基于薄层CT病变区肺质量参数与新型冠状病毒肺炎临床特征的相关性

傅钢泽，陶洁洁，孙厚长，杨运俊，王美豪

温州医科大学附属第一医院 放射科，浙江 温州 325015

随着多层螺旋CT 和人工智能（artificial intelligence,AI）技术不断发展，软件能实现肺内病灶自动分割和三维容积数据测定。CT定量分析在胸部疾病的运用较为广泛，如慢性阻塞性肺炎的全肺定量评估与肺结节的定量分析[1-4]。CT检查是病毒性肺炎筛查的重要检查手段[5]，近期也有报道[6-7]将病毒性肺炎的CT定量分析应用于临床研究。然而以往在病毒性肺炎的影像学上基本采用半定量分析评估，缺乏相对精准的定量评估方法。本研究以48例COVID-19患者作为研究对象，将其医学数字成像和通信（digital imaging and communications in medicine,DICOM）格式CT薄层资料用AI软件测量并计算出病变区域肺质量，旨在探讨病变肺质量与病毒性肺炎患者发病早期常见临床特征及实验室指标的相关性。

1 对象和方法

1.1 对象 收集2020年1月19日至2月31日期间温州医科大学附属第一医院、温州医科大学附属第二医院及乐清市人民医院经核酸检测阳性，并确诊为COVID-19，且可获得完整CT薄层DICOM格式电子版的患者。排除标准：①首次CT检查没有发现肺炎的患者；②CT检查伪影明显或病灶边界不清无法准确分割；③CT检查在发病时间10 d以上。最终获得具有DICOM格式薄层CT资料的患者48例，记录性别、年龄、体温、发病时间、白细胞计数、淋巴细胞计数、C反应蛋白值等临床资料。本研究通过温州医科大学附属第一医院伦理委员会批准。

1.2 检查方法 使用的C T 机型为Phillips Brilliance 16 层、GE LightSpeed VCT 64 层。扫描参数：管电压120 kV，管电流30～150 mAs，层厚5.00 mm，重建层厚0.625～1.5 mm，螺距0.99～ 1.20，矩阵512×512。所有患者采取仰卧位在深吸气后屏气状态下完成1次胸部CT扫描，扫描范围为从肺尖至肺底。图像分析采用高分辨率算法肺窗（窗宽 1 500 Hu，窗位-500 Hu）和纵隔窗（窗宽400 Hu，窗位40 Hu）。

1.3 分组方法 按体温不同分为无发热组（≤37.3 ℃）、低度发热组（＞37.3～38.0 ℃）、中高度发热组（＞38.0 ℃）；根据发病时间分发病≤4 d组和发病≥5 d组；根据C反应蛋白值分升高组和正常组；根据白细胞计数分升高组、正常组和降低组；根据淋巴细胞计数分升高组、正常组和降低组。比较各组之间病灶的质量、体积、密度的差异。

1.4 AI及后处理方法 IDICOM格式薄层CT传输至后处理软件采用德信肺炎模块（V1.7.1.1）AI自动分割病灶，分别经两位高年资医师独立复审校正分割界限，得到两次病灶的体积和平均密度取其平均值。感兴趣区勾画要求较大的血管和支气管除外，由计算机自动生成病灶三维图像。记录病灶的体积和密度，并将体积与密度换算成病灶质量。换算公式：质量（g）=（1 000+CT值）×体积（mL）/1 000[8]。分别统计病灶质量、体积、密度与临床特征（性别、年龄、体温、发病时间、白细胞计数、淋巴细胞计数及C反应蛋白值）的相关性。

1.5 统计学处理方法 采用SPSS22.0统计软件进行分析。资料正态检验用Kolmogorov-Smirnov检验。正态分布资料用±s表示，两组间比较用t检验，多组间比较用单因素方差分析；非正态分布资料用M（Q1，Q3）表示，两组间比较用Mann-WhitneyU检验，多组间比较用Kruskal-WallisH检验。定量参数值与不同临床特征采用Spearman相关分析。P＜0.05为差异有统计学意义。

2 结果

2.1 患者一般资料 AI辅助测量COVID-19患者48例，年龄28～81（45.2±16.5）岁，男26例，女22例，发病时间3（1，5）d；发热患者38例（占79%），其他症状有咳嗽6例（占13%），咽痛5例（占10%），肌肉酸痛2例（占4%），胃肠道症状6例（占3%），乏力5例（占10%）；白细胞计数下降7例（占15%），淋巴细胞计数下降15例（占31%），C反应蛋白升高33例（占69%）。有肝炎病史2例，肝硬化病史1例，高血压病史7例，抑郁症1例。

2.2 CT定量参数和临床特征的相关性分析 COVID-19患者肺内病灶AI辅助分割得到病灶密度、体积和质量参数见图1、图2；病灶的定量参数值与临床特征的相关性见表1。病灶的体积和质量与C反应蛋白值存在强相关性（均P＜0.001）；病灶的体积、质量分别与体温、发病时间存在相关性（均P＜0.05）。病灶密度与白细胞计数、C反应蛋白存在弱相关性（P＜0.05）。

表1 CT定量参数和临床特征的相关性分析

图1 COVID-19患者，男，28岁，发热2 d，体温37.9 ℃，白细胞计数3.29× 109/L，淋巴细胞计数0.94×109/L，C反应蛋白0.64 mg/L。CT示两下肺少许斑片，横段位、冠状位及矢状位分别示左下肺病灶呈“铺路石征”的磨玻璃斑片的分割界限；三维立体示图显示红色区域是两下肺少许炎症病灶，左肺病灶明显。病灶容积11.4 mL，平均CT值约-465 Hu，质量6.1 g

图2 COVID-19患者，男，43岁，体温38.4 ℃，白细胞计数3.48×109/L，淋巴细胞0.77×109/L，C反应蛋白45.8 mg/L。CT横段位、冠状位、矢状位示肺炎分布：两肺胸膜下多发磨玻璃斑片影，两下肺分部为主；AI实现肺内炎性病灶的自动分割，感兴趣区去除较大的血管、支气管；三维立体图像示绿色是右肺，蓝色是左肺，红色区域是炎性病灶区。病灶容积173.8 mL，平均CT值约-450 Hu，质量95.6 g

2.3 不同临床特征组病灶的质量及体积、密度比较 不同体温组病灶质量、体积和密度差异有统计学意义（P＜0.05）；中、高度发热组病变肺质量明显大于低度发热组和无发热组（P＜0.05）。发病时间≥5 d组质量大于发病时间≤4 d组，C反应蛋白升高组质量大于正常组，差异均有统计学意义（P＜0.05）。见表2。

表2 不同临床特征组别的病灶体积、密度及质量比较

3 讨论

尽管有研究[9-10]表明COVID-19患者临床症状及实验室指标与COVID-19严重程度具有相关性，但仍缺乏一个精准量化肺炎程度的影像学指标。HRCT不仅能够高清显示病毒性肺炎的细微征象、病变范围，而且可以进一步利用AI软件自动识别肺炎区域，测量病灶体积和平均肺密度从而实现肺炎程度上的量化。本研究基于CT病变肺体积和密度计算的基础上，提出一个病变肺质量指标，并研究实验室指标及临床症状与其相关性。

COVID-19、严重急性呼吸综合征（severe acute respiratory syndrome,SARS）和中东呼吸综合征（middle east respiratory syndrome,MERS）引起的病理特征类似[11]。病毒性肺炎肺部损伤源于肺间质，CT密度可反映间质增厚和肺炎肺泡填充的程度。肺炎进展期病灶成形并与正常肺组织之间的界限相对明显，CT图像上容易实现准确分割。以往研究采用半定量参数评估病变程度。如CASARINI等[12]评估肺结核，将两肺野按气管隆突与下肺静脉两条水平线划分两肺6个区域，各个区域根据病灶所占比例进行5级评分法。FENG等[13]对H7N9肺炎评分采用上述评分的基础上，另外按肺部影像正常、磨玻璃密度、实性密度分为1～3 级别。谢浩锋等[14]根据肺孢子菌肺炎渗出性病变与对正常区域的密度差进行测量，多发病灶区域测量的密度差进行累加。最近有文献报道[15]采用目测法对 COVID-19评分，5个肺叶各按病灶所占比例计分，存在个人主观视觉判断的差异性偏倚，也缺乏密度上的因素。

本研究中病灶的质量、体积和发病时间具有显著统计学相关性。已有研究证明[16]总体肺内病灶的个数以及伴有实变的病灶个数均随着发病时间的延长而增多，所得结论与本研究一致。本研究显示发病≥5 d的患者肺内病灶平均质量显著大于发病≤4 d患者病灶的质量。发热的程度与肺内病灶的体积、密度、质量存在正相关，随着发热程度的递增，病变肺的质量显著升高，中高度发热组的质量显著大于低度发热组。病灶肺体积、密度和质量均能有效反映肺炎患者的症状及发病时间，尤其是病变肺体积和质量和症状具有显著相关性。

本研究显示白细胞计数和病灶密度存在负相关，细菌性肺炎白细胞计数增高常见，通常肺内感染灶密度高于病毒性肺炎。COVID-19典型影像学表现为胸膜下分布的磨玻璃为主多发斑片影，可伴有实变，部分病灶见“晕征”“反晕征”“铺路石征”等征象[5，15-17]。本研究中COVID-19患者的白细胞及淋巴细胞的数量和病灶的体积、质量均无显著相关性，或许与本研究的患者肺炎程度基本偏轻有关。但也有文献[15]用视觉评估法研究得到肺炎分值与白细胞计数和淋巴细胞计数具有弱相关。本研究C反应蛋白升高占69%，C反应蛋白值和肺内炎症的体积和质量有强相关性，C反应蛋白增高组的病灶质量和体积比正常组高出5倍以上。C反应蛋白是反映炎症水平的敏感指标，本研究结果C反应蛋白与病变肺质量的相关性要比体积和密度好，也说明了将质量作为新型指标的优势。

病变肺质量与COVID-19患者的临床症状和实验室指标具有显著相关性。基于薄层CT病变肺质量计算值兼顾病灶体积和密度两个因素，可作为反映COVID-19严重程度的一个影像学定量指标。