文献速递胸部CT

CT肺严重度评分与定量胸部CT对COVID-19患者分层的诊断效能

Diagnostic performance of CT lung severity score and quantitative chest CT for stratification of COVID-19 patients.
PubMed 文献 · Radiol Med · 2022-02-14

回顾性纳入136例COVID-19患者,按入院分诊分为居家隔离组、低强度监护组和重症监护组,评估视觉肺严重度评分(LSS)与定量胸部CT(QCCT)的分层效能。LSS与QCCT在多数组间比较中均有显著区分能力,尤其区分居家隔离组与重症监护组时LSS的AUC为0.850、QCCT实变AUC为0.869;两者在居家隔离组与低强度监护组间均无显著差异。作者认为两者可作为入院时分层的有前景工具。

要点

  • LSS区分居家隔离组与重症监护组AUC 0.850, cutoff > 22,敏感度51.61%、特异度100%。
  • QCCT实变区分居家隔离组与重症监护组AUC 0.869,敏感度70.97%、特异度100%。
  • LSS与QCCT在居家隔离组与低强度监护组间均无显著差异。

核心结论

  • LSS与QCCT可作为COVID-19患者急诊入院时严重度分层的有前景工具。
  • QCCT可能整合临床参数以帮助COVID-19患者的准确分诊。

研究设计与样本

  • 单中心回顾性研究,2020年4月19日至2020年5月3日连续纳入407例急诊疑似COVID-19伴间质性肺炎患者,最终纳入136例(男87例、女49例,平均年龄66±16岁)。
  • 按本院指南临床分层为3组:Group 1居家隔离19例、Group 2低强度监护86例、Group 3重症监护31例。
  • 胸部CT采用128层CT(GE Revolution EVO 64 Slice CT Scanner),平扫仰卧位吸气末,参数:管电压100 kV、管电流调制100–250 mAs、Asir-V 50%、螺距0.98、准直宽度0.625,重建层厚1.25 mm、卷积核BONEPLUS。
  • LSS由两位放射科医师(6年与8年经验)共识视觉评估,肺分20区,每区评分0(无受累)、1(<50%受累)、2(>50%受累),最高40分。
  • QCCT由两位放射科医师(5年与4年经验)共识使用专用软件(Thoracic VCAR v13.1,GE)半自动分析,以−1000 HU排除气管空气,设置窗宽1500 HU、窗位−600 HU,以−950至−700 HU范围选择通气良好肺组织。

关键影像表现/征象

  • COVID-19肺部受累主要表现为多发、周围性磨玻璃影(GGO)及可能伴发的实变。
  • LSS评估包含GGO、实变和胸腔积液。
  • QCCT自动计算GGO、实变、纤维化样改变(含纤维化样条索和胸膜下线条)、总肺受累和健康肺,以百分比表示,并自动识别并删除血管。
  • 示例:69岁男性居家隔离组患者QCCT示GGO 9%、实变1.19%、纤维化样改变0.85%、总肺受累11.06%、健康肺88.11%,LSS为16分。
  • 示例:83岁男性重症监护组患者QCCT示GGO 30.42%、实变2.07%、纤维化样改变3.19%、总肺受累35.69%、健康肺62.18%,LSS为28分。

诊断标准与关键数值

  • LSS区分Group 1 vs Group 3:AUC 0.850,敏感度51.61%,特异度100%,cutoff > 22,P < 0.0001。
  • LSS区分Group 2 vs Group 3:AUC 0.768,敏感度74.19%,特异度66.28%,cutoff > 17,P < 0.0001。
  • LSS区分Group 1+2 vs Group 3:AUC 0.783,敏感度74.19%,特异度67.62%,cutoff > 17,P < 0.0001。
  • LSS区分Group 1 vs Group 2+3:AUC 0.668,敏感度80.34%,特异度52.63%,cutoff > 10,P = 0.0102。
  • QCCT区分Group 1 vs Group 3:实变AUC 0.869(敏感度70.97%,特异度100%,P < 0.0001);纤维化样改变AUC 0.842(敏感度80.65%,特异度84.21%,P < 0.0001)。

临床应用与阅片要点

  • LSS与QCCT在入院时均可帮助识别需重症监护的COVID-19患者(Group 3)。
  • LSS组间观察者一致性极好,值为0.91。
  • LSS与QCCT在区分居家隔离组与低强度监护组时均无显著差异。
  • 作者认为QCCT可能整合临床参数以帮助COVID-19患者的准确分诊。

局限性

  • 研究为回顾性设计。
  • 缺乏临床和影像学随访。
  • 缺乏联合临床与影像学的患者分层模型。
  • 选择CT辅助程序而非深度学习模型进行肺量化。
  • 缺乏视觉评分与定量评分的比较。
全文中译10 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:Radiol Med. 2022 Feb 14;127(3):309–17. doi: 10.1007/s11547-022-01458-9

引言

自2019年12月在中国湖北武汉报告严重急性呼吸综合征冠状病毒2(SARS-CoV-2)是新型病毒性肺炎冠状病毒病2019(COVID-19)的病因以来,随后数周内的传播已导致该病毒在全球大流行扩散,感染人数超过5800万,且该数字仍在增加[1]。

在等待特异性治疗和疫苗效果期间,最佳方法在于早期诊断、正确的严重程度分层和支持治疗,以使危重患者获得更好的预后[2]。一些临床和实验室生物标志物正作为预测工具出现,以帮助医生对患者进行正确分层[3–5]。在可能的严重程度生物标志物中,胸部计算机断层扫描(CT)是一种有效的无创选择[5–8]。胸部CT对COVID-19的诊断显示出高敏感性(97%),尽管特异性较低(25–56%)[9, 10]。此外,胸部CT可评估COVID-19肺部损害,主要表现为多发和外周磨玻璃影(GGO)及可能相关的实变[10, 11]。这些改变与急性呼吸窘迫综合征(ARDS)患者的肺功能相关[12],而COVID-19可能加重直至严重肺损伤伴ARDS并需要插管。迄今为止,及时识别肺部损害对于调整支持治疗以获得更好结局至关重要[13]。

一些作者提出了通过视觉评估肺部损害获得的不同肺部严重程度评分[13–16]。肺部严重程度评分可能在临床管理中发挥作用,用于对患者进行分层并指导入院时和随访期间的临床管理[16, 17],尽管视觉评估存在固有局限性,如在临床竞赛中 reproducibility 较差以及不同所提方法缺乏标准化。

为克服视觉评估的局限性,新的影像工具正在出现;例如Huang等[18]提出的深度学习肺部定量或CT辅助定量软件[19]。迄今为止,少数研究已将定量肺部损害与临床评估和随访相关联,但仍需更多研究来确认肺部定量在临床环境中的可靠性。

因此,本研究旨在评估胸部CT在COVID-19患者入院时严重程度分层中的表现,并比较肺部严重程度评分(LSS)与定量胸部CT(QCCT)的诊断性能。

方法与材料

患者人群和入院分组

本研究经我们当地机构审查委员会(IRB)批准,并按照《赫尔辛基宣言》进行。所有患者均获得知情同意,当患者处于无法表示同意的状态时,由其亲属或接诊医生提供。2020年4月19日至2020年5月3日期间,连续入住BLINDED急诊科并患有间质性肺炎的407例患者被回顾性纳入研究。

纳入标准为:(1)因疑似COVID-19就诊于急诊科的患者,(2)根据与典型COVID-19肺炎相关的主要肺部特征[10, 11],胸部CT高度怀疑间质性肺炎的患者。排除标准为:(1)接受拭子检测SARS-CoV-2且结果为阴性的患者,(2)接受注射对比剂胸部CT的患者,(3)拒绝胸部CT者,(4)有需行肺切除术的肺部恶性肿瘤病史的患者,以及(5)因运动伪影导致图像质量下降的胸部CT。

根据医院内部方案,当疑似COVID-19患者入院时表现为中重度临床特征且疾病检验前概率较高(发热定义为> 37.5 °C且伴有呼吸道症状或与确诊COVID-19患者有直接接触)时,接受鼻咽和口咽拭子检测SARS-CoV-2,并接受胸部CT以评估肺部受损情况,胸部CT在入院时进行,以便对基线肺实质进行实时评估。

每位患者接受两次鼻咽和口咽拭子检测,第一次拭子在入院时采集,第二次在24小时后采集。SARS-CoV-2阳性通过逆转录聚合酶链反应(RT-PCR)(Charitè,柏林,德国)[20]获得,而患者在连续两次RT-PCR结果阴性后被认为是SARS-CoV-2阴性。对所有纳入患者收集了人口学数据和实验室结果(表1)。

此外,入院时,根据我院指南[21]对患者按症状严重程度和照护需求(居家隔离或住院[低强度护理或重症监护])进行临床分层,然后将人群分为3组:第1组居家隔离,第2组低强度护理,第3组重症监护。

表1 患者人口学、临床和实验室检查特征 查看原表 ↗

CT采集技术

所有疑似COVID-19患者均接受胸部CT以评估是否存在间质性肺炎。胸部CT在吸气末仰卧位不注射对比剂采集。每位患者使用COVID-19专用128层CT(GE Revolution EVO 64 Slice CT Scanner,GE Medical Systems,密尔沃基,威斯康星州,美国)进行检查。CT扫描技术参数如下:管电压:100 kV;管电流调制100–250 mAs;Asir-V 50%,螺旋螺距因子:0.98;准直宽度:0.625。重建图像采用卷积核BONEPLUS,层厚1.25 mm。

肺部严重程度评分

由两名放射科医师(GG和DC,分别具有6年和8年经验)在共识下对COVID-19肺部受损进行视觉评估。根据文献[9]中已提出的肺部严重程度评分(LSS),肺被分为20个区域;从18个肺段的解剖划分开始达到20个区域的数量,其中两个段进一步分为两个区域:左下叶前内侧底段分为前底段和内侧底段,而左上叶后尖段分为尖段和后段区域。

对每个肺段,阅片者被分配一个实质受累(包括磨玻璃影(GGO)、实变和胸腔积液)的视觉百分比评分,无受累记为0分,受累小于50%记为1分,肺部受累超过50%记为2分。因此,最高可达40分,阅片者在重建图像上对所有入选患者进行视觉评估,可进行多平面重建,并设定固定的肺窗窗位(窗宽/窗位:1600/-600 HU)。

胸部CT定量分析

两名放射科医师协商一致(FP和MP,分别具有5年和4年经验),在对临床患者分层不知情的情况下,使用专用软件(Thoracic VCAR v13.1,GE)进行QCCT分析。在分割之前,使用衰减值< − 1000 HU将气管空气排除在分析之外。定量分析在原始采集图像上使用肺窗进行,窗宽为1500 HU,窗位为− 600 HU,特别是通过使用− 950至− 700 HU密度范围来选择通气良好的肺组织[22–24]。软件自动计算以下特征:GGO、实变、纤维化样改变(包括纤维化样条索和胸膜下线条)、总肺损伤和健康肺,使用基于灰度的自适应均值,以百分比表示。血管被自动选择并删除。在自动分割不充分的情况下,阅片者可自由调整软件分割的肺损伤区域[25]。

统计分析

统计分析使用MedCalc Statistical Software 17.9.7版(MedCalc Software bvba,Ostend,Belgium)进行,P值< 0.05被认为具有统计学意义。所有数据以均值±标准差(SD)表示。使用Kolmogorov–Smirnov检验评估数据分布。在高斯分布的情况下,数据使用Student's t检验进行检验,而非高斯分布数据则应用Wilcoxon检验。

使用受试者工作特征(ROC)曲线分析LSS和QCCT,并计算曲线下面积(AUC),以预测两种方法在区分入院时临床分层患者Group 1、2和3方面的性能。进一步进行亚组分析,比较LSS和QCCT在Group 1与Group 2 + 3合并之间、以及Group 1 + 2与Group 3之间的性能。对于LSS,还评估了观察者间一致性。

结果

患者人群

根据排除标准,从初始407例患者中排除:142例因胸部CT间质性肺炎阴性,103例SARS-CoV-2拭子阴性,12例接受增强胸部CT检查,14例因胸部CT运动伪影(图1)。最终入选人群包括136例患者,男87例,女49例(平均年龄66 ± 16岁,范围28–97岁);具体而言,19例患者属于入院Group 1,86例属于Group 2,而31例收入Group 3。按入院组划分的完整临床数据见表1。

Group 1与Group 3在C反应蛋白和D-二聚体方面观察到显著差异,P = 0.0058和P = 0.0005;乳酸脱氢酶和D-二聚体在Group 2与Group 3之间分别具有显著差异,P = 0.0006和P = 0.0007。Group 1 + 2与Group 3相比,C反应蛋白、乳酸脱氢酶和D-二聚体分别显示显著差异,P = 0.0006、P = 0.0005和P = 0.0001。其他临床参数之间未观察到显著差异。

图1 患者入组流程图 查看原图 ↗

肺部严重程度评分

胸部CT LSS显示Group 1与Group 3相比具有显著差异(AUC 0.850,灵敏度51.61%,特异度100%,截断值 > 22,P < 0.0001),Group 2 vs Group 3(AUC 0.768,灵敏度74.19%,特异度66.28%,截断值 > 17,P < 0.0001),Group 1 + 2 vs Group 3(AUC 0.783,灵敏度74.19%,特异度67.62%,截断值 > 17,P < 0.0001)以及Group 1 vs Group 2 + 3(AUC 0.668,灵敏度80.34%,特异度52.63%,截断值 > 10,P = 0.0102)。Group 1与Group 2之间未观察到显著差异(P = 0.67)。LSS观察者间一致性显示极佳值为0.91。

定量胸部CT

QCCT的表现显示Group 1 vs Group 3具有显著结果,其中最佳的两项为实变(AUC 0.869,灵敏度70.97%,特异度100%,P < 0.0001)和纤维化样改变(AUC 0.842,灵敏度80.65%,特异度84.21%,P < 0.0001)。Group 2 vs Group 3也观察到类似的显著结果,最佳的两项特征为实变(AUC 0.794,灵敏度67.74%,特异度89.53%,P < 0.0001)和总肺损伤(AUC 0.790,灵敏度70.97%,特异度76.74%,P < 0,0001)。实变和总肺损伤是Group 1 + 2 vs Group 3亚分析的最佳特征(分别为AUC 0.808,灵敏度70.97%,特异度88.57%,P < 0.0001和AUC 0.798,灵敏度70.97%,特异度77.14%,P < 0.0001),而实变和纤维化样改变是Group 1 vs Group 2 + 3的最佳特征(AUC 0.688,灵敏度29.91%,特异度100.00%,P = 0.0023)和纤维化样改变(AUC 0.662,灵敏度46.15%,特异度84.21%,P = 0.0095)。Group 1 vs Group 2之间未观察到显著差异。详细结果报告于表2,ROC曲线显示于图2。QCCT分析的说明性示例提供于图3。

表2 胸部CT肺部严重程度评分(LSS)和定量胸部CT(QCCT)的ROC曲线分析 查看原表 ↗
图2 所有特征按所有入院组划分的ROC曲线。图例缩写:磨玻璃影(GGO)、实变(CONS.)、纤维化样改变(FIB.)、总肺损伤(TOTAL)、健康肺实质(HEALTHY)和肺部严重程度评分(SEVERITY_SCORE) 查看原图 ↗
图3 a 一名69岁男性患者居家隔离期间的胸部CT扫描(第1组);b 以红色分割显示相应的定量胸部CT报告,磨玻璃影(9%)、实变(1.19%)、纤维化样改变(0.85%)、总肺损伤(11.06%)和健康肺实质(88.11%),血管以黄色标记并在半自动分析中排除;患者肺部严重程度评分评估为16分。c 一名83岁男性患者重症监护期间的胸部CT扫描(第3组),其定量胸部CT结果见d:磨玻璃影(30.42%)、实变(2.07%)、纤维化样改变(3.19%)、总肺损伤(35.69%)和健康肺实质(62.18%);患者肺部严重程度评分为28分 查看原图 ↗

讨论

我们的研究测试了胸部CT肺部严重程度评分和定量胸部CT在区分入院时COVID-19患者为三个不同组别[居家隔离(第1组)、低强度监护(第2组)和重症监护(第3组)]中的表现;前者基于对肺实质受累的评估,以百分比表示,未对改变类型(即实变、胸腔积液和磨玻璃影)进行专门分析,后者通过使用专用软件进行,该软件半自动量化每种肺实质改变。肺部严重程度评分(LSS)和定量胸部CT(QCCT)在急诊科入院时对COVID-19患者进行严重程度分层方面均表现出显著且良好的性能,特别是这些有助于识别第3组,即重症监护患者。在区分居家隔离的COVID-19患者(第1组)与重症监护的COVID-19患者(第3组)方面,就所获得的AUC而言,最佳诊断性能由肺部严重程度评分达到,AUC为0.850(P < 0.0001),以及由定量胸部CT对实变和纤维化样改变的评估达到,AUC分别为0.869和0.842(均P < 0.0001)。LSS结果还得到了观察者间一致性评估的支持,该一致性为优秀。我们未对每种改变类型进行定性评分,以减少通常与视觉评估相关的偏倚。此外,在临床实验室数据分析中,我们在多项比较中获得了一些一致的差异,显示高危疾病、需要低强度和重症监护的患者中C反应蛋白、D-二聚体、乳酸脱氢酶值更高。

在区分低强度监护的COVID-19患者(第2组)与重症监护的COVID-19患者(第3组)方面,LSS(AUC 0.768,P < 0.0001)和QCCT在实变(AUC 0.794,P < 0.0001)及总肺损伤(AUC 0.790,P < 0.0001)方面获得了相似结果。将居家隔离和低强度监护的COVID-19患者合并(第1+2组)与第3组比较,LSS的AUC为0.783(P < 0.0001),而QCCT对实变和总肺损伤的AUC分别为0.808和0.798(均P < 0.0001)。有趣的是,LSS和QCCT在第1组与第2组之间均未获得差异。

第一个总体考虑是,两种方法在识别重症监护中COVID-19患者对抗1组和2组以及1+2组时表现相似,尽管理论上半自动定量似乎比视觉定量更准确;Cong S.及其同事[19]在放射科医生评分的病变百分比与计算机软件之间的相关性方面获得了相似结果。

尽管多种肺部严重程度评分存在差异[14, 16, 19, 26],我们的肺部严重程度评分结果与文献中其他结果一致,在COVID-19临床状况恶化时观察到更严重的肺部损伤方面表现出相似趋势。由于所采用评分的相似性,可以与Yang等[16]进行更可比的比较:他们的评分获得0.892的AUC,敏感性和特异性分别为83%和94%,区分轻症与重症的截断值>19.5。我们将1组与2+3组比较的亚分析显示,LSS的截断值>10,AUC为0.668,敏感性为80.34%,特异性为52.63%;相反,在2组与3组的比较以及1+2组与3组比较的亚分析中观察到相似的截断值。截断值的某些差异可以用急诊科不同的临床分层指南来解释。然而,视觉评估的固有局限性以及由此导致的肺部严重程度评分之间比较的困难不能被忽视。

另一方面,通过辅助半自动方法提取百分比定量的QCCT让我们得出一些有趣的考虑。在不同组间比较中,实变、纤维化样改变和总肺损伤在ROC曲线所达到的性能方面是最显著的参数。

我们的结果表明,在更严重的患者中,实变损伤的患病率更高;这一方面可以通过肺损伤的进展来解释,其原因是肺泡炎性渗出、弥漫性肺泡损伤以及病毒侵袭和炎症系统反应所致的坏死性支气管炎导致肺实质和间质间隙浸润不断增加[27, 28]。同样,总肺损伤百分比较高可以用重症患者同时存在不同的肺损伤来解释,如磨玻璃影(GGO)、铺路石征、实变和纤维化样改变,这些共同增加了肺损伤的总量[19, 27, 29, 30]。相反,关于纤维化样改变的数据与其他研究不太一致[26, 27];事实上,Ding及其同事[26]在112例患者队列中观察到,线状影在症状开始后15–28天对应的第4和第5阶段患者中更为常见。Lyu等人也将肺纤维化定义为按疾病严重程度分组的各组基线胸部CT上不常见的CT表现[27]。一种可能的解释是,入院患者在到达急诊科前几天已有肺炎症状,当他们接受胸部CT检查时,某些改变如继发性机化性肺炎,可能符合肺炎的中期或晚期阶段[31]。有趣的是,GGO百分比在分层患者方面表现不佳,这与Lyu P.及其同事的发现一致[27]。最后,第1组与第3组比较的健康肺实质百分比截断值(截断值<72%,AUC 0.83)与Colombi D.及其同事在236例患者中显示的截断值(截断值<71%,AUC 0.86)一致[23]。

此外,我们第1组与第2–3组之间实验室数据的一致差异与Watanabe等人先前的研究一致[5],该研究表明需要重症监护的患者炎症标志物值更高。因此,在细胞因子风暴的背景下,炎症标志物可能与一致性的肺实质损伤相关。

我们研究的局限性包括其回顾性性质、缺乏临床和影像学随访、缺乏用于患者分层的临床和影像学联合模型、选择使用CT辅助程序而非深度学习模型进行肺定量、缺乏视觉评分与定量评分之间的比较、患者纳入于早期大流行情景中其时严重程度异常高且可能代表患者选择偏倚、缺乏肺严重程度评分(LSS)的观察者间一致性。未来,我们希望克服这些缺陷,目标是在更异质性的人群中进行分析,使用更一致的定量软件,并纳入一些随访数据。

总之,我们的研究证明了胸部CT肺严重程度评分和定量胸部CT作为急诊科入院时对COVID-19患者严重程度进行分层工具的可行性;定量胸部CT可与临床参数整合,以帮助对COVID-19患者进行准确分诊。

引用

  1. Caruso D, Zerunian M, Polici M, et al. Diagnostic performance of CT lung severity score and quantitative chest CT for stratification of COVID-19 patients. Radiol Med. 2022. PMID: 35157241. doi:10.1007/s11547-022-01458-9
  2. 全文:PMC8852873(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8852873/

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。