随着薄层HRCT的应用，肺结节现原形现的越来越早，也越来越清楚了!根据结节灶内有无实性成分的存在，肺亚实性结节灶(SSN)可分为纯磨玻璃密度灶(pGGN)、亚实性结节灶(PSN)。大部分持续存在的SSN茎病理证实多为浸润前或浸润性腺癌，包括不典型腺瘤样增生(AAH)、原位癌(AIS)和浸润性腺癌(AIC);仅有一小部分为良性病灶，如炎性结节灶和纤维灶(FF)。然而，经过多年随访SSN常表现为惰性、稳定或缓慢生长的进程，那多久该随访的确是个problem。要想解决这个problem，明确SSN和IAC的自然进程及识别可进展为IAC的SSN是非常关键的!

        大部分先前研究一直在探索SSN的组织学类型及浸润性，但尚无研究评价SSN的生长率及IAC的自然进程。相反，很多研究对SSN的自然进程或SSN生长的危险因素，但无关注生长的SSN的病理学类型。仅有少部分研究关注于SSN的倍增时间，而未阐述SSN的生长模式。

        最近，利用深度学习技术来用于肺结节的检出、分割及分类取得了很大的进步。 近日，Eur Radiol上发表的一篇名为Natural history of pathologically confirmed pulmonary subsolid nodules with deep learning-assisted nodule segmentation的论文通过深度学习辅助结节分割法探讨不同病理类型的肺亚实性结节(SSN)的自然进程。

        本项回顾性研究纳入了2012年6月至2019年6月期间95例经手术前长期随访且手术切除的SSN患者。使用基于Dr. Wise系统的深度学习对术前随访CT图像进行SSN检测并分割。将SSNs分为浸润性腺癌(IAC，n = 47)组和非IAC(n = 48)组。根据术前随访期间的结节灶变化，将SSN分为生长组(n = 68)、无生长(n = 22)组和新出现(n = 5)组。我们分析了SSN增长的累积百分比和生长模式，并确定了IAC诊断与SSN增长的重要因素。

        图.术前随访58.8个月后，pGGN进展为PSN，内可见新发实性成分。VDT和MDT分布为2630.0、2482.0 天。

        图.术前随访中新发pGGN，内可见空泡征

        术前平均随访时间为42.1±17.0个月。与非IAC组相比，在IAC中SSN更多显示出的增长或新出现(89.4%对64.6%，p = 0.009)。与非IAC相比，IAC的体积倍增时间缩短无显著性差异(1436.0±1188.2与2087.5±1799.7天，p = 0.077)。IAC的中位数大小倍增时间明显短于非IAC(821.7对1944.1天，p = 0.001)。分叶征(p = 0.002)和SSN大小(p = 0.004)是区分IAC的重要因素。在随访的前70个月中，IAC的累积增长率明显高于非IAC。 SSN的增长模式可能符合指数模型。 初始体积(p = 0.042)是SSN增长的预测因子。

        本研究表明，表现为SSN的IAC常表现为惰性的生长进程。与非IAC相比，IAC的平均增长率更高。分叶征和初始体积是提示IAC诊断的重要征象。SSN初始体积越大增长的可能性越大。

        原始出处：

        Lin-Lin Qi,Jian-Wei Wang,Lin Yang,et al. Natural history of pathologically confirmed pulmonary subsolid nodules with deep learning-assisted nodule segmentation.PMID:33219848DOI:10.1007/s00330-020-07450-z