作[36]证实,整合多个结节和全肺特征的模型在长期肺癌风险预测方面优于仅基于结节的模型,并且能够在筛查阴性参与者中进行风险预测。在此基础上,我们现在研究肺叶异质性在肺癌发生中的作用。据我们所知,这项探索性研究提供了首个定量影像学证据,表明区域癌化——一种空间协调、区域性加重的风险景观——可以在人肺中被初步绘制和测量。在这一男性吸烟者队列中,源自常规低剂量CT的加权空间影像组学风险评分被发现在个体水平上与肺癌发生独立相关,尽管这些发现需要在更广泛的人群中加以验证。
既往研究表明,环境因素——如空气污染、慢性炎症和局部组织损伤——以及遗传易感性(例如PRS)通过独立和交互的途径共同促进肺癌的发生 [4, 8, 26, 34]。在这项探索性研究中,我们未观察到加权空间风险评分与PRS之间存在显著交互作用,这可能表明由肺叶影像组学表型所捕获的空间风险反映的是一条获得性微环境通路,其在很大程度上独立于遗传性易感性发挥作用,且在不同遗传风险谱中具有一致的预测方向。这一模式虽属初步发现,但提示了传统风险模型中常被忽视的局部性、非遗传性损伤的潜在作用,并表明基于影像的场效应图谱在经过独立验证后,可能在未来研究中具有风险分层和监测的潜在应用价值。我们的分析还发现,在长期吸烟者中,加权空间风险评分与肺癌风险之间的关联更强,提示累积烟草暴露可能加剧肺部结构性损伤并增强微环境对恶性转化的易感性,且在不同暴露组间效应方向一致。这些发现在一定程度上支持区域癌化(field cancerization)的概念,即由慢性炎症和组织重塑驱动的广泛组织损伤,在直接致突变作用之外,为肺癌发生准备了肺部环境 [3, 4, 8, 37–39]。
单次低剂量CT扫描即可提取数千个肺叶特异性特征(5个肺叶 × 约1000个特征)。与单纯的“结节水平”或“全肺水平”分析相比,肺叶水平的分辨率保留了局部微结构信息,同时与已知的病理和生理异质性相吻合 [11, 17, 18, 20, 40–42]。例如,肺癌倾向于好发于上叶,而慢性炎症或纤维化则更常见于下叶 [11, 20, 41, 42]。这些分布差异可能源于肺叶间在支气管解剖、气流和灌注方面的差异。一项近期涉及35,469名中国参与者的肺部影像表型研究显示,虽然遗传力在各肺叶间无显著差异,但有103个遗传位点仅在单一肺叶中具有显著性 [43]。这一发现进一步印证了肺是一个高度异质性器官的认识,并强调了肺叶特异性分析的重要性。从生理学角度来看,例如右上叶支气管的气流速度相对较低 [44, 45],且各肺叶间的通气-灌注关系存在显著差异 [46]。这些生理差异可通过影响局部氧合、颗粒物沉积和免疫活动来塑造影像组学模式。上叶较低的血流量可能削弱致癌物的清除能力,而下叶较高的灌注则有利于气体交换和病原体清除 [18, 19]。这种不平衡可能部分解释上叶对恶性转化具有更高易感性的原因,并支持在早期癌症检测中采用肺叶特异性影像组学分析的合理性。
在我们的探索性分析中,观察到仅右肺上叶在影像组学聚类之间的肺癌发病率存在显著差异,这可能反映了当前病例的分布以及上述生理学差异,提示上叶损伤可能更为显著,从而更易被影像组学分析所捕获。各肺叶的聚类亚组之间均观察到肺结节发病率的显著差异,其中上叶结节检出率更高。尽管本研究未按 Lung-RADS 分类对结节进行分层,但肺结节的存在在一定程度上可被解读为潜在病理改变的表现,包括炎性浸润、纤维化重塑或肺气肿性破坏。随着随访时间的延长,我们推测其他肺叶的聚类亚组之间也可能出现类似的癌症发病趋势。
从若干具有临床可解释性的低阶影像组学特征来看,高风险肺叶聚类倾向于表现出较低的密度和较高的球形度,这可能反映了肺气肿性改变。此外,峰度、偏度和均匀性等特征与背景异质性相关,可能反映肺实质内潜在的结构和功能异常。为了进一步捕捉肺实质改变的复杂性,研究还纳入了更高级的影像组学特征。影像组学特征,尤其是源自高斯拉普拉斯算子(LoG)、小波和梯度变换的特征,通过同时捕捉大尺度结构异常和细微结构异常,增强了对肺实质异质性的检测能力 [47–51]。LoG 突出局部高对比度结构,在上叶区域尤其具有信息量,可能反映肺气肿性改变 [11, 52]。小波分解能够进行多尺度分析,区分纤维化等粗糙模式和微结节等细微纹理 [53–57]。基于梯度的特征突出密度突变和解剖结构紊乱,使其对纤维化扭曲和肺泡破坏均较为敏感 [58, 59]。这些方法共同增强了对可能与肺癌风险相关的弥漫性背景重塑的定性能力。
我们的研究存在若干局限性。首先,聚类在肺叶水平进行,而亚组分析在个体水平进行,这可能削弱与临床因素的关联。其次,肺癌的发生需要长期随访,当前时间点相对较低的发病率可能限制统计效能。尽管在目前有限的随访期内观察到了具有统计学意义的差异,仍将进行延长随访,以实现更全面的评估。第三,由于加权空间风险评分是在同一数据集中推导并进行内部评估的,所报告的性能可能受到乐观偏倚的影响。因此,绝对估计值应谨慎解读。在考虑任何临床应用之前,需要进行独立的外部验证。此外,我们的分析基于数据可得性和对已确立的肺癌危险因素的既有认识,对一组核心混杂因素进行了校正。选择这一有限的变量集是为了保持模型简约性,并聚焦于男性吸烟者队列中最相关的混杂因素。尽管如此,我们承认未测量或残余的混杂因素(例如职业暴露、环境空气污染、肺癌家族史或社会经济地位)可能仍然存在,并可能部分影响所观察到的关联。此外,我们的研究人群仅限于男性吸烟者。鉴于中国吸烟率存在显著的性别差异,以及非吸烟者肺癌发生机制可能不同,我们的研究结果对女性、非吸烟者或其他种族人群的外推性需要在独立、多样化且协变量更全面的队列中加以验证。另外,将分析扩展至肺段水平可能有助于进行更精细的研究。
总之,对肺叶水平影像组学特征进行无监督聚类能够识别并初步描述背景性肺实质改变,提供与区域癌化理论和“种子与土壤”假说相一致的影像学证据。该方法可为未来高风险人群肺癌风险分层研究提供一个初步的探索性框架。
补充信息
电子补充材料
引用
- Wang, Zhu, Lu, et al. Lobar-level radiomic clustering reveals background lung changes associated with lung cancer risk: a new perspective for early screening. Insights Imaging. 2026. PMID: 42322484. doi:10.1186/s13244-026-02328-y
- 全文:PMC13283237(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13283237/
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。