体重指数对CT 0-4量表可靠性的影响： 计算机断层扫描协议的比较

全文:

论证

胸部器官计算机断层扫描（胸部CT）在COVID-19的诊断中占特殊地位[1]。目前，为了评估COVID-19相关性肺炎患者的严重程度并预测病程，使用肺组织损伤CT 0-4的视觉半定量标度 [2]。由于在对抗COVID-19的过程中使用胸部计算机断层扫描的频率越来越高，因此有必要应用低剂量电脑断层扫描(LDCT)来减少患者身体的剂量负荷，同时保持研究的诊断价值[3].同时, 已证明低剂量电脑断层扫描与DNA损伤无关，与标准CT相比，其后DNA双链断裂和染色体畸变的数量增加[4]。

众所周知，高体重指数（BMI）是冠状病毒感染的不良过程中的一个因素[5]。同时，对于BMI >35 kg/m2的患者，胸部器官LDCT的适用性存在局限性[6]。此前，A. Manowitz等人[7]发现，对于腹部器官计算机断层扫描期间BMI较高的患者，可以在不影响图像质量的情况下减少辐射暴露。在一项N.S. Paul等人[8]评估肥胖对CT冠状动脉造影性能影响的研究中，发现超重的男性 (r=0.66) 和女性 (r=0.85) 的BMI与图像噪声之间存在强相关性。结果，作者得出结论，在减少辐射剂量时应考虑患者的体重指数。同时，在撰写本文时，尚未在已发表的文献中发现BMI对COVID-19患者LDCT诊断准确性影响的数据。

研究的目的是评估患者的BMI对可检测到的变化的可靠性以及不同的放射科医生对COVID-19相关肺炎的标准和低剂量胸部CT在视觉半定量CT 0-4尺度上的正确解释的影响。

虚无假设

身体质量指数对专家之间在标准和低剂量胸部CT的0-4级CT评估COVID-19相关肺炎严重程度的一致性没有影响。

材料与方法

研究设计

回顾性研究是基于先前进行的前瞻性多中心研究“LDCT in COVID-19 Pneumonia: a Prospective Moscow Study”的材料进行的，该研究于2020年4月25日在国际数据库ClinicalTrials.gov注册，NCT04379531 25-04-2020[9]。

符合标准

纳入标准：莫斯科市两家公立门诊医疗机构中年龄≥18岁的疑似COVID-19相关肺炎并出现急性呼吸道病毒感染症状的患者。

排除标准：数据不完整（身高、体重、BMI）的患者； 孕妇和哺乳期妇女； 扫描区域内有异物的患者。

执行条件

按照标准和低剂量方案，每位研究参与者在一次访问中接受了两次连续的胸部器官检查。CT检查分析由10名具有3至≥25年以上受过COVID-19相关性肺炎解读培训经验的放射科医生进行的。FAnTom改型软件用于提供对匿名数据的在线访问，随后以0-4的CT等级评估疾病的严重程度[9, 10]。在肺和软组织内核中重建的CT和LDCT研究的分布在放射科医师之间随机分配，条件是每项研究由两名专家独立和随机解释。

研究持续时间

胸部CT和LDCT数据是在2020年5月6日至2020年5月22日期间收集的。

医疗干预说明

胸部器官CT检查是在64层CT扫描仪（Aquilion 64，Canon，日本）上进行的，没有迭代重建算法。使用了制造商提供的标准胸部CT方案和先前开发的COVID-19低剂量方案。

对于胸部CT，电流在40-500 mA范围内的整个扫描长度上自动调整，前提是5.0 mm层的噪声水平为10（标准偏差）。

对于胸部LDCT，电流在10-500 mA范围内的整个扫描长度上自动调整，前提是5.0 mm层的噪声水平为36（标准偏差）。

CT的附加参数（CT和LDCT相同）：电压——120 kV； 旋转时间——0.5 s； 方向——向外（从腿到头部）； XY 调制——启用；准直——64×0.5 mm; 螺距——53.0； 在最大吸气深度进行扫描； 扫描时间——平均6 s（取决于个人体质特征）。这些研究是在没有对比增强的情况下进行的。

标准CT和LDCT的图像重建参数相同：矩阵 ——512×512； D-FOV——350 mm； 扫描长度 ——300 mm； 重建核心（内核）——FC51（肺核）和FC07（软组织核）； 切片厚度——1.0 mm; 增量——1.0 mm。

本研究的主要结果

本研究调查了COVID-19相关肺炎患者的BMI对使用低剂量方案的胸部CT扫描的解释质量的影响。使用标准剂量的CT方案作为比较方法；使用0-4的视觉半定量CT评分进行解释。

伦理审查

这项工作基于一项研究的结果，该研究获得了俄罗斯克斯射纯度及辐射学者协会莫斯科地区分会（MRO RORR）独立伦理委员会的第03/2020号批准。所有患者均签署知情自愿同意书。

统计分析

使用公式(1)和(2)对以下方案评估每个患者的专家间的一致性：

• 带肺核的标准CT（重建滤光片）FC51（Sharp CT）；
• 带软组织核的标准CT（重建滤光片）FC07（Soft CT）；
• 带肺核的低剂量CT（重建滤光片）FC51（Sharp LDCT）；
• 带软组织核的低剂量CT（重建滤光片）FC07（Soft LDCT）；

每个方案的数据根据BMI值分为两组：正常（BMI<25 kg/m2）和超重（BMI≥25 kg/m2）[11] 。专家之间对亚组的一致性评估以平均值和标准差的形式呈现。

数据处理是用R，4.0.4版，软件包dplyr，ggplot2，irr[12]进行的。

该一致性是根据两位专家评估之间差异的绝对值计算为百分比：

|Δ| = |专家1 - 专家2| (1).

使用了两种不同的分歧解释。

1. 对专家评估的差异大小不敏感的二元分类（Δ）。如果专家评分没有差异（|Δ|=0），则一致性为100%；如果评分有差异（|Δ|≠0），一致性等于0%。

2. 加权分类考虑了专家估计的差异值（Δ），以及肺组织损伤比例的阈值，作为住院治疗的依据：

$\mathrm{一致性}=(1-|\frac{∆}{{∆}_{max}}\left|\right) x 100,$(2)

其中Δ是根据公式（1）对当前研究的专家估计之间的差异，Δmax是估计中的最大可能差异（Δmax=4，四个CT类别0-4）。在本研究中，加权一致性评估是离散的，范围从0到100%，步长为25%：0%的一致性对应于四个类别的差异，25%对应于三个，50%对应于两个，75%对应于一个，100%对应于完全同意。

通过单方方差分析来评估各组平均值之间是否存在统计学上的显著差异(One-way ANOVA) [13]。在第一阶段，使用Levene检验 [14]对研究组的方差相等性进行了统计分析。接下来，考虑方差相等的信息，对均值的相等性进行方差分析。因变量是放射科医师之间的一致性，自变量是体重指数（二元分类、正常和超重）和检验记录（Sharp CT、Soft CT、Sharp LDCT、Soft LDCT）。为了确定各个亚组之间差异的数值p值，采用Tukey HSD检验法[15] 进行了回顾性分析。所有比较均使用统计学显着性水平0.05。

结果

入选研究的患者总数为231个人，其中230个人被纳入研究（一名患者缺乏BMI数据）。在选定的组群中，55.6%是女性。患者的平均年龄为47±15岁。对于每位患者，获得CT和LDCT研究的数据，然后使用肺和软组织核进行重建。

样本整体描述性统计的主要参数：范围（18.3；48.3）kg/m2； 中位数27.5 kg/m2，平均数27.9±5.6 kg/m2； 分布不符合正态分布（p值≤0.01），非对称系数为0.9（显着的右侧不对称）。

按BMI患者的分类：非超重患者（BMI<25 kg/m2 ）31%（71个人）；超重患者（BMI≥25 kg/m2 ）69%（159个人）。

使用Sharp LDCT方案观察到正常BMI患者的最高一致性：二元和加权分类分别为83.5%和92.8%（图 1；表）。对于BMI正常的患者，Soft LDCT方案的一致性最低：二元分类为64.9%，加权分类为86.9%。

对于超重患者，专家们一致同意度最高的方案是Sharp CT（在二元分类和加权分类中分别为71.2%和88.4%）。在使用Soft CT方案时，观察到此类患者的最低一致性：二元分类为64.4%，加权分类为86.4%（见图1和表）。

 

图1.按体重指数（灰色——超重组，黑色——正常体重组）组的二元 (a) 和加权 (b) 分类专家一致性图。

 

表二元（浅灰色）和加权（深灰色）分类专家之间的数值一致性值（%）

Value	Sharp CT		Soft CT		Sharp LDCT		Soft LDCT
	Normal	Overweight	Normal	Overweight	Normal	Overweight	Normal	Overweight
Mean	72.2	71.2	69.1	64.4	83.5	67.4	64.9	65.9
SD	45.1	45.4	46.5	48.1	37.3	47.0	48.0	47.6
Mean	89.4	88.4	88.4	86.4	92.8	88.3	86.9	86.4
SD	18.7	19.6	19.8	19.9	16.9	18.4	19.5	21.3

 

使用Sharp LDCT方案观察到正常组和超重组之间解释同质性的最大差异（二元和加权分类的平均差异分别为16.1%和4.5%）。异质性最小的解释是Sharp CT和Soft LDCT方案，对于这些方案，任何分类的平均差异都不超过1%（见图1和表）。

分散分析

为了分析放射科医生的解释因患者BMI、扫描方案和重建而产生的差异，我们进行了ANOVA单因素方差分析。分析结果表明，在所有四个方案中，正常组和超重组在二元分类（方案为p=0.13，BMI为p=0.18）和加权分类（分别为p=0.18和p=0.14 ）的平均协议值之间没有统计学上的显著差异。

除了比较协议的平均值之外，我们还比较了专家估计的变异性，具体取决于患者的BMI和成像方法。根据Levene检验，二元分类和加权分类的差异允许接受关于所研究组的方差相等的假设。

使用Tukey HSD检验的事后分析检查各个亚组之间的差异（图 2）。对于所有比较对，95%的置信区间包括二元（图 2，a）和加权（图2，b）分类的值“0”，这表明，在体重指数和成像方法方面，不同组的放射科医生的解释没有统计学上的显着差异。

 

图2.对均值相似性假设的后验分析： a——二元分类； b——归一化分类（Sharp CT、Soft CT、Sharp LDCT和Soft LDCT方案分别编码为A、B、C和D，正常组编码为 “1”，超重组为 “2”）。

 

对于二元分类，在比较正常体重的Soft LDCT组和超重的Sharp CT组时，最小p值为0.22，同一方案内的最小p值为0.65（Sharp LDCT）。对于加权分类，最小的p值为0.08，同一方案内相似组的最小p值为0.36。

研究组的额外ROC分析（receiver operating characteristic——受试者工作特征）确定了预测一致性水平的最佳BMI阈值为26.24 kg/m2。对于这个阈值，重复进行方差分析，这证实了每个方案(二元分类的p值为0.13和0.09；按协议和BMI加权分类的p值分别为0.18和0.12）中研究组的方差和平均值（p值相似）不存在统计学上的显着差异。对于这两种类型的分类，使用Sharp LDCT方案比较正常组和超重组时获得了最小p值，二元为0.65，加权分类为0.15。

由于原始样本偏向于 “超重”（BMI在[25 ；30] kg/m2范围内），因此对“超重” 、“1 级肥胖”、“2级肥胖”和“3级肥胖”组群进行了额外的分析。所有方案的分析结果显示两种分类没有统计学上的显着差异（“正常”和“1级肥胖”组的P值最小，二元分类和加权分类的p值分别为0.09和0.08） 。对于最大的不同BMI组“正常”和“3级肥胖”，p值为0.17。

此外，对一系列研究进行了分析，其中专家对视觉半定量量表CT 0-4的评估差异超过了一个类别。总共发现26个这样的系列。在审查了每个案例后，似乎可以将差异分为两组。

第一组包括15个系列（58%），其中两位专家都确认存在与COVID-19相关的变化（CT评估1或更高），但对肺组织损伤的程度有分歧。这可能是由于首选的图像分析平面（轴向/正面/矢状面）和观察研究的方向（从肺尖到横膈膜或从横膈膜到肺尖），以及研究中存在病毒肺炎不同时间阶段的表现，例如同时出现“毛玻璃”和“圆石头马路”。由于冠状病毒肺炎在肺的基底区域更为明显，因此，从横膈膜到肺尖查看轴向切片，可能会扭曲专家对变化严重程度的知觉，使其提高到0-4的CT评分。使用矢状乘法或3D重建可以一目了然地“捕捉”变化，从而降低高估病变严重程度的风险。第一组专家之间的差异强调了对疾病严重程度的视觉评估具有显着的主观性，以及需要研究对肺实质进行自动光密度分析的系统的能力。

第二组包括11个系列（42%），其中一位专家未确认存在与COVID-19相关的变化（CT评分0 ） 。这是由于假阳性病例（在高先验感染概率的背景下肺部基底部分的坠积性变化），CT 0-4的分类中缺少一种表达冠状病毒性质变化概率的方法。第二组专家之间的差异突出了联合应用CO-RADS和CT 0-4分类的价值。

讨论

本研究调查了在COVID-19相关的肺炎中，放射科医生根据患者体重和内核重量对胸部器官的胸部CT和NDCT评估的一致性。 比较分析显示没有统计学上的显着差异。由于需要平衡比较抽样的大小（按不同BMI的组），根据BMI将患者分为“正常”和“超重”两类，这可能会影响对结果的正确解释。然而，额外的数据分析表明，定性结果（“ 未发现统计学上的显着差异”）对肥胖类别的不变性。鉴于该研究的局限性，可以得出结论，在以CT 0-4量表评估肺病变时，患者的BMI对医生的一致性没有显着影响。因此，扫描方案的选择不取决于患者的BMI。

本研究的结果为对COVID-19患者选择尽可能低的辐射剂量提供了额外的理由，因为在使用CT 0-4尺度时，体重指数升高对图像的诊断质量没有影响。反过来，内核的选择可以完全基于放射科医生的个人偏好。

2016年，T. Kubo等人[16]比较了LDCT (50 mAc)和CT(150 mAc)在胸部器官常规检查中的诊断能力。三位放射科医师独立分析了118 个 2 mm图像系列（样本中每个患者两个系列），随后评估以下病理结果：肺气肿、磨玻璃、网状变化、微结节、支气管扩张、“蜂窝肺” 、结节 (>5 mm)、主动脉瘤、冠状动脉钙化、心包和胸腔积液、胸膜增厚、纵隔形成和淋巴结肿大。作者得出结论，LDCT方案可用于放射科医师的常规实践，这与我们取得的数据一致。

众所周知，用低剂量方案进行的CT扫描比用标准方案进行的扫描质量要差（较低的信噪比） [17]。因此，需要使用其他方法来提高图像质量，尤其是在体重增加的患者中。其中一种方法是使用迭代重建[18]。

D.A.Filatova等人[19]的研究比较了COVID-19中使用迭代重建的胸部CT和NDCT。样本量为151名患者。与标准CT方案相比，胸部器官LDCT期间诊断信息没有显着丢失。因此，胸部器官的LDCT可用于常规实践中诊断COVID-19[19]，这证实了我们得到的结果。然而，在上述研究中，与本研究不同，没有评估BMI对图像分析质量的影响。

另外，应该注意的是，使用有效辐射剂量 <0.3 mSv和迭代重建的成像对间质性肺炎/肺气肿和BMI>25 kg/m2的患者有局限性[20]。

研究的局限性

这项研究有一些局限性。在本研究中仅使用了一种CT扫描仪型号：其他型号和制造商的推荐方案可能与我们使用的不同。为了解释这些研究，仅使用了放射科医师对CT等级0-4的主观评估。这项研究的结论是基于对样本的分析，没有按肥胖程度分组。然而，定性结果已被证明对这一参数是不变的。

结论

因此，鉴于上述研究的局限性，可以得出结论，在COVID-19中，BMI对胸部CT和NDCT的视觉半定量CT 0-4级的解释没有显著影响。

ADDITIONAL INFORMATION

Funding source. This study was not supported by any external sources of funding.

Competing interests. The authors declare that they have no competing interests.

Authors’ contribution. All authors confirm that they meet the international ICMJE criteria for authorship (all authors made substantial contributions to the concept development, conducting the research and preparation of the article, and read and approved the final version before publication). The largest contributions were as follows: I.A. Blokhin — concept and study design, data analysis, manuscript preparation; A.P. Gonchar — manuscript preparation; M.R. Kodenko — data collection and processing, data analysis, manuscript preparation; A.V. Solovev, A.V. Gombolevskiy — manuscript preparation; R.V. Reshetnikov — research concept and design, manuscript preparation.

作者简介

Ivan A. Blokhin

Moscow Center for Diagnostics and Telemedicine

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN 代码: 3306-1387
俄罗斯联邦, Moscow

Anna P. Gonchar

Moscow Center for Diagnostics and Telemedicine

Email: a.gonchar@npcmr.ru
ORCID iD: 0000-0001-5161-6540
SPIN 代码: 3513-9531
俄罗斯联邦, Moscow

Maria R. Kodenko

Moscow Center for Diagnostics and Telemedicine; Bauman Moscow State Technical University

编辑信件的主要联系方式.
Email: m.kodenko@npcmr.ru
ORCID iD: 0000-0002-0166-3768
SPIN 代码: 5789-0319
俄罗斯联邦, Moscow; Moscow

Alexander V. Solovev

Moscow Center for Diagnostics and Telemedicine

Email: a.solovev@npcmr.ru
ORCID iD: 0000-0003-4485-2638
SPIN 代码: 9654-4005
俄罗斯联邦, Moscow

Victor A. Gombolevskiy

Artificial Intelligence Research Institute

Email: g_victor@mail.ru
ORCID iD: 0000-0003-1816-1315
SPIN 代码: 6810-3279

MD, Cand. Sci. (Med.)

俄罗斯联邦, Moscow

Roman V. Reshetnikov

Moscow Center for Diagnostics and Telemedicine; The First Sechenov Moscow State Medical University (Sechenov University)

Email: reshetnikov@fbb.msu.ru
ORCID iD: 0000-0002-9661-0254
SPIN 代码: 8592-0558

Cand. Sci. (Phys.-Math.)

俄罗斯联邦, Moscow; Moscow

参考

补充文件