GGO的鉴别诊断.doc_第1页
GGO的鉴别诊断.doc_第2页
GGO的鉴别诊断.doc_第3页
GGO的鉴别诊断.doc_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

肺内局灶性磨玻璃密度结节的鉴别诊断随着CT的普及及在早期肺癌筛查中的广泛应用,肺部局限性磨玻璃密度影(focal ground glass opacity,fGGO)的检出率越来越高,发现和正确识别fGGO已是影像工作者的热点和难点。一、GGO定义及影像学表现磨玻璃密度影(GGO)是指肺密度增高而没有遮盖原有衬托该区域的血管影和支气管壁17,18。根据分布范围,GGO可分为弥漫性和局限性两大类 。马大庆21等认为肺磨玻璃密度应满足以下条件:(1)肺密度轻度升高;(2)不掩盖其中的肺血管和支气管;(3)薄层(2mm以下)扫描和高分辨率重建;(4)深吸气末扫描;(5)采用宽肺窗观察,窗宽15002000HU,窗位-500-700HU。胸部X线片对fGGO的显示不敏感,其显示率与病灶的大小、边缘锐利度及病灶中磨玻璃样密度的比例有关。胸片上fGGO主要表现为边缘不清的结节或阴影22。常规CT图像上fGGO仅见边缘模糊的片状影,病灶较小时常漏诊。而薄层CT,特别是HRCT有较特异性表现:肺窗上,表现为局限性云雾状高密度影,病灶内血管和支气管纹理仍清晰可辨,CT值约-300-500HU;纵隔窗上,病灶往往不能显示或仅能显示磨玻璃样病灶中的实性成分23。fGGO是一种非特异性的影像表现,Nakajima10等对20例局限性磨玻璃密度病灶研究发现:HRCT呈现为局限性磨玻璃密度影的病灶主要为肿瘤性病变和炎性病变,肿瘤性病变包括肺腺癌、细支气管肺泡癌及非典型性腺瘤样增生。二、GGO的病理基础呈现为fGGO的AAH和BAC病理学改变是由于肺泡内气体减少、细胞数量相对增多、混合肺泡立方上皮细胞或低柱状上皮细胞增生、肺泡间隔增厚及终末气道部分充填,肺泡壁及间质支架完整,无塌陷及破坏,但AAH比BAC有更多的气腔残留及较少的细胞成分24。Kushihashi25等研究发现HRCT呈现为fGGO的肺腺癌的病理基础为肿瘤细胞沿肺泡间隔生长,肺泡壁增厚,但肺泡腔未完全闭塞,内可有少量粘液或脱落的肿瘤细胞(伏壁式生长),而GGO中的实性成分主要由纤维化或塌陷的肺泡结构引起。机化性肺炎和纤维化的GGO在病理上相当于肺间质纤维化和慢性炎性细胞渗出区域,并混杂有肺泡内的水螅样肉芽组织24。三、fGGO显示的技术因素合理的CT参数对fGGO的客观显示非常重要,低剂量CT常规应用于肺癌的筛查,但是在一定程度上低剂量CT并不能完全反映fGGO的特征,因管电流过低,图像噪声增大,容易造成假象或漏诊,尤其对部分有基础肺疾病的人群,如:陈旧性肺结核、肺气肿、肺纤维化等26。 Li27等研究83例病理学证实的肺癌时发现,39的fGGO因为能见度低而被误诊。研究认为,200400mA的管电流能准确的显示fGGO的特征26,28 。因此,对于低剂量筛查发现或可疑的GGO,应行常规薄层CT检查以明确诊断。对fGGO的研究文献报道中多采用HRCT(High resolution CT),高分辨率算法使原始资料的不全象素得到补足,边缘得到强化,提高了分辨率,有利于观察病灶的界面,但高分辨率算法在提高分辨率的同时也增加了图像噪声、出现了边缘增强效应,尤其对MPR后处理,由于噪声使图像质量下降,影响病灶征象的显示,会导致诊断准确率的下降;而标准算法保持了原始采集数据信息,既不增加也不减少象素信息,最真实地反映了病灶情况以及噪声情况,有利于分析病灶的密度。最近崔平29等研究一组SPN认为标准算法MPR在显示SPN的基本征象方面同HRCT作用相同,在评价SPN的基本形态方面优于单纯轴位CT。参考其理论,本研究为了减小图像噪声,MPR后处理采用标准算法,发现高分辨率算法靶重建薄层CT结合标准算法MPR可以更直观的显示病灶的特征,提高征象的显示率,有助于病灶的正确诊断。此外,视窗技术的合理应用也对病灶的显示非常关键,文献报道21观察GGO采用宽肺窗(15002000HU),我们研究认为根据病灶的密度及基础肺条件,常规肺窗(1500,-500)及纵隔窗(340,40)结合多种中间窗对病灶的形态学特征显示非常有意义,尤其对mGGO,适当提高窗宽及窗位可以更直观的显示病灶中的实性成分。四、fGGO的鉴别诊断 良恶性fGGO的临床处理和预后截然不同,因此,对CT表现为fGGO的病灶进行良恶性鉴别非常重要。文献报道小的周围型fGGO(2cm)中恶性病灶的直径要大于良性病灶30,本组病例所有的良性和恶性病灶的大小比较无统计学意义(P0.05),但小于2cm的良恶性病灶间大小差异有统计学意义(P0.05),且恶性病灶平均直径大于良性病灶,与文献观点一致,所以笔者认为在实际的临床应用中病灶大小对良、恶性鉴别的价值可能有限,仅对一些小的fGGO有一定的参考诊断价值。文献报道恶性fGGO的病灶往往密度不均,内部可见固体成分,pGGO恶性可能性比mGGO小,病灶中含GGO越少,恶性程度越大,GGO的比例是肿瘤侵袭性的强烈指针,GGO的比例越大,肿瘤的侵袭性越小,复发率越低31、32、33、34、35;Nakata36等统计一组病例中,pGGO病变中恶性占714 ,而mGGO中恶性占933。本研究中32例恶性fGGO中30例为mGGO(93. 75%),仅2例为pGGO(6.25%),而7例良性中6例为pGGO(85.7%)。30例恶性mGGO中25例(83.33%)GGO比例50,无淋巴结及远处转移。Li37 等研究发现fGGO的形状与良恶性有很大的相关性,圆形病灶较其它形状病灶恶性可能性更大,本组中良恶性病灶间虽然无统计学意义,但在恶性病灶中所占比例(62.50%)高于良性病灶中的比例(42.86%),所以,圆形病灶在良恶性鉴别中有一定的参考价值。Nambu38等研究发现病灶边缘清楚(P=0.001)、毛刺(P=0.019)、胸膜凹陷征(P=0.016)、及含气腔隙(P=0.004)在肿瘤性病灶明显高于非肿瘤性病灶;89%(34/38)的肿瘤性病灶边缘清楚超过病灶周径的50%,其中9例有含气腔隙,而仅1例非肿瘤性病灶有此特点。本组研究中空泡征及胸膜凹陷征仅见于恶性病灶,良性病灶中无一例出现此征,具有较高的特异性;既往文献中较少提到分叶征对良恶性fGGO的鉴别意义,本组研究中分叶征在恶性病灶的发生率明显高于良性病灶,二者比较差异具有统计学意义,所以笔者认为分叶征也是良恶性fGGO鉴别的非常重要的征象;毛刺征虽无统计学意义,但在恶性病灶中的发生的百分比高于良性病灶,并且值得注意的是毛刺只见于mGGO,而pGGO中无一例出现毛刺。恶性fGGO中各种征象出现由高到低依次为分叶征(84.4%)、圆形病灶(62.5%)、胸膜凹陷征(59.4%)、支气管充气征(56.3%)、空泡征(40.6%)及毛刺征(28.1%)。五、fGGO与实性结节的比较根据HRCT特征,孤立性肺结节可分磨玻璃结节(包括纯GGO,混合性GGO)及实性结节。fGGO作为早期肺癌的表现,其不仅有不同于实性结节的CT表现,也有相似于实性结节的CT表现。经fGGO对照实性结节研究发现,实性结节毛刺征发生率高于fGGO,二者比较有统计学意义,这是因为mGGO的实性成分可散在于病灶内或位于病灶的中央及在病灶的周边29,当实性成分位于病灶周边时才易形成毛刺,而pGGO的毛刺征发生率更低; fGGO中的空泡征、支气管充气征、分叶征、圆形结节征及胸膜凹陷征与实性结节发生率比较无统计学意义;这说明传统的实性结节鉴别诊断的征象分析仍然适用于fGGO,但空泡征及支气管充气征在fGGO中比较多见,这一方面是由GGO病理特性所决定,另一方面也说明了空泡征在早期肺癌中的诊断价值39。由于fGGO病灶的特征不典型及研究者认识的不足容易导致fGGO的误诊及漏诊,我们研究发现MSCT薄层全容积成像及多种后处理技术的综合应用对fGGO的准确诊断非常关键。本研究中fGGO的诊断准确率对照实性结节的诊断准确率比较无统计学意义,二者有相似的诊断准确性,但常规层厚的诊断准确率与常规层厚结合薄层靶重建及MPR的对照比较有显著性差异,常规层厚结合薄层靶重建及MPR大大提高了诊断的准确率,对实性结节同样如此,说明对实性结节的诊断及鉴别诊断方法同样适用于fGGO。fGGO病灶的征象显示较实性结节受更多的技术因素的影响,视窗技术及重建算法明显影响fGGO病灶的边缘及内部结构的显示,所以我们认为fGGO病灶,尤其是一些小的病灶,薄层靶重建及各种后处理技术的应用和各种征象的全面分析是提高

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论