CT纵隔窗SSN分类的临床应用更优

中国医学科学院肿瘤医院Li等报告，基于CT纵隔窗的亚实性结节（SSN）分类在关键临床应用方面优于2024Fleischner更新分类和基于CT肺窗的分类，表现出更可靠的观察者一致性、更佳的侵袭性疾病识别能力及更强的预后价值。（Lung Cancer. 2026年2月14日在线版）

目前肺部SSN的分类在观察者间的一致性，以及在病理亚型和预后预测方面仍存在争议。2024年Fleischner学会更新的术语表中引入了一种基于结构成分的新分类方法，有必要验证其临床应用价值。

该项回顾性研究纳入2005年2月至2018年12月接受切除的SSN患者，由3位影像科医生分别使用三种分类方法对术前CT上的SSN进行独立分类，采用κ统计量评估观察者内及观察者间的一致性，使用logistic回归和Cox回归识别出病理亚型和预后的预测因素，并通过操作者特征曲线（ROC）及时间依赖ROC进行验证。

三种分类依次为传统的肺窗SSN分类、纵隔窗SSN分类（根据肺窗或纵隔窗参数设置检出的实性成分，将纯磨玻璃结节与混合磨玻璃结节区分开）以及2024Fleischner更新的SSN分类（基于结构成分将结节分为简单结节或复杂结节）。

结果显示：在1316例患者中，纵隔窗SSN分类均显示出良好至优秀的观察者内部一致性和观察者间一致性（κ范围：0.789~0.858）；2024Fleischner更新的SSN分类（κ范围：0.442~0.655）和肺窗SSN分类（κ范围：0.527~0.672）的一致性均为中等至良好，提示纵隔窗SSN分类优于这两种分类。

在区分浸润性腺癌与非浸润病变方面，纵隔窗的实变肿瘤比（OR=205.351，95%CI 36.579~1152.831）和纵隔窗SSN分类（OR=4.158，95%CI 2.684~6.442）均表现出较强的鉴别能力。融入纵隔窗实性成分大小的模型，ROC曲线下面积最大，达0.889，显著优于单独的2024Fleischner更新的SSN分类（P=0.012）。

在生存分析中，当单独评估个体时，纵隔窗SSN分类是三种分类方法中唯一的独立预后因素（aHR=3.576，95%CI 1.658~7.712）。SSN分类结合纵隔窗实变肿瘤比在不同时间节点的预后分层性能均优于仅使用纵隔窗实性成分大小或肺窗实性成分大小的模型。纵隔窗实变肿瘤比（aHR=49.924，95%CI 21.571~115.544）和纵隔窗SSN分类（aHR=3.576，95%CI 1.658~7.712）为稳健的独立预后因素。 （编译 王磊）