文献速递胸部技术与安全MRCT

AI压缩感知单次屏气肺MRI对比光子计数CT检测肺结节

Diagnostic performance of a single breath-hold lung MRI scan with AI-powered compressed sensing for nodule detection in comparison to photon counting detector-CT.
PubMed 文献 · Eur Radiol · 2026-07-10

本研究为单中心前瞻性研究,纳入97例健康成人,比较AI辅助压缩感知加速的3D-T1-FFE单次屏气3T肺MRI与光子计数CT(PCD-CT)在肺结节检出中的表现。MRI对实性结节总敏感度为83.1%,对≥4 mm实性结节敏感度达98.1%,结节大小Lin CCC为0.985。MRI与CT在Lung-RADS 4A和4B分类上完全一致,提示该序列可作为实性肺结节筛查的潜在无辐射替代方案。

要点

  • MRI对≥4 mm实性结节敏感度98.1%,对临床相关结节检出价值较高
  • MRI系统性低估结节大小约1.02 mm,接近Lung-RADS阈值时需注意分级漂移
  • 钙化结节及<4 mm结节MRI检出不可靠,钙化漏诊占漏检结节的51.2%

核心结论

  • 单次屏气AI-CS加速3D-T1-FFE MRI对实性肺结节筛查具有价值,与PCD-CT一致性良好
  • MRI对≥4 mm实性结节敏感度98.1%,准确度97.7%,对≥8 mm实性结节准确度达100%
  • MRI检出率与结节大小和成分相关,实性结节检出概率是钙化结节的149.6倍

研究设计与样本

  • 单中心前瞻性研究,2024年6月至2025年6月连续纳入148例成人,最终入组97例
  • MRI采用Philips 3T系统,3D-T1-FFE Dixon冠状位序列,2 mm各向同性分辨率,加速因子9,AI-CS重建
  • 参考标准为同日内PCD-CT低剂量平扫,NAEOTOM Alpha,层厚0.8 mm,QIR3重建
  • 图像由两位胸部放射科医师共识阅片,第二位5年经验医师评估观察者间一致性

关键影像表现/征象

  • PCD-CT在MRI信号缺失的≤4 mm钙化结节表现为局限性高密度灶
  • 部分实性结节在MRI上表现为T1-FFE序列中的局灶性信号异常,中央实性部分与GGO成分对比可辨识
  • MRI上钙化结节常表现为信号缺失区,与实性结节信号特征不同但较大钙化可被误判为实性
  • MRI对结节边缘显示存在轻度平滑效应,导致结节大小被低估约1.02 mm

诊断标准与关键数值

  • MRI对实性结节总敏感度83.1%,特异度97.0%,PPV 98.7%,NPV 43.8%,准确度87.3%
  • MRI对≥4 mm实性结节敏感度98.1%,特异度97%,准确度97.7%;对≥6 mm准确度98.4%,对≥8 mm准确度100%
  • 结节大小一致性Lin CCC为0.985,Bland-Altman显示MRI比CT低1.02 mm
  • CT结节直径每增加1 mm,MRI检出概率增加3.2倍;实性结节检出概率为钙化结节的149.6倍

临床应用与阅片要点

  • 阅片时对MRI上≥6 mm实性结节应高度关注,接近Lung-RADS阈值时需考虑MRI低估约1 mm的影响
  • MRI上未见结节不能排除存在小实性结节或钙化结节,尤其<4 mm结节漏检率高
  • MRI上较大钙化结节可表现为类实性信号,易误判为Lung-RADS 2类,需结合CT确认
  • MRI阅片应采用标准化窗设置(level 110 SI,width 700 SI),避免噪声和部分容积效应干扰判断

局限性

  • 样本量较小,亚实性结节数量少,需在高危人群中进一步验证普适性
  • 单中心单厂商设备研究,AI-CS重建算法的跨平台可重复性未经验证
  • MRI低估结节大小接近1 mm,可能导致Lung-RADS分级在临界阈值处迁移
全文中译11 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. 2026 Jul 10;36(11):8322–31. doi: 10.1007/s00330-026-12738-7

引言

原发性肺癌是全球第二大常见恶性肿瘤,也是癌症相关死亡的首要原因[1]。

计算机断层扫描(CT)因其可及性高、对比度和空间分辨率优异以及采集速度快,是检测肺结节的标准影像学方法[2]。

对高危患者进行低剂量CT(LDCT)筛查已显示可将癌症相关死亡率降低20%[3, 4],其通过早期检测实现[5],但需要反复扫描[6],使患者暴露于累积辐射中,辐射诱发肺癌的终生风险增加0.5%–5.5%[7]。

磁共振成像(MRI)提供无辐射成像和卓越的软组织对比度,但由于质子密度低、T2*极短、空气-组织界面处的磁化率伪影以及心脏和呼吸运动,肺部成像仍具有挑战性[8]。

近年来MRI硬件和软件的进步提高了图像质量,促使Fleischner学会将MRI视为肺癌筛查中有价值的无辐射替代方案[9]。此外,Markov模型显示,与CT相比,MRI可提供相似的预期寿命获益,并可能具有更好的成本效益[10]。

肺部MRI临床实施的主要障碍是扫描时间。数分钟的扫描时间带来患者依仗性问题、成本增加和基础设施需求,从而干扰筛查工作流程[11]。

人工智能辅助压缩感知(AI-CS)通过将非相干k空间采样与基于深度学习的重建和去噪相结合,实现了更快的扫描。该方法主要应用于脑部和肌骨成像,已促进了更快的采集方案、减少了患者不适,并提高了诊断能力[12, 13]。

AI-CS在肺部筛查中显示出前景,可在保持图像质量和诊断准确性的同时缩短扫描时间[14]。在Ziegelmayer等人[14]既往的研究中,尽管使用AI加速的3D梯度回波序列实现了高各向同性空间分辨率(1 mm),但总扫描时间仍为数分钟,无法实现单次屏气采集——这是快速筛查的一个关键要求。

更短的采集时间可减少运动伪影、提高患者依从性,并更好地模拟LDCT的快速工作流程。因此,本研究旨在以光子计数探测器CT(PCD-CT)作为参考标准,评估一种较低分辨率(2 mm各向同性)AI-CS 3D-T1-FFE 3-T MRI方案在完全单次屏气采集中检测肺结节的诊断敏感性。

材料与方法

研究设计

这是一项经当地伦理委员会批准的单中心前瞻性研究(AIMOMICS-BANK CET 233-2024);已获得书面知情同意。

我们筛选了2024年6月至2025年6月期间连续就诊的无症状成年患者(年龄≥18岁),这些患者作为全身MRI筛查的一部分接受了肺部3-T MRI检查。

纳入标准要求同日进行PCD-CT胸部平扫,作为参考标准。排除标准为:(i)拒绝提供同意;(ii)儿科患者(年龄<18岁);(iii)未行胸部CT检查;(iv)间质性肺病或炎性改变。

入组流程图见图1。

收集的临床数据包括人口统计学资料(性别和年龄)以及肺癌危险因素(吸烟、肺部疾病家族史或个人史、职业暴露)。

图1 入组流程图 查看原图 ↗

肺部MRI和胸部CT采集方案

MRI在3-T系统(Philips 7700,Philips Healthcare)上进行,配备32通道心脏接收线圈和梯度系统,最大梯度幅值65 mT/m,切换率220 T/m/s。胸部MRI检查时患者取仰卧位,不注射对比剂,采用3D T1加权快速场回波(FFE)Dixon笛卡尔冠状位扫描,采集各向同性空间分辨率为2 × 2 × 2 mm³。为最小化回波时间并改善肺结节的显示,尤其是第一个回波,使用了硬的非选择性发射脉冲。此外,在足-头(FH)读出方向上应用了制造商默认的2倍过采样因子以防止信号混叠。该序列采用2个回波(TE1/TE2 = 0.9/2.0 ms),重复时间(TR)为3.1 ms,翻转角(FA)为10°,水-脂位移为0.35像素,视野为380 × 442 × 300 mm³。左右(RL)方向的过采样因子根据每位患者的胸廓大小个体化调整,屏气持续时间中位数为17.2 s [IQR 17.2–17.3],两侧过采样边距可达180 mm。

图像重建采用AI-CS框架(SmartSpeed,Philips Healthcare),加速因子为9。该技术采用基于深度学习重建算法Adaptive-CS-Net,集成于迭代重建过程中[15]。我们使用40%的去噪水平,以在噪声降低与结构细节保留之间取得平衡。

胸部CT检查在PCD-CT系统(NAEOTOM Alpha;Siemens Healthineers)上进行,于吸气末屏气时采集,不使用对比剂,采用低剂量方案(IQ水平15,Sn 100 KV,层厚0.8 mm,间距0.6 mm,矩阵1024²,BI56,QIR3)。

图像重建以轴位和冠状位视图进行。

剂量长度乘积(DLP)中位数为34.9 [IQR,34.5–57] mGy*cm,容积CT剂量指数(CTDIvol)中位数为0.9 [IQR 0.7–1.1] mGy。

图像分析

图像由两名委员会认证的放射科医师匿名审阅,两位医师在胸部放射学领域拥有超过15年的经验,在商用图像存档与通信系统上以协商一致方式进行审阅。

CT采用标准化窗设置(窗位,–550 HU;窗宽,1600 HU),MRI采用标准化窗设置(窗位110 SI;窗宽700 SI)。

所有检出的结节均按结节逐一分析检测效能,包括PCD-CT和MRI上的位置、大小和形态。

他们还按患者逐一分配Lung-RADS分类:对于有超过1个结节的患者,根据标准实践,将决定最高分类的结节用于最终Lung-RADS分类[16]。

病灶大小手动测量,圆形结节测量单个径线,椭圆形病灶测量最长轴位径线。

一名具有5年经验的第二位阅片者分析图像以评估观察者间一致性。

在PCD-CT上,根据Fleischner学会指南[17],将结节分为磨玻璃影(GGO)、部分实性结节、实性结节和钙化结节。

统计分析

使用描述性统计总结结节特征。

采用Shapiro–Wilk检验评估正态性。正态分布变量以均值±标准差(SD)表示,非正态分布变量以中位数和四分位距(IQR)表示,分类变量以计数和百分比表示。组间比较中,连续变量采用Student’s t检验或Mann–Whitney U检验,分类变量采用卡方检验或Fisher精确检验。计算检出率的比值比(OR)及95%置信区间(CI)。统计显著性定义为双侧p值<0.05。

以CT为参考标准,按成分和大小评估MRI的结节检出性能[18]。采用Cohen’s kappa系数(κ)评估检出一致性,并通过McNemar检验计算配对检出差异。

对于两种模态均可见的结节,计算Lin’s一致性相关系数(CCC),以量化CT与MRI在直径测量上的一致性程度,同时考虑相关性和与一致线的偏差。此外,散点图和Bland–Altman图评估了大小估计中的系统偏倚或比例偏倚。

采用logistic回归分析评估结节特征对MRI检出概率的影响。在该模型中,MRI检出(是/否)作为结局变量,结节直径(CT测量)和成分(实性 vs. 钙化)作为预测变量。估计OR及95%置信区间以量化各变量的效应。

使用Python 3.10进行统计分析,借助pandas、statsmodels、pingouin和matplotlib等软件包。

结果

本研究纳入97例患者(男性65/97,67%,平均年龄58±12岁)。其中33例(34%)为当前吸烟者,14例(14%)为既往吸烟者,1例(1%)有职业性吸入暴露史。

所有肺部MRI检查图像质量良好,Likert评分始终≥4分(34例为4分;63例为5分)。34例Likert评分为4分的病例因呼吸运动(n=10)或心脏运动(n=24)出现轻度伪影。

无论结节成分如何,肺部MRI在48例患者中检出结节,而PCD-CT在63例患者中检出结节。

MRI与PCD-CT在Lung-RADS分类上显示出高度一致性(图2和表1)。具体而言,MRI正确分类了可疑结节(表1和图3),但漏检了41/118个结节,导致2例患者的Lung-RADS MRI评分1变为CT评分2(图2和图4)。此外,5例伴有大钙化结节的患者在MRI上表现为实性,被误分类为Lung-RADS MRI评分2,而其Lung-RADS CT评分为1。1例Lung-RADS MRI评分3的患者Lung-RADS CT评分为2(图2和图5)。

图2 MRI与PCD-CT的LUNG-RADS分类 查看原图 ↗
图3 上图(A–C):57岁女性,主动吸烟者,右肺下叶上段3D-T1-FFE(A)示一混合磨玻璃结节,考虑可能为恶性(Lung-RADS 4B)。PCD-CT(B)和FDG-PET(C)均证实该结节,显示中央实性部分呈高摄取。诊断为以贴壁生长为主的浸润性腺癌。下图(D–F):56岁男性,无危险因素,3D-T1-FFE显示一实性结节,边缘呈分叶状,分类为Lung-RADS 4a(D),与CT(E)相比,MRI(D)对大小的评估略有低估(11 mm vs. 12 mm)。FDG-PET检出病理性摄取,组织学证实为浸润性混合型腺癌,80%黏液型,20%乳头状型 查看原图 ↗
图4 上:3D-T1-FFE(A)与PCD-CT(B)在检出右肺下叶一长径6 mm实性结节方面一致的示例病例。下:不同模态间不一致的示例病例,显示左肺下叶一叶间裂内实性结节,长径3 mm(D),MRI(C)未能检出 查看原图 ↗
图5 肺部MRI上的钙化结节。3D-T1-FFE(A)显示一10 mm结节,伴细小胸膜索条,PCD-CT(B、C)证实为钙化结节,大小一致。下图,3D-T1-FFE(D)未能识别PCD-CT(E、F)记录的一枚小钙化结节(直径2 mm) 查看原图 ↗
表1 PCD-CT与肺部MRI的Lung-RADS混淆矩阵 查看原表 ↗

总结节检出

PCD-CT共检出118个肺结节,中位大小为4.5 mm [IQR,3–6] mm,包括73个实性结节、4个部分实性结节、6个磨玻璃结节、23个钙化结节和12个部分钙化结节。

MRI共检出78个结节,除1个因图像伪影导致的假阳性外,其余均经CT证实。

MRI的敏感度因结节成分而异:实性结节63/73(88%),部分钙化结节8/12(67%),磨玻璃结节2/6(33%),部分实性结节1/4(25%),钙化结节仅2/23(9%)。

MRI漏诊41个结节,其在PCD-CT上的中位直径显著小于已检出结节(3.0 mm [IQR 2.0–4.5 mm] vs. 4.0 mm [IQR 3.5–7.0 mm];p < 0.001)。漏诊病灶中超过半数为钙化结节(21/41,51.2%;中位直径2.0 mm [IQR 1.5–5.0 mm]),其余20个(48.8%)大多为实性结节,中位直径2.5 mm [IQR 2.1–3.0 mm](图6)。

在两种模态均检出的77个结节亚组中,PCD-CT上测得的最大直径显著大于MRI上的测量值(5.5 mm [IQR,4.0–7.0 mm] vs. 4.0 mm [IQR,3.0–6.0 mm];p < 0.001),提示MRI存在轻微的系统性低估。Bland–Altman分析显示平均偏倚为1.02 mm(95% CI:[−1.16,3.20] mm),一致性相关系数(CCC)为0.985。

以CT为参考标准,MRI的特异度为97.0%(95% CI:84.7–99.5),阳性预测值(PPV)为98.7%(95% CI:93.1–99.8),表明MRI检出的结节几乎均为真阳性。考虑所有结节(不论大小和成分),MRI的敏感度为65.3%(95% CI:56.3–73.2),阴性预测值(NPV)为43.8%(95% CI:33.0–55.2),这主要受大量小结节被漏诊的影响。按大小分层后(≥ 4 mm),敏感度提高至82.4%(95% CI:72.2–89.4),准确度为86.9%(95% CI:79.2–92.0)。

图6 漏诊与检出结节的大小分布图。 查看原图 ↗

按成分分类的检出效能

按成分分层分析时,我们观察到阅片者使用MRI识别实性结节和部分实性结节的能力极佳,敏感性为83.1%(95% CI:73.2–89.9),阳性预测值为98.5%(95% CI:91.8–99.7),准确率为87.3%(95% CI:79.8–92.3)。

相比之下,对于钙化结节,MRI的敏感性(28.6%;95% CI:16.3–45.1)和阴性预测值(NPV)(56.1%(95% CI:43.3–68.2))仅为一般水平(表2)。

表2 肺部MRI与PCD-CT在不同肺结节大小和成分下的结节检出诊断效能比较 查看原表 ↗

实性结节按大小的检出效能

MRI对≥4 mm的结节显示出更高的效能,敏感性为98.1%(95% CI:90.2–99.7),特异性为97%(95% CI:84.7–99.5),准确率为97.7%(95% CI:92.0–99.4)。随着阈值直径的增大,MRI的准确率进一步提高,≥6 mm结节达到98.4%(95% CI:91.3–99.7),≥8 mm结节达到100%[95% CI:92.4–100](表2)。因此,MRI的效能与结节大小密切相关,对小于4 mm的病灶敏感性较低。

逻辑回归分析表明,结节成分和大小均影响MRI的检出率。实性结节被检出的概率是钙化结节的100倍以上(OR = 149.6;95% CI:14.7–1524.2;p < 0.001)。此外,CT测量的直径每增加1 mm,MRI检出的几率增加至三倍(OR = 3.2;95% CI:1.7–6.1;p < 0.001),支持大小、成分与可检出性之间存在强正相关。

阅片者间一致性

在结节检出方面,PCD-CT(95%一致率,Cohen’s K = 0.77[95% CI 0.38–1.00])和MRI(90%一致率,Cohen’s K = 0.88[0.70–1.00];McNemar检验不显著)的阅片者间一致性均为高度一致。

在结节大小测量方面,PCD-CT(ICC = 0.993[0.929–1.000],CCC = 0.993)和MRI(ICC = 0.997[0.962–0.999],CCC = 0.997)均观察到极好的可靠性。

PCD-CT的平均差值为0.10 mm;95%一致性界限[−1.80至2.00]mm,MRI为−0.33 mm;95%一致性界限[−1.64至0.97]mm。

讨论

肺部MRI是一种有吸引力的无辐射CT替代方案,适用于人群水平筛查和辐射敏感人群[19–21]。

我们的目的是评估优化的MRI序列在诊断效能上——特别是在检出率方面——能否达到与CT相当的水平,同时避免电离辐射。我们采用了优化的T1w-3D-FFE序列,在3-T MRI上实施,单次屏气约17 s完成采集。

总体而言,MRI对任意大小的实性结节检出准确率为87.3%,对≥4 mm结节准确率提高至97.7%(95% CI:92.0–99.4)。

与PCD-CT相比,MRI系统性低估了结节大小,差值为1.02 mm(95% CI:[−1.16, 3.20] mm),处于既往报道范围的下限(MRI较CT低估1–2 mm)[22, 23]。这直接由我们采用的2 × 2 × 2 mm各向同性分辨率所致的部分容积效应引起,与HRCT相比,该效应使结节边缘变得平滑。这一系统性偏倚在Lung-RADS关键大小阈值(6–8 mm)附近可能具有直接临床意义,约1 mm的低估可能导致结节分类迁移,这强调了需要针对MRI制定专用的大小标准,而非直接套用基于CT的阈值。然而,在我们的队列中,低估并未显著影响有临床意义结节的检出,Lung-RADS分类的极佳一致性也支持这一点。值得注意的是,3例患者在MRI上发现可疑病变(Lung-RADS 4A-4B),并经CT、FDG-PET和组织学证实为癌症。MRI未漏诊任何有临床意义的结节。MRI与CT之间存在少数不一致病例。对于MRI上较小的结节,2例MRI分类为Lung-RADS 1的患者在CT上被重新分类为Lung-RADS 2;而对于MRI上一个大的钙化结节呈实性表现,5例MRI分类为Lung-RADS 2的患者在CT上被降级为Lung-RADS 1。

MRI检出率同时受结节大小和成分的影响。对于< 4 mm的小结节,尤其是钙化结节,MRI检出不可靠,这类结节占未检出结节的51.2%(中位大小2 mm),原因是氢质子含量低,在MRI上表现为信号缺失[9]。其余未检出结节中48.8%为实性结节,但尺寸非常小(中位直径2.5 mm [IQR 2.1–3.0 mm])。

尽管在肺癌筛查背景下,< 4 mm的结节和钙化结节通常被认为是良性的[16],但在肿瘤患者中,小的恶性结节可能被漏诊,这限制了MRI在肿瘤患者中检测远处肺转移的适用性。

在准确性与采集时间之间取得平衡的肺部MRI优化是MRI临床适用性的一个主要问题。

最近引入的超短回波时间(UTE)和零回波时间(ZTE)序列尽管肺组织固有T2*较短,仍可获得良好的图像质量,并与CT具有一致性[9, 24]。

然而,其常规应用受到扫描时间延长(7–10 min)[25, 26]的限制,可能影响心脏附近肺实质[27]及胸膜下区域[25]的评估。相比之下,笛卡尔采集结合最先进的梯度系统和基于AI的重建技术可实现低于1毫秒的回波时间,在单次屏气内完成全胸采集,为高通量肺部MRI提供了一种更实用、更具可扩展性的解决方案。

我们研究的一个关键技术重点是使用AI驱动的CS,与传统CS相比,它缓解了采集速度与图像质量之间的权衡。通过将深度学习整合到重建过程中,该方法改善了噪声-结构分离并保留了空间细节,从而允许较高的加速因子。此外,基于深度学习的去噪算法已被证明可以保持图像质量和细微结构细节[28]。

然而,对于非常小的结节(< 4 mm),仍可能出现轻微平滑和部分容积效应。必须在速度与质量之间谨慎权衡,以保持MRI的敏感性。

事实上,我们将去噪水平限制在40%,以限制对边缘锐利度和结节边界界定的影响[29],但这可能影响尺寸测量。

一项既往研究[14]确定CS-AI-10为最佳加速因子,在扫描时间缩短、图像质量和检出率之间取得了良好折中,扫描时间为2分34秒。然而,自由呼吸采集依赖于规律的呼吸模式,这在肺功能受损的患者中无法保证,且易受运动伪影影响。此外,Marka等[30]评估了一种用于肺结节检测的AI-CS 3D GRE序列,报告对于>3 mm结节的检出率为96.3%,但总扫描时间为3分53秒,且呼吸运动伪影导致了小结节的漏检。

我们优化的T1w-3D-FFE序列联合CS-AI-9可实现单次屏气采集(最长17秒),在保持图像质量和对临床相关结节良好检出性能的同时实现快速扫描,可与基于CT的筛查方案进行有力比较。

实性结节的检出率非常出色,尽管其中位尺寸较小,与既往UTE和ZTE序列的研究相当[24, 25],近期一项荟萃分析也支持这一点,显示对于≥4 mm结节的敏感性为87.7%(95% CI:81.1,92.2)[18]。

这可能反映了图像质量的改善以及呼吸触发相关伪影的消除[25]。

此外,与其他关于肺部MRI结节检测的研究相比,我们队列中的结节更小(MRI上为4.0 mm [IQR 3.5–7.0 mm]),这可能反映了患者特征的差异,因为我们的研究人群为无症状健康个体,而非肺病可能性较高的患者[22, 23, 26]。

本研究的一个局限是样本量相对较小,这反映了普通人群中肺结节的低患病率[31],且亚实性结节数量少,因此需要在高危人群中进一步验证以确认其普适性。

2×2×2 mm的空间分辨率和Dixon回波时间的限制制约了对4 mm以下结节的检测,MRI敏感性对所有结节和实性结节分别降至0.342和0.526,并导致尺寸低估,在筛查阈值附近引入了结节类别迁移的风险,凸显了制定MRI特异性尺寸标准的必要性。最后,尽管多家厂商提供类似的AI-CS重建算法,但实现方式和去噪效果的差异可能影响跨平台的可重复性,需要多中心和多厂商验证。

总之,肺部MRI是肺结节筛查中CT的一种有前景的替代方案,既可潜在应用于全人群肺癌筛查,也适用于特定亚组,如年轻个体、需要反复随访检查的患者或拒绝CT的患者。

其优势在于无辐射检测和纵向监测,并有可能与其他MRI序列(如STIR [27] 和DWI [32])整合,从而进一步增强高危人群中的结节特征分析。此外,低场强封闭孔径MRI技术的最新进展可能降低扫描成本,同时最大限度地减少空气-组织界面的磁敏感伪影 [33]。

引用

  1. Palmisano, Piccinni, Serra, et al. Diagnostic performance of a single breath-hold lung MRI scan with AI-powered compressed sensing for nodule detection in comparison to photon counting detector-CT. Eur Radiol. 2026. PMID: 42429838. doi:10.1007/s00330-026-12738-7
  2. 全文:PMC13661721(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13661721/

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。