RSNA2024 胸部影像学

放射学实践 · 公众号 · 医学 · 2025-03-19 11:30

正文

【摘要 】 2024 年 RSNA 年会的主题是 “ 构建智能连接 ” ，强调人工智能（ AI ）与深度学习、光子计数 CT 等前沿技术在医学影像中的应用，旨在通过技术创新与跨学科协作推动精准诊疗的发展。肺结节、肺癌、慢性阻塞性肺疾病（ COPD ）和间质性肺疾病（ ILD ）等常见病仍是研究的核心领域，同时结合影像组学和多模态分析的个性化医学方案逐渐受到重视。本文针对上述内容进行较全面的综述。

2024 年第 110 届北美放射学会（ Radiological Society of North America ， RSNA ）年会于 2024 年 12 月 1 日 -12 月 5 日在美国芝加哥举行。本届年会的主题为 “ 构建智能连接 ” （ Building Intelligent Connections ），强调人工智能（ AI ）、深度学习、光子计数 CT 等前沿技术，旨在通过技术与临床的融合提升精准医疗与个性化诊疗水平。在胸部影像学方面， 2024 年 RSNA 年会主要聚焦于： AI 与影像组学在肺结节、肺癌、慢性阻塞性肺疾病（ COPD ）、间质性肺疾病（ ILD ）等常见病中的应用；光子计数 CT 等新技术对成像质量与诊断能力的提升；多模态分析与个性化医疗的协同创新。本文针对上述内容进行较全面的综述。

人工智能 / 深度学习

人工智能技术逐步应用于医学影像处理，旨在提升图像质量和诊断效能。 Li 等使用超分辨率 Swin2SR 模型，对不同剂量水平下的标准 CT 图像进行处理，生成 1024 和 2048 矩阵的人工智能超分辨率 CT 图像。通过 ImQuest 软件分析图像质量，采用非参数秩和检验分析噪声功率谱（ NPS ）、任务传递函数（ TTF ）、噪声水平和信噪比（ SNR ），采用 Bland-Altman 方法评估外围和中间感兴趣区 CT 值的一致性。研究发现，空间分辨率（ TTF50% Teflon ）显著提高，噪声纹理改善（ NPSpeak 下降， NPSave 上升）， CT 值一致性保持不变，超分辨率处理未影响 CT 值的准确性和均匀性。在低剂量条件下， AI-2048 矩阵图像显示出更高的线对识别能力。然而，肺核图像的 SNR 有所下降。 Swin2SR 模型生成的超分辨率 CT 图像在保持 CT 值稳定性的同时，提高了分辨率并优化了噪声特性，具有重要的临床应用价值，可显著提升诊断准确性和效率。

近年来，骨质疏松症的筛查与诊断备受关注，因其常被忽视却可能导致严重后果。双能 X 线骨密度仪（ DXA ）扫描作为测量骨密度的黄金标准，存在一定的局限性。 Scanio 等提出了一种创新方法，利用人工智能工具（ AI Rad Companion ）和机器学习算法，基于胸部 CT 扫描中的骨小梁 Hounsfield 单位和椎体高度，预测 DXA 扫描所定义的低骨密度（ BMD ）。研究纳入了 781 名患者，采用光梯度提升机器学习模型（ LightGBM ）进行预测，并与传统的 Logistic 回归模型进行比较。结果显示，在测试组中， LightGBM 模型的受试者操作特征曲线下面积（ AUC ）为 0.84 ，显著高于 Logistic 回归模型的 0.76 （ P<0.001 ）。其预测低 BMD 的准确率和敏感度分别达到 79% 和 87% ，远超胸部 CT 放射报告的 36% 和 12% 。然而，该模型的特异度为 59% ，低于放射报告的 94% 。这表明，尽管存在一定的局限性，但人工智能结合机器学习在低 BMD 检测中展现出较高的敏感度，为骨质疏松症的筛查提供了新的思路。临床应用中，推广此类人工智能模型，有助于提高低 BMD 的检出率，进而降低骨质疏松症患者的发病率和死亡率。

Lin 等采用深度学习重建（ DLR ）算法结合对比剂增强（ CE-boost ）技术，对低对比度低流量 CT 肺动脉成像进行了评估。研究招募了 106 名疑似肺栓塞患者，分为 A 、 B 两组， A 组进一步细分为 A1 至 A4 四个亚组。结果显示，在 A1 ～ A4 组和 B 组中，符合客观诊断标准的病例数分别为 46 、 46 、 53 、 53 和 48 例。 CE 增强后， A1 和 A2 组的诊断率提高了 13.21% 。 A4 组在所有测量区域的噪声值最低，信噪比和对比噪声比（ CNR ）最高， CT 值也显著高于 A1 、 A2 和 B 组（均 P<0.01 ），但在与 A3 组的比较中差异无统计学意义（ P>0.05 ）。在主观评价方面， A4 组在肺动脉亚段可视化和噪声方面的得分均高于其他四组（均 P<0.05 ），总体主观图像评分也高于 A1 组和 B 组（均为 P<0.05 ）。这些结果表明， DLR 与 CE-boost 技术的结合能够显著提升计算机断层扫描肺动脉造影（ CTPA ）的图像质量，同时降低造影剂的使用量。

Somasundaram 等基于深度学习模型，结合 CTPA 和临床数据，开发了一种预测肺栓塞（ PE ）复发风险的模型。研究回顾性分析了 927 名 PE 患者的 3978 例 CTPA 扫描数据，其中 418 名患者进行了随访 CTPA 扫描， 128 名被诊断为至少一次持续性或复发性 PE 。结果显示，基于影像、临床数据、综合影像和临床数据以及综合影像、临床数据和 PE 严重度指数（ PESI ）的模型在内部测试集上的 c-index 分别为 0.587 、 0.682 、 0.678 和 0.695 ，完整融合模型在外部测试集上的 c-index 值为 0.621 。无论是内部数据集还是外部数据集，综合模型均优于 PESI （分别为 0.508 和 0.531 ， P<0.001 ）。将患者分为高风险和低风险组后，复发结局在内部和外部数据集上均有显著差异（ P<0.05 ）。这表明，综合 CTPA 特征和临床数据的深度学习模型在 PE 复发风险预测中具有优越性能，为 PE 治疗后管理提供了更准确的风险分层依据。

Kerber 等评估了在超低剂量光子计数探测器 CT 上使用视觉评分、低衰减体积（ LAV ）和深度学习方法进行肺气肿严重程度评估的可行性和有效性。研究纳入了 101 名患者，使用第一代临床双源光子计数探测器 CT 进行扫描。结果显示， X 射线等效剂量扫描的计算机断层扫描剂量指数（ CTDIvol ）显著低于低剂量扫描（低剂量： 0.66 ± 0.16 mGy ， X 射线等效剂量： 0.11 ± 0.03 mGy ， P<0.0001 ）。视觉评分一致性极佳（ κ = 0.83 ），且在低剂量和 X 射线等效剂量扫描之间的相关性良好（ κ = 0.70 ）， Spearman's ρ 为 0.79 。深度学习和 LAV 算法在低剂量和 X 射线等效剂量扫描中的预测肺气肿体积没有显著差异（ P=0.57 ），但在 X 射线等效剂量扫描中都显著高估了肺气肿体积（均 P<0.0001 ）。这表明，尽管视觉评分和深度学习算法在低剂量条件下表现良好，但在超低剂量条件下仍存在一定的局限性，需要进一步优化自动化肺气肿量化方法。

Ye 等通过结合放射组学、深度学习和临床特征，建立了一个预测模型，用于评估非小细胞肺癌（ NSCLC ）患者在接受新辅助免疫化疗（ NIT ）后的病理完全反应（ pCR ）。研究回顾性收集了三个中心的 178 名患者数据，对新辅助治疗前后的胸部 CT 图像进行肿瘤分割，提取放射组学特征并构建特征组。结果显示，在常规放射组学模型中， post-NIT 模型的 AUC 值在训练集和测试集中分别为 0.825 和 0.832 ，优于 pre-NIT 模型。 delta 放射组学模型中， delta1 模型表现最佳， AUC 值分别为 0.942 和 0.810 。进一步结合 post-NIT 和 delta1 特征的联合模型 1 ， AUC 值提升至 0.939 和 0.849 。深度学习模型的 AUC 值为 0.832 和 0.818 。最终，将 iRECIST 临床因素与放射组学和深度学习特征结合的联合模型 2 ，在所有模型中表现最佳， AUC 值分别为 0.955 、 0.882 和 0.839 。这表明，结合三维特征的深度放射组学模型能够显著提高对 pCR 的预测准确性，为 NSCLC 患者的个性化临床决策提供了有力支持。

Du 等通过结合放射组学和深度学习特征，利用多实例学习（ MIL ）方法，对肺腺癌表现为磨玻璃密度结节（ GGN ）的侵袭性病变进行术前 CT 预测。研究回顾性分析了 1182 例术前胸部 CT 图像，包含 1247 个 GGN 病例。结果显示，侵袭性组（ IAC ）与非侵袭性组（ AAH, AIS, MIA ）在年龄、体积、最大直径、最小直径、平均直径和 CT 值方面存在显著差异（ P<0.001 ），性别差异也显著（ P<0.005 ）。基于 ExtraTrees 的放射组学模型在不同测试集中的 AUC 值分别为 0.828 、 0.936 和 0.914 ，表现良好。而 MIL-DL-Rad 模型中， ExtraTrees 模型的 AUC 值进一步提升至 0.868 、 0.926 和 0.918 。这表明，联合模型在预测 GGN 的肺腺癌侵袭性方面，相较于传统放射组学模型具有更优的整体性能和区分能力，为特征融合提供了新的视角。

光子计数 CT

在评估碲锌镉（ CZT ）探测器与超高分辨率深度学习图像重建（ SHR-DLR ）相结合的光子计数 CT （ PCCT ）扫描仪性能的研究中， Smit 等的初步临床经验显示了显著的成果。研究涉及 18 名接受胸部影像检查的患者，通过对比常规分辨率图像（ NR ）与 SHR-DLR 图像，发现 SHR-DLR 在多个图像质量指标上均优于 NR 。具体而言， SHR-DLR 图像的整体图像质量评分为 4.7 ，高于 NR 的 3.4 ；图像清晰度评分为 4.7 ，优于 NR 的 3.1 ；细节可见性评分为 4.4 ，高于 NR 的 3.3 ；感知图像噪声评分为 4.1 ，低于 NR 的 3.2 ，且所有这些差异均具有统计学意义（ P<0.01 ）。此外， SHR-DLR 图像的噪声纹理更精细，能够评估更多的外周支气管分支，平均多出 1.2 个分支（ P<0.01 ），且自动分割计算出的支气管体积也更大，为 54.1 mL ，而 NR 图像为 47.2 mL （ P<0.01 ）。这些结果表明， CZT 探测器与 SHR-DLR 重建的结合，显著提升了 PCCT 的空间分辨率和支气管系统的清晰度，同时有效控制了图像噪声，为胸部影像诊断提供了更高质量的图像支持。

在对比新型超高分辨率（ UHR ）光子计数探测器（ PCD ） CT 与标准分辨率能量积分探测器（ EID ） CT 的光谱 CT 肺动脉造影（ CTPA ）的研究中， Pannenbecker 等的研究结果突显了 UHR PCD CTPA 在图像质量和读者信心方面的显著优势。客观图像质量评估显示， UHR PCD 组在肺叶动脉的对比噪声比（ CNR ）和信噪比（ SNR ）上均高于 EID 组，例如右下叶的中位 CNR 为 26.7 ，而 EID 组为 22.7 （ P < 0.05 ）。主观评价方面，四位读者中有三位对 UHR PCD CTPA 图像质量的评价较高， 81.25% 的 CTPA 被评为优秀，远超 EID 组的 8.3% 、 13.9% 和 8.3% （ P < 0.05 ）。此外，所有读者均认为 UHR 组的碘图质量更高， R1 评定为优秀图像质量的比例为 62.5% ，而 EID 组为 0% （所有 P < 0.001 ）。在肺血管的可评估性上， UHR PCD CTPA 同样表现优异， PCD 组的外周亚段动脉可评估性为 78.1% 、 75.0% 、 78.1% 和 65.6% ，而 EID 组仅为 3.1% 、 6.2% 、 3.1% 和 25% （ P < 0.01 ）。自我报告的诊断信心也显著提升， UHR PCD CTPA 的病例中，有 78.1% 、 84% 、 71.9% 和 65.6% 的病例信心最高，而 EID 组为 0% 、 18.8% 、 0% 和 37.5% （ R1/R2/R3 的 P < 0.01 ， R4 的 P < 0.05 ）。这些结果表明， UHR PCD CTPA 不仅在图像质量上具有明显优势，还显著增强了读者对肺栓塞诊断的信心，为临床诊断提供了更为可靠的依据。

在评估超低剂量光子计数探测器 CT 上肺气肿严重程度的研究中， Kerber 等的研究结果揭示了不同评估方法的性能和局限性。研究中， X 射线等效剂量扫描的计算机断层扫描剂量指数（ CTDIvol ）显著低于低剂量扫描，分别为 0.11 ± 0.03 mGy 和 0.66 ± 0.16 mGy （ p<0.0001 ），表明在降低辐射剂量方面取得了成功。视觉评分方面，两名放射科医生之间的一致性极佳（ κ = 0.83 ），且视觉肺气肿评分在低剂量和 X 射线等效剂量扫描之间的相关性良好（ κ = 0.70 ）， Spearman's ρ 为 0.79 ，说明视觉评分在不同剂量下的稳定性。然而，在 X 射线等效剂量扫描中，轻微肺气肿被低估，但在区分较高等级肺气肿方面，两种扫描剂量之间没有显著差异（ P=0.125 ）。自动化量化方法方面，深度学习和低衰减体积（ LAV ）算法在低剂量和 X 射线等效剂量扫描中的预测肺气肿体积没有显著差异（ P=0.57 ），但在 X 射线等效剂量扫描中，两者均显著高估了肺气肿体积（均 P<0.0001 ）。这些结果表明，虽然视觉评分和深度学习算法在低剂量条件下表现良好，但在超低剂量条件下仍存在一定的局限性，需要进一步优化自动化肺气肿量化方法，以提高其在低剂量环境下的准确性。

在对结缔组织病（ CTD ）相关间质性肺病（ CTD-ILD ）严重程度的量化研究中， Zhu 等的研究结果突显了低剂量光子计数探测器（ PCD ） CT （ PCD-LDCT ）的潜力。研究共纳入 26 名患者，通过对比 PCD-LDCT 与标准剂量 PCD-CT （ PCD-SDCT ），发现 PCD-LDCT 的有效剂量仅为 0.33 mSv ，相较于 PCD-SDCT 的 2.30 mSv 低近 7 倍，显著降低了患者的辐射暴露。在图像分析方面，广泛组 CTD-ILD 患者的常规肺容量百分比（ NL% ）为 75.0% ，低于局限组的 83.8% （ P = 0.006 ）； ILD 体积百分比（ ILD% ）为 19.4% ，高于局限组的 11.4% （ P = 0.004 ）；平均肺密度（ MLD ）为 -766 HU ，低于局限组的 -817 HU （ P = 0.002 ）。此外， NL% 与用力肺活量（ FVC ） % 预测值（ r=0.43 ， P=0.03 ）和一氧化碳弥散量（ DLCO ） % 预测值（ r=0.70 ， P<0.001 ）显著相关。受试者操作特征（ ROC ）曲线分析显示， ILD% 、 NL% 和 MLD 在区分广泛组 CTD-ILD 方面具有良好的表现， AUC 值分别为 0.846 、 0.827 和 0.833 。与 PCD-SDCT 相比， PCD-LDCT 在 ILD% 和 MLD 的量化结果上相当，平均绝对差（ MAD ）分别为 0.76% （ P = 0.07 ）和 4 HU （ P=0.343 ），仅在 NL% 上存在显著差异（ MAD=2.1% ， P < 0.001 ）。这些结果表明， PCD-LDCT 能够在大幅减少辐射剂量的同时，有效量化 CTD-ILD 的严重程度，为临床提供了一种更为安全、简便的评估手段。

在突破 PCD-CT 在间质性肺病（ ILD ）成像中空间分辨率极限的研究中， Zhou 等的成果令人瞩目。研究中，对 50 名怀疑为 ILD 的患者进行了 PCD-CT 扫描，并采用三种不同的图像重建方法：临床标准（ Qr56-IR ）、最锐利的定量核（ Qr89-IR ）以及结合 UHR-CNN 的 Qr89 重建。结果显示， Qr89-HR-CNN 的总体诊断图像质量评分最高，为 4.68 ，显著优于 Qr89-IR 的 3.95 和 Qr56-IR 的 3.97 （ P<0.001 ）。在影像学发现的置信度上， Qr89-HR-CNN 的幅度评分也显著高于 Qr56-IR ，特别是在网状影（ 1.56 vs. 1.37 ， P <0.001 ）、磨玻璃影（ GGO ）（ 1.67 vs. 1.55.P<0.001 ）、马赛克样图案（ 1.43 vs. 1.37 ， P<0.05 ）、牵拉性支气管扩张（ 1.75 vs. 1.57 ， P<0.001 ）以及外周肺占优势（ 1.61 vs. 1.57 ， P<0.05 ）等方面。尽管在蜂窝状变化、下肺叶占优势和 UIP 的诊断上未见显著差异（ P>0.05 ），但 Qr89-HR-CNN 在降低噪声、提高空间分辨率方面表现出色，为 ILD 的诊断提供了更为清晰、可靠的影像支持，有望推动 PCD-CT 在 ILD 成像中的临床应用，提升诊断准确性。

在探索光谱光子计数 CT （ SPCCT ）在肺功能色彩 K 边缘成像中的应用潜力时， Si-Mohamed 等的研究取得了重要进展。研究中，他们制备了基于钆（ Gd ）、钬（ Ho ）、镱（ Yb ）、铪（ Hf ）、钽（ Ta ）、钨（ W ）、金（ Au ）和铋（ Bi ）的八种对比剂，并将其置于人体模型胸腔模体中进行 SPCCT 扫描。结果显示， K 边缘图像中所有元素的平均 CNR 均较高，并且随着对比剂浓度的增加而上升。具体而言， K 边缘图像的 CNR 显著高于常规 CT 图像，斜率分别为 26.3 （ Gd ）、 14.9 （ Yb ）、 14.0 （ Au ）、 12.1 （ Ho ）、 9.4 （ W ）、 8.4 （ Bi ）、 7.6 （ Ta ）和 7.2 （ Hf ），表明不同元素在 K 边缘成像中的敏感度存在差异。在定量准确性方面，所有元素的制备浓度与测量浓度之间的平均相对误差为 25% ，其中镱的准确性最高（ ±10% ），而钽（ ±75% ）和铋（ ±50% ）的准确性相对较低。这些结果揭示了对比度和准确性与元素原子序数和 X 射线管光子统计之间的依赖关系，为优化 SPCCT 在肺功能成像中的应用提供了理论依据。

慢性阻塞性肺疾病

在区分慢性阻塞性肺疾病（ COPD ）与哮喘患者的研究中， Li 等通过结合胸部 CT 定量特征和临床信息，建立了一个有效的预测模型。研究结果表明，在训练集中，联合预测模型的 AUC 达到了 0.78 ，这一数值显著优于仅依赖临床信息的模型（ AUC=0.68 ）以及仅使用影像组学特征的模型（ AUC=0.76 ）。这表明，将定量 CT 特征与临床特征相结合，能够显著提升模型的预测能力。在内部验证集中，联合模型的 AUC 为 0.74 ，同样高于临床模型的 0.67 和影像组学模型的 0.72 ，进一步验证了模型的稳定性和可靠性。此外，决策曲线分析显示，在阈值范围 0.1 ～ 0.9 内，联合预测列线图具有良好的临床实用性，这意味着该模型在实际临床应用中具有较高的决策价值，能够为医生提供更为准确的诊断依据，从而更好地指导临床决策和治疗方案的制定。

Zhou 等开发了一种基于放射组学的新型非侵入性方法，用于区分比例保留的肺功能受损（ PRISm ）和 COPD 。研究纳入了 1066 名受试者，通过完全自动化的分割算法对胸部 CT 影像进行分割，并提取放射组学特征。结果显示， Rad-score 包括 15 个全肺区的放射组学特征，已证明在区分 PRISm 和 COPD 之间有效。将 Rad-score 与临床模型结合后，训练集、内部验证集和外部验证集的 AUC 分别为 0.82 、 0.77 和 0.841 ，诊断准确性得到提高。决策曲线分析显示，构建的放射组学列线图在临床应用中具有优越的临床效用。这表明，该放射组学列线图可用于区分 PRISm 和 COPD 患者，可能成为临床放射科医生的虚拟辅助工具。

脊柱侧弯是一种影响 2% ～ 3% 人口的异常旋转畸形。 Nadeem 等开发了一种基于胸部 CT 的自动化脊柱侧弯检测方法，并探讨了其与 COPD 之间的关联。该方法包括使用混合深度分割算法对 12 个胸椎和第 1 个腰椎进行分割和标记，计算脊柱中心线及每对椎骨终板位置之间的侧角，并通过全连接神经网络（ NN ）分类器评估脊柱侧弯的可能性。研究应用于多站点遗传流行病学 COPD （ COPDGene ）研究的基线访问时的吸气期胸部 CT 扫描，共 2911 名参与者。结果显示，该方法在确定的脊柱侧弯可能性阈值 α 为 0.3 时，准确率、敏感度和特异度分别为 92.0% 、 91.0% 和 96.1% 。在未见过的 2461 名参与者的数据中，准确率、敏感度和特异度分别为 91.1% 、 90.5% 和 94.2% 。在 2911 名参与者中，保留肺功能、轻度、中度和重度 COPD 参与者中分别有 5.6% 、 5.6% 、 7.4% 和 8.0% 患有脊柱侧弯。这表明，该方法适用于吸气期胸部 CT 扫描，并具有高准确率、敏感度和特异度，为基于人群的胸椎研究提供了可行性，有助于调查脊椎畸形与相应疾病共病性、进展和临床结果之间的机制互动。

骨质疏松和肌少症是 COPD 的主要并发症。在研究 COPD 中骨质疏松和肌少症特征的研究中， Saha 等通过分析胸部 CT 数据，计算了胸骨和肌肉指标。研究纳入了 1127 名参与者，根据 COPD 严重程度分为四组：肺功能保持良好组（ 520 人）、轻度 COPD 组（ 214 人）、中度 COPD 组（ 212 人）和重度 COPD 组（ 181 人）。结果显示，随着 COPD 严重程度的增加，胸肌面积（ PMA ）逐渐下降，而在轻度与中度 COPD 组之间，脊柱体积 BMD 出现了相对较大的下降。具体而言，中度和重度 COPD 组的 BMD 和 PMA 预测残差显著低于肺功能保持良好组（ Welch’s t 检验）。此外， COPD 严重程度增加的参与者在骨质疏松、肌少症和骨肌少症象限中 BMD 和 PMA 呈现出更大的负向变化，表明骨骼和肌肉特征与 COPD 的不利关系。这些结果揭示了 COPD 中骨骼和肌肉丧失的不同途径，并提示了基于 CT 的自动化特征分析在理解 COPD 中骨骼和肌肉多途径丧失及其对疾病进展和临床结果影响方面的潜在价值。

肺弥漫性疾病

对于纤维化 ILA ，单纯使用仰卧 CT 可以实现较为准确的诊断，且评读者一致性较好，而非纤维化 ILA 则通过加入俯卧 CT 的检查可以获得更多的益处。 Song 等评估了仅使用仰卧位胸部 CT 在诊断 ILA 中的作用。研究回顾性筛选了 2021 年 1 月 -2023 年 7 月接受俯卧位胸部 CT 检查的患者，纳入 69 例年龄和性别匹配的受试者。结果显示，对于非纤维化 ILA ，五名读者的综合 AUC 在会话 1 和会话 2 之间显著提高（从 0.76 提高到 0.92 ， P < 0.001 ），而纤维化 ILA 则无显著差异（分别为 0.94 和 0.99 ， P = 0.06 ）。非纤维化 ILA 的评读者间一致性从会话 1 到会话 2 显著提高（ Fleiss’ kappa 从 0.25 提高到 0.51 ， P = 0.004 ； Gwet’s AC1 从 0.44 提高到 0.65 ， P = 0.004 ），纤维化 ILA 则无显著差异。关于 ILA 范围，纤维化 ILA 的评读者内相关系数（ 0.74 ）高于非纤维化 ILA （ 0.44 ）。从会话 1 到会话 2 ，非纤维化 ILA 的 ILA 范围从 6.7% 减少至 5.2% （ P < 0.001 ），纤维化 ILA 的 ILA 范围从 10.0% 减少至 8.0% （ P < 0.001 ）。

Jeong 等在 CT 上对吸烟相关间质性纤维化（ SRIF ）、肺气肿和典型间质性肺炎（ UIP ）进行了特征比较。研究纳入了 123 名患者，其中 SRIF 患者 23 名、肺气肿患者 50 名、 UIP 患者 50 名。结果显示， SRIF 、肺气肿和 UIP 在 CT 上分别表现出以下特征：小叶中心肺气肿（ 100% 、 94% 、 48% ）、隔旁肺气肿（ 100% 、 60% 、 40% ）、多发性薄壁囊肿（ MTWC ）（ 73.9% 、 2% 、 0% ）、蜂窝肺（ 8.7% 、 2% 、 42% ）、牵拉性支气管扩张（ 100% 、 4% 、 100% ）、胸膜下磨玻璃密度影 / 网状影（ 100% 、 8% 、 100% ）、小叶中心磨玻璃密度影（ 34.8% 、 12% 、 8% ）。在 SRIF 与肺气肿的单变量分析中， MTWC 、牵拉性支气管扩张和亚胸膜磨玻璃密度 / 网状影是预测 SRIF 的特征（ P<0.05 ）。多变量分析中， MTWC 和胸膜下磨玻璃密度影 / 网状影是 SRIF 的预测特征（ P<0.05 ）。在 SRIF 与 UIP 的分析中， MTWC 是 SRIF 的预测特征（ P<0.05 ）。这表明， CT 上的 MTWC 、牵拉性支气管扩张和胸膜下磨玻璃密度 / 网状结构可能是 SRIF 区别于肺气肿和 UIP 的影像特征。

Tanimura 等利用基于深度学习（ DL ）的自动分割方法，对慢性间质性肺炎（ IP ）患者的肋间肌体积进行了测量，并评估了其与肺功能障碍、肺纤维化程度及呼吸困难之间的关联。研究纳入了 36 名慢性 IP 患者，包括 10 例特发性肺纤维化（ IPF ）、 17 例结缔组织病相关 IP 和 9 例其他病因引起的 IP 。结果显示，患者的 %FVC 为 35 ～ 129 （ 81.8±22.3 ），肋间肌体积（ VICM ）为 98.3 ～ 344.1 mm ³ （ 223±60 mm ³ ）。瘦 VICM 与 %FVC （ r=0.385 ， P=0.021 ）和 %DLCO （ r=0.443 ， P=0.008 ）呈正相关，与 %HA （ r=-0.512 ， P=0.002 ）呈负相关。呼吸困难严重的 IP 患者 [mMRC （改良医学研究委员会呼吸困难量表） 2 ～ 4] 的 VICM 较低（ 182±56 mm ³ ），与呼吸困难较轻的患者（ mMRC 0 ， VICM 1233±57 mm ³ ）相比差异接近显著（ P=0.063 ）。在非 IPF 患者中，肋间肌的平均 CT 密度（ MCTD ）为 3.3±12.0 HU ，而在 IPF 患者中较低，为 -7.4±13.7 HU （ P=0.020 ）。这表明，使用基于 DL 的自动分割量化的瘦 VICM 在限制性或扩散性功能障碍加重或肺纤维化程度增加时呈下降趋势，且 VICM 的减少与呼吸困难的加重相关。

Jeong 等通过基于深度学习的间质性肺异常（ ILA ）定量方法，定义了与亚洲健康筛查人群长期预后结果相关的 ILA 定量风险阈值。研究纳入了 2007 年 -2013 年接受胸部 CT 扫描的 50 岁及以上参与者，共 2427 名。结果显示， 55 名参与者（ 2% ）的 CT 扫描中发现了 ILA ， 63 名参与者（ 3% ）出现了可疑 ILA 。定量系统测得的 ILA 的平均程度为 3.3% （对于 ILA 组）和 0.5% （对于可疑 ILA 组）。当按 ILA 程度设定 0 ～ 1% 、 1% ～ 3% 、 3% ～ 5% 及 5% 以上的阈值划分时， ILA 程度在 5% 以上和 3% ～ 5% 组独立与疾病相关不良事件（ HR 28.2 ， 95% CI ： 8.2 ～ 96.6 ， P<0.001 ； HR 5.8 ， 95% CI ： 1.7 ～ 20.0 ， P=0.005 ）及全因死亡率（ HR 5.2 ， 95% CI ： 1.6 ～ 16.9 ， P=0.005 ； HR 5.4 ， 95% CI ： 2.3 ～ 12.7 ， P<0.001 ）相关，且与无 ILA 组相比差异具有统计学意义。这表明，通过基于深度学习的 ILA 量化，评估出与长期预后结果相关的 ILA 程度阈值为肺总体积的 3% 或以上。

尼达尼布在稳定 IPF 患者病情方面具有更好的疗效。 Battaglia 等评估了 AI 在分析 IPF 患者肺部 CT 图像中的应用，以及其与 DLCO% 和 FVC% 的相关性。研究纳入了 2018 年 -2023 年诊断为 IPF 的 74 名患者，分为接受尼达尼布和 Esbriet 治疗的两组。结果显示，尼达尼布治疗组在一年后 DLCO 、 FVC 、放射学视觉评分和 AI 分析结果均未发生显著变化（ P=0.7917 、 0.4133 、 0.7941 ），表明疾病保持稳定。相比之下， Esbriet 治疗组的放射学图像和 DLCO 出现显著恶化（ P= 0.005 、 0.0225 ），而 FVC 无显著差异（ P = 0.0883 ）。 AI 工具分析显示， Esbriet 治疗组在一年随访时肺部浸润明显高于尼达尼布组（ P=0.0429 ）。

Ueno 等评估了抗黑色素瘤分化相关基因 5 抗体阳性皮肌炎（ anti-MDA5-DM ）相关 ILD 患者的 CT 表现及其短期间隔变化对预后的影响。研究纳入了 24 例患者，所有患者在基线 CT 扫描后的平均 24.5 天进行了随访 CT 扫描。结果显示， 6 名患者死亡，基线 CT 至死亡的平均时间为 72.5 天。 Kaplan-Meier 方法和 Log-rank 检验显示，基线 CT 表现为随机分布、纤维化进展及短期随访 CT 中整个肺部异常扩大者的死亡风险较高（ P = 0.004 、 0.014 、 0.020 ）。这表明，纤维化进展和短期随访时的全肺异常增大是抗 MDA5-DM 相关 ILD 患者预后不良的标志。

人造石台面工人常表现出非典型和进展性的硅肺特征。 Lateef 等在人造石台面工人中进行了硅肺流行病复发的横断面研究。研究纳入了 55 名确诊为硅肺的工人，其中 21 名进行了初步分析。结果显示，所有患者均为男性和西班牙裔，年龄中位数为 43 岁，暴露中位数为 18 年。所有患者均有症状，呼吸困难（ 91% ， 19/21 ）和咳嗽（ 81% ， 17/21 ）最为常见。初次就诊时，初级临床医生识别硅肺的比例为 19% （ 4/21 ），放射科医生为 33% （ 7/21 ），大多数情况下最初建议的是其他诊断。在二次回顾性审查中， 52% （ 11/21 ）的病例符合经典硅肺的典型特征，而 48% （ 10/21 ）具有非典型影像特征，如弥漫性结节、多发空洞性病变等。肺功能测试显示 85% （ 18/21 ）为限制性模式，具有实变的患者 DLCO 低于没有大阴影的患者（ 18.1 ± 2.7 vs. 24.5 ±1.7 ， P=0.02 ）。

气道病变

在研究肺气道与肺容积不匹配与 COPD 中呼吸系统发病率和死亡率关联的研究中， Aguilera 等的研究结果揭示了气道与肺容积比在 COPD 进展中的重要作用。研究纳入了 COPDGene 多中心研究中的 8102 名受试者，使用基于 UNet 的分割模型对气道和肺进行分割，并定义容积不匹配为气道与肺容积比。结果显示，随着 COPD 严重程度的增加，气道与肺容积比显著降低，从 GOLD 0 阶段的 6.21 降至 GOLD 4 阶段的 3.65 （ P<0.001 ）。在调整后的多变量分析中，容积不匹配与多项肺功能指标独立相关，包括 FEV1 （ β = -0.03 L ， 95%CI ： -0.04 ～ -0.01 ， P<0.001 ）、 FEV1/FVC （ β = -0.025

RSNA2024 胸部影像学

正文

请到「今天看啥」查看全文