第一部分肺亚实性结节分类评估和定量测量方法的可重复性和准确性的研究【目的】对比不同窗宽窗位条件下不同维度的肺亚实性结节(SSN)分类评估和定量测量方法的可重复性和准确性,并探讨实性成分大小与病理等级的相关性。【方法】回顾性分析157例患者肺内手术证实为腺癌的159个SSN的术前胸部HRCT图像及病理资料。根据病理结果将SSN分为无实性成分组和有实性成分组。观察者1和观察者2分别在肺窗、纵隔窗及-300阈值半自动分割法条件下对所有SSN进行分类评估,分类结果采用Cohen’s Kappa检验分析分类评估的观察者间一致性。两位观察者意见不一的SSN由观察者3判定,最终分类结果采用配对卡方检验和ROC曲线分析分类评估的准确性。观察者1使用联影后处理工作站测量所有SSN的肺窗结节一维长径(1D-WNLW),肺窗结节二维长径(2D-WNLW),肺窗实性一维长径(1D-SCLW),肺窗实性二维长径(2D-SCLW),纵隔窗实性一维长径(1D-SCMW),纵隔窗实性二维长径(2D-SCMW),肺窗结节体积(3D-WNLW),肺窗实性体积(3D-SCLW),纵隔窗实性体积(3D-SCMW)和-300阈值实性体积(3D-SCT),观察者2随机抽取50个SSN并重复上述测量。两位观察者测量结果采用组内相关系数分析定量测量的观察者间一致性。观察者1的测量结果使用Spearman等级相关分析检验定量特征与病理等级的相关性。P<0.05时差异有统计学意义。【结果】有实性成分组共54个SSN,包括32个AAH和22个AIS;无实性成分组共105个SSN,包括47个MIA和58个IAC。不同窗宽窗位及不同维度条件下SSN分类评估和定量测量方法的可重复性均较高(0.71<k<0.9,0.71<ICC)。使用-300阈值半自动分割法进行分类评估和定量测量的可重复性最高(Kappa=0.831,ICC=0.983),且分类评估的准确性最高(Sens=85%,Spec=61%,PPV=81%,NPV=67%,AUC=0.750)。所有定量特征均与病理等级存在中度正相关关系(0.4≤r<0.7)。【结论】在不同窗宽窗位及不同维度条件下SSN的分类评估及定量测量的诸多方法中,-300阈值半自动分割法的可重复性和准确性最高。SSN及其实性成分的大小与病理等级呈正相关关系。第二部分第一节肺亚实性结节及其实性成分不同维度大小对病理等级的预测价值【目的】探讨不同窗宽窗位下肺亚实性结节(SSN)及其实性成分不同维度的大小对病理等级的预测价值。【方法】回顾性分析125例患者肺内病理为肺腺癌的127个SSN的术前HRCT图像及病理资料。根据术后5年生存率的不同,将所有SSN分为两组,A组包含AIS和MIA;B组包含IAC。由一名有5年影像诊断经验的医师使用联影后处理工作站测量所有SSN的肺窗实性一维长径(1D-SCLW)、肺窗实性一维长径(2D-SCLW)、纵隔窗实性一维长径(1D-SCMW)、纵隔窗实性二维长径(2D-SCMW)、肺窗结节一维长径(1D-WNLW)、肺窗结节二维长径(2D-WNLW)和-300阈值实性体积(3D-SCT)。使用Mann-Whitney U检验进行两组定量特征的差异性分析。采用ROC曲线检验定量特征对病理等级的诊断效能。对所有定量特征进行单因素Logistic回归分析,所得有统计学意义的定量特征纳入多因素Logistic回归进行分析,得到病理等级的独立预测因素,P<0.05时差异有统计学意义。【结果】A组共69个SSN,包含22个AIS和47个MIA;B组包含58个IAC。B组的1D-SCLW、2D-SCLW、1D-SCMW、2D-SCMW、1D-WNLW、2D-WNLW和3D-SCT显著大于A组(P<0.0001)。通过ROC曲线分析得出,在以上7种CT定量特征中,3D-SCT对病理等级的诊断效能最高(AUC=0.887,敏感度:81%,特异度:93%);1D-SCLW、2D-SCLW、1D-SCMW、2D-SCMW、1D-WNLW、2D-WNLW和3D-SCT的最优阈值分别为17.50mm、14.75 mm、9.50 mm、7.75 mm、0.50 mm、1.25 mm和139.00 mm3。多因素logistic回归分析结果表明,3D-SCT是SSN病理等级的独立预测因素(OR=4.978,95%CI=1.430~17.331,P=0.012)。当3D-SCT≥139.00 mm3时,高度提示IAC(AUC=0.887,敏感度:81%,特异度:93%)。【结论】在不同窗宽窗位下SSN及其实性成分不同维度的大小中,-300HU阈值实性成分体积是病理等级的独立预测因素,其诊断效能优于SSN及其实性成分的一维和二维长径。第二部分第二节肺亚实性结节实性成分体积及其占比对病理等级的预测价值【目的】对比不同窗宽窗位下肺亚实性结节(SSN)体积和实性成分体积及其占比对病理等级的预测价值。【方法】回顾性分析我院125例患者肺内手术证实为腺癌的127个SSN的术前HRCT图像及病理资料。根据术后5年生存率的不同,将所有SSN分为两组,A组包含AIS和MIA;B组包含IAC。由一名有5年影像诊断经验的医师使用联影后处理工作站测量所有SSN的肺窗结节体积(3D-WNLW)、肺窗实性体积(3D-SCLW)、纵隔窗实性体积(3D-SCMW)和-300阈值实性体积(3D-SCT),并计算肺窗实性占比(P-SCLW);纵隔窗实性占比(P-SCMW);-300阈值实性占比(P-SCT)。使用组内相关系数(ICC)检验定量测量的观察者间一致性。采用Mann-Whitney U检验比较两组间定量特征的差异。采用单因素Logistic回归分析对所有定量特征进行初筛,所得有统计学意义的定量特征纳入多因素Logistic回归进行分析,得到病理等级的独立预测因素。采用ROC曲线评价独立预测因素的诊断效能。P<0.05时差异有统计学意义。【结果】A组共69个SSN,包含22个AIS和47个MIA;B组包含58个IAC。B组的3D-WNLW、3D-SCLW、3D-SCMW、3D-SCT、P-SCLW、P-SCMW和P-SCT显著大于A组(P<0.0001)。单因素Logistic回归分析显示,3D-WNLW、3D-SCLW、3D-SCMW、3D-SCT、P-SCLW、P-SCMW和P-SCT均有统计学意义(P<0.0001),多因素Logistic回归分析发现,仅P-SCT是SSN病理等级的独立预测因素(OR=1.093,95%CI:1.047~1.141,P<0.0001)。当P-SCT≥6.00%时,高度提示IAC(AUC=0.846,敏感度:79%,特异度:75%)。【结论】在不同窗宽窗位下SSN体积和实性成分体积及其占比中,P-SCT是SSN病理等级的独立预测因素,能够有效区分IAC和AIS-MIA,与SSN及其实性成分的体积相比,能够为手术方式的选择提供更有价值的参考依据。