文摘背景与目的肺腺癌是非小细胞肺癌(non-small cell lung cancer,NSCLC)重要的病理组织学亚型。而肺浸润性非黏液腺癌(invasive non-mucinous pulmonary adenocarcinomas,INMA)因其显著异质性及组织学成分多样性,患者预后往往较差。建立INMA组织学分级系统是评价其恶性程度的关键。2021年国际肺癌研究协会(International Association for the Study of Lung Cancer,IASLC)提出新的组织学分级系统可以更好地对INMA患者进行预后分层。本研究旨在通过双能计算机断层扫描(dual-energy computed tomography,DECT)参数、分形维数(fractal dimension,FD)、临床特征及常规CT参数建立可视化列线图模型来术前预测INMA IASLC分级。方法回顾性纳入2021年3月至2025年1月术前行DECT的INMA患者112例。根据IASLC分级将患者分为低-中级别组和高级别组。收集患者临床特征及常规CT参数,包括基线特征、生化标志物及血清肿瘤标志物。双能CT衍生参数,包括碘浓度(iodine concentration,IC)、有效原子序数(effective atomic number,eff-Z)和标准化碘浓度(normalized iodine concentration,NIC),采集并测定NIC比(NIC ratio,NICr)和FD。采用单因素分析比较两组在传统特征及双能CT衍生参数上的差异,将有统计学意义的变量纳入多因素Logistic回归分析,建立临床资料、常规CT参数及双能CT衍生参数的列线图模型并筛选INMA IASLC分级的独立预测因子;利用受试者工作特征(receiver operating characteristic,ROC)曲线分析评估判别能力。结果多因素分析显示吸烟史[优势比(odds ratio,OR)=2.848,P=0.041]、分叶征(OR=2.163,P=0.004)、支气管充气征(OR=7.833,P=0.005)、动脉期eff-Z(OR=4.266,P<0.001)及动脉期IC(OR=1.290,P=0.012)是预测INMA IASLC分级的独立影响因素,基于上述指标构建的列线图模型预测性能最佳,曲线下面积(area under the curve,AUC)达0.804(95%CI:0.725-0.883),特异度和灵敏度分别为85.3%和65.7%。结论基于临床特征、影像学特征及能谱CT衍生参数的列线图模型在INMA IASLC分级的术前无创评估中具有较大的应用潜力。
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)鉴别诊断肺癌脑转移瘤组织学分型的价值及其与Ki-67增殖指数之间的关系。材料与方法回顾性分析经手术病理证实的20例小细胞肺癌脑转移瘤和41例非小细胞肺癌脑转移瘤患者的资料,并测定其Ki-67增殖指数。在ADC图上测量肿瘤实性部分的最小ADC值(the minimum ADC,ADCmin)、平均ADC值(the mean ADC,ADCmean)及对侧正常脑白质ADC值,并计算相对ADCmin(relative ADCmin,rADCmin)及相对ADCmean(relative ADCmean,rADCmean)。对比分析二者ADC值的差异,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值的鉴别诊断价值,并计算ADC值与Ki-67增殖指数之间的相关性。结果小细胞肺癌脑转移瘤组的ADCmin、ADCmean、rADCmin及rADCmean值均小于非小细胞肺癌脑转移瘤组,组间差异均具有统计学意义(P<0.05)。各ADC值均能对小细胞肺癌脑转移瘤及非小细胞肺癌脑转移瘤进行有效鉴别,其中rADCmean值的鉴别诊断效能最好,曲线下面积(area under the curve,AUC)为0.950[95%置信区间(confidence interval,CI):0.907~0.994],最佳截断值为0.955,相应的敏感度和特异度分别为96.23%、83.87%,准确度为91.67%。小细胞肺癌脑转移瘤组的Ki-67增殖指数大于非小细胞肺癌脑转移瘤组,组间差异具有统计学意义(P<0.05)。61例肺癌脑转移瘤患者的ADCmin、ADCmean、rADCmin及rADCmean值均与Ki-67增殖指数呈不同程度的负相关(r=-0.506、r=-0.480、r=-0.569、r=-0.541)。结论ADC值可以对肺癌脑转移瘤的组织学分型进行鉴别诊断,并可以预测Ki-67增殖指数的表达水平。
