基于CT影像组学磨玻璃结节预测肺癌浸润性的研究

魏建坤1，刘芳1，刘武杰1，王丽斌2

1. 邯郸邯钢医院  河北邯郸056001
2. 涉县医院   河北涉县056400

【摘要】目的 探讨基于CT影像组学的磨玻璃结节特征在预测肺癌浸润性中的应用价值。方法 回顾性收集60例经病理确诊且薄层CT显示含磨玻璃成分的肺腺癌患者资料（浸润前病变16例、微浸润20例、浸润性24例），按7:3比例分为训练组与验证组。提取病灶1218个影像组学特征，采用LASSO回归降维筛选8个核心特征构建影像组学标签，联合临床-影像变量行多因素Logistic回归，构建预测模型并验证其效能。结果 多因素Logistic回归分析显示，影像组学标签为浸润性肺癌的独立预测因素（OR=3.45，95%CI：1.92～6.20，P<0.001），传统CT征象均未达统计学意义。模型在训练组曲线下面积（AUC）为0.89，验证组AUC为0.86；截断值取0.56时，两组敏感度与特异度均较优。结论 CT影像组学标签可客观量化磨玻璃结节的微观异质性，对肺癌浸润状态具有较高预测效能，可为临床诊疗决策提供参考。

【关键词】CT影像组学；磨玻璃结节；肺癌浸润性；诊断效能

随着低剂量CT筛查的普及，肺部磨玻璃结节的检出率日趋增高。肺磨玻璃结节（GGN）的病理谱系涵盖浸润前病变至浸润性腺癌，其浸润状态的精准判定直接决定临床干预时机与手术范围选择。传统影像学评估高度依赖分叶、毛刺及胸膜凹陷等形态学征象，此类征象受限于视觉分辨力，对早期微观浸润的捕捉敏感性不足，且易受观察者主观经验影响。GGN的影像密度变化折射了气腔充盈、间质增厚与肺泡塌陷的病理动态，而浸润性演变往往伴随更深层的异质性重构。影像组学技术通过从医学图像中提取海量高维特征，具备将视觉盲区内的微观差异转化为可量化数据的潜力^[1]。因此，本研究旨在探讨基于CT影像组学的磨玻璃结节特征分析在预测肺癌浸润性中的价值，以优化术前无创评估体系。详情如下：

1 资料和方法

1.1一般资料

收集2022年7月~2025年6月于我院就诊且经病理确诊为肺癌、胸部薄层CT平扫显示含磨玻璃成分结节的60例患者。男女比例39:21，年龄53~75岁，均值64.19±5.56岁。根据病理结果分为浸润前病变组（16例）、微浸润肺癌组（20例）和浸润性肺癌组（24例）。按分层随机抽样以7:3比例划分为训练组（42例）与验证组（18例）。

纳入标准：①经手术或穿刺活检病理证实为原发性肺腺癌，且薄层CT显示病灶含有磨玻璃成分；②具备完整的术前胸部薄层CT平扫图像及临床、病理、免疫组化资料；③检查前未接受任何抗肿瘤治疗（放疗、化疗、靶向或免疫治疗等）。

排除标准：①CT图像存在明显呼吸或运动伪影，影响病灶显示与分割；②病灶为纯实性结节，无任何磨玻璃成分；③既往有同侧胸腔手术史或胸廓严重畸形导致解剖结构紊乱。

1.2 方法

所有患者均采用西门子双源CT行胸部薄层平扫，扫描参数：管电压120 kV，管电流自动毫安秒调控，层厚1.0mm，层间距0.7 mm，肺窗与纵隔窗重建。由两名具有10年以上胸部影像诊断经验的医师在不知晓病理结果的情况下，利用Artificial Intelligent Kit纹理分析软件对每例病灶的感兴趣区（ROI）沿病灶边缘逐层进行手动分割，意见分歧时经协商达成一致。同时记录病灶的影像学征象（分叶、毛刺、胸膜凹陷、血管聚集等）。利用该软件高通量提取形貌、一阶、二阶及小波变换等影像组学特征共1218个。对特征进行Z-score标准化后，采用最小绝对收缩与选择算子（LASSO）回归进行降维，通过10折交叉验证筛选出8个最具预测价值的特征，构建影像组学标签。将影像组学标签与临床-影像变量一并纳入多因素Logistic回归，采用逐步向后法筛选自变量，最终仅影像组学标签进入模型，建立影像组学评分公式。在训练组中确定最佳截断值，并评估模型的区分度与校准度，随后在验证组中独立验证其预测浸润性肺癌的能力。

1.3 统计学分析

采用SPSS 26.0进行统计分析。计数资料以频数（百分比）表示，组间比较采用χ²检验或Fisher确切概率法；计量资料符合正态分布者以（均数±标准差）表示，两组间比较用独立样本t检验，非正态分布资料以M表示，采用Mann-Whitney U检验。影像组学特征筛选使用“glmnet”包进行LASSO回归，惩罚系数λ通过10折交叉验证的1个标准误准则选取。利用训练组数据构建多因素Logistic回归模型，计算影像组学评分；以病理诊断为金标准，绘制受试者工作特征（ROC）曲线，计算曲线下面积（AUC）、敏感度、特异度及最佳截断值。采用决策曲线分析（DCA）评价模型在不同阈概率下的临床净获益。所有检验均为双侧，P<0.05为差异有统计学意义。

2 结果

2.1多因素Logistic回归分析

以病理诊断为金标准，将单因素分析中P<0.1的变量（影像组学标签、分叶征、毛刺征、血管聚集征）纳入多因素Logistic回归模型。结果显示，仅影像组学标签为浸润性肺癌的独立预测因素（OR=3.45，95%CI：1.92～6.20，P<0.001）；各传统CT征象均未达到统计学意义，见表1。

表1 多因素Logistic回归分析

变量	β	标准误	Wald χ²	OR (95%CI)	P值
影像组学标签	1.238	0.299	17.155	3.45 (1.92-6.20)	<0.001
分叶征	0.426	0.512	0.692	1.53 (0.56-4.18)	0.406
毛刺征	0.312	0.478	0.426	1.37 (0.54-3.48)	0.514
血管聚集征	0.287	0.503	0.325	1.33 (0.50-3.57)	0.569
常量	-1.654	0.618	7.168	0.19 (0.06-0.65)	0.007

2.2影像组学模型预测效能

由影像组学标签构成的预测模型在训练组中曲线下面积（AUC）为0.89（95%CI：0.80～0.97），当截断值取0.56时，敏感度为0.88，特异度为0.80。在验证组中，AUC为0.86（95%CI：0.72～0.99），敏感度0.86，特异度0.82，见表2。ROC曲线与决策曲线（DCA）分别见图1、图2。

表2 影像组学模型预测效能

组别	AUC (95%CI)	敏感度	特异度	截断值
训练组	0.89 (0.80-0.97)	0.88	0.80	0.56
验证组	0.86 (0.72-0.99)	0.86	0.82	0.56

图1 ROC曲线分析

图2 决策曲线分析

3 讨论

肺腺癌浸润状态的演进伴随肿瘤微环境的结构性重塑，这种微观病理改变映射于CT影像，即表现为密度与纹理的异质性波动。本研究数据揭示，影像组学标签作为浸润性肺癌的独立预测因素，其预测效能超越了分叶、毛刺及血管聚集等传统形态学征象。其内在机制在于，磨玻璃结节的生成源于气腔部分充盈、肺间质增厚及肺泡塌陷等综合效应，当肿瘤细胞突破基底膜向浸润状态发展时，病灶内部细胞密集度增加及间质微血管增生，导致局部密度梯度与空间纹理发生细微重构^[2-3]。传统视觉判读难以捕捉此类早期微观异质性，而影像组学通过高通量提取1218个特征并经LASSO降维筛选出的8个核心特征，实质上是对肿瘤内部空间灰度分布与频域特征的深度解耦。这些特征能够量化反映浸润灶内实性成分的萌芽与离散型分布状态，将病理层面上肿瘤细胞贴壁生长向侵袭性生长的转化过程，转化为可计算的数学维度。模型在训练组（AUC=0.89）与验证组（AUC=0.86）中表现出的稳健区分度，进一步证实影像组学可穿透宏观影像的表象，精准锚定微观病理的演进节点，为磨玻璃结节浸润性的无创评估提供了高维量化路径。

综上所述，相较于传统CT形态学征象，影像组学标签被证实为评估肺癌浸润性的独立预测因素，模型在训练组与验证组均展现出较优的区分度与泛化能力。该研究将影像宏观表征与微观病理异质性相关联，为磨玻璃结节浸润状态的临床无创甄别及个体化治疗策略的制定提供了客观的量化依据。

参考文献

[1]陈世林,毛小明.肺磨玻璃结节影像组学研究进展[J].临床肺科杂志,2025,30(8):1273-1276.

[2]吴政远,吴福林,张彬.CT影像组学在肺磨玻璃结节中的研究进展[J].医学理论与实践,2025,38(9):1479-1482.

[3]赵恒飞,杨洁,安坤宝,等.CT影像组学鉴别诊断肺部磨玻璃结节良恶性的价值[J].中国医疗器械信息,2025,31(6):5-7.

...