孤立性良恶性肺结节的临床及CT特点分析

毕伟 丁长青 刘绪军 王文生

摘要：目的：分析孤立性良惡性肺结节临床及CT特征，提高诊断的准确性。方法：回顾性分析南通大学附属丰县医院2017年1月至2020年12月经手术病理证实的100例孤立性肺结节患者临床及CT资料，通过单因素及多因素Logistic回归分析筛选出可能的危险因素。结果：100例孤立性肺结节患者中，良性25例，恶性75例。单因素分析显示两组在性别、年龄、吸烟史、COPD病史、家族肿瘤史、肿瘤标记物等一般资料间无统计学差异（P>0.05）。两组在结节最大长径、结节位置、瘤-肺界面、内部钙化、磨玻璃影（GGO）、分叶征、短毛刺征、胸膜凹陷征及血管集束征方面的差异均具有统计学意义（P<0.05）。多因素Logistic回归分析显示结节大小及GGO为孤立性良恶性肺结节的独立危险因素（P<0.05）。结论：对孤立性良恶性肺结节应重点观察结节最大长径、结节位置、瘤-肺界面、内部钙化、磨玻璃影（GGO）、分叶征、短毛刺征、胸膜凹陷征、血管集束征等征象，其中结节大小、GGO为恶性肺结节的独立危险因素。

关键词：孤立性肺结节;良性;肺癌;危险因素;螺旋CT

中图分类号：R447文献标识码：BDOI：10？郾3969/j.issn.1001-0270.2021.04.06

Clinical and CT Characteristics of Solitary Benign and Malignant Pulmonary Nodule

BI Wei1， DING Chang-qing2， LIU Xu-jun1， WANG Wen-sheng2

（1. Department of Thoracic Surgery， Fengxian Hospital， Nantong University， Jiangsu 221700， China; 2. Department of Imaging， Fengxian Hospital， Nantong University， Jiangsu 221700， China）

Abstract： Objective： To analyze the clinical and CT features of solitary benign and malignant pulmonary nodule， and to improve the accuracy of diagnosis. Methods： The clinical and CT data of 100 patients with solitary pulmonary nodule confirmed by surgery and pathology in Fengxian Hospital Affiliated to Nantong University from January 2017 to December 2020 were retrospectively analyzed， and possible risk factors were screened out through single factor and multivariate Logistic regression analysis . Results： Among 100 patients with solitary pulmonary nodule， 25 cases were benign and 75 cases were malignant. Univariate analysis showed that there was no statistical difference between the two groups in general information such as gender， age， smoking history， COPD history， family tumor history， tumor markers（P>0.05）， etc.There were statistically significant differences in the maximum length of nodule， nodule location， neoplasm-lung interface，internal calcification， ground glass shadow （GGO）， lobulation sign， shorter spicule sign， pleural depression sign and vascular cluster sign between the benign and malignant pulmonary nodule（P<0.05）. Multivariate logistic regression analysis showed that nodule size and GGO were independent risk factors for solitary benign and malignant pulmonary nodule（P<0.05）. Conclusion： For the diagnosis of solitary benign and malignant pulmonary nodule，we should pay attention to maximum length of nodule， nodule location，neoplasm-lung interface， internal calcification， GGO， lobulation sign， burr sign， pleural depression sign and vascular cluster sign. Nodule size and GGO are independent predictors factors of malignance in patients with solitary pulmonary nodule.

Key Words： Solitary lung nodule;  Benign; Lung cancer; Risk factors; Spiral CT

肺结节通常是指肺内最大长径不超过3cm的圆形或不规则形占位性病变。随着螺旋CT在各级医院的广泛应用，以及CT后重建技术和低剂量胸部CT筛查技术的发展，肺结节的检出率不断提高[1]。肺结节可为炎性假瘤、错构瘤、结核球及真菌性肉芽肿等良性病变，也可为腺癌、鳞癌及神经内分泌癌等恶性病变。早期肺结节尤其是孤立性肺结节（solitary pulmonarynodule，SPN）的患者多无明显临床表现及体征，偶可伴咳嗽或血丝痰。因病灶较小，良恶性结节CT表现有较多重叠征象，经皮肺穿刺活检取材存在一定难度，痰液检查及肿瘤标记物阳性率较低，故诊断常较为困难[2]。因此，本研究通过回顾性分析100例孤立性肺结节患者的临床及影像学资料，筛选出恶性结节可能的独立危险因素，为鉴别诊断提供依据。

1 资料与方法

1.1 一般资料

选取南通大学附属丰县医院胸外科及肿瘤外科2017年1月-2020年12月收治并经手术病理证实的100例孤立性肺结节患者临床及CT资料。

1.2 纳入及排除标准

纳入标准：①肺实质内长径≤3cm的圆形或椭圆形单发病灶，无纵隔淋巴结肿大，无肺部感染、胸腔积液;②术前3d内行胸部高分辨率CT 及相关血清学肿瘤标记物指标检查;③经全身影像学系统检查未发现远处转移;④术前无针对此次肺结节的治疗史;⑤术后经病理确诊。排除标准：①>3cm 肿块;②有肺内或远处转移者;③术前接受放化疗治疗者;④病理结果不确定或CT伪影较大、图像质量不佳;⑤既往恶性肿瘤史;⑥资料不完整或患者拒绝公开相关资料者。本研究经本院医学伦理委员会审查批准并且患者本人知情同意。

1.3 CT评价方法

CT使用飞利浦 Brilliance16及64排螺旋CT机，均常规行稍低剂量胸部CT 检查（LDCT）及1-2mm薄层高分辨率（HRCT）后重建。由2位影像科高年资诊断医师分别分析、重点观察并记录结节位置及最大长径、结节位置、瘤肺界面、内部钙化、磨玻璃影（GGO）、分叶征、短毛刺征、胸膜凹陷征及血管集束征，協商一致。

1.4 统计学分析

采用SPSS22.0统计学软件对数据进行分析处理。符合正态分布的计量资料以（x±s）表示，采用独立样本t 或t'检验;计数资料以例数和率表示，采用X2 检验或Fisher精确检验。将筛选出有差异的参数为自变量，进一步采用多因素Logistic分析，筛选恶性肺结节独立危险因素。以P<0.05 为差异有统计学意义。

2 结果

2.1 一般资料

100例患者中男性59 例，女性41例，年龄范围为37-78岁，平均（62.57±1.03）岁。手术病理良性25例（25%），恶性75例（75%）。良性结节包括炎性假瘤17例（17%）、肉芽肿6例（6%）、错构瘤1例（1%）、纤维瘤1例（1%）。恶性结节包括腺癌72例（72%）、鳞癌2例（2%）、类癌1例（1%）。本组27例为胸部LDCT体检偶然发现。19例经过6月至3年的LDCT随访，病灶逐渐进展增大。经统计分析显示，良恶性肺结节患者在性别、年龄、吸烟史、COPD病史、家族肿瘤史、肿瘤标记物（癌胚抗原-CEA、神经元特异性烯醇化酶-NSE、胃泌素释放肽前体（precursorofgastrinreleasingpeptide，proGRP）、糖链抗原（CA）125及199、细胞角蛋白19片段-CYFRA21-1）等一般资料间无统计学差异（P>0.05），具体见表1。

2.2 CT特征

两组在结节最大长径、结节位置、瘤-肺界面（图1）、内部钙化、磨玻璃影（GGO，图2、图3）、分叶征、短毛刺征、胸膜凹陷征及血管集束征方面的差异均具有统计学意义（P<0.05）。而在支气管血管集束征、空泡征以及空气支气管征等因素的差异均无统计学意义（P>0.05），具体见表2。

2.3 Logistic多因素回归分析

把上述单因素分析中具有统计学意义的结节位置、大小、瘤-肺界面、钙化、GGO、分叶征、胸膜牵拉征等7项因素进行多因素Logistic回归分析。最后结果发现，结节大小、GGO是判断良、恶性SPN的独立危险因素，具体见表3。

3 讨论

肺癌是全世界癌症死亡的最常见原因，早期诊断和筛查可以大大降低其死亡率[3]。肺结节的检出和定性诊断是影像科、肿瘤科及胸外科等多个学科需要面临的一个重要课题，因为该过程是肺癌精准治疗及获得良好预后的第一步。虽然MRI和PET/CT可以提供有关肺结节的功能信息，但目前肺结节的诊断仍依赖于CT。LDCT肺结节筛查技术、深度学习（DL）技术、人工智能（AI）和基因组学等新技术的不断进步，为肺结节的诊断带来了希望[4]。

在早期阶段，肺癌可表现为纯磨玻璃结节（GGN）、部分实性结节（或混合磨玻璃结节，mGGN）或实性结节。肿瘤的固体成分与浸润性病理特征密切相关，并与不良预后相关[5]。胸部CT是一种常用的影像学成像技术，其对肺结节检出率要远比X线检查高得多，尤其对于密度较淡的GGN[6]。LDCT的优点是图像无需叠，辐射较常规CT更少。目前，LDCT筛查早期肺癌已成共识，肺结节的LDCT个体筛查结合个性化的肿瘤风险评估，可较为可靠地诊断肺结节[7]。本组27例（36%）也为胸部LDCT体检偶然发现。生长速度是肺结节筛查中肺癌的独立危险因素。一项研究提示，炎性假瘤的生长结节的平均倍增时间（VDT）为339天，肉芽肿为226天，良性肿瘤为640天，淋巴结肿大为1541天，原位腺癌为762天，微浸润性腺癌为954天，浸润性腺癌为534天，鳞状细胞癌为118天。但在常规临床实践中，随着时间的推移，许多恶性结节可能生长缓慢甚至稳定，此时，单纯依靠VDT价值可能有限。肺结节恶性概率为1.1%～12.0%，若结节恶性概率较低，应予以胸部CT随访，若恶性概率很高，则需立即行手术切除等积极干预[8]。本组19例也通过随访观察病灶变化来判断性质。随着人们认识的提高，LDCT随访筛查会有较好的应用前景。

年龄是恶性肺结节的独立危险因素，年龄越大（尤其是>50岁），结节为恶性的概率越大。吸烟是恶性肺结节的另一危险因素，吸烟（包括二手烟）越久、量越大，罹患肺癌的危险性就越高。种族、性别、症状、职业暴露、肿瘤史及肿瘤家族史等也可能与恶性肺结节相关，都尚需与影像学CT特征等多因素相结合来评估其性质[9]。与肺癌有关的肿瘤标志物有CEA、NSE、CYFRA21-1、CA125及CA153、CA199等，但它们诊断恶性肺结节的灵敏度及特异度有限[9]。肿瘤标记物与LDCT联合对肺结节的检测可能具有较高的临床参考价值[10]。本组资料单因素分析显示，良恶性肺结节患者在性别、年龄、吸烟史、COPD病史、家族肿瘤史、肿瘤标记物方面无统计学意义差异，可能与本研究统计病例较少、相关一般资料较为相近等有关。

SPN的CT评估除前述的随访VDT变化外，还包括结节位置、大小、结节最大直径、瘤-肺界面、分叶征、毛刺征、钙化、胸膜凹陷征、血管集束征、空泡征等。在结节位置方面，本组恶性结节位于上叶较多，而良性者位于非上叶稍多。目前的共识是结节大小为肺癌的独立危险因素，<5mm结节的恶性率约为0.4%，而5-10mm结节的恶性率约为1.3%，>10mm结节的恶性率约为15.3%[6]。结节可有钙化，良性病灶发生率较高且钙化成分较多。部分结节内部可有空泡存在。恶性结节的瘤-肺界面多毛糙，GGN常边界较清、密度均匀、形态规则;良性者多炎性，边界常模糊不清，形态欠规则。而早期肺腺癌的分叶征是指结节边缘呈现的凹凸不平的分叶状轮廓，与肿瘤生长方式及不同方向生长速度存在差异、受周围组织阻挡限制有关。弧弦距与弦长比值≥0.4为深分叶，多见于恶性结节，而浅分叶（弧弦距与弦长比值<0.2）则常见于良性结节。毛刺征是指肺窗层面结节边缘伸向周围肺实质的放射状无分支线状影，短毛刺（<5mm）常见于恶性结节，与肿瘤细胞向周围浸润形成的纤维带等有关，良性结节如炎性假瘤、结核球多为长毛刺。胸膜凹陷征（胸膜尾征或兔耳征）为胸膜与结节之间的线性、喇叭口或三角形影，可伴胸膜增厚，在邻近胸膜下的恶性SPN的出现率稍高。血管集束征为肺结节周围血管在瘤体边缘截断或穿过瘤体，可能系瘤灶向血管支气管鞘或小叶间隔生長、纤维组织增生或瘢痕牵拉邻近血管所致。部分恶性瘤灶可见供血的支气管动脉增粗[11]。本研究两组在结节最大长径、结节位置、瘤-肺界面、内部钙化、磨玻璃影（GGO）、分叶征、短毛刺征、胸膜凹陷征及血管集束征方面的差异均具有统计学意义（P<0.05）。而在支气管血管集束征、空泡征以及空气支气管征等因素的差异均无统计学意义（P>0.05）。结节大小、GGO为SPN的独立危险因素，与张崴琪等（2019）[12]研究结果相近。

肺结节的影像学评估取决于众多因素，而相当多良恶性结节具有重叠性的影像特征，鉴别起来较为困难。近年来，图像纹理分析逐渐成为影像图像量化的热点，此类技术可提供肉眼难以观察到的图像信息，准确反映病灶内部异质性信息。孔令重等（2019）[13]通过研究肺结节的多种纹理参数，弥补了传统影像学特征不足。一项基于CT纹理分析的良恶性亚厘米级肺毛玻璃样结节（≤1cm）的非侵入性评估，发现区分良恶性GGN的敏感性和特异性分别为86.7%和60%，为准确识别亚厘米级GGN提供了可靠的新技术[14]。另有研究提示，对≤2cm的肺结节，基于病灶及其周围组织的影像组学模型可提高鉴别良恶性的能力[15]。

本研究的不足之处：首先样本量相对较少，会存在统计偏倚;另外，病史采集中未统计被动吸烟患者，也缺乏居住环境等评估。尚需积累大量病例进行系统研究。

总之，SPN定性诊断时应重点观察影像学CT上的结节最大长径、结节位置、瘤-肺界面、内部钙化、磨玻璃影（GGO）、分叶征、短毛刺征、胸膜凹陷征、血管集束征等征象，尤其是结节大小及存在磨玻璃密度成分等恶性结节的独立危险因素，以期提高诊断水平。

参考文献：

[ 1 ] Shen Y，Xu F，Zhu W，et al.Multiclassifier fusion based on radiomics features for the prediction of benign and malignant primary pulmonary solid nodules[J].Ann Transl Med，2020，8（5）：171.

[ 2 ] 石新林，徐兴祥，杨慧俐.148例孤立性肺结节临床资料分析[J].国际呼吸杂志，2019，39（13）985-989.

[ 3 ] Liu B，Chi W，Li X，et al.Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support： three decades development course and future prospect[J].J Cancer Res Clin Oncol，2020，146（1）：153-185.

[ 4 ] Kim TJ，Kim CH，Lee HY，et al.Management of incidental pulmonary nodules：current strategies and future perspectives[J].Expert Rev Respir Med，2020，14（2）：173-194.

[ 5 ] Wan YL，Wu PW，Huang PC，et al.The Use of Artificial Intelligence in the Differentiation of Malignant and Benign Lung Nodules on Computed Tomograms Proven by Surgical Pathology[J].Cancers （Basel），2020，12（8）：2211.

[ 6 ] Chen W，Zhu D，Chen H，et al.Predictive model for the diagnosis of benign/malignant small pulmonary nodules[J].Medicine （Baltimore），2020，99（15）：19452.

[ 7 ] Madariaga ML，Lennes IT，Best T，et al.Multidisciplinary selection of pulmonary nodules for surgical resection： Diagnostic results and long-term outcomes[J].J Thorac Cardiovasc Surg，2020，159（4）：1558-1566.

[ 8 ] Zhang R，Tian P，Qiu Z，et al.The growth feature and its diagnostic value for benign and malignant pulmonary nodules met in routine clinical practice[J].J Thorac Dis，2020，12（5）：2019-2030.

[ 9 ] 拓蓓瑜，楊卫卫.肺结节恶性风险评估方法的研究进展[J].临床误诊误治，2019，32（2）：99-103.

[10] 荆利民，李东，李振强，等.低剂量CT联合血清肿瘤标志物诊断肺结节的临床价值[J].医学影像学杂志，2019，29（3）：504-507.

[11] 岳军艳，朱止平，窦文广，等.多CT征象量化联合分析对肺结节（肿块）性质判定的临床研究[J].实用放射学杂志，2019，35（1）：35-39.

[12] 张崴琪，王一卓，王晓慧，等.基于CT后处理重组技术的孤立性肺结节良恶性危险因素[J].放射学实践，2019，34（10）：1102-1107.

[13] 孔令重，姜壮国，曹小江，等.Logistic 回归分析高分别率CT 的纹理特征对孤立性肺结节诊断价值[J].新疆医科大学学报，2019，42（2）：198-202.

[14] Hu X，Ye W，Li Z，et al.Non-invasive evaluation for benign and malignant subcentimeter pulmonary ground-glass nodules（≤1cm） based on CT texture analysis[J].Br J Radiol，2020，93（1114）：20190762.

[15] 张静，武志峰，鄂林宁，等.肺结节（≤2cm）及其周围组织的影像组学特征在其良恶性鉴别中的价值[J].中国临床医学影像杂志，2020，31（7）：478-481.