该研究由Jing Ye、Jun Ling、Yan Lv、Juan Chen、Junhui Cai和Mingxiang Chen共同完成，他们均来自扬州大学临床学院苏北人民医院医学影像科。研究发表于2020年的《Experimental and Therapeutic Medicine》期刊，题为“CT-based texture analysis of pulmonary nodules: a retrospective analysis”。
肺癌是全球最常见的肿瘤类型之一，其中肺腺癌是最常见的组织学亚型。2011年，国际肺癌研究协会、美国胸科学会和欧洲呼吸学会联合提出了一种新的国际多学科肺腺癌分类系统，结合了肺腺癌的临床、影像学、分子生物学和病理学特征。肺腺癌分为前驱病变（pre-invasive lesions, PIL），包括非典型腺瘤样增生（atypical adenomatous hyperplasia, AAH）和原位腺癌（adenocarcinoma in situ, AIS），以及微浸润腺癌（minimally invasive adenocarcinoma, MIA）和浸润性腺癌（invasive adenocarcinoma, IA）。PIL和MIA患者在接受肺段切除术后5年无病生存率为100%，而IA患者的主要治疗方法是肺叶切除术，预后相对较差。因此，早期检测和评估肺腺癌的浸润程度对于选择手术方式和改善预后至关重要。
传统的术前穿刺活检和CT图像解读被用于判断表现为磨玻璃结节（ground-glass opacity, GGO）的肺腺癌的浸润程度。然而，由于活检材料的局限性，难以准确判断整个病变的浸润程度。使用CT成像，病变的浸润程度通常基于病变大小、实性成分的大小和比例、形态、边缘、内部特征（小血管增厚）和周围特征（胸膜牵引和血管聚集）等特征来判断。研究表明，GGO中实性成分越多，恶性浸润的可能性越大。然而，不同水平和资质的放射科医生对CT特征的理解和识别存在差异，导致通过CT影像进行视觉评估肺腺癌浸润程度存在挑战。
该研究是一项回顾性研究，纳入了2015年1月至2018年6月期间在苏北人民医院接受CT检查的77例GGO结节患者，所有患者均经手术证实为肺腺癌。研究的主要目的是探讨基于CT的纹理分析技术区分浸润性腺癌（IA）与前驱病变（PIL）或微浸润腺癌（MIA）的能力，并比较非增强CT（non-enhanced CT, NECT）图像与增强CT（contrast-enhanced CT, CECT）图像的性能。
研究首先通过医院影像存档与通信系统检索出221例患者的257个GGO结节，筛选标准包括：1）患者需在3个月内接受NECT和CECT扫描，图像重建厚度为1.25毫米；2）CT检查前未接受手术、活检、放疗或化疗；3）GGO结节直径≥5毫米且≤3厘米；4）GGO结节无明显恶性征象，如毛刺、分叶、空泡、明显实性成分或实性成分形态不规则。最终，77例患者的77个GGO结节被纳入研究，其中12例为PIL，36例为MIA，29例为IA。
研究使用MATLAB开发的内部软件对每个GGO结节进行手动分割，并提取其纹理特征。纹理特征包括直方图特征和灰度共生矩阵（gray-level co-occurrence matrix, GLCM）特征。直方图特征包括平均衰减值、标准差、偏度、峰度、10%、25%、50%、75%和90%百分位CT值、能量、熵、相关性和均匀性。GLCM特征包括能量、熵、相关性和均匀性。
采用独立样本t检验筛选IA与MIA/PIL之间具有显著差异的纹理特征，并通过多变量逻辑回归和受试者工作特征（receiver operating characteristic, ROC）曲线分析确定预测特征。
研究结果显示，IA与MIA/PIL在大多数直方图特征和GLCM特征上存在显著差异（p<0.05）。多变量逻辑回归和ROC曲线分析表明，无论使用NECT图像还是CECT图像，能量较小和熵较大是区分IA与MIA/PIL的显著差异特征。NECT图像的ROC曲线下面积（area under the curve, AUC）分别为0.839和0.859，CECT图像的AUC分别为0.818和0.820。当同时使用能量和熵作为输入数据时，NECT图像的AUC为0.873，CECT图像的AUC为0.847。
研究表明，基于CT的纹理分析技术可以有效区分浸润性腺癌与前驱病变或微浸润腺癌，特别是能量和熵这两个参数。此外，NECT图像获取更简便且无需对比剂，因此在纹理分析中可能是更优选择。
该研究的亮点在于首次系统比较了NECT和CECT图像在纹理分析中的性能，并确定了能量和熵作为区分IA与MIA/PIL的关键参数。此外，研究强调了NECT在纹理分析中的潜在优势，为临床实践提供了新的思路。
研究还指出，尽管CECT图像在评估GGO结节的血液供应和判断肺血管是否受侵方面具有重要作用，但在纹理分析中，NECT图像由于其简便性和无对比剂需求，可能更适合作为主要方法。未来的研究方向应包括扩大样本量、统一CT设备以及开发自动分割算法以减少主观偏差。