慢性阻塞性肺疾病（COPD）的特征是长期的气道炎症和实质破坏阻碍了正常的气道通气，从而导致呼吸功能障碍。医学成像技术的最新进展改进了对COPD的结构评估。但是，在COPD的早期诊断、严重程度分层和有效治疗方面仍然存在挑战。

氙气增强双能（DE）CT是研究COPD患者局部肺通气异常的十分有前景的影像学手段。它使用两个（低和高）光子能谱将吸入的氙与空气，血液和软组织的天然肺成分区分开。因此，与SPECT相比，它提供了高空间分辨率的图像。与超极化气体MRI相比，氙气增强DE CT更廉价，并且更易于用于临床实践。

基于CT图像的FAN（full-scale airway network）流量模型可以超越常规成像分析的极限在微观结构水平上探究疾病的发生发展及器官的功能状态。已有文献显示，在不同的时间、不同的层面和层厚下进行的CT、HPX MRI和V-SPECT不可避免地存在肺体积差异从而不可避免地引入了误差，这提示需对图像进行共配准以进行FAN模型比较。

近日，发表在Radiology杂志的一项研究研讨了慢性阻塞性肺疾病（COPD）患者使用FAN流量模型通过氙增强双能（DE）CT进行氙气通气时计算出的通气分布，并研究了通气与肺密度和肺功能试验(PFTs)的关系，为临床提供了一个临床可操作性强的评估局部肺功能的影像学手段。

本项前瞻性研究应用FAN模型从2012年6月至2013年7月间扫描的COPD患者的氙气增强DE CT图像中提取结构数据，以计算气体通气动力学。比较氙气增强DE CT成像与FAN模型的中位横断面通气分布、肺叶通气百分比及变异系数(CV)量化的通气不均匀性。结果表明，肺通气参数与肺密度及肺功能测定试验结果之间存在一定的关系。使用一致性相关系数和皮尔逊相关系数测量各参数之间的一致性和相关性。

本研究共纳入22名男性COPD患者(平均年龄67岁±7岁[标准差])。应用FAN模型计算的肺叶通气率与氙气增强DE CT数据呈强烈的正相关(r = 0.7, P < .001)。95%的肺叶通风CV差异在95%的置信区间内。肺气肿百分比与肺叶通气百分比呈负相关性(氙气增强DE CT: r = -0.38, P < .001;FAN: r = -0.23, P = .02)，但正常组织体积百分比与肺叶通气百分比呈正相关(氙气增强DE CT: r = 0.78, P < .001;r= 0.45, P < .001)。

图1 氙气增强双能CT (Xe-DECT)与FAN模型计算的肺叶通气百分比(%ventilation)的比较。A，用氙气增强双能CT和FAN模型评估肺叶通气相对百分比的线性回归。B，通过变异系数量化通气不均匀性的Bland-Altman协议图。如图所示，应用FAN模型计算的肺叶通气率与氙气增强DE CT数据呈强烈的正相关(r = 0.7, P < .001)。

图2 应用氙气增强双能量CT (Xe-DECT，A)和FAN模型（B）评估肺叶肺气肿和肺叶通气的相对百分比的比较。氙气增强DE CT (C)和FAN模型(D)评估肺叶正常组织体积百分比和肺叶通气百分比的比较。如图所示，肺气肿百分比与肺叶通气百分比呈负相关性(氙气增强DE CT: r = -0.38, P < .001;FAN: r = -0.23, P = .02)，但正常组织体积百分比与肺叶通气百分比呈正相关(氙气增强DE CT: r = 0.78, P < .001;r= 0.45, P < .001)。

图3 肺分析显示肺气肿(−950 HU)与采用氙气增强双能CT (Xe-DECT，A)和FAN模型（B）评估的通气变异系数(CV)之间的关系。通气CV和肺功能之间的关系，(C)Xe-DECT vs FEV1% ，(D)FAN vs FEV1%，(E) Xe-DECT vs FEV1% / FVC %， (F)FAN vs FEV1 / FVC。如图所示，FAN模型的肺CVs与肺活量测定结果呈负相关(CV_FAN vs预记FEV1%:r = -0.75, P < .001;CV_FAN vs FEV1% / FVC %:r = -0.67, P < .001)。 

本研究成功地应用FAN模型从氙气增强双能(DE) CT中提取了能够推导出肺通气的结构信息。FAN模型肺通气与氙气增强DE CT成像数据、肺密度和肺功能试验结果密切相关。FAN模型可显示小气道疾病的区域性分布，并进一步量化阻塞性肺疾病的严重程度并进行分级。这些来自常规非增强CT的新影像学指标可以协助临床医生在研究试验或临床环境中选择和监测患者，为临床提供了评估和量化阻塞性肺疾病的影像学手段。

原文出处：Minsuok Kim,Ozkan Doganay,Hye Jeon Hwang,et al.Lobar Ventilation in Patients with COPD Assessed with the Full-Scale Airway Network Flow Model and Xenon-enhanced Dual-Energy CT.DOI:10.1148/radiol.2020202485