肖飛 余其多 張真榕 劉德若 梁朝陽

依據(jù)2017版Fleischner協(xié)會(huì)指南，肺結(jié)節(jié)按影像學(xué)特征分為實(shí)性結(jié)節(jié)和非實(shí)性結(jié)節(jié)，后者又依據(jù)毛玻璃密度成分（ground glass opacity, GGO）比例分為部分實(shí)性結(jié)節(jié)（part-solid nodule, PSN）和純磨玻璃樣結(jié)節(jié)（pure ground glass nodule, PGGN）[1]。伴隨低劑量螺旋CT在肺癌篩查中的普及和高分辨率計(jì)算機(jī)斷層掃描（computed tomography, CT）的廣泛應(yīng)用，肺小結(jié)節(jié)的檢出率逐年升高。美國(guó)國(guó)家肺癌篩查研究（National Lung Screening Trial, NLST）已經(jīng)證實(shí)低劑量CT篩查可降低肺癌相關(guān)病死率[2,3]。目前，以美國(guó)國(guó)家綜合癌癥網(wǎng)絡(luò)（National Comprehensive Cancer Network, NCCN）指南為代表[4]，多項(xiàng)指南對(duì)肺結(jié)節(jié)的檢出方法、隨訪策略、手術(shù)適應(yīng)證等做出詳細(xì)規(guī)定。其中，臨床經(jīng)驗(yàn)診斷高危組對(duì)象應(yīng)接受包括CT引導(dǎo)下穿刺或腔鏡活檢在內(nèi)的有創(chuàng)檢查。盡管美國(guó)胸科醫(yī)師協(xié)會(huì)（American College of Chest Physicians,ACCP）按照年齡、吸煙史和病變大小、位置、形態(tài)等對(duì)“危險(xiǎn)程度”有粗略的分組[5]，目前仍缺乏對(duì)“高?！钡慕y(tǒng)一、確切定義。尤其是隨著肺癌流行病學(xué)趨勢(shì)的改變，在亞洲地區(qū)，以非實(shí)性肺小結(jié)節(jié)為表征的早期肺癌在年輕不吸煙女性患者中同樣高發(fā)[6-8]，影響肺癌篩查、診療策略的制定與選擇。

因此，有必要建立新的預(yù)測(cè)模型，針對(duì)非實(shí)性肺小結(jié)節(jié)，應(yīng)用數(shù)學(xué)計(jì)算方法給出客觀的“惡性概率”。與以往報(bào)道的模型不同，本項(xiàng)研究的對(duì)象是臨床懷疑惡性的非實(shí)性肺小結(jié)節(jié)，致力于在臨床肺活檢或手術(shù)切除前進(jìn)行更準(zhǔn)確判斷，提高模型預(yù)測(cè)靈敏度，為有創(chuàng)操作提供更客觀的依據(jù)，同時(shí)提高模型的陽性預(yù)測(cè)價(jià)值，盡量避免不必要的侵襲性操作，降低肺癌篩查相關(guān)副損傷，減少不必要的醫(yī)療支出和資源浪費(fèi)。考慮到預(yù)測(cè)模型僅僅用于初篩的定位，且正電子發(fā)射斷層顯像（positron emission tomography-computed tomography, PET-CT）檢查對(duì)肺小結(jié)節(jié)，尤其是直徑小于1 cm的肺結(jié)節(jié)診斷價(jià)值存在爭(zhēng)議[9]，更無論在一些低收入地區(qū)，其性價(jià)比仍是客觀考慮因素之一，本研究未納入PET-CT相關(guān)檢查指標(biāo)。同時(shí)，對(duì)一些技術(shù)水平要求較高的新型診療技術(shù)方法，如“CT三維成像”等，為了便于臨床應(yīng)用，增加模型的適用性，亦暫未納入。

1 材料與方法

1.1 入組標(biāo)準(zhǔn)及排除標(biāo)準(zhǔn) 參考NCCN指南中肺小結(jié)節(jié)診療策略在近年來的變化[4,10]，我們將初始直徑≥5 mm且＜1 cm，隨訪胸部CT提示病變體積增大或?qū)嵭猿煞直壤黾?，或者直徑? cm胸部CT高度懷疑惡性作為非實(shí)性肺小結(jié)節(jié)的穿刺或手術(shù)切除活檢標(biāo)準(zhǔn)，這同時(shí)也是本項(xiàng)研究中病例的入組標(biāo)準(zhǔn)。排除標(biāo)準(zhǔn)包括病變實(shí)性成分最大徑＞3 cm，既往5年內(nèi)有肺惡性腫瘤史，以及同時(shí)多發(fā)肺小結(jié)節(jié)病例。本項(xiàng)回顧性臨床研究經(jīng)中日友好醫(yī)院臨床試驗(yàn)倫理委員會(huì)審查通過。入組患者接受有創(chuàng)檢查或手術(shù)前已簽署相關(guān)知情同意書。

1.2 病例隊(duì)列 2013年1月-2018年4月，經(jīng)初篩共398例患者滿足上述入組條件，納入回顧研究。全部患者經(jīng)穿刺活檢或手術(shù)切除獲得明確病理診斷，其中36例因臨床資料不完備予以剔除，余362例構(gòu)成研究隊(duì)列（詳細(xì)情況見表1）。病例按總體良惡性比例隨機(jī)分為兩組，其中建模組242例，約占2/3，驗(yàn)證組120例。收集患者年齡、性別、吸煙史（包括是否戒煙、戒煙時(shí)間等）、家族肺癌病史和肺外腫瘤史等基本資料。記錄穿刺或手術(shù)活檢前7天內(nèi)外周血腫瘤標(biāo)記物CEA和Cyfra21-1水平?；仡櫺蚤喥?，判定肺結(jié)節(jié)的大?。ò凑誇leischner協(xié)會(huì)指南肺結(jié)節(jié)測(cè)量方法[1]和非小細(xì)胞肺癌（non-small cell lung cancer,NSCLC）第8版TNM分期中T分期標(biāo)準(zhǔn)[11]，分別測(cè)量結(jié)節(jié)整體和實(shí)性部分的長(zhǎng)軸）并計(jì)算腫瘤實(shí)性成分比值（consolidation tumor ratio, CTR），記錄病變位置和形態(tài)（包括毛刺狀、分葉征、鈣化、空泡、邊界清楚、胸膜牽拉征和合并肺氣腫等）。

1.3 統(tǒng)計(jì)學(xué)分析 應(yīng)用SPSS 19.0軟件進(jìn)行統(tǒng)計(jì)分析。將年齡、性別、吸煙史、家族肺癌病史、肺外腫瘤史、CEA、Cyfra21-1、結(jié)節(jié)最大徑、實(shí)性成分最大徑、CTR值、位于上葉、毛刺狀、分葉征、鈣化、空泡、邊界清楚、胸膜牽拉及合并肺氣腫等18項(xiàng)作為潛在危險(xiǎn)因素，先行單變量分析，其中連續(xù)變量應(yīng)用t檢驗(yàn)，分類變量應(yīng)用χ2檢驗(yàn)。將單因素分析差異有統(tǒng)計(jì)學(xué)意義的變量（為避免漏掉重要因素，P值上限放寬至0.25）納入二分類Logistic回歸模型，得到判定非實(shí)性肺小結(jié)節(jié)惡性概率的獨(dú)立危險(xiǎn)因素，計(jì)算比值比（odd ratio, OR）及95%置信區(qū)間（confidence interval, CI）?；诙嘧兞糠治鼋Y(jié)果建立預(yù)測(cè)模型，計(jì)算“約登指數(shù)（Youden Index）”確定模型診斷界值，得到模型診斷的靈敏度、特異性、陽性預(yù)測(cè)值和陰性預(yù)測(cè)值。繪制受試者工作曲線（receiver-operating characteristic curve, ROC curve），應(yīng)用MedCalc 12.5軟件，基于驗(yàn)證組數(shù)據(jù)，通過比較ROC曲線下面積（area under the curve, AUC），與現(xiàn)有各肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型進(jìn)行驗(yàn)證、比較，P＜0.05為有統(tǒng)計(jì)學(xué)差異。

2 結(jié)果

2.1 病理診斷結(jié)果 362例非實(shí)性肺小結(jié)節(jié)病例中，313例（86.5%）診斷為惡性病變，其中CT引導(dǎo)下穿刺活檢明確惡性52例，進(jìn)一步手術(shù)切除后，共病理確診AAH/AIS 16例，MIA 52例，浸潤(rùn)性腺癌245例；49例診斷為良性病變，其中CT引導(dǎo)下穿刺未見惡性成分6例（均建議繼續(xù)定期隨訪，必要時(shí)反復(fù)穿刺甚至手術(shù)切除明確病理診斷），手術(shù)切除43例中，診斷機(jī)化性肺炎或其他炎性病變37例，肺內(nèi)淋巴結(jié)4例，隱球菌感染2例。

表1 入組患者一般狀況、血清腫瘤標(biāo)記物水平及影像學(xué)特征Tab 1 Patients'characteristics and demographic data

2.2 惡性概率獨(dú)立危險(xiǎn)因素分析及預(yù)測(cè)模型構(gòu)建 按照良惡性分組，比較組間基本臨床資料、血清腫瘤標(biāo)記物水平和影像學(xué)特征差異情況；同時(shí)，如前述按照總體良惡性比例隨機(jī)選取242例病例構(gòu)成建模組，其中惡性肺小結(jié)節(jié)病例209例，良性33例，對(duì)上述18項(xiàng)潛在危險(xiǎn)因素行單變量分析，結(jié)果如表2示。

總體研究隊(duì)列中，良惡性患者組間在年齡、血清CEA和Cyfra21-1水平、結(jié)節(jié)實(shí)性成分最大徑、CTR值、影像學(xué)特點(diǎn)毛刺狀、分葉征、鈣化和胸膜牽拉等方面存在顯著差異。良性結(jié)節(jié)更多表現(xiàn)為邊界清楚，但未及顯著差異。良惡性患者組間在性別比例、吸煙史、家族肺癌病史、肺外腫瘤史、結(jié)節(jié)最大徑、位置、空泡征和合并肺氣腫比例上無差異。建模組隊(duì)列中，良惡性患者組間在年齡、血清CEA和Cyfra21-1水平、結(jié)節(jié)實(shí)性成分最大徑、CTR值、影像學(xué)特點(diǎn)分葉征和鈣化等方面同樣存在顯著差異。綜合以上結(jié)果，將年齡、CEA、Cyfra21-1、實(shí)性成分最大徑、CTR值、毛刺狀、分葉征、鈣化、邊界清楚及胸膜牽拉等10項(xiàng)作為潛在危險(xiǎn)因素（P＜0.25），納入多因素分析，應(yīng)用二分類Logistic回歸模型，得到判定非實(shí)性肺小結(jié)節(jié)惡性概率的獨(dú)立危險(xiǎn)因素，及其OR值及95%CI。結(jié)果如表3示。

患者年齡、血清學(xué)腫瘤標(biāo)記物CEA和Cyfra21-1、CTR值、分葉征和鈣化被確定為非實(shí)性肺小結(jié)節(jié)惡性概率獨(dú)立危險(xiǎn)因素。實(shí)性成分最大徑（P=0.925）、毛刺狀（P=0.983）、邊界清楚（P=0.968）和胸膜牽拉（P=0.473）為非獨(dú)立危險(xiǎn)因素。

據(jù)此，提出中日醫(yī)院非實(shí)性肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型（China-Japan Friendship Hospital model, CJFH model）：惡性概率（probability of malignancy）= eX/（1+eX）。其中， X = -6.159+（0.055×年齡）+（1.337×CTR）+（0.980×分葉征）-（3.236×鈣化）+（1.126×CEA）+（0.877×Cyfra21-1）。

數(shù)字e是一個(gè)數(shù)學(xué)常數(shù)，是自然對(duì)數(shù)函數(shù)的底數(shù)。年齡按年/歲記錄；CTR如果大于或等于0.5記為1，小于0.5記為0；分葉征和鈣化若存在記為1，否則為0；CEA和Cyfra21-1代表外周血腫瘤標(biāo)記物CEA和Cyfra21-1水平，單位為ng/mL。

基于建模組數(shù)據(jù)構(gòu)建CJFH模型的ROC曲線（圖1），得到AUC值為0.894（95%CI: 0.846-0.942）。為盡量避免漏診惡性結(jié)節(jié)，并減少不必要的手術(shù)或活檢，結(jié)合約登指數(shù)計(jì)算結(jié)果，確定為0.794診斷閾值，此時(shí)模型靈敏度為87.6%（183/209），特異度為69.7%（23/33），陽性預(yù)測(cè)值為94.8%（183/193），陰性預(yù)測(cè)值為46.9%（23/49）。

表2 非實(shí)性肺小結(jié)節(jié)良惡性組間單因素分析結(jié)果Tab 2 Demographic data, serum tumor markers and imaging characteristics of the non-solid lung nodules in benign and malignant groups

表3 非實(shí)性肺小結(jié)節(jié)惡性概率獨(dú)立危險(xiǎn)因素多因素分析結(jié)果Tab 3 Multivariate analysis of independent predictors of malignancy for non-solid lung nodules

2.3 對(duì)惡性概率預(yù)測(cè)模型的驗(yàn)證和比較 應(yīng)用驗(yàn)證組120例病例數(shù)據(jù)，代入CJFH模型和其他廣泛應(yīng)用的肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型，包括Mayo模型[12]、VA模型[13]、Brock模型[14]、北京大學(xué)人民醫(yī)院（Peking University People's Hospital,PKUPH）模型[15]和廣州醫(yī)科大學(xué)第一醫(yī)院（Guangzhou Medical University First Hospital, GMUFH）模型[16]（各模型具體計(jì)算公式見附錄），繪制各自模型的ROC曲線（圖2），得到AUC值。CJFH模型ROC曲線的AUC值與其他模型ROC曲線的AUC值比較結(jié)果如表4示。

基于驗(yàn)證組數(shù)據(jù)，得到CJFH模型ROC曲線AUC值為0.855（95%CI: 0.775-0.934），提示預(yù)測(cè)效果較為滿意。該AUC值顯著高于VA、Brock、GMUFH模型ROC曲線的AUC值（P＜0.05），亦有優(yōu)于Mayo模型和PKUPH模型的趨勢(shì)，但未及顯著差異。

3 討論

建立肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型，有助于為進(jìn)一步有創(chuàng)診斷、治療提供“客觀”依據(jù)，是對(duì)肺小結(jié)節(jié)診治流程的有益補(bǔ)充。自從Swensen等建立了Mayo模型[12]后，已有較多肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型[13-16]相繼問世。受入組病例構(gòu)成的影響，傳統(tǒng)預(yù)測(cè)模型更多針對(duì)實(shí)性肺小結(jié)節(jié)，僅有Brock模型[14]依據(jù)結(jié)節(jié)類型做了系數(shù)調(diào)整。已知實(shí)性肺小結(jié)節(jié)和以GGO為主要影像學(xué)表現(xiàn)的非實(shí)性肺小結(jié)節(jié)相比，其臨床、病理特征均有較大差別[17-19]。近年來，尤其在亞洲地區(qū)，以非實(shí)性肺小結(jié)節(jié)為表征的早期肺癌檢出率逐年升高，且患者群體中大量為年輕不吸煙女性。肺癌流行病學(xué)趨勢(shì)的改變提示有必要為非實(shí)性肺小結(jié)節(jié)構(gòu)建獨(dú)立的惡性概率預(yù)測(cè)模型。

本研究回顧性分析了單中心362例患者的臨床資料。全部患者臨床考慮“高?！保邮芰舜┐袒顧z或手術(shù)切除取得明確病理診斷。總體上看，86.5%（313/362）的患者確診為肺惡性腫瘤，良惡性患者組間在性別比例、吸煙史、家族肺癌病史、肺外腫瘤史、結(jié)節(jié)最大徑、位置、空泡征和合并肺氣腫比例上無差異，這反映出以非實(shí)性肺小結(jié)節(jié)為表征的肺惡性腫瘤有別于傳統(tǒng)肺癌，具備不同的臨床病理特征。例如，女性患者比例增加；不吸煙并不能作為保護(hù)性因素；病變位置不易區(qū)別良惡性；尤其是病灶直徑——整體的大小并不能影響惡性概率，亦與肺癌分期及預(yù)后無關(guān)[20]，這在一定程度上符合NSCLC第8版TNM分期中對(duì)T分期的修訂[11]。本研究確認(rèn)年齡、血清學(xué)腫瘤標(biāo)記物CEA和Cyfra21-1、CTR值、分葉征和鈣化為非實(shí)性肺小結(jié)節(jié)惡性概率獨(dú)立危險(xiǎn)因素，并納入模型。調(diào)整年齡所占權(quán)重，并增加血清腫瘤標(biāo)記物水平作為預(yù)測(cè)值，這符合既往研究中提出的改善建議[21]。分葉征和鈣化被證實(shí)為影像學(xué)特征上影響惡性概率的獨(dú)立危險(xiǎn)因素，既往亦有報(bào)道[22]。針對(duì)非實(shí)性肺小結(jié)節(jié)的特點(diǎn)，引入CTR作為預(yù)測(cè)值，與文獻(xiàn)報(bào)道應(yīng)用CTR區(qū)分腫瘤侵襲性和安排隨訪相似[17]。Takenaka等[23]報(bào)道病灶實(shí)性成分體積是臨床Ia期NSCLC無病生存期的獨(dú)立危險(xiǎn)因素，但在本研究多因素分析中，實(shí)性成分最大徑并不是非實(shí)性肺小結(jié)節(jié)惡性概率的獨(dú)立危險(xiǎn)因素。

表4 基于驗(yàn)證組數(shù)據(jù)比較CJFH模型與現(xiàn)有模型的AUC值Tab 4 Comparison result of AUC values between CJFH model and other models

圖1 基于建模組數(shù)據(jù)繪制CJFH模型ROC曲線Fig 1 ROC curve of the CJFH model based on data from the derivation set

圖2 基于驗(yàn)證組數(shù)據(jù)繪制不同預(yù)測(cè)模型的ROC曲線Fig 2 ROC curves of different models based on data from the validation set

本模型具備較高的預(yù)測(cè)價(jià)值，ROC曲線AUC值為0.894。當(dāng)以0.794為診斷閾值時(shí)，模型靈敏度達(dá)87.6%，陽性預(yù)測(cè)值達(dá)94.8%。高靈敏度和陽性預(yù)測(cè)值可以保證預(yù)測(cè)模型用作活檢或外科切除前的初篩方法，具備臨床應(yīng)用價(jià)值，最大可能的避免漏診肺癌病例，同時(shí)盡量降低診斷假陽性率，避免不必要的活檢、手術(shù)對(duì)患者造成副損傷，減少醫(yī)療費(fèi)用支出和資源浪費(fèi)。模型的特異度和陰性預(yù)測(cè)值較低，分別為69.7%和46.9%，一方面，這與本預(yù)測(cè)模型用作活檢或外科切除前初篩的定位及其使用目的有關(guān)；另一方面，說明應(yīng)用模型預(yù)測(cè)后得到一定數(shù)量假陰性（26/242）和假陽性（10/242）結(jié)果，其中假陰性更多，提示對(duì)推測(cè)良性可能性大的非實(shí)性結(jié)節(jié)同樣應(yīng)當(dāng)注重隨訪，依據(jù)動(dòng)態(tài)變化情況選擇進(jìn)一步治療策略。和其他模型相比，本模型的靈敏度和陽性預(yù)測(cè)值大幅占優(yōu)，但特異度和陰性預(yù)測(cè)值與國(guó)外模型接近，低于國(guó)內(nèi)模型的有關(guān)報(bào)道（PKUPH模型：特異度81.8%，陰性預(yù)測(cè)值85.7%；GMUFH模型：特異度84.6%，陰性預(yù)測(cè)值83.0%）。

從總體預(yù)測(cè)價(jià)值的角度看，經(jīng)驗(yàn)證組隊(duì)列驗(yàn)證，與其他模型相比，本模型預(yù)測(cè)價(jià)值占優(yōu)，且顯著優(yōu)于VA模型、Brock模型和GMUFH模型。可能有如下幾方面原因：(1)研究對(duì)象確定為臨床可疑惡性的非實(shí)性肺小結(jié)節(jié)，針對(duì)特定人群，避免了病例選擇偏倚；(2)病例隊(duì)列來自國(guó)人群體，亞裔肺癌患者中不吸煙、女性比例更高[6,7]，且亞裔罹患結(jié)核的比例更高，可能對(duì)病灶形態(tài)及位置分布產(chǎn)生影響；(3)模型引入了新型預(yù)測(cè)值，包括反映非實(shí)性肺小結(jié)節(jié)影像學(xué)特征的CTR值，和血清腫瘤標(biāo)記物水平。尤其是后者，盡管肺癌血清腫瘤標(biāo)記物的敏感性和特異性普遍不高，有研究證實(shí)CEA和Cyfra21-1水平對(duì)早期肺癌診斷有一定價(jià)值，并可能對(duì)其預(yù)后產(chǎn)生影響[24,25]。此外，就各個(gè)模型自身的局限性逐一分析：Mayo模型作為20多年前的研究成果，存在地域和種族的局限性，研究還除外了5年內(nèi)罹患肺癌或有肺外腫瘤病史者，削弱了樣本的代表性。此外，統(tǒng)計(jì)結(jié)果中的惡性肺小結(jié)節(jié)所占比例較低，更有12%的患者無明確的病理診斷，僅根據(jù)2年隨訪結(jié)節(jié)無變化即定為良性，考慮到大量以GGO為表象的早期肺癌可連續(xù)隨訪多年而沒有變化，其統(tǒng)計(jì)方式有待推敲和完善。VA模型提出影響肺小結(jié)節(jié)惡性概率的獨(dú)立危險(xiǎn)因素包括年齡、吸煙史、戒煙時(shí)間和結(jié)節(jié)直徑。相較于其他模型，該模型并未包含對(duì)結(jié)節(jié)影像特征的評(píng)價(jià)因素，可能導(dǎo)致較大的誤差。Brock模型是目前收集樣本例數(shù)最多、國(guó)際公認(rèn)診斷效能最強(qiáng)的預(yù)測(cè)模型之一，但其建模數(shù)據(jù)源于加拿大一項(xiàng)肺癌篩查實(shí)驗(yàn)的病例隊(duì)列，入組的均為首次經(jīng)CT篩查發(fā)現(xiàn)的肺小結(jié)節(jié)。當(dāng)使用Brock模型用于“高?！狈菍?shí)性肺小結(jié)節(jié)患者穿刺或手術(shù)前粗篩時(shí)，存在一定程度的選擇偏倚。國(guó)內(nèi)相關(guān)模型同樣面臨類似的選擇偏倚問題，此外，尚無預(yù)測(cè)模型將血清腫瘤標(biāo)記物水平納入，這可能是造成模型預(yù)測(cè)價(jià)值較低的瓶頸因素。

本研究同樣存在局限。作為單中心回顧性研究，病例數(shù)量有限，結(jié)果尚需大樣本病例驗(yàn)證。本模型臨床應(yīng)用定位于初篩，為兼顧實(shí)用性和準(zhǔn)確性，并未納入一些客觀條件要求較高、尚未廣泛普及的變量。注意到近年來新報(bào)道的肺小結(jié)節(jié)預(yù)測(cè)模型中，有將PET-CT檢查標(biāo)準(zhǔn)攝取值（standard uptake value, SUV）[26]或血漿microRNA水平[27]納入預(yù)測(cè)模型獲得較高診斷效能的實(shí)例，這些探索性的研究結(jié)果尚待大樣本病例隊(duì)列加以驗(yàn)證。在本項(xiàng)研究的設(shè)計(jì)過程中，考慮到數(shù)據(jù)采集的可操作性和質(zhì)控要求，并未納入術(shù)前檢查容易缺漏或“推測(cè)”與惡性概率無關(guān)的指標(biāo)。但確有研究證實(shí)如血清總蛋白水平、實(shí)測(cè)1秒量占預(yù)計(jì)值百分比等同樣可以是肺小結(jié)節(jié)惡性概率的預(yù)測(cè)指標(biāo)[28]。提示前瞻性的實(shí)驗(yàn)設(shè)計(jì)和更加完備的建模方法是今后研究的方向。

綜上，本研究在兼顧實(shí)用性和準(zhǔn)確性的前提下，建立了新型非實(shí)性肺小結(jié)節(jié)惡性概率預(yù)測(cè)模型，預(yù)測(cè)指標(biāo)包括年齡、血清學(xué)腫瘤標(biāo)記物CEA和Cyfra21-1、CTR值、分葉征和鈣化。模型具備理想的預(yù)測(cè)價(jià)值，具備較高的診斷靈敏度和陽性預(yù)測(cè)值。經(jīng)初步驗(yàn)證，對(duì)非實(shí)性肺小結(jié)節(jié)惡性概率的預(yù)測(cè)價(jià)值優(yōu)于傳統(tǒng)模型。未來經(jīng)大樣本病例驗(yàn)證后，可用作高危非實(shí)性肺小結(jié)節(jié)活檢或手術(shù)切除前的初篩方法，具備臨床應(yīng)用價(jià)值。