这篇文档属于类型a，即报告了一项单一的原创研究。以下是对该研究的详细介绍：

主要作者及研究机构

该研究由Hao Dong、Le-Kang Yin、Yong-Gang Qiu、Xin-Bin Wang、Jun-Jie Yang、Cun-Cheng Lou和Xiao-Dan Ye共同完成。研究机构包括浙江省杭州市萧山区第一人民医院放射科、复旦大学附属中山医院放射科、上海医学影像研究所、复旦大学附属中山医院肿瘤中心以及浙江省杭州市萧山区第一人民医院病理科。该研究于2023年1月4日在线发表在《European Radiology》期刊上。

学术背景

该研究的主要科学领域是肺癌的影像学诊断，特别是基于高分辨率CT（HRCT）特征对IA期肺浸润性腺癌（IAC）高级别模式（HGP）的预测。肺癌是全球范围内发病率和死亡率最高的癌症之一，其中肺腺癌是最常见的组织学类型。IA期肺腺癌的预后较好，但存在高级别模式（包括微乳头状和实性模式）的患者复发风险显著增加。因此，术前准确预测HGP的存在对于指导手术方式（如肺叶切除术或亚肺叶切除术）和术后治疗具有重要意义。

研究流程

该研究是一项双中心回顾性研究，纳入了2018年9月至2020年12月期间在复旦大学附属中山医院和杭州市萧山区第一人民医院接受手术切除并经病理证实的IA期肺腺癌患者。研究共纳入457名患者（459个病灶），根据病理结果中是否存在HGP，将病灶分为HGP组（n=101）和非HGP组（n=358）。

研究首先收集了患者的临床和病理数据，包括年龄、性别、吸烟史、肿瘤分期、病理类型以及是否存在肿瘤通过气腔扩散（STAS）。随后，研究者分析了HRCT影像特征，包括病灶位置、大小、密度、形状、毛刺征、分叶征、空泡征、支气管充气征和胸膜牵拉征。通过单变量和多变量逻辑回归分析，筛选出HGP的独立预测因素，并构建了临床模型、CT模型和临床-CT模型。

主要结果

多变量分析结果显示，肿瘤大小（p=0.001；OR=1.090，95% CI 1.035–1.148）、密度（p<0.001；OR=9.454，95% CI 4.911–18.199）和分叶征（p=0.002；OR=2.722，95% CI 1.438–5.154）是HGP的独立预测因素。临床模型、CT模型和临床-CT模型预测HGP的AUC值分别为0.641（95% CI 0.583–0.699）、0.851（95% CI 0.806–0.896）和0.852（95% CI 0.808–0.896）。其中，CT模型和临床-CT模型的诊断性能显著优于临床模型。

结论

该研究基于HRCT特征构建的逻辑回归模型在预测IA期肺浸润性腺癌高级别模式方面表现出良好的诊断性能。肿瘤大小、密度和分叶征是HGP的独立预测标志物。该模型可为临床诊断提供有价值的参考，并有助于患者预后的评估。

研究亮点

1. 重要发现：肿瘤大小、密度和分叶征是HGP的独立预测因素，CT模型和临床-CT模型在预测HGP方面表现出色。
2. 方法创新：该研究首次基于HRCT特征构建了预测HGP的逻辑回归模型，为术前评估提供了新的工具。
3. 研究对象的特殊性：研究聚焦于IA期肺腺癌患者，特别是存在高级别模式的患者，填补了该领域的空白。

其他有价值的内容

研究还发现，HGP患者中男性比例较高，且有吸烟史的患者比例也较高。此外，HGP患者中肿瘤通过气腔扩散（STAS）的发生率较高，这提示HGP可能与更高的局部复发风险相关。这些发现为临床决策提供了重要依据。

该研究为IA期肺腺癌患者的术前评估和预后预测提供了新的思路和方法，具有重要的科学价值和临床应用前景。