桂林医学院附属医院放射科研究成果：探讨肺纹理特征在区分普通型和非特异性间质性肺炎中的价值间质性肺炎的病因很多，以及不同类型表现出不同的预后。 目前，最常见的间质性肺炎类型是普通型间质性肺炎（UIP）和非特异性间质性肺炎（NSIP）。然而，这两种类型的间质性肺炎很难根据临床表现或计算机断层扫描 (CT) 图像进行区分，尤其是当这些影像表现不典型时。此外，不同类型间质性肺炎的预后和治疗也不同。对患者的误诊和不正确的治疗可能会导致不可预见的并发症。桂林医学院附属医院放射科近期的研究成果之一Exploring the value of features of lung texture in distinguishingbetweenusual and nonspecific interstitial pneumonia在线发表于Academic Radiology上，该杂志2022年SCI期刊影响因子为5.482

文章解读

病理活检对间质性肺炎的分型能提供良好的帮助,但这会引起一系列并发症,降低患者生存率。因此，临床亟需一种非侵入性方法来区分这两种类型的间质性肺炎。近年来，影像组学作为一个新兴的研究领域迅速发展，该技术可用于从图像中提取高级别且无法肉眼识别的特征，并在区分肿瘤和非肿瘤疾病方面显示出潜力。虽然目前大量学者发表了关于肺部疾病的影像组学的研究；然而，迄今为止，尚未有文献报道使用影像组学来区分间质性肺炎的类型。本研究利用肺部智能软件（LK；GE Healthcare）提取间质性肺炎患者的双肺纹理特征并进行特征选择和模型建立，旨在为UIP和NSIP的准确诊断提供影像学证据。我们对该领域的贡献如下：（1）LK 软件用于执行肺部分割和纹理特征的提取。（2）我们建立了影像组学模型来支持 UIP 或 NSIP 的诊断。本研究回顾性收集2015年3月至2020年7月间质性肺炎患者的资料。多学科团队（包括临床、影像和病理学团队）对每位患者的间质性肺炎诊断进行了讨论。首先根据临床、影像学和病理学信息对间质性肺炎患者进行分类。在影像学上，典型UIP患者的HRCT主要表现为双下肺基底段呈蜂窝样改变。但可能UIP型与 UIP 型患者不同，可能 UIP 型患者有可能缺乏双下肺基底段胸膜下蜂窝样改变的影像学表现。如果患者对类固醇和免疫抑制治疗无效，则该患者被纳入 UIP 组。如果治疗有效，则将患者纳入 NSIP 组。所有患者的分组是在多学科讨论后决定的。最终共40例患者纳入UIP组，56例患者纳入NSIP组。 NSIP患者和UIP患者的数据如图1所示。

(A)      (B)

 (C)       (D)

图1  NSIP型患者与UIP患者的HRCT图。(A,B) NSIP患者;(C,D) UIP患者.

在本研究中，使用 LK 软件（Lung Intelligence Kit，GE Healthcare）进行肺分割和特征提取。LK是一款肺图像分析软件，可用于基于 DenseVNet 自动分割肺叶，并通过集成的 Pyradiomics 包提取纹理特征。分割结果示意图如图2所示。所有的肺部CT图像都用于特征提取。从每位患者中提取了一百个特征。这些特征分为6类：直方图特征、形态参数、灰度共生矩阵特征、灰度依赖矩阵、灰度游程矩阵和灰度区域大小矩阵。

（A）    （B）    （C）

图2  LK 软件分割后的两肺示意图。 (A) 横截面； (B) 冠状面； (C) 三维分割。

我们为每位患者提取了100个特征，LASSO选择特征后保留了8个特征（图3），包括original_gldm_DependenceVariance（GLDM_DV）、original_glszm_ZonePercentage（GLSZM_ZP）、original_glcm_DifferenceVariance（GLCM_DV）、original_glrlm_GrayLevelVariance（GLRLM_GLV）、original_shape_M2DiameterColumn(SHAPE_M2DDC)、original_gldm_DependenceNonUniformity (GLDM_DNU)、original_glszm_SizeZoneNonUniformityNormalized(GLSZM_SZNUN）和 original_glszm_GrayLevelNonUniformityNormalized (GLSZM_GLNUN)。在这 8 个特征中，有 2 个 GLDM、3 个 GLSZM、1 个 GLCM、1 个 GLRLM 和 1 个 SHAPE 特征。 GLDM 和 SHAPE 特征反映了肺部病变的表现纹理厚度、形状和灰度。GLRLM特征是反映图像像素信息的度量和统计量，从图像中得到的特征信息是基于灰度共生矩阵。GLSZM 和 GLCM 特征反映了病变部位的复杂性、水平变化以及纹理的厚度等复杂信息。CT特征与各种纹理特征的相关性如图4所示。从图4可以看出，蜂窝值与GLDM_DV值呈正相关（r=0.233，P=0.023）；蜂窝值与 SHAPE_MDC (r= -0.255, P=0.012) 和 GLDM_DNU 值 (r= -0.202, P=0.048) 呈负相关。 磨玻璃值与 SHAPE_MDC (r=0.234, P=0.022) 和 GLDM_DNU 值 (r=0.226, P=0.027) 呈正相关。支气管扩张与 GLSZM_ZP（r=0.3，P=0.003）、GLCM_DV（r=0.225，P=0.028）和 GLRLM_GLV 值（r=0.245，P=0.016）呈正相关。

（A）    （B）

图 3  LASSO 降维图。 (A) LASSO方法中每个特征的系数随着参数alpha的变化； (B) LASSO 方法均方误差 (MSE) 随参数 alpha 的变化而变化，选择 MSE 最小的 alpha。图4  CT特征与各种纹理特征的相关性。

总结

总之，这项研究的结果表明，CT图像的肺纹理特征影像组学对 UIP 和 NSIP的鉴别诊断有一定价值；进一步研究肺纹理特征有助于了解间质性肺炎的分型和发展阶段，该技术也有利于间质性肺炎病患者的早期诊断、分型和治疗后评估。

通讯作者个人简历

周智鹏，医学博士，主任医师，教授，硕士研究生导师，桂林医学院附属医院放射科主任。中国医师协会放射医师分会委员，中华医学会放射学分会乳腺学组委员，中国民族卫生协会放射学分会常委，广西医学会放射学分会副主任委员，广西医师协会放射医师分会副主任委员，桂林市医学会放射学分会主任委员，桂林市放射质控中心主任；《中国CT和MRI杂志》编委。2005～2007年间作为访问学者赴美国哈佛大学附属麻省总医院神经科学实验室学习；2016年～2017年作为访问学者到美国匹兹堡大学医学院放射科学习；2019年到美国威斯康辛医学院附属医院放射科学习。

先后主持和参与的国家级和省级课题有：2017年国家自然科学金：“GPNMB调节凋亡对猴脑缺血模型的神经保护作用研究”（项目批号：81760219）。2011年国家自然科学基金“瘦素在猴脑缺血模型中的神经保护作用”（项目批准号：81160147）。主要参加的课题有：2009年国家自然科学基金"ω - agatox IVA(P/Q型钙通道拮抗剂)在猴脑缺血中的神经保护作用研究"（项目批准号：30860293）；2010年广西科技厅课题:“帕金森病生物学标志物的研究及在临床早期诊断中的应用”（编号：桂科攻10124001B-58），该课题获得了广西科技进步奖三等奖（证书编号：2014-J-3-064-05）。先后在国内外发表数十篇相关研究文章，其中共同第一作者的文章分别发表在影响因子10分的《PNAS》和《Stroke》上。在影像专业高水平期刊影响因子5分以上的《AcademicRadiology》、《Radiologia Medica》等发表多篇论著，作为第一作者和通讯作者在国内核心期刊《中华放射学杂志》、《临床放射学杂志》、《实用放射学杂志》和《介入放射学杂志》等影像专业核心期刊发表论著数十篇。

第一作者个人简历

陈鑫辉，医学硕士，导师周智鹏教授，以第一作者发表SCI论文1篇，2021年ISMRM大会收录1篇，双核心期刊1篇，科技核心1篇。