基于深度学习的定量CT评估间质性肺异常：健康筛查人群的预后风险阈值

为何微小的肺部改变重要

大多数在体检时接受胸部CT的人感觉完全正常。然而，这些影像有时会显示出容易被忽视的浅淡、斑片状肺部改变。本研究提出了一个简单但重要的问题：这些微小、隐匿的改变何时会成为多年后严重问题的预警信号，计算机工具能否帮助医生更可靠地发现这种危险？

可能预示未来疾病的宁静痕迹

研究者聚焦于称为间质性肺异常（ILA）的细微发现。这些是在CT上出现的小片状混浊或网状区，可能是肺组织早期瘢痕化的信号。由于它们程度轻微且常见于无症状人群，ILA通常是偶然发现的，往往不受重视。既往研究提示，出现这些改变的人长期健康可能更差，但尚不清楚在一般健康体检人群中，多少异常组织量才足以引发担忧。

用智能软件测量隐藏的损伤

为了解答这一问题，研究团队纳入了2007至2013年间在两家医院进行健康筛查并接受胸部CT的3363名50岁及以上的成人。两位有经验的胸部放射科医师首先逐一审阅影像，并将受检者分为三组：肺部清晰、不确定的ILA或明确的ILA。同一批影像随后由一个深度学习程序分析，该程序旨在识别并测量整个肺内的异常纹理。软件将较不令人担忧的模糊区域与提示瘢痕化的模式区分开来，并计算每类异常在总肺容积中所占的比例。

发现风险的临界点

受试者随访超过11年，核查其后发展为间质性肺病、肺癌及任何原因死亡的记录。研究者测试了多种可能的异常肺组织比例阈值，并使用统计模型在调整年龄、性别、吸烟、体重、肺功能和肺容积等因素后，评估哪些水平能最好地区分高风险与低风险。他们发现，当总异常组织约占肺容积的3%或当类似瘢痕的改变约占0.3%时，受试者在随访期间死亡的可能性显著增加。总异常超过3%者的死亡风险比低于该值者高出5倍以上；而瘢痕样改变超过0.3%者的死亡风险接近3倍。

与肺病和癌症的关联

相同的计算机测量还标识出更有可能发展为明确的间质性肺病或肺癌的人群。即使相对较少量的异常组织也与随后诊断为肺瘢痕性疾病或肺肿瘤的概率显著升高相关。有趣的是，研究中的大多数死亡并非由肺部疾病直接导致，这提示这些肺部改变可能是更普遍老化或虚弱的可见标志，而非单独致病的唯一原因。

这对体检的意义

对患者和临床医生而言，主要信息是：筛查CT上出现的微小肺部改变不应被简单忽视，尤其当它们悄然占据肺容积的几个百分点时。通过使用深度学习工具以一致的方式量化这些区域，医生可以识别出扫描超过3%总异常或0.3%瘢痕阈值的人群并考虑更密切的随访。虽然这些数值本身并不是诊断，但它们为将影像上淡淡阴影转化为关于长期健康的更清晰信号提供了实用的指引。

引用: Lee, J.E., Suh, Y.J., Kim, K. et al. Deep learning–based quantitative CT assessment of interstitial lung abnormalities: prognostic risk thresholds in a health screening population. Sci Rep 16, 14852 (2026). https://doi.org/10.1038/s41598-026-45108-w

关键词: 间质性肺异常, 胸部CT, 深度学习, 肺纤维化, 健康筛查