Nốt phổi là gì? Các bài báo nghiên cứu khoa học liên quan

Định nghĩa nốt phổi

Nốt phổi (pulmonary nodule) là một tổn thương dạng khối nhỏ trong nhu mô phổi, thường có đường kính dưới 30 mm và được phát hiện chủ yếu qua hình ảnh học, đặc biệt là chụp cắt lớp vi tính (CT). Trong thực hành lâm sàng, một tổn thương có kích thước từ 3 mm đến dưới 30 mm được gọi là nốt, trong khi các tổn thương lớn hơn được phân loại là khối u phổi. Việc xác định nốt phổi có ý nghĩa quan trọng trong tầm soát và phát hiện sớm ung thư phổi, đặc biệt ở các đối tượng nguy cơ cao.

Nốt phổi có thể là tổn thương lành tính, tiền ung thư, hoặc ác tính. Phần lớn các nốt nhỏ được phát hiện tình cờ không phải là ung thư, nhưng cần được theo dõi định kỳ để đánh giá sự thay đổi về hình thái và kích thước. Đặc điểm hình ảnh đóng vai trò trung tâm trong việc phân biệt giữa nốt lành và nốt nghi ngờ ác tính. Phân tích cụ thể dựa trên kích thước, hình dạng, mật độ, bờ viền và tốc độ phát triển theo thời gian.

Về mặt hình ảnh học, một nốt phổi được phát hiện trên CT có thể có hình tròn hoặc bầu dục, ranh giới rõ hoặc mờ, và có thể đi kèm với các dấu hiệu đặc trưng như vôi hóa, lõm bờ hoặc hình dạng tua gai. Việc đánh giá kỹ các yếu tố này giúp bác sĩ xác định bước xử lý tiếp theo: theo dõi định kỳ, chụp bổ sung, hoặc sinh thiết.

Phân loại nốt phổi theo hình ảnh học

Theo đặc điểm trên hình ảnh CT, nốt phổi được chia thành ba nhóm chính: nốt đặc, nốt mờ nền kính (ground-glass nodule - GGN) và nốt bán đặc (part-solid). Phân loại này không chỉ mô tả cấu trúc mô học mà còn giúp tiên lượng nguy cơ ác tính và xác định hướng xử trí phù hợp.

• Nốt đặc: Có độ đậm đặc cao, làm che khuất hoàn toàn các cấu trúc mạch máu và khí quản phía sau. Đây là loại phổ biến nhất, có thể là lành tính hoặc ác tính tùy đặc điểm cụ thể.
• Nốt mờ nền kính (GGN): Là tổn thương có độ đậm nhẹ hơn mô phổi bình thường, không làm mất hoàn toàn hình ảnh của các cấu trúc phía sau. Thường liên quan đến các dạng ung thư biểu mô tuyến giai đoạn sớm.
• Nốt bán đặc: Kết hợp giữa thành phần đặc và nền kính, có nguy cơ ác tính cao hơn hai loại còn lại, đặc biệt nếu phần đặc tăng dần theo thời gian.

Bảng dưới đây tóm tắt một số điểm phân biệt giữa các loại nốt:

Loại nốt	Độ cản quang	Nguy cơ ác tính	Khả năng theo dõi
Đặc	Cao, đồng nhất	Trung bình	Có thể theo dõi nếu <8 mm
GGN	Thấp, không đồng nhất	Trung bình - cao (nếu kéo dài >3 tháng)	Theo dõi lâu dài
Bán đặc	Kết hợp đặc và mờ nền kính	Cao	Nên đánh giá tích cực

Phân loại theo cấu trúc mô học gợi ý rằng các GGN kéo dài có thể đại diện cho tổn thương tiền ung thư như tăng sản không điển hình hoặc ung thư biểu mô tuyến xâm nhập tiềm tàng.

Nguyên nhân gây nốt phổi

Có nhiều nguyên nhân khác nhau gây ra sự xuất hiện của nốt phổi, từ các tình trạng viêm nhiễm lành tính đến ung thư phổi hoặc di căn từ nơi khác. Phân biệt nguyên nhân đòi hỏi đánh giá toàn diện lâm sàng, tiền sử, và hình ảnh học.

• Lành tính: Bao gồm vết sẹo do viêm phổi cũ, nốt lao cũ, tổn thương do nhiễm nấm như histoplasmosis hoặc aspergillosis, u mô thừa (hamartoma), và nốt vôi hóa.
• Ác tính: Ung thư phổi nguyên phát (thường là ung thư biểu mô tuyến), khối u carcinoid, hoặc nốt di căn từ ung thư ngoài phổi như vú, đại tràng, thận, tuyến giáp.

Việc xác định nguyên nhân chính xác thường không thể thực hiện ngay lập tức. Những yếu tố gợi ý ác tính bao gồm: tuổi cao, tiền sử hút thuốc, tiền sử ung thư, nốt lớn hơn 8 mm, bờ không đều hoặc tua gai, tăng trưởng nhanh trong vòng 1-2 năm. Trong nhiều trường hợp, việc theo dõi hình ảnh định kỳ là cần thiết để xác định hướng xử trí.

Các yếu tố nguy cơ cần khai thác khi đánh giá nốt phổi bao gồm:

1. Tuổi > 50
2. Tiền sử hút thuốc lá (pack-years cao)
3. Tiền sử gia đình có ung thư phổi
4. Tiền sử lao phổi hoặc bệnh phổi tắc nghẽn mãn tính (COPD)

Đặc điểm hình ảnh liên quan đến nguy cơ ác tính

Nhiều nghiên cứu đã xác định mối liên hệ giữa các đặc điểm hình ảnh của nốt phổi và xác suất ác tính. Các yếu tố như kích thước, hình dạng, bờ viền, mật độ và mức độ tăng trưởng theo thời gian là các chỉ số quan trọng để tiên lượng.

• Kích thước: Nốt >8 mm có nguy cơ ác tính cao. Với nốt >20 mm, tỷ lệ ác tính có thể lên đến 50–60%.
• Bờ viền: Bờ tua gai, không đều, hoặc có hình dạng hình hoa mai là đặc điểm thường gặp ở nốt ác tính.
• Tốc độ phát triển: Nốt tăng kích thước trong vòng 6–12 tháng là dấu hiệu cảnh báo. Tính thời gian nhân đôi thể tích bằng công thức:

$VDT = \frac{\ln(2) \cdot \Delta t}{\ln(V_2 / V_1)}$, trong đó $V_1$ và $V_2$ là thể tích nốt tại hai thời điểm khác nhau, $\Delta t$ là khoảng thời gian giữa hai lần chụp.

Một số mô hình định lượng như Brock model hoặc Herder model được sử dụng để ước tính nguy cơ ác tính của nốt phổi, từ đó đưa ra quyết định can thiệp hay theo dõi.

Dưới đây là bảng các đặc điểm nguy cơ hình ảnh và mức cảnh báo:

Đặc điểm	Mức cảnh báo
Bờ tua gai	Cao
Nền kính kéo dài >3 tháng	Trung bình - cao
Tăng kích thước >2 mm trong 6 tháng	Cao
Vị trí thùy trên	Trung bình

Vai trò của chụp CT liều thấp (LDCT) trong phát hiện nốt phổi

Chụp cắt lớp vi tính liều thấp (Low-Dose Computed Tomography – LDCT) là phương pháp hình ảnh học được khuyến cáo trong tầm soát ung thư phổi cho nhóm đối tượng nguy cơ cao. LDCT giúp phát hiện các nốt phổi nhỏ mà chụp X-quang thông thường dễ bỏ sót, đặc biệt là các nốt dưới 10 mm, bao gồm cả nốt nền kính và nốt bán đặc.

So với CT ngực tiêu chuẩn, LDCT sử dụng liều tia thấp hơn từ 5–10 lần, giúp giảm nguy cơ phơi nhiễm bức xạ nhưng vẫn duy trì chất lượng hình ảnh chấp nhận được để đánh giá tổn thương. Nghiên cứu NLST (National Lung Screening Trial) với hơn 53.000 đối tượng cho thấy LDCT giúp giảm 20% tỷ lệ tử vong do ung thư phổi ở nhóm nguy cơ cao so với chụp X-quang ngực.

Các tiêu chí chọn đối tượng tầm soát bằng LDCT theo khuyến cáo của National Cancer Institute bao gồm:

• Tuổi từ 50 đến 80
• Tiền sử hút thuốc ≥20 pack-years
• Hiện đang hút thuốc hoặc đã bỏ trong vòng 15 năm

LDCT nên được thực hiện định kỳ mỗi năm cho nhóm đủ điều kiện, và bất kỳ nốt nào phát hiện được cũng sẽ được đánh giá dựa trên các hệ thống phân loại nguy cơ như Lung-RADS để quyết định xử trí tiếp theo.

Đánh giá nguy cơ và theo dõi nốt phổi

Không phải tất cả các nốt phổi đều cần can thiệp sinh thiết hay phẫu thuật. Nhiều nốt lành tính có thể được theo dõi bằng hình ảnh định kỳ nếu nguy cơ ác tính thấp. Để hỗ trợ lâm sàng trong việc quyết định theo dõi hay can thiệp, các hướng dẫn quốc tế như Lung-RADS (Mỹ) và BTS Guidelines (Anh Quốc) được sử dụng rộng rãi.

Ví dụ, hướng dẫn của ACR Lung-RADS phân loại các nốt phát hiện được từ cấp độ 1 đến 4B tùy vào kích thước, mật độ và tốc độ tăng trưởng, tương ứng với các bước xử trí khác nhau từ “tiếp tục theo dõi thường niên” đến “chỉ định sinh thiết hoặc phẫu thuật.”

Lung-RADS Category	Ý nghĩa	Khuyến cáo
1–2	Nốt lành tính hoặc nguy cơ thấp	Tiếp tục tầm soát hàng năm
3	Nốt nghi ngờ mức trung bình	Theo dõi lại sau 6 tháng
4A–4B	Nốt nghi ngờ cao	Xem xét sinh thiết hoặc can thiệp ngoại khoa

Tốc độ phát triển của nốt là một chỉ số đặc biệt quan trọng. Nếu kích thước nốt tăng >2 mm trong 6–12 tháng, nguy cơ ác tính tăng rõ rệt. Ngoài ra, sự xuất hiện mới của thành phần đặc trong nốt nền kính cũng là dấu hiệu cảnh báo tiến triển ác tính tiềm ẩn.

Các kỹ thuật chẩn đoán bổ sung

Khi nốt phổi có kích thước đáng kể hoặc mang đặc điểm nghi ngờ ác tính, các kỹ thuật chẩn đoán bổ sung sẽ được sử dụng để xác định bản chất tổn thương và lập kế hoạch điều trị. Các phương pháp thường dùng gồm:

• Chụp PET-CT: Đo chuyển hóa glucose tại vị trí nốt thông qua việc hấp thu FDG. Giá trị SUV >2.5 gợi ý ác tính, tuy nhiên cần thận trọng trong tổn thương viêm.
• Sinh thiết xuyên thành dưới hướng dẫn CT: Cho phép lấy mô để chẩn đoán tế bào học, thường áp dụng với nốt ngoại vi.
• Nội soi phế quản: Có thể kết hợp sinh thiết và lấy dịch rửa nếu nốt gần rốn phổi hoặc đường thở lớn.

Nguy cơ biến chứng như tràn khí màng phổi, chảy máu hay không đủ mẫu cũng cần được cân nhắc. Trong nhiều trường hợp, bác sĩ sẽ thảo luận trong hội chẩn đa chuyên khoa (Multidisciplinary Team – MDT) để chọn phương pháp tối ưu.

Xử lý lâm sàng khi xác định nốt nghi ngờ ác tính

Khi các xét nghiệm cho thấy nốt phổi có khả năng ác tính cao, quyết định điều trị cần dựa vào kích thước, giai đoạn lâm sàng, chức năng hô hấp nền và nguyện vọng bệnh nhân. Các lựa chọn điều trị chính bao gồm:

• Phẫu thuật cắt bỏ: Thường áp dụng kỹ thuật VATS (video-assisted thoracoscopic surgery), ưu tiên cắt thùy hoặc phân thùy nếu nốt đơn độc, không di căn.
• Xạ trị định vị thân (SBRT): Dành cho bệnh nhân không đủ điều kiện phẫu thuật. SBRT có hiệu quả tương đương mổ trong ung thư phổi giai đoạn sớm.
• Điều trị toàn thân: Bao gồm hóa trị, điều trị nhắm trúng đích hoặc miễn dịch nếu xác định là di căn từ ung thư khác.

Việc xử lý cần dựa trên nguyên tắc cá thể hóa và nên được đánh giá bởi hội đồng ung bướu chuyên khoa. Các công cụ hỗ trợ quyết định như bảng điểm nguy cơ và mô hình AI đang được tích hợp dần vào hệ thống lâm sàng.

Xu hướng nghiên cứu và ứng dụng AI trong phát hiện nốt phổi

Trí tuệ nhân tạo (AI) đang mở ra những đột phá trong phát hiện và phân tích nốt phổi. Các thuật toán học sâu (deep learning) có khả năng xử lý hàng ngàn hình ảnh CT trong thời gian ngắn, phát hiện nốt nhỏ, đo lường chính xác kích thước, mật độ và tốc độ phát triển.

Một số hệ thống AI đã được FDA phê duyệt như qCT Lung AI hoặc VUNO Med-LungCT AI, hỗ trợ bác sĩ trong giai đoạn sàng lọc ban đầu. Nhiều nền tảng AI hiện cũng tích hợp dữ liệu lâm sàng để đưa ra ước lượng nguy cơ ác tính cho từng nốt, giúp quyết định theo dõi hay can thiệp trở nên chính xác hơn.

Trong tương lai gần, AI có thể đóng vai trò lớn hơn trong cá thể hóa xử trí nốt phổi, đặc biệt trong các hệ thống tầm soát diện rộng cho cộng đồng hoặc tầm soát tự động không giám sát tại tuyến y tế cơ sở.

Tài liệu tham khảo

1. MacMahon H et al. Guidelines for management of incidental pulmonary nodules. Radiology. 2017;284(1):228–243.
2. Aberle DR et al. Reduced lung-cancer mortality with low-dose CT screening. NEJM. 2011;365(5):395–409.
3. Callister ME et al. British Thoracic Society guidelines for pulmonary nodules. Thorax. 2015;70(Suppl 2):ii1–ii54.
4. Travis WD et al. The spectrum of pulmonary adenocarcinoma. Arch Pathol Lab Med. 2013;137(5):690–705.
5. van Riel SJ et al. Deep learning for pulmonary nodule detection and classification. Radiology. 2020;295(3):693–701.
6. National Lung Screening Trial Research Team. NLST Results. National Cancer Institute.