肺癌筛查中的COPD识别新路径：整合定量CT生物标志物提升检出效率

亮点

本研究确定了一个优化的低剂量CT扫描肺气肿阈值，可在肺癌筛查参与者中中等程度地检出既往未诊断的慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）。将气道壁厚度和气道分支数等定量气道指标与临床特征相结合，可显著提高检出准确性，同时减少不必要的肺功能检查转诊。整合这些参数的机器学习集成模型（Extreme Gradient Boosting, XGBoost）在识别现吸烟者和既往吸烟者的气流受限方面，优于单独进行肺气肿评估。

研究背景

慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）与肺癌具有共同危险因素：烟草暴露。采用低剂量计算机断层扫描（Computed Tomography, CT）的肺癌筛查项目，为在高风险人群中机会性检出未诊断COPD提供了独特机会。COPD的早期识别对于及时干预至关重要，可能改善结局并减轻医疗负担。然而，基于CT结果决定何时将肺癌筛查受检者转诊至肺功能检查以进行确诊的指南仍较有限。传统COPD诊断依赖肺功能检查以检出固定性气流受限，但在临床实践中开展大规模肺功能筛查具有挑战性。定量CT生物标志物，包括肺气肿范围和气道形态学，正日益提供结构层面的信息，可辅助临床评估并预测气流受限。

研究设计

北德跨学科肺癌筛查综合实施研究（Holistic Implementation Study Assessing a Northern German Interdisciplinary Lung Cancer Screening Effort）纳入了5,000余名接受肺癌筛查的成年人，主要为现吸烟者或既往吸烟者，且吸烟史≥10包年。通过肺功能检查识别既往未诊断的COPD，其定义为气流受限（FEV1/FVC < 0.70），并在敏感性分析中采用正常值下限标准。采用基于人工智能的软件分析低剂量胸部CT图像，对肺气肿范围、标准化气道壁厚度（理论内周长为10毫米的气道壁面积平方根）以及气道分支数进行量化。一个基于集成树的机器学习模型——Extreme Gradient Boosting——整合了定量影像学生物标志物和吸烟史、呼吸困难等临床特征，以预测COPD存在。报告的诊断性能指标包括受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）、准确率、阳性预测值（positive predictive value, PPV）以及转诊至确诊肺功能检查的患者比例。

主要结果

在具有肺功能数据的5,014名筛查参与者中，1,115例（22.2%）被发现存在既往未诊断COPD。若不纳入气道生物标志物，仅以肺气肿范围作为指标，并采用5.1%的优化阈值时，对COPD的区分能力仅为中等（AUC 0.69；95% CI，0.67-0.72），可正确分类66%的患者，PPV为44%。值得注意的是，41%的患者超过该阈值，从而被建议进行确诊肺功能检查，提示转诊负担较大。

将肺气肿、气道壁厚度、气道分支数及临床特征相结合的集成机器学习模型显著提升了诊断性能。该模型的AUC为0.83（95% CI，0.80-0.86），准确率为78%，PPV为59%，同时将需要确诊肺功能检查的转诊比例降至34%。因此，该策略通过优先将高概率病例用于肺功能确诊，提高了检出效率。

在采用正常值下限肺功能标准定义COPD的敏感性分析中，集成模型的性能进一步提高，AUC为0.86（95% CI，0.83-0.89），准确率为84%，PPV为53%，且仅有22%的患者被转诊进行确诊检测。这些结果强调了定量CT气道生物标志物与临床数据结合，在增强COPD早期识别方面的稳健性。

专家评述

本研究通过先进影像学生物标志物与机器学习的结合，弥补了肺癌筛查项目中COPD检出的一个关键空白。将肺气肿定量与气道壁厚度及分支指标相结合，反映了对COPD相关肺结构改变更为全面的评估，而不仅限于肺气肿本身。阳性预测值的提升以及不必要肺功能检查转诊的减少，凸显了该方法在临床实践中的实际价值。

不过，仍需考虑若干局限性。该队列主要由吸烟暴露较重的现吸烟者和既往吸烟者构成，因此其对其他人群的推广性可能有限。此外，尽管CT衍生的定量气道测量具有前景，但在研究环境之外，其可及性和标准化程度仍然有限。进一步而言，虽然该机器学习模型显示出优异的区分能力，但仍需前瞻性验证并纳入临床工作流程，以确认其真实世界应用价值。

目前国际COPD指南已认可CT影像在疾病表型分层中的作用，但尚未正式建立基于CT的筛查或肺功能检查转诊算法。本研究结果可为未来建议提供依据，形成一套基于证据的框架，以利用低剂量CT扫描实现COPD的机会性识别和更高效的资源分配。

结论

本研究表明，将定量低剂量CT肺气肿及气道形态学生物标志物与临床特征相结合的整合策略，可显著增强肺癌筛查队列中既往未诊断COPD的检出能力。该策略提高了诊断准确率，提升了COPD的阳性预测值，并减少了不必要的确诊肺功能检查转诊。若在肺癌筛查项目中实施此类模型，可能有助于实现有针对性的COPD早期诊断，促进及时临床干预，并有望减轻疾病负担。仍需进一步研究，以在不同人群中验证这些发现，并评估基于综合影像学的COPD检出对长期结局的影响。

资金支持与临床试验注册

该研究已在ClinicalTrials.gov注册（NCT04913155）。摘要中未明确说明具体资助来源。完整试验信息可通过ClinicalTrials.gov获取。

参考文献

1. Abdo M, Pott H, Reck M, et al. Integrating Quantitative CT Scan Biomarkers to Enhance COPD Detection in the Holistic Implementation Study Assessing a Northern German Interdisciplinary Lung Cancer Screening Effort Lung Cancer Screening Program. Chest. 2026 Aug 14. PMID: 42600771. https://pubmed.ncbi.nlm.nih.gov/42600771/
2. Vestbo J, Hurd SS, Agusti AG, et al. Global strategy for the diagnosis, management, and prevention of chronic obstructive pulmonary disease: GOLD executive summary. Am J Respir Crit Care Med. 2013 Feb 15;187(4):347-65.
3. GOLD Report 2023. Global Initiative for Chronic Obstructive Lung Disease. https://goldcopd.org/2023-gold-report-2/
4. National Lung Screening Trial Research Team. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011 Aug 4;365(5):395-409.