Перфузионная компьютерная томография в дифференциальной диагностике участков легочной консолидации поствоспалительной и злокачественной этиологии у пациентов, перенесших COVID-19-ассоциированную пневмонию

Введение. Пандемия COVID-19 обусловила рост числа пациентов с персистирующими легочными изменениями, у которых в течение длительного времени сохраняются зоны легочной консолидации. При этом стандартная компьютерная томография (КТ), оставаясь ведущим методом диагностики, обладает ограниченной возможностью в дифференциации доброкачественных и злокачественных процессов, так как их рентгенологические признаки часто неспецифичны. В последнее время в связи с доступностью новых технологий в лучевой диагностике появилась возможность оценить состояние регионарного кровотока в различных органах и тканях путем проведения специальных (перфузионных) исследований с помощью КТ и магнитно-резонансной томографии.

Цель исследования: определить диагностическую значимость таких количественных параметров перфузионной КТ, как скорость кровотока (blood flow, BF), объем кровотока (blood volume, BV), проницаемость сосудов (permeability solution, PS), среднее время прохождения контрастного вещества (mean transit time, MTT), время до пикового накопления контрастного вещества (time to peak, TTP) в дифференциации поствоспалительных и злокачественных участков легочной консолидации у пациентов, перенесших COVID-19-ассоциированную пневмонию.

Материал и методы. В ретроспективное когортное исследование включена группа пациентов (n = 41) в возрасте от 18 до 75 лет, имеющих в анамнезе COVID-19-ассоциированную пневмонию, подтвержденную положительными результатами ПЦР-теста, с сохраняющимися клиническими проявлениями постковидного синдрома спустя 12 нед. после выписки из стационара. На этапе углубленной диспансеризации всем пациентам выполнена КТ органов грудной клетки, при которой были выявлены участки консолидации легочной паренхимы размером более 1 см, не поддающиеся однозначной дифференциальной диагностике между поствоспалительными и неопластическими изменениями по данным нативной и контрастной КТ. Перфузионная КТ выполнялась по низкодозному протоколу (100 кВ, 200 мА) на 128-срезовом компьютерном томографе GE Optima CT660 с внутривенным введением йодсодержащего контраста в объеме 50–60 мл, со скоростью введения 4,0 мл/с. Толщина среза составляла 5 мм при длительности сканирования 45–50 с.

Результаты. Выявлены статистически значимые различия показателей проницаемости сосудистой стенки и времени до пикового накопления контрастного вещества в участках консолидации неопластического и поствоспалительного характера: PS – 13,54 (5,71; 66,01) мл/100 г/мин; TTP – 11,57 (7,19; 15,71) с против 5,30 (1,90; 10,63) мл/100 г/мин; 32,55 (15,83; 38,28) с соответственно. Логистический регрессионный анализ подтвердил высокую диагностическую эффективность модели, включающей ковариаты PS и TTP: площадь под ROC-кривой (AUC) – 87,5%, чувствительность – 80%, специфичность – 81,3%. Показатель TTP продемонстрировал наибольший вклад в дифференциацию изменений: p = 0,004; отношение шансов (ОШ) = 0,888; 95% доверительный интервал (ДИ) ОШ (0,81989; 0,96254), тогда как PS имел умеренную значимость: p = 0,075; ОШ = 1,057; 95% ДИ ОШ (0,99445; 1,12421).

Заключение. Количественные показатели проницаемости сосудов и времени достижения пика контрастирования обладают статистически значимой диагностической ценностью по сравнению с другими показателями, такими как скорость и объем кровотока, среднее время прохождения контрастного вещества, и их повышение может выступать в качестве предикторов характера легочной консолидации.

1. Fabbri L., Moss S., Khan F.A., Chi W., Xia J., Robinson K. et al. Parenchymal lung abnormalities following hospitalisation for COVID-19 and viral pneumonitis: a systematic review and meta-analysis. Thorax. 2023;78(2):191–201. https://doi.org/10.1136/thoraxjnl-2021-218275.

2. Caruso D., Guido G., Zerunian M., Polidori T., Lucertini E., Pucciarelli F. et al. Post-acute sequelae of COVID-19 pneumonia: Six-month chest CT follow-up. Radiology. 2021;301(2):E396–E405. https://doi.org/10.1148/radiol.2021210834.

3. Zheng Z., Pan Y., Song C., Wei H., Wu S., Wei X. et al. Focal organizing pneumonia mimicking lung cancer: a surgeon's view. Am. Surg. 2012;78(1):133–137. URL: https://pubmed.ncbi.nlm.nih.gov/22273330/(09.07.2025).

4. Chen M.L., Wei Y.Y., Li X.T., Qi L.P., Sun Y.S. Low-dose spectral CT perfusion imaging of lung cancer quantitative analysis in different pathological subtypes. Transl. Cancer Res. 2021;10(6):2841–2848. https://doi.org/10.21037/tcr-20-3479.

5. Zhang H., Han H., He T., Labbe K.E., Hernandez A.V., Chen H. et al. Clinical characteristics and outcomes of COVID-19-infected cancer patients: A systematic review and meta-analysis. J. Natl. Cancer Inst. 2021;113(4):371–380. https://doi.org/10.1093/jnci/djaa168.

6. Guarnera A., Santini E., Podda P. COVID-19 pneumonia and lung cancer: A challenge for the radiologistreview of the main radiological features, differential diagnosis and overlapping pathologies. Tomography. 2022;8(1):513–528. https://doi.org/10.3390/tomography8010041.

7. Kundu K., Kumar A., Malik R., Sarawagi R., Khurana A., Sharma J. et al. The role of CT perfusion in differentiating benign versus malignant focal pulmonary lesions. Cureus. 2024;16(7):e63618. https://doi.org/10.7759/cureus.63618.

8. Huang C., Liang J., Lei X., Xu X., Xiao Z., Luo L. Diagnostic performance of perfusion computed tomography for differentiating lung cancer from benign lesions: a meta-analysis. Med. Sci. Monit. 2019;25:3485–3494. https://doi.org/10.12659/MSM.914206.

9. García-Figueiras R., Goh V.J., Padhani A.R., Baleato-González S., Garrido M., León L. et al. CT perfusion in oncologic imaging: a useful tool?. AJR Am. J. Roentgenol. 2013;200(1):8–19. https://doi.org/10.2214/AJR.11.8476.

10. Li Yang Z.G., Chen T.W., Chen H.J., Sun J.Y., Lu Y.R. Peripheral lung carcinoma: correlation of angiogenesis and first-pass perfusion parameters of 64-detector row CT. Lung Cancer. 2008;61(1):44–53. https://doi.org/10.1016/j.lungcan.2007.10.021.

11. Кораблев Р.В., Васильев А.Г. Неоангиогенез и опухолевый рост. Российские биомедицинские исследования. 2017;2(4):3–10. https://ojs3.gpmu.org/index.php/biomedical-research/article/view/544.

12. Сергеев Н.И., Измайлов Т.Р., Котляров П.М., Лагкуева И.Д., Солодкий В.А. Перфузионная компьютерная томография в определении природы очаговой патологии легких: клинический и статистический анализ. Сибирский онкологический журнал. 2020;19(4):24– 32. https://doi.org/10.21294/1814-4861-2020-19-4-24-32.