区域通气增加作为间质性肺疾病未来疾病进展的早期影像标志物:一项可行性研究
这项回顾性可行性研究纳入41例IPF患者,在基线和随访CT之间进行体素级配准,评估基线区域通气与随访密度和体积变化的空间对应关系。结果显示,基线通气严重增加区域(C4)在随访中出现密度增加和体积丢失,与正常通气区域(C2)相比差异有统计学意义(p < 0.001)。作者认为病理性增加的通气可能作为识别未来纤维化风险区域的影像标志物。
要点
- 体素级配准显示基线通气严重增加区域与随访密度增加和体积丢失存在空间对应。
- 在正常衰减区和高衰减区,C4与C2的密度变化差异均有统计学意义(p < 0.001)。
- 高衰减区的结构变化比正常衰减区更异质,体积变化仅在C4与C2间有统计学意义(p = 0.025)。
核心结论
- 功能CT评估病理性增加通气的范围和分布,可能作为影像标志物前瞻性识别有发生纤维化风险的肺实质。
研究设计与样本
- 回顾性可行性研究,最终纳入41例经多学科委员会确诊的IPF患者(73 ± 10岁,36例男性),基线至随访CT平均间隔15 ± 7个月。
- CT采用双源CT(Somatom Force,Siemens Healthineers)在90 kV/150 kV下于深吸气和最大呼气时采集,生成虚拟平扫图像用于定量分析。
- 采用深度学习自动肺分割,排除< −950 HU和> −250 HU区域,将基线通气归一化为0–1并分为C1–C4四类,分别在正常衰减区(−950至−600 HU)和高衰减区(−599至−250 HU)分析。
- 采用配对t检验比较各通气类别间密度和体积变化的差异,显著性水平为p ≤ 0.05。
关键影像表现/征象
- 基线通气严重增加区域(C4)在随访CT上表现为密度增加和体积丢失,且与基线通气正常区域(C2)在空间上对应。
- 在正常衰减区,基线通气越高,随访密度增加和体积丢失越明显;C4的密度增加约为C2或C3的两倍。
- 在高衰减区,仅C4区域出现密度增加,C2和C3区域平均密度反而降低,且高衰减区的密度变化标准差大于正常衰减区。
- 正常衰减区中C4与C2、C3的体积变化差异均有统计学意义(均p < 0.001);高衰减区中仅C4与C2的体积变化差异有统计学意义(p = 0.025)。
- 病例示例显示基线高通气区域(C4)与随访密度增加和体积变化区域在空间上对应,最高通气值多位于基底和外周肺。
诊断标准与关键数值
- 基线区域通气归一化范围为0–1,分为C1(0–<0.25)、C2(0.25–<0.5)、C3(0.5–<0.75)、C4(0.75–1);C2视为低至正常通气,C3为中度增加,C4为严重增加。
- 正常衰减区定义为基线吸气扫描上−950至−600 HU,高衰减区定义为−599至−250 HU。
- C4与C2的密度变化差异在正常衰减区和高衰减区均有统计学意义(p < 0.001);C4与C2的体积变化差异在正常衰减区p < 0.001、高衰减区p = 0.025。
临床应用与阅片要点
- 作者提出,CT上病理性增加通气区域有潜力作为「风险组织」的影像标志物,用于前瞻性识别后续发生纤维化的肺实质。
- 作者指出,需要更大规模的前瞻性研究来支持这一概念。
- 本研究中基线通气严重增加(C4)区域在随访时几乎均出现显著密度和体积变化,而增加通气并不必然导致后续结构改变。
局限性
- 研究为回顾性设计,研究组样本量小,且系列CT间隔时间存在异质性。
- 样本量小也解释了相对较大的标准差。
- 作者认为本研究可视为可行性研究,需要评估更多不同疾病进展程度的患者来验证该概念。
- 本可行性研究仅定性建立基线和进展性纤维化之间的空间相关性,未进行基于患者的定量分析。
- 高衰减区中正常和中度增加通气区域的结构变化未达统计学意义,其原因是样本量小还是缺乏相关性尚不清楚。
全文中译13 节 · 点击展开
引言
特发性肺纤维化(IPF)是一种慢性且不可逆的疾病,预后不良,诊断后中位生存期为3年,死亡率超过许多癌症类型[1]。抗纤维化药物[2, 3]被发现可显著减缓一部分患者的疾病进展,并且最近也被批准用于非特发性类型的进展性纤维化。目前治疗适应症包括在特定时间段内功能下降(基于肺功能检查,PFT)、临床症状加重以及CT上纤维化进展的组合[4]。
最近研究表明,正常密度肺组织通气过程中异常高的空气量变化与未来分割肺体积减少和平均肺密度增加相关,两者均被认为是可定量获取的纤维化结构变化的形态学指标。相应地,异常高通气与未来用力肺活量(FVC)下降之间存在相关性[5]。然而,这些相关性是在全肺范围内计算的,未评估区域层面的空间关系。
在本研究中,我们旨在探究IPF患者基线CT上区域通气增加与随访CT扫描中形态学变化之间是否存在空间对应关系。若存在,这一发现将有助于识别有发生纤维化风险的肺实质,从而能够前瞻性地估计潜在的疾病进展,且比使用全局CT通气指标更为准确。
方法
研究组
内部审查委员会批准了本研究(编号3649-2017)。纳入标准为患者书面知情同意、经多学科委员会确认的IPF诊断、间隔至少6个月的两次连续CT扫描、CT扫描时无急性肺部合并症,以及在相应CT扫描两个月内按照欧洲呼吸学会指南进行体描箱测量。基于这些标准,2016年9月至2020年11月期间,连续纳入45例患者进入本回顾性研究。
CT数据采集
CT检查使用双源CT(Somatom Force®,Siemens Healthineers)在90 kV/150 kV下于深吸气和最大呼气时进行(吸气平均CTDI 5.23 ± 1.82 mGy/呼气平均CTDI 3.91 ± 1.41 mGy),患者取仰卧位,无呼吸门控。CT采集前进行训练以确保患者尽最大能力配合。扫描采集包括静脉注射对比剂,其目的与本研究无关。使用专用软件(syngo.via® v 5.1,Siemens Healthineers)为两种呼吸位置生成虚拟平扫(VNC)图像。既往发表文献已证明,VNC图像在定量评估吸收值方面与未注射静脉对比剂的图像同样适用[6–8]。CT重建采用迭代算法(ADMIRE)、软组织核(Qr40)和1 mm重建间隔。
CT数据处理
执行了以下后处理步骤:分割
使用基于深度学习算法的自研软件实现自动肺分割[9]。对吸气期和呼气期扫描均进行肺分割。对应于肺气肿的衰减区域<−950 HU以及阈值高于−250 HU的区域被去除,后者对应于肺内血管和严重病变的肺实质,包括晚期间质纤维化[10–13]。配准
图像处理步骤的顺序如图1所示:
为了能够在区域层面(基于体素)将通气与密度和体积变化相关联,必须定义一个共同的“解剖掩膜”。基线呼气期扫描作为“解剖掩膜”。基线吸气期扫描配准至呼气期扫描以生成形变后的基线吸气期图像,类似地,随访吸气期扫描配准至同一呼气期扫描以生成形变后的随访吸气期图像。配准沿该方向进行,是因为将体素更多、体积更大的吸气期图像形变至体素更少、体积更小的呼气期图像不易出现配准误差,从而实现更优的体素级匹配。
非线性配准使用开源软件包(ANTS,2011,Release 2.1,Penn Image Computing and Science Laboratory)完成。
为计算区域通气,将基线吸气期扫描配准至基线呼气期扫描。
基线通气使用形变后的基线吸气期图像和呼气期基线图像计算(图1),生成通气图像(蓝色)。为计算结构变化(密度和体积),将形变后的基线吸气期图像与形变后的随访吸气期图像进行比较,生成显示体积变化(黄色)和密度变化(红色/蓝色)的图像。
基线吸气期扫描上衰减区域范围在−950至−600 HU的肺实质密度范围被定义为正常肺实质(NAA)。范围在−599至−250 HU的异常高衰减区域(HAA)在基线时被定义为病变肺实质。NAA和HAA按通气强度计算的密度和体积变化在上述配准图像上完成。
基线区域通气的计算
由于CT无法直接测量气体交换,分次空气体积变化——以吸气期与呼气期肺密度和体积的区域变化来测量——已被用作肺通气的替代指标[14, 15]。
对于基于配准的CT区域通气计算,文献中已提出两种方法:
基于密度的方法逐体素评估吸气末与呼气末扫描之间的衰减变化。根据呼出空气的量,相应体素的密度在吸气和呼气之间成比例变化。该技术此前已被应用,例如用于检测小气道疾病或闭塞性细支气管炎综合征中的空气潴留[16, 17]。
第二种方法在配准吸气和呼气扫描时计算空间位移场,以指示区域(空气)体积变化。区域体积变化使用雅可比行列式进行量化。
在本研究中,我们按照Ding等人的提议将两种技术相结合,因为两种技术的结合已被证明能产生更优的结果[18]:
我们使用逆雅可比行列式来描述从吸气扫描到呼气扫描的逐体素体积变化。以吸气与呼气扫描之间以Hounsfield单位表示的逐体素衰减差异作为校正因子。
区域通气值被归一化至0到1的范围,对应于完全无体积变化(0)至呼气时完全塌陷(1)。
对于健康受试者,基于雅可比行列式的通气测量所描述的平均通气值为0.4至0.5[19, 20]。Ding等人[18]所应用的校正因子将计算出的区域通气值轻度提高至正常值约0.5。
系列结构变化
随时间的结构变化定义为CT上密度和体积的区域性变化。在进行时间配准后,对配对的基线和随访扫描进行逐体素的区域密度差异计算(以Hounsfield单位,HU计;正值=密度增加,负值=密度降低)。时间性区域体积变化使用基线与随访扫描之间非线性配准的变形场(雅可比行列式图像)计算,计算每个体素的肺体积变化。
图像按每个CT体素计算,横向尺寸为512×512体素。应用35 cm的视野时,体素大小为0.68×0.68×1 mm。
统计分析
为评估基线时通气增加与随访时结构变化的空间相关性,将归一化区域通气值(范围为0至1)分为四类:0–<0.25(C1)、0.25–<0.5(C2)、0.5–<0.75(C3)和0.75–1(C4)。既往数据提示正常通气范围以0.5为中心。因此,C2被视为低至正常通气,C3为中度增加通气,C4为重度增加通气。
统计分析分别针对正常衰减区(NAA,范围为−950至−600 HU)和高衰减区(HAA,范围为−599 HU至−250 HU)进行。
低衰减区(LAA,<−950 HU)代表重度肺气肿或囊肿内空气,高衰减区(>−250 HU)代表高度病理区域,均被排除。这些阈值是根据已发表数据确定的[10–13]。
我们在基线时分别按四个通气类别(C1–C4)计算了系列CT扫描中的平均密度变化和平均体积变化。四个通气类别之间密度和体积变化差异的显著性采用配对t检验评估,显著性水平为p ≤ 0.05。分析分别针对正常衰减区(NAA)和高衰减区(HAA)进行。
统计分析使用SPSS Statistics 25(IBM)和MATLAB R2019a(MathWorks)进行。开源软件包Fiji(https://imagej.net/Fiji)用于可视化目的。
结果
研究组
四例患者因配准不准确(错位 > 2 mm)被排除在通气分析之外。因此,最终研究组由41例患者组成。
基线与随访CT之间的平均时间为15 ± 7个月。肺功能检查(PFT)数据在基线CT前后14 ± 14天内获得,在随访CT前后15 ± 17天内获得。
患者人群特征见表1。
基线区域通气
四个通气类别的体积分数见图2。
区域通气 < 0.25(C1)在NAA和HAA中分别仅占肺体积的1.6%和3.3%,解剖上主要位于支气管和血管交界处,对应于支气管血管周围间质。因此,这些体积分数被认为不参与通气,在后续数据分析中被忽略。
与NAA相比,HAA在基线时含有更大体积分数的严重增加通气(C4)(22.1% vs. 35.7%)。相应地,低至正常或中度增加通气(C2和C3)的体积分数在NAA中大于HAA(C2分别为23.2% vs. 16.6%,C3分别为53.0% vs. 43.2%)。
系列结构变化
所有患者平均及作为基线通气函数的密度和体积随时间变化见表2。
作为基于体素的基线通气函数的密度变化在NAA和HAA中不同。
在NAA中,密度在整个通气范围内与通气呈正相关。基线通气越高,随访时密度增加越大。严重增加通气区域(C4)的密度增加约为正常或中度增加通气区域(C2或C3)的两倍。
在HAA中,仅在严重增加通气区域(C4)观察到密度增加,而在其余两个较低通气区域(C2和C3)观察到平均密度下降
在NAA和HAA中,与其余区域相比,严重增加通气区域(C4)的平均密度变化差异均达到统计学显著性(p < 0.001)。总体而言,HAA中的密度变化比NAA中更具异质性,表现为更大的SD(表3)。
对于第二个参数,即连续体积变化,总体而言,在基线通气增加的区域(C3和C4)观察到体积减少,而在低至正常通气区域(C2)观察到体积增加,NAA和HAA中均如此(表2)。
在NAA中,体积变化的差异在重度通气增加区域C4与两个较低通气区域(C2和C3)之间均达到显著性(两者p < 0.001)
在HAA中,体积变化的差异仅在重度通气增加区域C4与低至正常通气区域(C2)之间达到显著性(p = 0.025)(表4)。
图3展示了基线通气与随后的密度和体积变化之间的空间对应关系,即随着基线通气增加,密度增加和体积减少。作为一个例外,在HAA中,从C3到C4的体积减少相对较小。
病例示例
图4展示了三名患者的示例性CT和通气图像。
患者1(间隔12.3个月,FVC%无下降)主要显示C2通气(平均区域通气:0.46,C2:60%,C3:33%,C4:3%),密度和体积随时间仅有轻微变化。
患者2(间隔16.4个月;FVC%下降10%)显示不均匀通气,兼有通气增加区域和正常区域通气(平均区域通气:0.64,C2:12%,C3:68%,C4:20%)。
患者3(间隔16.0个月;FVC%下降16%)显示通气增加更为显著,主要为C3和C4通气(平均区域通气:0.73,C2:4%,C3:49%,C4:47%)。
基线通气增加区域(C4:深红色标记)在空间上与密度变化(深红色)和体积变化(深橙色)较大的区域相对应。
尽管在某些患者中观察到基线通气普遍增加,但最高通气值主要见于肺基底部和外周肺,即通常可见纤维化改变的区域。在这项可行性研究中,我们仅定性地建立了基线通气与进展性纤维化之间的空间相关性;未进行基于患者的定量分析。
同一三名患者的体素散点图显示了基线通气与随访时时间密度/体积变化之间的空间相关性(图5)。
在患者1中,通气值主要见于C2,随访中仅见轻微的密度或容积时间变化,表现为对称的数值云团。
在另外两名患者中,通气值较高,患者2主要位于C3,患者3相当一部分位于C4,导致数值云团右移。右移与数据云团不对称性增加相伴,表现为密度增加和容积损失。
讨论
既往一项研究已揭示,全肺通气增加与未来密度增加和容积损失之间存在相关性。本研究旨在探讨基于体素的基线通气增加与随访CT上的结构变化之间是否存在空间关联——若存在,则提示因果关系。
本研究中做出了若干假设,这些假设得到了既往文献的支持:
我们使用每个体素吸气相与呼气相的密度校正容积变化作为通气的替代指标:归一化区域通气越高(标尺范围0至1.0),呼吸周期中的容积差越大,直至完全肺泡塌陷的极端情况[21]。
其次,随时间推移的容积损失和密度增加等结构变化(在无肺部合并症的情况下)被视为进行性纤维化的征象[22, 23]。为深入了解这些变化主要发生于正常充气肺实质还是病理性肺实质,对基线时正常衰减区域(NAA)和高衰减区域(HAA)分别进行了分析。
结果表明,基线CT上通气增加与随访CT上符合纤维化进展的结构变化之间不仅存在整体相关性,还存在空间相关性。
正常肺实质的基线通气越高,密度增加和体积损失越大。
与呼吸相关的牵张力在肺外周和肺底部最高,在生理条件下也是如此。只有当表面活性物质功能障碍——遗传性或获得性——未能保护肺泡实质免受牵拉性损伤导致肺泡塌陷时,才会发生损伤[21, 24]。随后发生的塌陷性硬变已被提出作为IPF的主要途径[25]。基于此,我们将通气中度增加、尤其是重度增加的区域(C4)解读为潜在牵拉性损伤区域[26]。通气增加并不一定导致随后的结构改变。然而,反之,体积和密度的显著变化几乎 exclusively 发生在通气增加的区域(C3和C4)。基于我们的发现,因此我们提出,CT上病理性通气增加的区域有潜力作为随后发生纤维化的“高危组织”的影像学标志物;然而,需要更大规模的前瞻性研究来支持这一概念。
基线通气与随后结构改变之间的关系在正常衰减区域(NAA)与病理性衰减区域(HAA)中不同。在NAA中,通气与结构改变之间的关系是一致的。基线通气增加伴随区域密度增加和体积损失。体积损失的程度在NAA中比在HAA中更为明显。在HAA中,通气与结构改变之间的关系更为异质。HAA代表密度高于正常肺实质的区域,因此在无感染的情况下,为具有不同程度和类型间质改变的区域。必须指出,HAA可能包括可逆性以及不可逆性改变。
在HAA中,仅在通气高度病理性的区域(C4),密度和体积变化与其余区域相比达到显著性。C4区域的体积损失和密度变化被解读为进行性纤维化,与我们在NAA中观察到的类似。然而,已存在纤维化中的结构改变更为复杂。纤维化诱导的牵拉导致区域异质性的密度和体积变化,一方面纤维化区域密度增加和体积损失,另一方面邻近区域因牵拉和支气管扩张而体积膨胀和密度降低[26, 27]。在这方面,我们观察到与高通气/进展性纤维化区域相邻的区域出现体积膨胀,提示牵拉机制。在我们相对较小的患者组中,HAA中正常和中度增加通气区域的结构改变未达到显著性,并且也包括体积增加和密度降低。缺乏显著性是由于样本量小还是由于缺乏相关性,仍待明确。
该研究存在若干局限性。
该研究为回顾性设计,研究组样本量小,且各次序列CT之间的间隔时间存在异质性。样本量小也解释了相对较大的标准差。因此,本研究可视为一项可行性研究。需要评估更多具有不同程度疾病进展的患者以验证这一概念。然而,我们在这一相当有限的患者组中仍观察到高度显著的结果,这似乎强调了严重增加的通气与未来结构改变之间的因果关系。
需要进行双重配准,以将基线的吸气相、呼气相以及两个时间点的CT扫描与单次解剖参考扫描进行对齐。
这在技术上要求非常高,并且是在序列扫描中计算雅可比行列式以评估基于体素的通气和体积变化时潜在的不准确来源。
通气受患者体位、重力效应[28]和呼吸深度的影响,各自的影响程度尚不清楚。需要进一步评估以确定体位和呼吸深度对测量可重复性的影响。CT扫描是在为不同研究目的注射造影剂后采集的。因此,本研究中使用了虚拟平扫(VNC)图像,这可能在一定程度上影响了定量测量。由于所有患者均采用相同技术获取图像,我们认为该因素的影响较小,对结果无显著影响[6, 29]。
结论
基于体素的分析表明,局部通气与随时间推移的形态学改变之间存在空间对应关系。病理性高通气区域可作为基线CT中组织处于风险状态的指标,提示随时间推移将发生结构性改变,表明纤维化的进展。
引用
- Scharm SC, Schaefer-Prokop C, Willmann M, et al. Increased regional ventilation as early imaging marker for future disease progression of interstitial lung disease: a feasibility study. Eur Radiol. 2022. PMID: 35357537. doi:10.1007/s00330-022-08702-w
- 全文:PMC9381456(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9381456/
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。