肺純磨玻璃樣結節（pure ground glass nodule，pGGN）中腺癌占比30%～60%，浸潤性腺癌占比1.7%～24.3%[1-3]。對于浸潤性腺癌，臨床治療手段多為肺葉切除術及縱隔淋巴結清掃，而前驅體病變及微浸潤腺癌治療手段常為楔形或肺段切除術[4]。此外，浸潤性腺癌患者術后5年無病生存率為38%～95%，低于前驅體病變和微浸潤腺癌[5]。術前判斷pGGN浸潤程度對于手術方案制定及預后評估有重要意義。單純CT無法準確判斷肺pGGN浸潤程度[6]。結合CT圖像特征判斷肺pGGN浸潤程度的價值也有限，臨床應用效果并不理想[7]。此外，各研究的CT掃描參數及圖像采集和處理方案不盡相同，且結果也存在一定差異[8-10]。研究[11]顯示部分免疫炎癥指標和腫瘤標志物水平與肺結節浸潤程度相關，如血小板與淋巴細胞比值（platelet to lymphocyte ratio，PLR）和癌胚抗原（carcinoembryonic antigen，CEA）在腺體前驅病變階段就已發生變化。目前，聯合CT定量參數、CT征象、血細胞參數和腫瘤標志物，綜合預測肺pGGN浸潤程度的研究較少。本研究分析肺pGGN患者的CT定量參數、CT征象、血細胞參數和腫瘤標志物資料，篩選與浸潤程度有關的風險因素并構建預測模型，以期為臨床醫師制定手術方案及預后評估提供參考。
1 資料與方法
1.1 臨床資料
回顧性分析唐山市工人醫院2021年6月—2024年4月的CT表現為肺結節患者的臨床資料。根據手術病理結果是否為浸潤性腺癌分為非浸潤組和浸潤組。按7∶3分為訓練集和驗證集。納入標準：（1）CT表現為單發pGGN；（2）有手術病理結果；（3）結節直徑≤3 cm。排除標準：（1）術前抗腫瘤治療或穿刺活檢；（2）臨床資料不完整；（3）CT圖像存在明顯偽影或影響觀察。
1.2 樣本量計算
用R 4.3.2軟件中“pmsampsize”包計算樣本量。參照文獻[1]設定cstatistic（0.911）和prevalence（0.251）。納入研究分析因素23個，經計算得出，所需樣本量最少為523例，且需包含浸潤性腺癌132例。
1.3 CT檢查及圖像處理
用GE Revolution CT掃描患者肺部（管電壓120 kV，層厚5 mm，層間距5 mm，螺距0.992），范圍從肺尖至膈肌下方，定位結節后行靶掃描（管電壓120 kV，自適應管電流，層厚1.25 mm，層間距1.25 mm，矩陣512×512，螺距0.992，視野20～25 cm）。由1名CT室副主任醫師分析圖象，記錄結節CT征象、直徑（薄層肺窗結節的最長徑與垂直的最長短徑的平均值）和平均CT值（薄層肺窗，避開支氣管、血管及含氣空腔，在結節最大層面及其上下層面勾畫感興趣區，取其平均值）。
1.4 資料收集
收集年齡、性別、吸煙史、術前血細胞參數［中性粒細胞與淋巴細胞比值（neutrophil to lymphocyte ratio，NLR）、淋巴細胞與單核細胞比值（lymphocyte to monocyte ratio，LMR）、血小板與單核細胞比值（platelet to monocyte ratio，PMR）、PLR、系統免疫炎癥指數（systemic immune-inflammatory index，SII）和全身炎癥反應指數（systemic inflammatory response index，SIRI）］、術前腫瘤標志物［神經元特異性烯醇化酶（neuronspecific enolase，NSE）、CEA、胃泌素釋放肽前體（precursor of gastrin-releasing peptide，Pro-GRP）和細胞角蛋白19片段（cytokeratin 19 fragment，CYFRA21-1）］和術后病理結果資料。
1.5 統計學分析
用R 4.3.2軟件進行統計學分析。偏態分布的連續性資料用中位數（上下四分位數）［M（P25，P75）］描述，組間差異比較分別用Mann-Whitney U。分類資料用例（%）表示，組間比較采用χ2檢驗。用Lasso-logistic回歸篩選浸潤性腺癌的風險因素并構建預測模型，用受試者工作特征（receiver operating characteristic，ROC）曲線、校準曲線、平均絕對誤差（mean absolute error，MAE）、均方誤差（mean square error，MSE）和準確度評價模型效能。P≤0.05為差異有統計學意義。
1.6 倫理審查
研究經唐山市工人醫院醫學倫理委員會批準，倫理批號為GRYY-LL-KJ2021-K60。
2 結果
2.1 訓練集和驗證集的臨床資料比較
共納入528例患者，其中男265例、女263例；中位年齡54（45，59）歲；非典型腺瘤樣增生52例，原位腺癌179例，微浸潤腺癌135例，浸潤性腺癌162例。訓練集和驗證集的臨床資料差異均無統計學意義（P＞0.05）；見表1。
表1
訓練集和驗證集的臨床資料比較［例（%）/M（P25，P75）］
2.2 非浸潤組和浸潤組的臨床資料比較
浸潤組的年齡、直徑、平均CT值、毛刺征占比、血管集束征占比、空泡征占比、胸膜凹陷征占比、充氣支氣管征占比、CEA和SIRI水平高于非浸潤組，圓形或類圓形占比、Pro-GRP、PMR和PLR水平低于非浸潤組（P＜0.05）；見表2。
表2
非浸潤組和浸潤組的臨床資料比較［例（%）/M（P25，P75）］
2.3 單發肺pGGN浸潤程度的風險因素
將肺pGGN浸潤程度作為因變量，將表2中指標作為自變量，10折交叉驗證，Lasso回歸分析結果顯示，λ=0.045時模型更簡潔（圖1a），直徑、血管集束征、空泡征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR與單發肺pGGN浸潤程度有關，系數值分別為0.084、0.403、0.014、0.581、?0.793、0.001、0.722和?0.005（圖1b）。將肺pGGN浸潤程度作為因變量，將直徑、血管集束征、空泡征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR作為自變量，logistic回歸Forward:LR法分析結果顯示，直徑增加、血管集束征、胸膜凹陷征、平均CT值升高和CEA水平升高是單發肺pGGN浸潤的獨立危險因素，圓形或類圓形、PLR水平升高是單發肺pGGN浸潤的獨立保護因素（P＜0.05）；見表3。
圖1
Lasso回歸分析結果
a：λ取值范圍；b：各因素系數
表3
單發純磨玻璃樣肺腺癌浸潤的風險因素
2.4 單發肺pGGN浸潤的預警模型構建及評價
模型Z為logit（P）=–1.665+0.156×直徑+1.254×血管集束征+1.684×胸膜凹陷征–1.291×圓形或類圓形+0.003×平均CT值+0.959×CEA?0.015×PLR；模型C為logit（P）=–1.085+0.185×直徑+1.329×血管集束征+2.028×胸膜凹陷征–1.256×圓形或類圓形+0.003×平均CT值，模型S為logit（P）=–2.919+1.718×CEA-0.015×PLR。
訓練集中，模型Z的ROC曲線下面積大于模型C（Z=2.125，P=0.034）和模型S（Z=4.973，P＜0.001）；見圖2a和表4。模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化；見圖2b～d。模型Z的MAE值和MSE值均低于模型C，高于模型S；見表4。
圖2
模型評價結果
訓練集（a：ROC曲線；b：模型Z校準曲線；c：模型C校準曲線；d：模型S校準曲線）；驗證集（e：ROC曲線；f：模型Z校準曲線；g：模型C校準曲線；h：模型S校準曲線）
表4
模型評價結果
驗證集中，模型Z的ROC曲線下面積大于模型C（Z=2.281，P=0.023）和模型S（Z=2.434，P=0.015）；見圖2e和表4。模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化；見圖2f～h。模型Z的MAE值和MSE值均高于模型C和模型S；見表4。
3 討論
3.1 肺pGGN浸潤的風險因素
本研究綜合分析CT定量參數、CT征象、腫瘤標志物和血細胞參數與單發肺pGGN浸潤程度的關系，結果顯示，浸潤組的年齡、直徑、平均CT值、毛刺征占比、血管集束征占比、空泡征占比、胸膜凹陷征占比、充氣支氣管征占比、CEA和SIRI水平高于非浸潤組，圓形或類圓形占比、Pro-GRP、PMR和PLR水平低于非浸潤組，提示上述指標與浸潤性腺癌有關。
目前，已有多數研究[12-14]顯示肺pGGN直徑和平均CT值是判斷其浸潤程度的重要指標，pGGN直徑和平均CT值越大，浸潤風險越高。血管集束征與肺癌細胞浸潤有關，在癌細胞浸潤過程中會釋放促血管生成因子，隨浸潤程度增加血管構形會發生變化，最終血管壁受牽拉影響形成血管集束征象[15]。胸膜凹陷征形成與腫瘤病灶內耗氧量增加有關，當病灶內細胞增殖及遷移等耗氧量增加時，病灶會發生纖維化收縮[16]。血管集束征和胸膜凹陷征常被用于評估肺結節良惡性，近期研究[17-18]顯示二者與肺結節浸潤程度增加有關。此外，還有研究[19-20]顯示肺結節形態與其浸潤程度有關，肺腺癌浸潤前及浸潤初期形態多呈圓形或類圓形，受細胞生長速率和分化等影響，隨其浸潤程度加深，其形態越發不規則。腺體前驅病變和微浸潤腺癌患者的CEA水平低于浸潤性腺癌，隨CEA水平升高，浸潤程度增加[11,21-22]。本研究納入因素維度及個數較多，避免各指標間共線性問題，采用Lasso-logistic回歸篩選浸潤性腺癌的風險因素，結果顯示，直徑增加、血管集束征、胸膜凹陷征、平均CT值升高和CEA水平升高是單發肺pGGN浸潤的獨立危險因素，圓形或類圓形、PLR水平升高是單發肺pGGN浸潤的獨立保護因素，與上述研究結果一致。目前，少有研究分析免疫炎癥指標PLR與單發肺pGGN浸潤程度的關系。萬輝等[11]顯示PLR在腺體前驅病變時就已發生變化，但腺體前驅病變和肺腺癌的PLR水平差異并不顯著。本研究結果提示PLR水平降低與浸潤風險增加有關，還需開展多中心、大樣本研究進一步分析驗證。
3.2 肺pGGN浸潤的模型效能分析
由于肺pGGN浸潤程度存在不確定性，若為浸潤性腺癌，患者預后不良風險增加[23-24]。預先獲知肺pGGN浸潤程度對于患者治療方案制定及預后管理大有裨益。因此，迫切需要精準確定肺pGGN浸潤程度。本研究構建了單純CT模型C（由直徑、血管集束征、胸膜凹陷征、圓形或類圓形和平均CT值構成）、腫瘤標志物和血細胞參數模型S（由CEA和PLR構成）及綜合模型Z（由直徑、血管集束征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR構成），結果顯示，模型Z的ROC曲線下面積在訓練集和驗證集中均大于模型C和S，提示模型Z相較于模型C及模型S有更高的區分能力。但在訓練集中模型Z的準確度低于模型C，推測其原因是模型Z在不同截斷值下區分浸潤性肺腺癌的整體能力更強，而模型C可能在某個特定截斷值下區分浸潤性肺腺癌的準確率更高。本研究中模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化，提示三模型的預測精準度尚可。訓練集中模型Z的誤差指標MAE值和MSE值均低于模型C，略高于模型S，提示模型Z的預測精準度較模型C高，略低于模型S。在驗證集中模型Z的MAE值和MSE值均高于模型C和模型S，提示模型Z的預測精準度較模型C和模型S低。模型Z在訓練集和驗證集上的表現差異較大的原因可能有以下3點：（1）訓練集和驗證集中pGGN直徑和CEA分布差異導致，盡管訓練集和驗證集的pGGN直徑（P=0.081）和CEA（P=0.060）差異無統計學意義，但二者均是構建模型的重要指標，些許差異仍會導致模型Z的泛化能力降低；（2）訓練集和驗證集的樣本量有一定差異，即便模型Z在訓練集中效能較好，它在驗證集中的泛化能力可能仍會受到樣本量大小的影響，尤其是在面對復雜特征組合時；（3）模型Z在訓練集中某個截斷值下表現較好，但在驗證集中由于數據分布的差異，可能無法在同樣的截斷值下達到最佳性能。
3.3 研究局限性
本研究有一定不足：（1）單中心研究，未增設外部驗證集驗證模型效能；（2）研究入組患者均接受手術切除治療，肺pGGN惡性程度更高，微浸潤腺癌和浸潤性腺癌占比可能較高；（3）模型Z在訓練集和驗證集中表現差異較大，后續還需大樣本研究進一步分析其泛化能力。
綜上所述，由直徑、血管集束征、胸膜凹陷征、圓形或類圓形、平均CT值、癌胚抗原和PLR構建的模型有助于判斷肺pGGN浸潤程度，其效能高于單純CT模型、腫瘤標志物和血細胞參數模型。
利益沖突：無。
作者貢獻：雷沖負責研究設計、數據整理及分析、文章撰寫及修改；徐影、陳瑋、杜金、孫杰和李欣負責數據整理及分析，劉海霞負責研究設計、文章質量評價。
肺純磨玻璃樣結節（pure ground glass nodule，pGGN）中腺癌占比30%～60%，浸潤性腺癌占比1.7%～24.3%[1-3]。對于浸潤性腺癌，臨床治療手段多為肺葉切除術及縱隔淋巴結清掃，而前驅體病變及微浸潤腺癌治療手段常為楔形或肺段切除術[4]。此外，浸潤性腺癌患者術后5年無病生存率為38%～95%，低于前驅體病變和微浸潤腺癌[5]。術前判斷pGGN浸潤程度對于手術方案制定及預后評估有重要意義。單純CT無法準確判斷肺pGGN浸潤程度[6]。結合CT圖像特征判斷肺pGGN浸潤程度的價值也有限，臨床應用效果并不理想[7]。此外，各研究的CT掃描參數及圖像采集和處理方案不盡相同，且結果也存在一定差異[8-10]。研究[11]顯示部分免疫炎癥指標和腫瘤標志物水平與肺結節浸潤程度相關，如血小板與淋巴細胞比值（platelet to lymphocyte ratio，PLR）和癌胚抗原（carcinoembryonic antigen，CEA）在腺體前驅病變階段就已發生變化。目前，聯合CT定量參數、CT征象、血細胞參數和腫瘤標志物，綜合預測肺pGGN浸潤程度的研究較少。本研究分析肺pGGN患者的CT定量參數、CT征象、血細胞參數和腫瘤標志物資料，篩選與浸潤程度有關的風險因素并構建預測模型，以期為臨床醫師制定手術方案及預后評估提供參考。
1 資料與方法
1.1 臨床資料
回顧性分析唐山市工人醫院2021年6月—2024年4月的CT表現為肺結節患者的臨床資料。根據手術病理結果是否為浸潤性腺癌分為非浸潤組和浸潤組。按7∶3分為訓練集和驗證集。納入標準：（1）CT表現為單發pGGN；（2）有手術病理結果；（3）結節直徑≤3 cm。排除標準：（1）術前抗腫瘤治療或穿刺活檢；（2）臨床資料不完整；（3）CT圖像存在明顯偽影或影響觀察。
1.2 樣本量計算
用R 4.3.2軟件中“pmsampsize”包計算樣本量。參照文獻[1]設定cstatistic（0.911）和prevalence（0.251）。納入研究分析因素23個，經計算得出，所需樣本量最少為523例，且需包含浸潤性腺癌132例。
1.3 CT檢查及圖像處理
用GE Revolution CT掃描患者肺部（管電壓120 kV，層厚5 mm，層間距5 mm，螺距0.992），范圍從肺尖至膈肌下方，定位結節后行靶掃描（管電壓120 kV，自適應管電流，層厚1.25 mm，層間距1.25 mm，矩陣512×512，螺距0.992，視野20～25 cm）。由1名CT室副主任醫師分析圖象，記錄結節CT征象、直徑（薄層肺窗結節的最長徑與垂直的最長短徑的平均值）和平均CT值（薄層肺窗，避開支氣管、血管及含氣空腔，在結節最大層面及其上下層面勾畫感興趣區，取其平均值）。
1.4 資料收集
收集年齡、性別、吸煙史、術前血細胞參數［中性粒細胞與淋巴細胞比值（neutrophil to lymphocyte ratio，NLR）、淋巴細胞與單核細胞比值（lymphocyte to monocyte ratio，LMR）、血小板與單核細胞比值（platelet to monocyte ratio，PMR）、PLR、系統免疫炎癥指數（systemic immune-inflammatory index，SII）和全身炎癥反應指數（systemic inflammatory response index，SIRI）］、術前腫瘤標志物［神經元特異性烯醇化酶（neuronspecific enolase，NSE）、CEA、胃泌素釋放肽前體（precursor of gastrin-releasing peptide，Pro-GRP）和細胞角蛋白19片段（cytokeratin 19 fragment，CYFRA21-1）］和術后病理結果資料。
1.5 統計學分析
用R 4.3.2軟件進行統計學分析。偏態分布的連續性資料用中位數（上下四分位數）［M（P25，P75）］描述，組間差異比較分別用Mann-Whitney U。分類資料用例（%）表示，組間比較采用χ2檢驗。用Lasso-logistic回歸篩選浸潤性腺癌的風險因素并構建預測模型，用受試者工作特征（receiver operating characteristic，ROC）曲線、校準曲線、平均絕對誤差（mean absolute error，MAE）、均方誤差（mean square error，MSE）和準確度評價模型效能。P≤0.05為差異有統計學意義。
1.6 倫理審查
研究經唐山市工人醫院醫學倫理委員會批準，倫理批號為GRYY-LL-KJ2021-K60。
2 結果
2.1 訓練集和驗證集的臨床資料比較
共納入528例患者，其中男265例、女263例；中位年齡54（45，59）歲；非典型腺瘤樣增生52例，原位腺癌179例，微浸潤腺癌135例，浸潤性腺癌162例。訓練集和驗證集的臨床資料差異均無統計學意義（P＞0.05）；見表1。
表1
訓練集和驗證集的臨床資料比較［例（%）/M（P25，P75）］
2.2 非浸潤組和浸潤組的臨床資料比較
浸潤組的年齡、直徑、平均CT值、毛刺征占比、血管集束征占比、空泡征占比、胸膜凹陷征占比、充氣支氣管征占比、CEA和SIRI水平高于非浸潤組，圓形或類圓形占比、Pro-GRP、PMR和PLR水平低于非浸潤組（P＜0.05）；見表2。
表2
非浸潤組和浸潤組的臨床資料比較［例（%）/M（P25，P75）］
2.3 單發肺pGGN浸潤程度的風險因素
將肺pGGN浸潤程度作為因變量，將表2中指標作為自變量，10折交叉驗證，Lasso回歸分析結果顯示，λ=0.045時模型更簡潔（圖1a），直徑、血管集束征、空泡征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR與單發肺pGGN浸潤程度有關，系數值分別為0.084、0.403、0.014、0.581、?0.793、0.001、0.722和?0.005（圖1b）。將肺pGGN浸潤程度作為因變量，將直徑、血管集束征、空泡征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR作為自變量，logistic回歸Forward:LR法分析結果顯示，直徑增加、血管集束征、胸膜凹陷征、平均CT值升高和CEA水平升高是單發肺pGGN浸潤的獨立危險因素，圓形或類圓形、PLR水平升高是單發肺pGGN浸潤的獨立保護因素（P＜0.05）；見表3。
圖1
Lasso回歸分析結果
a：λ取值范圍；b：各因素系數
表3
單發純磨玻璃樣肺腺癌浸潤的風險因素
2.4 單發肺pGGN浸潤的預警模型構建及評價
模型Z為logit（P）=–1.665+0.156×直徑+1.254×血管集束征+1.684×胸膜凹陷征–1.291×圓形或類圓形+0.003×平均CT值+0.959×CEA?0.015×PLR；模型C為logit（P）=–1.085+0.185×直徑+1.329×血管集束征+2.028×胸膜凹陷征–1.256×圓形或類圓形+0.003×平均CT值，模型S為logit（P）=–2.919+1.718×CEA-0.015×PLR。
訓練集中，模型Z的ROC曲線下面積大于模型C（Z=2.125，P=0.034）和模型S（Z=4.973，P＜0.001）；見圖2a和表4。模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化；見圖2b～d。模型Z的MAE值和MSE值均低于模型C，高于模型S；見表4。
圖2
模型評價結果
訓練集（a：ROC曲線；b：模型Z校準曲線；c：模型C校準曲線；d：模型S校準曲線）；驗證集（e：ROC曲線；f：模型Z校準曲線；g：模型C校準曲線；h：模型S校準曲線）
表4
模型評價結果
驗證集中，模型Z的ROC曲線下面積大于模型C（Z=2.281，P=0.023）和模型S（Z=2.434，P=0.015）；見圖2e和表4。模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化；見圖2f～h。模型Z的MAE值和MSE值均高于模型C和模型S；見表4。
3 討論
3.1 肺pGGN浸潤的風險因素
本研究綜合分析CT定量參數、CT征象、腫瘤標志物和血細胞參數與單發肺pGGN浸潤程度的關系，結果顯示，浸潤組的年齡、直徑、平均CT值、毛刺征占比、血管集束征占比、空泡征占比、胸膜凹陷征占比、充氣支氣管征占比、CEA和SIRI水平高于非浸潤組，圓形或類圓形占比、Pro-GRP、PMR和PLR水平低于非浸潤組，提示上述指標與浸潤性腺癌有關。
目前，已有多數研究[12-14]顯示肺pGGN直徑和平均CT值是判斷其浸潤程度的重要指標，pGGN直徑和平均CT值越大，浸潤風險越高。血管集束征與肺癌細胞浸潤有關，在癌細胞浸潤過程中會釋放促血管生成因子，隨浸潤程度增加血管構形會發生變化，最終血管壁受牽拉影響形成血管集束征象[15]。胸膜凹陷征形成與腫瘤病灶內耗氧量增加有關，當病灶內細胞增殖及遷移等耗氧量增加時，病灶會發生纖維化收縮[16]。血管集束征和胸膜凹陷征常被用于評估肺結節良惡性，近期研究[17-18]顯示二者與肺結節浸潤程度增加有關。此外，還有研究[19-20]顯示肺結節形態與其浸潤程度有關，肺腺癌浸潤前及浸潤初期形態多呈圓形或類圓形，受細胞生長速率和分化等影響，隨其浸潤程度加深，其形態越發不規則。腺體前驅病變和微浸潤腺癌患者的CEA水平低于浸潤性腺癌，隨CEA水平升高，浸潤程度增加[11,21-22]。本研究納入因素維度及個數較多，避免各指標間共線性問題，采用Lasso-logistic回歸篩選浸潤性腺癌的風險因素，結果顯示，直徑增加、血管集束征、胸膜凹陷征、平均CT值升高和CEA水平升高是單發肺pGGN浸潤的獨立危險因素，圓形或類圓形、PLR水平升高是單發肺pGGN浸潤的獨立保護因素，與上述研究結果一致。目前，少有研究分析免疫炎癥指標PLR與單發肺pGGN浸潤程度的關系。萬輝等[11]顯示PLR在腺體前驅病變時就已發生變化，但腺體前驅病變和肺腺癌的PLR水平差異并不顯著。本研究結果提示PLR水平降低與浸潤風險增加有關，還需開展多中心、大樣本研究進一步分析驗證。
3.2 肺pGGN浸潤的模型效能分析
由于肺pGGN浸潤程度存在不確定性，若為浸潤性腺癌，患者預后不良風險增加[23-24]。預先獲知肺pGGN浸潤程度對于患者治療方案制定及預后管理大有裨益。因此，迫切需要精準確定肺pGGN浸潤程度。本研究構建了單純CT模型C（由直徑、血管集束征、胸膜凹陷征、圓形或類圓形和平均CT值構成）、腫瘤標志物和血細胞參數模型S（由CEA和PLR構成）及綜合模型Z（由直徑、血管集束征、胸膜凹陷征、圓形或類圓形、平均CT值、CEA和PLR構成），結果顯示，模型Z的ROC曲線下面積在訓練集和驗證集中均大于模型C和S，提示模型Z相較于模型C及模型S有更高的區分能力。但在訓練集中模型Z的準確度低于模型C，推測其原因是模型Z在不同截斷值下區分浸潤性肺腺癌的整體能力更強，而模型C可能在某個特定截斷值下區分浸潤性肺腺癌的準確率更高。本研究中模型Z、模型C和模型S的校準曲線均圍繞理想曲線變化，提示三模型的預測精準度尚可。訓練集中模型Z的誤差指標MAE值和MSE值均低于模型C，略高于模型S，提示模型Z的預測精準度較模型C高，略低于模型S。在驗證集中模型Z的MAE值和MSE值均高于模型C和模型S，提示模型Z的預測精準度較模型C和模型S低。模型Z在訓練集和驗證集上的表現差異較大的原因可能有以下3點：（1）訓練集和驗證集中pGGN直徑和CEA分布差異導致，盡管訓練集和驗證集的pGGN直徑（P=0.081）和CEA（P=0.060）差異無統計學意義，但二者均是構建模型的重要指標，些許差異仍會導致模型Z的泛化能力降低；（2）訓練集和驗證集的樣本量有一定差異，即便模型Z在訓練集中效能較好，它在驗證集中的泛化能力可能仍會受到樣本量大小的影響，尤其是在面對復雜特征組合時；（3）模型Z在訓練集中某個截斷值下表現較好，但在驗證集中由于數據分布的差異，可能無法在同樣的截斷值下達到最佳性能。
3.3 研究局限性
本研究有一定不足：（1）單中心研究，未增設外部驗證集驗證模型效能；（2）研究入組患者均接受手術切除治療，肺pGGN惡性程度更高，微浸潤腺癌和浸潤性腺癌占比可能較高；（3）模型Z在訓練集和驗證集中表現差異較大，后續還需大樣本研究進一步分析其泛化能力。
綜上所述，由直徑、血管集束征、胸膜凹陷征、圓形或類圓形、平均CT值、癌胚抗原和PLR構建的模型有助于判斷肺pGGN浸潤程度，其效能高于單純CT模型、腫瘤標志物和血細胞參數模型。
利益沖突：無。
作者貢獻：雷沖負責研究設計、數據整理及分析、文章撰寫及修改；徐影、陳瑋、杜金、孫杰和李欣負責數據整理及分析，劉海霞負責研究設計、文章質量評價。
