European Radiology：CT定量在进行性纤维化间质性肺病中的价值

进行性纤维化间质性肺病(PF-ILD)是一组异质性疾病实体，其特征是肺功能持续下降，包括特发性肺纤维化(IPF)和非IPF性肺纤维化，如慢性超敏性肺炎、结缔组织病相关的肺纤维化(CTD-ILDs)和特发性非特异性间质性肺炎(NSIP)，尽管免疫抑制治疗和去除促病诱因，但仍具有进行性纤维化表型]。INBUILD研究调查了抗纤维化药物尼达尼布(nintedanib)对非IPF型ILD的影响，在此基础上，对PF-ILD的诊断达成了共识，即考虑了常规治疗后24个月肺功能恶化、CT表现和患者症状的综合因素。具体诊断标准为:用力肺活量(FVC)相对下降≥10%，FVC相对下降≥5%伴高分辨率CT (HRCT)纤维化加重或症状加重，或HRCT上症状加重伴纤维化加重。正如这些诊断标准所示，HRCT上的纤维化和FVC下降是诊断PF-ILD的重要参数。事实上，HRCT上广泛的牵引性支气管扩张或蜂窝状是PF-ILD的危险因素。然而，对HRCT上ILD成像结果的解释在很大程度上依赖于专家的主观判断，这可能会引入观察者之间和观察者内部的变异性，并可能导致诊断局限性，需要客观量化。

最近的人工智能模型已经显示出与各个医学领域的专家相当的诊断能力及价值。在胸部放射学中，对胸部影像进行疾病模式识别、分割和诊断的分析一直是广泛研究的重点。同样，在ILD领域，一些研究利用定量软件工具评估ILD CT特征并分析图像模式，包括纤维化。

近日，发表在European Radiology杂志的一项研究基于深度学习的间质性肺疾病(ILD) CT量化变化与用力肺活量(FVC)变化之间的关系以及ILD进展的视觉评估，进一步探讨了其预后意义及价值。

本研究纳入了2015年1月至2021年6月期间间隔2年以上CT扫描的ILD患者。使用基于深度学习的纹理分析软件对CT图像上ILD的表现进行分割(纤维化:网状不透明+蜂窝状改变;总ILD范围:毛玻璃样密度+纤维化)。根据胸科放射科医生评估的预测FVC绝对下降(< 5%，5-10%和≥10%)和ILD进展对患者进行分组，并比较各组之间的量化结果。使用多变量Cox回归分析评估量化结果与生存率之间的关系。

研究共纳入468例患者(男性239例;64±9.5岁)。FVC下降较大的患者纤维化和总ILD范围增加(两者均p < 0.001)。ILD进展的患者比没有ILD进展的患者有更高的纤维化和总的ILD范围增加(两者均p < 0.001)。当FVC绝对下降≥5%时，纤维化增加和总ILD程度是重要的预后因素(纤维化的危险比[HR] 1.844, p = 0.01;总ILD范围HR 2.484, p < 0.001)和≥10% (HR 2.918, p < 0.001);总ILD范围HR 3.125, p < 0.001)。

表 CT量化结果对全因死亡率预测用力肺活量(FVC)绝对下降百分比变化的附加价值

本项研究表明，ILD CT量化变化与FVC变化及ILD进展的视觉评估具有相关性，是ILD患者独立的预后因素。

原文出处：

Seok Young Koh,Jong Hyuk Lee,Hyungin Park,et al.Value of CT quantification in progressive fibrosing interstitial lung disease: a deep learning approach.DOI:10.1007/s00330-023-10483-9