论文部分内容阅读
目的:分析病灶大小、血流分级、超声造影各个参数等指标与周围型肺癌微血管密度（MVD）的相关性,从中筛选出与周围型肺癌MVD有相关性的指标;并在此基础上探讨所筛选指标联合分析能否进一步提高超声反映周围型肺癌MVD的能力,为后续的超声无创性评估周围型肺癌MVD,进而早期评估肺癌疗效的研究打下基础。材料与方法自2019年10月至2021年2月,本研究对因发现肺部占位性病变而至广州医科大学附属第一医院就诊的患者行超声造影及超声引导下肺穿刺活检,将获取的病理标本行组织病理学检测及CD34免疫组化染色,并对经穿刺活检病理证实为周围型肺癌患者的超声及病理资料进行进一步筛选和统计学分析,具体方法如下:首先根据患者CT及临床资料对病灶行常规超声检查,记录病灶大小、血流等信息,病灶血流参考Adler血流半定量分级法,分为0-III级;然后对病灶行超声造影检查,录像5min并存盘,回放录像,启动超声造影微血管成像程序（Microflow Enhancement,MFE）,分析其MFE分型,本研究将MFE分型分为“枯木型”、“血管型”“棉花型”和“未定型”4型;同时,选定病灶感兴趣区,获取感兴趣区的时间-强度曲线及超声造影定量参数,如到达时间、达峰时间、峰值强度、上升斜率、峰值减半时间、下降斜率、曲线下面积等;随后对病灶行超声引导下或超声造影引导下肺穿刺活检,取样区域设置于超声造影感兴趣区处,以Bard自动活检切割针穿取2-3条病理标本,行组织病理学检测,同时对标本行CD34免疫组化染色并计数其MVD,MVD的计数参考Weidner的方法。从病灶大小、血流分级、MFE分型、超声造影各定量参数中筛选出与周围型肺癌MVD有关的指标;并在此基础上,采用多重线性回归方法对所筛选出的各有关指标进行联合分析,以探讨联合分析是否能进一步提高超声反映周围型肺癌MVD的能力。结果本研究最终纳入病例108例,其中男性84例,女性24例;组织病理学类型分布和病例数分别为:腺癌54例、鳞癌35例、腺鳞癌2例、小细胞癌7例、神经内分泌癌7例、肺淋巴上皮瘤样癌3例。1.将病例按照病灶最大直径分为≤5cm组与>5cm组,Kendall’s tau-b相关分析显示,病灶最大直径与MVD无明显的相关关系,Kendall’s tau-b=-0.014,P=0.858;使用Mann-Whitney U检验判断两组之间MVD是否有差异,结果显示两组MVD差异没有统计学意义,U=1268.5,Z=-0.179,P=0.858。2.将血流分级与MVD行Spearman相关分析,结果显示不同血流分级与MVD存在正相关关系（rs=0.349,P<0.001）;简单线性回归分析结果显示血流分级与MVD存在线性关系,F（1,105）=14.553（P<0.001）,回归方程为:MVD=18.349+4.990×血流分级（r2=0.122）。3.将MFE分型分为枯木型、棉花型与血管型及未定型,其中枯木型18例、棉花型46例、血管型43例、未定型1例。对枯木型、血管型、棉花型三组之间的MVD进行两两比较,Mann-Whitney U检验结果示,棉花型组（平均秩次为42.02）与血管型组（平均秩次为48.19）之间MVD无统计学差异（U=852.00,Z=-1.126,P=0.26）;枯木型组（平均秩次为22.17）与棉花型组（平均秩次为36.54）之间的MVD有统计学差异（U=228.00,Z=-2.780,P<0.016）;枯木型组（平均秩次为19.44）与血管型组之间（平均秩次为35.84）的MVD有统计学差异（U=179.00,Z=-3.291,P<0.016）,（调整检验水准:P<0.016认为差异有统计学意义）。以枯木型为参照,对MFE分型与MVD行多重线性回归分析,结果显示回归模型具有统计学意义,F（2,103）=5.778（P<0.05）;回归方程为:MVD=20.50+（4.543×棉花型）+（3.960×血管型）（r2=0.101）。4.将超声造影各定量参数与MVD行Spearman相关分析,结果显示超声造影定量参数中AT、TTP、AS、DS与MVD不具有相关关系,PI、AUC与MVD存在正相关关系,rs（PI）=0.537,P<0.001、rs（AUC）=0.325,P<0.05;简单线性回归分析提示超声造影各定量参数中,AT、TTP、AS、DS、DT/2与MVD之间不存在线性关系,PI、AUC与MVD之间存在线性关系,FPI（1,106）=37.80（P<0.001）、FAUC（1,106）=12.23（P<0.05）,回归方程分别为:MVDPI=-7.753+1.024×PI（r2=0.263）、MVDAUC=10.370+0.004（r2=0.103）。5.通过上述统计学分析,共筛选出血流分级、MFE分型、PI及AUC四个与MVD有关指标,将血流分级、PI、AUC及MFE分型与MVD行多重线性回归分析,结果显示回归模型具有统计学意义,F（5,100）=11.566（P<0.001）;回归方程为:MVD=-10.004-（0.003×AUC）+（1.441×PI）+（2.344×血流分级）+（3.856×棉花型）+（2.958×血管型）（r2=0.366）。结论1.本研究结果显示,超声多项参数中:血流分级、MFE分型及超声造影定量指标中的PI和AUC均与周围型肺癌MVD具有相关性,可在一定程度上反映周围型肺癌的MVD情况;2.对血流分级、MFE分型、超声造影定量指标中PI和AUC的联合分析结果表明:联合上述指标的决定系数高于各单独指标,提示上述超声指标的联合应用可进一步提高超声反映周围型肺癌MVD,具有无创评估周围型肺癌MVD的潜力,值得进一步深入研究。