肺部磨玻璃结节高分辨CT征象与肺腺癌病理分型的关系

doi:10.3969/j.issn.1006-5725.2026.12.005

Abstract

Abstract:

Objective To explore the relationship between high-resolution CT signs of pulmonary ground glass nodules （GGN） and the pathological typing of lung adenocarcinoma. Methods A total of 104 patients with GGN confirmed by pathology from October 2021 to October 2025 were included in the study. Based on the World Health Organization （WHO） pathological classification criteria for lung adenocarcinoma， the patients were classified into the invasive adenocarcinoma （IAC） group， the minimally invasive adenocarcinoma （MIA） group， the adenocarcinoma in situ （AIS） group， and the atypical adenomatous hyperplasia （AAH） group. The baseline data， clinical indicators， high-resolution computed tomography （HRCT） sign features， and HRCT quantitative parameters of patients with different pathological types were compared. The HRCT sign features and quantitative parameters of IAC subtypes （wall-attached type， acinar type， and papillary type） were compared. Binary logistic regression analysis was employed to explore the influencing factors of IAC. The receiver operating characteristic （ROC） curve was utilized to analyze the diagnostic value of HRCT features for IAC. Results The proportions of lobulation sign， spiculation sign， clear and rough interfaces， vacuole sign， bronchial truncation sign， pleural indentation sign， and vessel convergence sign were significantly higher in the IAC group than those in the MIA， AIS， and AAH groups （P < 0.05）. The maximum nodule diameter， CT value， volume， and mass in the IAC group were significantly higher than those in the MIA， AIS， and AAH groups （P < 0.05）， whereas the relative CT value was significantly lower than that in the other three groups （P < 0.05）. There were no statistically significant differences in HRC qualitative features among the three IAC subtypes （P > 0.05）. The CT value， volume， and mass in the wall-attached type group were significantly lower than those in the acinar type and papillary type groups （P < 0.05）， while the relative CT value was significantly higher （P < 0.05）. Moreover， the CT value in the acinar type group was significantly lower than that in the papillary type group （P < 0.05）. The maximum nodule diameter， CT value， and volume were all influencing factors of IAC occurrence （P < 0.05）. The AUC values for predicting confirmed IAC using the lobulation sign， maximum nodule diameter， CT value， and volume were 0.668， 0.929， 0.827， and 0.909 respectively. Combined prediction yielded an AUC of 0.992， with a sensitivity of 97.01% and a specificity of 75.68%， indicating higher predictive value. Conclusions The high-resolution CT signs of pulmonary GGN are associated with the pathological typing of lung adenocarcinoma. In patients with IAC， the maximum nodule diameter， CT value， and volume are relatively large， and the lobulation sign is prominent. There are significant differences in CT signs between patients with IAC and those without IAC. Moreover， CT quantitative parameters and signs can also offer references for the clinical identification of IAC pathological subtypes.

Key words: pulmonary ground glass nodules, high-resolution CT, lung adenocarcinoma, pathological typing

CLC Number:

R734.2

Hongmei YUAN,Dongyuan LIU,Yajun XU,Xiuping ZHAO,Wenjie MA. The relationship between high-resolution CT features of pulmonary ground-glass nodules and pathological subtypes of lung adenocarcinoma[J]. The Journal of Practical Medicine, 2026, 42(12): 2119-2127.

Figures/Tables 10

Tab.1

Tab.2

Tab.3

Tab.4

Tab.5

Tab.6

Tab.7

Fig.1

Fig.2

Fig.3

References 27

[1]	李祥天，温小晖，王若琳，等. 机械拉伸载荷调控肺癌细胞行为的分子机制［J］. 中国临床解剖学杂志，2025，43（4）：444-449.doi：10.13418/j.issn.1001-165x.2025.4.13 . doi: 10.13418/j.issn.1001-165x.2025.4.13
[2]	KANZAKI R， REID S， BOLIVAR P，et al. FHL2 expression by cancer-associated fibroblasts promotes metastasis and angiogenesis in lung adenocarcinoma［J］. Int J Cancer，2025，156（2）：431-446.doi： 10.1002/ijc.35174 . doi: 10.1002/ijc.35174
[3]	YIN X， LU Y， CUI Y，et al. CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients： A multicenter study［J］. Chin J Cancer Res，2025，37（1）：12-27.doi： 10.21147/j.issn.1000-9604.2025. 01.02 . doi: 10.21147/j.issn.1000-9604.2025. 01.02
[4]	LIU J， LI Y， LONG Y，et al. Predicting High-risk Lung Adenocarcinoma in Solid and Part-solid Nodules on Low-dose CT： A Multicenter Study［J］. Acad Radiol，2025，32（5）： 2966-2976.doi： 10.1016/j.acra.2024.11.059 . doi: 10.1016/j.acra.2024.11.059
[5]	ZOU P L， MA C H， LI X，et al. Early Lung Adenocarcinoma Manifesting as Irregular Subsolid Nodules： Clinical and CT Characteristics［J］. Acad Radiol，2025，32（4）： 2320- 2329.doi： 10.1016/j.acra.2024.12.010 . doi: 10.1016/j.acra.2024.12.010
[6]	石琴，张依凡，杨易，等. ¹⁸F-FDG PET/CT预测浸润性肺腺癌WHO（2021）组织学分级［J］. 中国医学影像学杂志，2025，33（2）：171-176.doi： 10.3969/j.issn.1005-5185. 2025.02.012 . doi: 10.3969/j.issn.1005-5185. 2025.02.012
[7]	WU L H， CHEN L， WANG Q Y，et al. Correlation between HRCT signs and levels of CA125， SCCA， and NSE for different pathological types of lung cancer［J］. Eur Rev Med Pharmacol Sci，2023，27（9）：4162-4168.doi： 10.26355/eurrev_202305_32325 . doi: 10.26355/eurrev_202305_32325
[8]	ZHANG G， SHANG L， LI S，et al. Non-enhanced CT deep learning model for differentiating lung adenocarcinoma from tuberculoma： A multicenter diagnostic study［J］. Eur Radiol，2025，35（12）：8116-8125.doi： 10.1007/s00330-025-11721-y . doi: 10.1007/s00330-025-11721-y
[9]	AZUMA Y， SAKAMOTO S， HOMMA S，et al. Impact of accurate diagnosis of interstitial lung diseases on postoperative outcomes in lung cancer［J］. Gen Thorac Cardiovasc Surg，2023，71（2）：129-137.doi： 10.1007/s11748-022-01868-6 . doi: 10.1007/s11748-022-01868-6
[10]	中国医疗保健国际交流促进会肿瘤内科学分会，中国医师协会肿瘤医师分会. Ⅳ期原发性肺癌中国治疗指南（2024版）［J］.中华肿瘤杂志，2024，46（7）：595-636. doi：10.3760/cma.j.cn112152-20240311-00104 . doi: 10.3760/cma.j.cn112152-20240311-00104
[11]	SASAKI T， KUNO H， HIYAMA T，et al. 2021 WHO Classification of Lung Cancer： Molecular Biology Research and Radiologic-Pathologic Correlation［J］. Radiographics， 2024，44（3）：1-36.doi： 10.1148/rg.230136 . doi: 10.1148/rg.230136
[12]	王春，王晓娣，张海涛，等. 人工智能量化参数联合256层螺旋CT扫描对肺磨玻璃结节浸润程度的预测［J］. 实用医学杂志，2025，41（19）：3106-3111. doi：10.3969/j.issn.1006-5725.2025. 19.022 . doi: 10.3969/j.issn.1006-5725.2025. 19.022
[13]	CHEN L， SU Y， HUANG Y，et al. Predicting lymphovascular invasion in stage IA lung adenocarcinoma： A CT-based classification and regression tree model［J］. Eur Radiol，2025，35（10）：6357-6368.doi： 10.1007/s00330-025-11593-2 . doi: 10.1007/s00330-025-11593-2
[14]	古明宇，郑翔匀，马吉尔，等. 干细胞治疗在肺移植领域中的应用现状［J］. 器官移植， 2026， 17（2）： 311-318. doi： 10.12464/ j.issn.1674-7445.2025233 . doi: 10.12464/ j.issn.1674-7445.2025233
[15]	XU P， YAO F， XU Y，et al. Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma： A Multicenter Study［J］. Acad Radiol，2025，32（8）：4860-4870.doi： 10.1016/j.acra.2025. 04.005 . doi: 10.1016/j.acra.2025. 04.005
[16]	HUANG L， XU L， WANG X，et al. Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images： A Comparative Study of Intratumoral and Peritumoral Radiomics， Deep Learning， and Fusion Models［J］. Acad Radiol， 2025，32（8）：4880-4892.doi： 10.1016/j.acra.2025.04.029 . doi: 10.1016/j.acra.2025.04.029
[17]	汪琼，王之悦，雍千叶，等. 肺结节圆度在HRCT多平面重建图像上对纯磨玻璃结节的浸润性预测优于常规横断位［J］. 中国CT和MRI杂志，2025，23（9）： 44-46， 93.doi： 10.3969/j.issn.1 672-5131.2025.09.013 . doi: 10.3969/j.issn.1 672-5131.2025.09.013
[18]	武国华，伏平友，邢璐，宋方. 51例单发炎性肺磨玻璃结节患者HRCT特异征象分析［J］. 医学影像学杂志，2025，35（9）：65-67.doi： 10.20258/j.cnki.1006-9011.2025. 09.015 . doi: 10.20258/j.cnki.1006-9011.2025. 09.015
[19]	张利霞，刘海霞，陈玮，等. 纯磨玻璃结节的HRCT征象对非附壁型浸润性肺腺癌的诊断价值［J］. 河北医学，2023，29（1）：112-115.doi： 10.3969/j.issn.1006-6233. 2023. 01.021 . doi: 10.3969/j.issn.1006-6233. 2023. 01.021
[20]	刘江勇，黄文才，薛阳，等. 基于HRCT浸润性肺腺癌异质性分析及其与肿瘤倍增时间的相关性［J］. 放射学实践，2023，38（8）：990-995.doi： 10.13609/j.cnki.1000-0313. 2023.08.006 . doi: 10.13609/j.cnki.1000-0313. 2023.08.006
[21]	CHEN X， QI H， ZOU Y，et al. Predicting the spread through air spaces in lung adenocarcinoma from preoperative 18 F-FDG PET/CT radiomics［J］. Nucl Med Commun，2025，46（6）：570-578.doi： 10.1097/MNM.0000000000001975 . doi: 10.1097/MNM.0000000000001975
[22]	SATO J， YANAGAWA M， NISHIGAKI D，et al. Radiologists Versus AI-Based Software： Predicting Lymph Node Metastasis and Prognosis in Lung Adenocarcinoma From CT Under Various Image Display Conditions［J］. Clin Lung Cancer，2025，26（1）： 58-71.doi： 10.1016/j.cllc.2024.10.015 . doi: 10.1016/j.cllc.2024.10.015
[23]	DING X， ZHOU W， ZHONG G，et al. One-year mortality risk prediction model for patients with interstitial lung disease and lung cancer［J］. Transl Lung Cancer Res，2025， 14（5）：1786-1803.doi： 10.21037/tlcr-2025-235 . doi: 10.21037/tlcr-2025-235
[24]	KUDO Y， SAITO A， HORIUCHI T，et al. Preoperative evaluation of visceral pleural invasion in peripheral lung cancer utilizing deep learning technology［J］. Surg Today， 2025，55（1）：18-28.doi： 10.1007/s00595-024-02869-z . doi: 10.1007/s00595-024-02869-z
[25]	CHEN S， WANG X， LIN X，et al. CT-based radiomics predictive model for spread through air space of IA stage lung adenocarcinoma［J］. Acta Radiol，2025，66（5）： 477- 486.doi： 10.1177/02841851241305737 . doi: 10.1177/02841851241305737
[26]	MORI S， HASEGAWA M， SAKAI F，et al. Incidence of and predictive factors for lung cancer in patients with rheumatoid arthritis： A retrospective long-term follow-up study［J］. Mod Rheumatol，2025，35（2）：240-248.doi： 10.1093/mr/roae084 . doi: 10.1093/mr/roae084
[27]	邓琦，徐志锋，周涛，等. 基于人工智能CT定量分析对长径≤10 mm肺磨玻璃结节浸润程度的预测价值［J］.实用放射学杂志，2023，39（7）：1088-1092.doi： 10.3969/j.issn.1002-1671. 2023.07.010 . doi: 10.3969/j.issn.1002-1671. 2023.07.010

指标	IAC组（n = 67）	MIA组（n = 14）	AIS组（n = 13）	AAH组（n = 10）	F/χ²值	P值
性别					0.404	0.939
男	35（52.24）	7（50.00）	7（53.85）	6（60.00）
女	32（47.76）	7（50.00）	6（46.15）	4（40.00）
年龄（x ± s）/岁	58.56 ± 15.17	59.68 ± 17.24	58.11 ± 14.10	58.27 ± 15.63	0.039	0.990
BMI（x ± s）/（kg/m²）	22.24 ± 2.36	22.63 ± 2.70	22.43 ± 3.01	22.51 ± 2.48	0.089	0.966
病灶位置					4.529	0.972
左肺上叶	12（17.91）	2（14.29）	2（15.38）	2（20.00）
左肺下叶	12（17.91）	4（28.57）	3（23.08）	2（20.00）
右肺上叶	19（28.36）	5（35.71）	5（38.46）	2（20.00）
右肺中叶	12（17.91）	2（14.29）	1（7.69）	3（30.00）
右肺下叶	12（17.91）	1（7.14）	2（15.38）	1（10.00）

指标	IAC组（n = 67）	MIA组（n = 14）	AIS组（n = 13）	AAH组（n = 10）	χ²值	P值
形态					1.674	0.643
圆形/类圆	20（29.85）	6（42.86）	3（23.08）	4（40.00）
不规则	47（70.15）	8（57.14）	10（76.92）	6（60.00）
分叶征	46（68.66）	5（35.71）^*	5（38.46）^*	3（30.00）^*	11.080	0.011
毛刺征	50（74.63）	7（50.00）^*	6（46.15）^*	4（40.00）^*	8.810	0.032
界面					10.500	0.015
清楚光滑	10（14.93）	5（35.71）^*	4（30.77）^*	3（30.00）^*
清楚毛糙	45（67.16）	5（35.71）^*	4（30.77）^*	3（30.00）^*
模糊	12（17.91）	4（28.57）^*	5（38.46）^*	4（40.00）^*
空泡征	30（44.78）	1（7.14）^*	0（0.00）^*	0（0.00）^*	20.379	<0.001
支气管截断征	26（38.81）	0（0.00）^*	0（0.00）^*	0（0.00）^*	19.144	<0.001
胸膜凹陷征	31（46.27）	2（14.29）^*	1（7.69）^*	0（0.00）^*	16.317	<0.001
血管集束征	25（37.31）	1（7.14）^*	0（0.00）^*	0（0.00）^*	15.466	0.001

指标	IAC组（n = 67）	MIA组（n = 14）	AIS组（n = 13）	AAH组（n = 10）	F值	P值
结节最大径/mm	12.50 ± 3.12	6.82 ± 2.06^*	6.61 ± 1.83^*	6.34 ± 1.70^*	44.729	< 0.001
CT值/HU	-520.18 ± 68.01	-569.38 ± 74.16^*	-575.83 ± 80.23^*	-581.28 ± 87.41^*	4.887	0.003
相对CT值	0.60 ± 0.12	0.66 ± 0.09^*	0.67 ± 0.10^*	0.67 ± 0.09^*	3.370	0.021
体积/mm³	1 005.45 ± 247.45	572.12 ± 108.144^*	593.72 ± 120.17^*	580.42 ± 131.89^*	54.801	< 0.001
质量/mg	623.65 ± 173.19	289.67 ± 82.55^*	300.06 ± 91.76^*	293.65 ± 93.61^*	38.325	< 0.001

指标	附壁型组（n = 35）	腺泡型组（n = 21）	乳头型组（n = 11）	χ²值	P值
形态				1.210	0.546
圆形/类圆	11（31.43）	6（28.57）	3（27.27）
不规则	24（68.57）	15（71.43）	8（72.73）
分叶征	24（68.57）	15（71.43）	7（63.64）	0.204	0.903
毛刺征	26（74.29）	15（71.43）	9（81.82）	0.416	0.812
界面				1.042	0.903
清楚光滑	4（11.43）	3（14.29）	3（27.27）
清楚毛糙	25（71.43）	15（71.43）	5（45.45）^?#
模糊	6（17.14）	3（14.29）	3（27.27）
空泡征	17（48.57）	11（52.38）	2（18.18）^?#	3.841	0.147
支气管截断征	14（40.00）	8（38.10）	4（36.36）	0.053	0.974
胸膜凹陷征	16（45.71）	11（52.38）	4（36.36）	0.754	0.686
血管集束征	15（42.86）	9（42.86）	1（9.09）^?#	4.482	0.106

指标	附壁型组（n = 35）	腺泡型组（n = 21）	乳头型组（n = 11）	F值	P值
结节最大径/mm	11.95 ± 3.06	12.90 ± 3.20	13.50 ± 3.30	1.924	0.154
CT值/HU	-540.13 ± 69.10	-510.38 ± 67.80^*	-475.42 ± 66.20^*&	8.736	< 0.001
相对CT值	0.63 ± 0.12	0.58 ± 0.12^*	0.55 ± 0.13^*	3.512	0.036
体积/mm³	890.32 ± 233.54	1 105.80 ± 255.40^*	1 180.20 ± 260.30^*	7.843	< 0.001
质量/mg	558.52 ± 167.42	689.14 ± 187.21^*	705.87 ± 192.04^*	6.724	0.002

The relationship between high-resolution CT features of pulmonary ground-glass nodules and pathological subtypes of lung adenocarcinoma

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 27

Related Articles 7

Recommended Articles

Metrics

Comments

指标	β值	SE	Wald χ²	OR（95%CI）	P值
结节最大径	0.239	0.105	5.181	1.270（1.034 ~ 1.560）	0.023
CT值	0.291	0.061	22.903	1.338（1.187 ~ 1.508）	< 0.001
相对CT值	-0.571	0.334	2.923	0.565（0.294 ~ 1.087）	0.088
体积	0.113	0.037	9.327	1.120（1.041 ~ 1.204）	0.002
质量	2.117	1.027	4.249	1.658（1.110 ~ 62.13）	0.059
分叶征	0.133	0.060	4.194	1.142（1.016 ~ 1.285）	0.027
毛刺征	0.271	0.206	1.731	1.311（0.876 ~ 1.964）	0.189
空泡征	0.394	0.245	2.586	1.483（0.917 ~ 2.397）	0.109
支气管截断征	0.457	0.387	1.394	1.579（0.740 ~ 3.372）	0.238
胸膜凹陷征	0.592	0.405	2.137	1.808（0.817 ~ 3.998）	0.145
血管集束征	0.333	0.177	3.540	1.395（0.986 ~ 1.974）	0.061

指标	AUC	SE	P值	95%CI		截断值	约登指数	敏感度/%	特异度/%
指标	AUC	SE	P值	下限	上限	截断值	约登指数	敏感度/%	特异度/%
结节最大径	0.929	0.027	< 0.001	0.876	0.982	9.48 mm	0.706	89.55	81.08
CT值	0.827	0.045	< 0.001	0.739	0.915	-550.24 HU	0.605	82.09	78.38
体积	0.909	0.033	< 0.001	0.844	0.973	803.67 mm³	0.664	88.06	78.38
分叶征	0.668	0.056	0.005	0.557	0.778	/	0.518	76.12	75.68
联合预测	0.992	0.006	< 0.001	0.981	1.000	/	0.727	97.01	75.68

[1]	Xiaoyue LI,Na WANG,Xianni LIU,Tingli DAI,Haiwen CHEN,Jianguo XIN,Wei WANG,Menglan ZHANG. Analysis of the relationship between stromal fibrosis degree and targeted therapy resistance and prognosis in EGFR mutant lung adenocarcinoma [J]. The Journal of Practical Medicine, 2025, 41(15): 2381-2387.
[2]	Ying LIU,Yun LIU,Jiahui LIU,Lu WANG,Wenrui HOU,Xiaoli LI,Junxin XIANG,Dianming. LI. An analysis on clinical characteristics in patients with lung adenocarcinomas tested positive for EGFR mutation in pleural effusion [J]. The Journal of Practical Medicine, 2024, 40(1): 43-47.
[3]	HUANG Hancong, CHEN Qianhua, YANG Xiaorui.. Effects of cisplatin and pemetrexed combined with recombinant human endostatin injection in elderly patients with lung adenocarcinoma [J]. The Journal of Practical Medicine, 2023, 39(8): 1009-1014.
[4]	LI Xing, MA Li′na, CHENG Xiaozhen, CUI Ronghua, ZHANG Shubo. Effect and safety of chemotherapy⁃based PD⁃1 inhibitors in the treatment of advanced lung adenocarcino⁃ma [J]. The Journal of Practical Medicine, 2021, 37(3): 365-368.
[5]	ZHANG Caixia, WANG Xinwei, LIU Xinnian.. The value of evaluating the invasion of lung adenocarcinoma using autoantibodies combined with HRCT in pure ground ⁃glass nodule [J]. The Journal of Practical Medicine, 2021, 37(16): 2142-2146.
[6]	CHE Siyu, JIANG Yining, HAN Guangq⁃ ing, ZHAO Wenjing, LI Guosheng, LI Zhiyong.. A neural network model based on CT image used to differentiate minimally invasive adenocarcinoma and invasive adenocarcinoma presenting as pure ground⁃glass nodules [J]. The Journal of Practical Medicine, 2020, 36(23): 3273-3278.
[7]	LIN Zhongyuan, WANG Yimin, ZHANG Hui, LIN Shiqing, LIU Decheng, TANG Kejing, ZHANG Zha⁃ ohui, DOU Yunling. Transcriptome profiling of peripheral blood cells in patients with metastatic bone painfrom lung adenocar⁃cinoma [J]. The Journal of Practical Medicine, 2020, 36(21): 2953-2957.