基于肺部多模态图像诊断恶性肺结节的影响因素,肿瘤学论文

基于肺部多模态图像诊断恶性肺结节的影响因素,肿瘤学论文摘要:目的讨论多模态影像参数在判定肺结节良、恶性中的应用价值。方式方法收集来自首都医科大学宣武医院及北京市肿瘤防治研究所肺占位患者病例326例,包括115例良性病例,211例恶性病例。记录多模态影像指标,包括结节大小、最大标准摄取值(maximumstandarduptakevalue,SUVmax)、磨玻璃样变、边缘光滑、有晕征、分叶征、毛刺征、钙化共计8个指标,通太多因素Logistic回归分析挑选出基于肺部多模态图像的恶性肺结节的影响因素。结果多因素Logistic回归分析显示,结节大小、SUVmax、分叶征、毛刺征为恶性肺结节的危险因素,相应的OR值分别为1.31(1.03~1.65)、1.10(1.03~1.18)、7.27(3.57~14.82)、3.16(1.47~6.83)。结节钙化为恶性肺结节的保卫因素,OR值为0.13(0.05~0.32)。结论结节大、SUVmax值大、存在分叶征、存在毛刺征、结节无钙化提示肺结节为恶性结节的可能性较大。本文关键词语:恶性肺结节;危险因素;Logistic回归;肿瘤。肺癌在20世纪以前很少见,但当前其是最常见的癌症之一(占所有癌症的11.6%),2022年肺癌位居中国男性发病第一位[1]。在全球肺癌仍然是癌症相关死亡的主要原因之一[2-4]。而吸烟仍然是导致肺癌发生的最重要危险因素,戒烟被以为是降低肺癌死亡风险最有效的一级预防策略[5]。随着很多低收入和中等收入国家空气污染和烟草使用的增加,肺癌的发病率大大增加,这给社会造成了宏大的经济负担[6-7]。除此之外,其他危险因素也逐步被发现并得到关注,例如肺结节的影像学征象。随着科技的进步和相关影像设备的快速更新,影像医学在医学诊断领域及参与治疗领域均获得了重大创新与突破,得到了医学界的广泛认可。多模态正电子发射计算机断层显像/计算机断层扫描(positronemissiontomography/computedtomography,PET/CT)图像是对癌症进行诊断并评价其疗效的重要方式方法之一。当前,多是基于CT图像分析影像学征象诊断恶性肺结节的影响因素,缺乏基于PET/CT图像的研究。本研究基于PET/CT图像分析影像学征象诊断肺结节良、恶性的影响因素,并将PET/CT图像重要代谢指标SUVmax纳入作为研究重点。为研究基于肺部多模态图像诊断恶性肺结节的影响因素,制定相关防治措施,对326例肺占位患者进行病例对照研究,通太多因素Logistic回归挑选出影像征象中诊断恶性肺结节的影响因素。1、资料与方式方法1.1、研究对象研究对象为107例首都医科大学宣武医院肺占位患者(2021年12月至2021年9月)、219例北京市肿瘤防治研究所的肺占位患者(2018年12月至2021年1月),共326例,华而不实包括115例良性病例、211例恶性病例。纳入标准:年龄大于等于18岁;每个患者包含有结节的多模态图像数目不少于2张,所需个人信息完好;对于恶性结节,有病理诊断结果或经医生先验知识将患者确定为肺癌的;对于良性结节,有病理诊断结果或影像医生将患者确诊为其他疾病的。排除标准:个人信息不完好的患者;进行化疗放疗后的患者;在融合图像上病变位置不清楚的患者。1.2、考核指标影像征象主要通过两位影像科医生同时阅片并进行影像学诊断,收集图像上结节形态学信息以及多模态图像特有的最大标准摄取值(maximumstandarduptakevalue,SUVmax)。影像学特征包括:结节位置、结节大小、淋逢迎能否肿大、结节密度、本质性改变、磨玻璃样变、毛刺征、分叶征、空泡征、钙化、空洞、胸膜凹陷征、胸水等;代谢信息,例如最大标准摄取值;病理诊断或医生诊断结果等。1.3、统计分析采用SPSS25.0,单因素组间的计量资料比拟采用t检验,单因素组间的计数资料比拟采用2检验,利用单因素Logistic回归及多因素Logistic回归分析挑选出恶性肺结节的影响因素,计算各变量的、P、OR及95%置信区间。所有统计分析的检验水准=0.05、P0.05时差异具有统计学意义。2、结果2.1、医学影像学分析结果对肺结节的大小(长径)、SUVmax、磨玻璃样变、有晕征、分叶征、毛刺征、钙化进行描绘叙述,并比拟影像征象在良恶性两组之间的差异,结果见表1。表1肺部PET/CT图像良恶性结节影像征象结节大小、SUVmax均采用两独立样本t检验进行差异性分析;磨玻璃样变、有晕征、分叶征、毛刺征、钙化均采用卡方检验进行差异性分析。统计结果表示清楚,恶性结节(3.28cm1.91cm)与良性结节(2.45cm1.13cm)的大小存在差异,且差异具有统计学意义(P0.05);恶性结节的SUVmax为9.745.89,良性结节为6.103.89,差异具有统计学意义(P0.001),表示清楚恶性结节的代谢水平高于良性结节;分叶征、毛刺征、钙化在恶性结节和良性结节之间的分布均存在差异,且差异均有统计学意义(P0.001)。2.2、肺结节良恶性影响因素分析研究因素主要包括结节大小、SUVmax、磨玻璃样变、边缘光滑、有晕征、分叶征、毛刺征、钙化,共计8个指标,亚变量赋值情况见表2。表2肺癌研究因素名称及赋值首先采用单因素Logistic回归探究以上指标对肺结节良恶性质的影响,分析结果如表3所示。由表可知,结节大小、SUVmax、分叶征、毛刺征是肺癌的危险因素,而钙化是肺癌的保卫性因素。表3单因素Logistic回归分析结果采用多因素Logistic回归,将单因素Logistic回归分析中P0.2的影响因素带入模型中,结果见表4。结果显示,结节大小、SUVmax、分叶征、毛刺征、钙化具有统计学意义,即结节每增加1cm,肺结节为恶性的可能性增加0.31倍;代谢水平每提高一个水平,肺结节为恶性的可能性增加0.10倍;出现分叶征的结节为恶性的可能性为未出现分叶征结节的7.27倍;出现毛刺征的结节为恶性的可能性为未出现毛刺征结节的3.16倍;出现钙化结节为恶性的可能性为未出现钙化结节的0.13倍。表4肺癌多因素Logistic回归分析结果3、讨论影响肺癌的因素诸多,包括环境、生活行为方式、机体遗传和社会等多种因素[8]。吸烟是肺癌的主要病因,连续吸烟者肺癌发生风险大约是从不吸烟者的20~50倍。吸烟时间被视为吸烟者肺癌风险的最重要决定因素[9]。黄萌等[10]发现吸烟患者肺癌发病风险显着增加,且不同吸烟情况患肺癌风险不同,轻度吸烟OR值为1.67,重度吸烟OR值为7.27,轻度被动吸烟OR值为2.63,重度被动吸烟OR值为6.25。刘伟洁[11]的研究表示清楚,有相当一部分肺癌患者没有在确诊后及时戒烟,且戒烟不及时将增加肺癌手术后并发症发生的风险。该现象发生的主要原因是多数患者对尼古丁依靠性较高,难以短时间内迅速戒烟。影像学征象是重要的恶性肺结节影响因素也是特别重要的判定因素。耿睿等[12]利用213例孤立性肺结节患者的临床资料和医学影像学资料,通太多因素Logistic回归分析临床因素与CT影像学特征在判定孤立性肺结节良恶性评估中的应用价值。研究结果表示清楚,结节直径大,CT中存在磨玻璃结节、毛刺征、分叶征提示为恶性肺结节的可能性较大。王晶晶等[13]收集了454例肺结节患者的基本信息和CT图像影像学信息,利用非条件Logistic回归讨论恶性肺结节的影响因素,在校正基本信息后,发现胸部影像中出现淋逢迎肿大、空泡征、胸膜凹陷症、无钙化提示肺结节为恶性的可能性较大。与先前研究类似,在本次基于肺部多模态PET/CT图像的研究中,当出现结节直径大及存在分叶征、毛刺征、无钙化提示结节为恶性的可能性较大。SUVmax为多模态PET/CT图像常用的半定量指标,可显着提高肿瘤的临床诊断水平。张子洲等[14]收集111例经PET/CT检查且确诊为肺癌的患者,通过Pearson分析发现,肿瘤大小与SUVmax呈显着正相关(P0.01);在分析SUVmax与肿瘤病理类型的相关性时发现,固然鳞癌组肿瘤大小小于腺鳞癌组,但鳞癌组的SUVmax却明显高于腺鳞癌组。Nambu等[15]对66名肺癌患者进行研究,研究对象均在肿瘤手术前进行PET/CT检查并在2004~2008年期间进行了手术。研究发现原发性肺癌淋逢迎转移的可能性随着SUVmax的增加而增加。当前研究SUVmax对恶性肺结节影响的文献并不多,在本次研究中,多因素Logistic回归结果显示SUVmax为恶性肺结节的重要危险因素。4、结论本研究利用Logistic回归分析对恶性肺结节可能的影响因素进行了筛选,结果显示结节大、SUVmax值大、存在分叶征、存在毛刺征是肺癌的危险因素,结节有钙化为肺癌的保卫因素。以下为参考文献[1]TorreLA,SiegelRL,JemalA.Lungcancerstatistics[J].AdvancesinExperimentalMedicineandBiology,2021,893:1-19.[2]WalterJE,HeuvelmansMA,TenHaafK,etal.PersistingnewnodulesinincidenceroundsoftheNELSONCTlungcancerscreeningstudy[J].Thorax,2022,74(3):247-253.[3]KoningHJ,AalstCM,JongPA,etal.Reducedlung?cancermortalitywithvolumeCTscreeninginarandomizedtrial[J].NewEnglandJournalofMedicine,2020,382(6):503-513.[4]Yousaf?KhanU,AalstC,JongPA,etal.Riskstratificationbasedonscreeninghistory:theNELSONlungcancerscreeningstudy[J].Thorax,2021,72(9):819-824.[5]RojewskiAM,TannerNT,DaiL,etal.Tobaccodependencepredictshigherlungcancerandmortalityratesandlowerratesofsmokingcessationinthenationallungscreeningtrial[J].Chest,2021,154(1):110-118.[6]陈文.医学影像技术研究进展及其发展趋势[J].实用医学影像杂志,2021,17(3):254-258.[7]HongQY,WuGM,QianGS,etal.PreventionandmanagementoflungcancerinChina[J].Cancer,2021,17:3080-3088.[8]孙政,李纲,王洪军,等.徐州市铜山区肺癌影响因素的病例对照研究[J].中国肿瘤,2020,22(4):266-269.SunZ,LiG,WangHJ,etal.Acase?controlstudyontheinfluencingfactorsoflungcancerinTongshanDistrict,XuzhouCity[J].ChinaCancer,2020,22(4):266-269.[9]MalhotraJ,MalvezziM,NegriE,etal.Riskfactorsforlungcancerworldwide[J].EuropeanRespiratoryJournal,2021,48(3):889-902.[10]黄萌,陈星,邱月锋,等.肺癌危险因素及交互作用研究[J].中华疾病控制杂志,2018,15(2):91-94.HuangM,ChenX,QiuYF,etal.Studyoninfluencingfactorsandtheirinteractionsforlungcancer[J].ChineseJournalofDiseaseControlPrevention,2018,15(2):91-94.[11]刘伟洁.新确诊肺癌患者戒烟效果及影响因素[J].山东医药,2021,55(39):112-113.[12]耿睿,孙宵,李超,等.临床因素与CT影像学特征对判定孤立性肺结节良、恶性的价值[J].宁夏医科大学学报,2022,41(5):517-521.GengR,SunX,LiC,etal.ValueofclinicalfactorsandCTimagingfeaturesinthediagnosisofbenignandmalignantsolitarypulmonarynodules[J].JournalofNingxiaMedicalUniversity,2022,41(5):517-521.