构建并验证基于 Lung-RADS? v2022 和 CT 特征的风险分层模型，精准预测中国肺纯磨玻璃结节侵袭性

《Insights into Imaging》：Construction and validation of a risk stratification model based on Lung-RADS? v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China

研究人员构建基于 Lung-RADS? v2022 和 CT 特征的 cLung-RADS? v2022 模型，有效预测 pGGNs 侵袭性，助力临床决策。

　　肺癌，作为中国癌症发病率和死亡率双高的 “健康杀手”，严重威胁着人们的生命健康。随着低剂量计算机断层扫描（CT）筛查在肺癌检测中的广泛应用，肺纯磨玻璃结节（pGGNs）的检出率大幅上升。pGGNs 与多种疾病相关，从良性的肺部出血、纤维化，到癌前病变如非典型腺瘤样增生，再到原位癌、微浸润腺癌和浸润性腺癌等恶性病变。准确判断 pGGNs 的侵袭性，对于确定最佳手术时机、手术切除范围以及是否需要进行淋巴结清扫至关重要，直接关系到患者的预后和生活质量。

然而，现有的美国放射学院（ACR）推出的 Lung Imaging Reporting and Data System（Lung-RADS）在 pGGNs 风险分层方面存在不足。其 2022 年更新的 Lung-RADS? v2022，虽进一步规范了 CT 报告，但仍有缺陷。比如，4x 类别缺乏明确的成像特征指标，直径≥30mm 的截断值可能导致早期肺癌诊断延迟，使得一些侵袭性 pGGNs 未能及时被发现和治疗，降低了筛查的效益。

为了解决这些问题，郑州大学附属肿瘤医院和河南省肿瘤医院的研究人员开展了一项极具意义的研究。他们构建并验证了一种基于 Lung-RADS? v2022 和 CT 特征的新型风险分层模型 ——cLung-RADS? v2022，旨在精准预测 pGGNs 的侵袭性，为临床治疗提供更可靠的依据。该研究成果发表在《Insights into Imaging》杂志上。

在研究过程中，研究人员运用了多种关键技术方法。首先，他们前瞻性地收集了 526 例患者的 572 个肺 GGNs 病例，依据严格的纳入和排除标准，将这些病例分为训练集（157 例患者的 169 个 pGGNs）和验证集（369 例患者的 403 个 pGGNs）。其次，所有患者术前均接受低剂量胸部 CT 扫描，扫描参数设定严格且统一。随后，由两位胸部影像专家基于薄层 CT 图像序列，通过多平面重建和最大密度投影技术，观察并记录病变的 CT 特征，尤其是根据磨玻璃结节 - 血管关系（GGN-vessel relationship，GVR）对结节进行分类。最后，运用 SPSS 24.0 软件进行统计分析，通过计算召回率、精度、F1 评分、准确率、马修斯相关系数（MCC）以及受试者工作特征曲线下面积（AUC）等指标，评估不同模型的性能。

研究结果主要包括以下几个方面：

• 数据集特征：研究共纳入 526 例患者的 572 个 pGGNs，其中 487 例为孤立性 pGGNs。训练集和验证集在性别、年龄、家族癌症史等多方面无显著差异，这确保了研究结果的可靠性和可比性。
• 观察者间一致性：选取 100 例患者的 100 个 pGGNs，由三位不同经验的放射科医生分别使用 Lung-RADS 1.0、Lung-RADS? v2022 和 cLung-RADS^? v2022 进行分层管理，结果显示观察者间一致性良好，表明这三种分类系统在实际应用中具有较高的可重复性。
• 不同模型诊断价值比较：在训练集中，与 Lung-RADS 1.0 相比，Lung-RADS? v2022 的多项诊断指标下降，如 AUC 从 0.543 降至 0.511（p 值 = 0.002）。而 cLung-RADS^? v2022 模型在诊断侵袭性 pGGNs 方面表现卓越，其召回率（94.9% 对比 6.5%、2.2%）、MCC 值（60.2% 对比 5.4%、6.3%）、F1 评分（92.5% 对比 12.1%、4.3%）、准确率（87.6% 对比 23.1%、19.5%）和 AUC（0.718 对比 0.543、0.511；p 值 = 0.014、0.0016）均显著优于前两者。在验证集中，cLung-RADS^? v2022 同样表现出色，AUC 达到 0.693，高于 Lung-RADS 1.0（0.531）和 Lung-RADS? v2022（0.509），p 值分别为 0.0036 和 0.0003。

研究结论和讨论部分指出，cLung-RADS^? v2022 模型在预测 pGGNs 侵袭性方面具有显著优势，能有效识别需要及时手术干预的 pGGNs，在训练集和验证集中都展现出高准确率、高召回率和高 AUC。这一模型可以减少不必要的检查和侵入性操作，减轻患者负担，为肺癌风险预测和 pGGNs 的临床管理提供了重要的决策支持。不过，该研究也存在一定局限性，如单中心研究可能存在设计偏倚，非侵袭性组样本量较小影响诊断效能，且模型无法完全避免过度治疗的风险。但总体而言，cLung-RADS^? v2022 模型为肺癌的早期诊断和精准治疗带来了新的希望，对提高肺癌患者的生存率和生活质量具有重要意义，值得进一步在多中心、大样本研究中进行验证和推广。