赵可、江蓓蓓等研究人员来自上海交通大学医学院附属上海总医院放射科及GE医疗中国CT影像研究中心，于2022年在《Cancers》期刊上发表了一项原创性研究。该研究旨在评估基于深度学习图像重建的超低剂量CT在测量RECIST定义的胸部靶病灶和淋巴结方面的准确性与可重复性，并以增强CT作为参考标准。
一、 研究背景与目的
肺癌是全球死亡率最高的恶性肿瘤之一，其中肺腺癌是最常见的病理类型。多项研究已证实，定期进行CT筛查能有效降低肺癌相关的死亡率。除了早期发现，精准评估肿瘤对靶向治疗的反应是临床决策的基础，而这高度依赖于反复的影像学检查和基于实体瘤疗效评价标准的病灶测量。RECIST标准主要通过测量肺部病灶的长径和淋巴结的短径来判断疗效。然而，常规用于评估的增强CT存在电离辐射和造影剂肾毒性的双重风险，尤其对于需要频繁复查的患者而言，这一弊端尤为突出。因此，在保证诊断信息的前提下，尽可能降低辐射剂量并避免使用造影剂成为重要的临床需求。
随着人工智能技术的发展，深度学习图像重建算法为超低剂量CT的发展带来了契机。与传统迭代重建算法在高噪声图像中表现不佳且会改变图像纹理不同，DLIR利用深度神经网络，能够在强效降噪的同时，保持高对比度空间分辨率，使图像纹理更接近标准剂量的滤波反投影重建图像。已有研究表明，DLIR能够在辐射剂量低至0.07至0.14毫西弗的ULDCT上提供可接受的图像质量和高肺结节检出率。然而，如此低剂量的ULDCT能否用于评估肿瘤疗效，即对RECIST靶病灶的测量是否依然精准，尚未得到验证。本研究的目的正是评估基于DLIR的ULDCT在测量RECIST定义的可测量和非可测量肺部靶病灶、淋巴结方面的准确性与可重复性，为其在肿瘤疗效评估和肺癌筛查中的创新性应用提供依据。
二、 研究流程与方法
研究前瞻性地连续纳入了2020年4月至6月期间就诊、并在同一天内先后接受胸部ULDCT平扫和增强CT扫描的成年患者。患者的入组标准是拥有至少一个RECIST定义的肺部靶病灶或一个短径大于5毫米的淋巴结；排除了图像质量差或身体质量指数大于等于30公斤每平方米的患者。最终，共有141名患者入组，平均年龄为62岁，男性占63.8%。
CT采集与重建是研究的核心技术环节。所有扫描均使用256排CT扫描仪完成。ULDCT扫描参数设置如下：管电压70千伏，管电流被随机设定为20毫安或40毫安，这预先使得扫描的辐射吸收剂量分别达到0.07毫西弗或0.14毫西弗。作为参照的增强CT，管电压为120千伏，管电流通过自动调控实现，噪声指数设定为20，其平均辐射吸收剂量为2.4毫西弗。相比之下，ULDCT的辐射剂量降低了94%至97%。
ULDCT图像分别使用三种不同的重建内核进行处理，以进行比较评估：80%强度的自适应统计迭代重建、中等强度的深度学习图像重建和高强度的深度学习图像重建。增强CT的图像则统一采用50%强度的ASIR-V重建。所有图像的重建层厚和层间距均为1.25毫米。DLIR技术是本研究的关键，它通过一个经过海量高质量数据训练的深度神经网络引擎，对ULDCT的原始数据进行处理。其训练过程旨在使输出的图像在噪声水平、噪声纹理、低对比度分辨率和空间分辨率等多个高阶指标上，与来自同一对象的滤波反投影重建标准剂量CT参考图像精确匹配。
在图像分析与病灶测量阶段，由一名拥有5年胸部影像经验的放射科医生进行客观的影像质量评估，测量肺组织和体外空气背景的CT值标准差，以此作为图像噪声的指标。所有的病灶测量由一名有3年经验的独立观察者完成，并由一名有21年经验的资深仲裁专家复核结果的可用性。根据RECIST指南，可测量的肺部病灶定义为长径大于等于10毫米，可测量淋巴结的短径需大于等于15毫米；非可测量病灶则指小于上述阈值或属于真正无法测量的情况。此外，本研究还包含了短径介于5毫米至10毫米之间的小淋巴结进行亚组分析。观察者在随机排序后的四种图像上测量所有靶病灶的直径。为评估测量的观察者内重复性，同一观察者在一个月后对DLIR-M和DLIR-H图像进行了重复测量。为评估观察者间重复性，另一位观察者也独立完成了所有测量，并以组内相关系数来量化测量的可重复性。
数据统计分析采用皮尔逊相关系数评估ULDCT与增强CT间病灶测量值的相关性。使用Bland-Altman分析法评估两者间的测量变异度，并以均值±1.96倍标准差表示其95%置信区间。最后，采用多元线性回归分析方法，探究年龄、性别、身体质量指数、CT剂量以及病灶类型等因素对ULDCT与增强CT间测量差异是否存在显著影响。
三、 主要研究结果与分析
研究对象共包含151个RECIST定义的可测量靶病灶，包括89个肺部病灶和62个淋巴结，以及277个非可测量靶病灶和64个小淋巴结。在89个可测量肺部病灶中，有30个经病理证实为恶性，肺腺癌为主要类型。在45个可测量纵隔淋巴结中，有12个为恶性。图像质量分析显示，在所有三组ULDCT图像中，DLIR-H图像的肺组织和空气背景噪声均为最低。
对于所有可测量的肺部靶病灶和纵隔、肺门淋巴结，三种ULDCT图像上的测量结果均与增强CT的测量结果高度相关，皮尔逊相关系数均在0.993以上，其中DLIR-H图像的相关性最高，几乎达到了1.000。然而，高相关性并不等同于高一致性。Bland-Altman分析进一步揭示了测量值的系统误差和变异度。结果显示，对于肺部靶病灶，ASIR-V-80%、DLIR-M和DLIR-H图像相对于增强CT的测量变异度分别为4.6%、4.7%和2.2%。对于纵隔淋巴结，这一变异度分别为3.4%、4.0%和1.4%。对于肺门淋巴结，变异度分别为5.0%、3.9%和2.3%。这一结果表明，在所有三组ULDCT图像中，DLIR-H重建图像的病灶测量直径与增强CT的差异最小，表现出最佳的测量准确性。在非可测量病灶和小淋巴结的分析中，DLIR-H同样展现出最低的测量变异度。例如，在非可测量肺部病灶中，DLIR-H的变异度为2.2%，而ASIR-V-80%和DLIR-M分别为5.7%和5.1%。这证明了DLIR-H算法在降低噪声的同时，能更精确地描绘病灶边缘，从而得到与增强CT最为接近的测量值，且这种优越性在小病灶上更为突出。
研究的重复性评估结果优良。对于DLIR-H图像，无论是观察者内还是观察者间，测量可测量肺部病灶和淋巴结的组内相关系数均大于0.99，表明其具有极高的重复性。即使对于非可测量病灶和小淋巴结，其可重复性也达到了较高水平。多元线性回归分析表明，年龄、性别、身体质量指数、CT剂量、病灶类型及组织学结果等因素，均未对DLIR-H等图像与增强CT之间的测量差异产生显著影响，提示在该纳入标准下，DLIR-H的测量准确性是稳健的。
这些结果共同揭示了DLIR-H算法的核心优势：它不仅能够将辐射剂量降低至传统低剂量CT的5%-7%，还能提供与诊断级增强CT近乎等同的病灶测量精度，且不受常见患者个体特征和病灶类型的干扰。这为ULDCT从单纯的结节检出，拓展到需要精确基础值和随访值比对的肿瘤疗效评估领域，提供了关键的数据支撑。
四、 研究结论、价值与亮点
研究得出结论，基于DLIR的ULDCT（0.07至0.14毫西弗）所测量的肺部病灶及淋巴结直径，与增强CT的测量值高度吻合，且测量重复性高。该研究具有重要的科学价值和应用价值。从科学价值上看，它首次系统性地验证了在辐射剂量降至约标准CT百分之一的极端条件下，DLIR技术不仅能够保证图像的可视性，更能满足RECIST标准对病灶测量的严苛精度要求，打破了业内关于超低剂量CT可能导致病灶测量失真的顾虑。从应用价值上看，本研究提出了一种极具前景的影像学评估方法，即利用无需造影剂的ULDCT平扫来替代或部分替代增强CT，进行肺癌筛查和肿瘤疗效评估。这有望显著降低患者在长期、反复的影像学监测中累积的辐射暴露风险和造影剂相关不良反应风险，使胸部影像检查更趋近于辐射防护最优化原则。
本研究的亮点在于其聚焦于测量精度这一直接的临床需求，将DLIR技术的效能评估从常见的图像质量提升、病灶检出提高，推进到了精准诊疗所需的定量测量层面。其次，研究设计严谨系统，设置了多重对照，不仅比较了DLIR与传统的迭代重建算法，还设置了DLIR的两个强度级别，明确了高强度的DLIR-H是实现精准测量的最优选择。最后，研究的分析全面，覆盖了可测量与非可测量病灶以及小淋巴结，并深入探讨了多种潜在影响因素，结论坚实可靠，为ULDCT的临床应用场景从筛查扩展到疗效评估提供了创新性的视角和强有力的证据。