影像组学在胰腺癌诊治中的应用进展

影像组学正在突破传统影像学评估肿瘤形态学和解剖学的局限性,应用大量的自动化数据特征算法,对医学图像中像素的分布信息进行数学分析,将感兴趣区域的影像数据转化为具有高分辨率的可发掘的特征空间数据,高通量获取一系列肉眼无法识别的量化参数,高保真地获得病变的整体信息,充分反映医学图像底层本质特征。近年来,影像组学在胰腺癌的早期诊断和鉴别诊断、病理特征的预测、新辅助治疗疗效评价、预后预测,甚至在相关基因分类中均取得了一定的成果。本文基于CT和MRI的影像组学在胰腺癌诊治中的应用进展进行综述。

全自动分割的CT动脉期影像组学分值与胰腺癌新辅助治疗疗效的关系

目的探讨CT动脉期影像组学分值与胰腺癌新辅助治疗疗效的相关性。方法回顾性分析2017年3月至2023年3月间海军军医大学第一附属医院243例新辅助治疗后进行手术治疗的胰腺癌患者的临床资料。根据病理肿瘤退缩分级,将患者分为治疗有效组(TRG 0、1级,30例)和治疗无效组(TRG 2、3级,213例),比较两组的临床、影像学和病理学特征。使用全自动分割工具对治疗前后胰腺肿瘤动脉期横断面CT图像进行分割,利用Python程序包提取组学特征,采用最小绝对收缩和选择算子(Lasso)进行特征选择,利用Lasso公式得到动脉期影像组学分值。采用单因素和多因素logistic回归分析动脉期影像组学分值和新辅助治疗疗效之间的相关性。绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC)和灵敏度、特异度、准确率。采用决策曲线分析(DCA)评估动脉期影像组学分值对胰腺癌新辅助治疗疗效的临床应用价值。结果共获得330个动脉期组学影像学特征,经Lasso回归降维后得到9个与新辅助治疗疗效相关的组学特征。单因素分析结果显示,动脉期影像组学分值、新辅助治疗后肿瘤三维直径、胰腺轮廓异常、肿瘤T分期、N分期、胰周神经侵犯、脉管内癌栓浸润、十二指肠侵犯均与新辅助治疗疗效相关(P值均<0.05)。多因素logistic回归分析结果显示,动脉期影像组学分值与新辅助治疗疗效显著相关(P<0.001)。以1.93作为临界值,动脉期影像组学分值诊断新辅助治疗疗效的AUC值为0.92,灵敏度为84.5%,特异度为86.7%,准确率为84.8%。决策曲线分析结果表明,当用动脉期影像组学分值诊断新辅助治疗疗效的概率>0.2时,使用动脉期影像组学分值诊断新辅助治疗疗效比不使用更能使患者在临床中获益。结论CT动脉期影像组学分值与胰腺癌新辅助治疗疗效显著相关,可以准确预测胰腺癌患者新辅助治疗疗效。

胰腺癌神经周围浸润机制及影像学诊断和外科治疗的研究进展

神经周围浸润(PNI)是指神经的肿瘤性侵袭,已被证实是胰腺癌的重要病理特征。PNI的形成和作用受到神经因子及相关细胞的双重调节,并与患者肿瘤复发和总生存期降低密切相关。本文就胰腺癌PIN发生机制、影像学诊断及外科治疗的研究进展进行综述。

基于CT影像组学特征和深度学习特征的胰腺腺鳞癌与胰腺导管腺癌的鉴别诊断

目的林构建并验证基于增强CT的融合影像组学及深度学习特征的模型,评估该模型术前鉴别诊断胰腺腺鳞癌(PASC)和胰腺导管腺癌(PDAC)的效能。方法去回顾性收集2011年1月至2020年12月间海军军医大学第一附属医院经手术病理证实且术前1个月内行增强CT检查的201例PASC患者(PASC组)和332例PDAC患者(PDAC组)的临床资料。依据国际预测模型建模共识,按收治时间顺序将2011年1月至2018年1月共397例患者(156例PASC和241例PDAC)组成训练集,将2018年2月至2020年12月共136例患者(45例PASC和91例PDAC)组成验证集。采用nnU-Net模型进行胰腺肿瘤自动分割,评估临床及CT特征、提取门静脉期影像组学特征及深度学习特征,随后进行特征降维和特征筛选。利用二元logistic回归模型,在训练集中建立临床模型、影像组学模型和深度学习模型,采用受试者工作特征曲线下面积(AUC)、灵敏度、特异度和准确度评估3种模型的性能,采用决策曲线分析(decision curve analysis,DCA)评估模型的临床净收益。结果在训练集和验证集中,PASC组和PDAC组肿瘤大小、环形强化、上游胰腺萎缩及肿瘤囊变差异均有统计学意义(P值均<0.05)。多因素logistic回归结果显示,临床模型中肿瘤大小、环形强化、胆总管扩张及上游胰腺萎缩与PASC显著相关。影像组学模型中,环形强化、胆总管扩张、上游胰腺萎缩和影像组学分数与PASC显著相关。深度学习模型中,环形强化、上游胰腺萎缩和深度学习分数与PASC显著相关。在训练集中,深度学习模型诊断能力最强,其AUC值、灵敏度、特异度和准确度分别为0.86(95%CI0.82~0.90)、75.00%、84.23%和80.60%,而临床模型和影像组学模型分别为0.81(95%CI0.76~0.85)、62.18%、85.89%、76.57%和0.84(95%CI0.80~0.88)、73.08%、82.16%、78.59%。在验证集中,深度学习模型的AUC值、灵敏度、特异度和准确度分别为0.78(95%CI0.67~0.84)、68.89%、78.02%和75.00%,临床模型和影像组学模型分别为0.72(95%CI0.63~0.81)、77.78%、59.34%、65.44%和0.75(95%CI 0.66~0.84)、86.67%、56.04%、66.18%。DCA表明,在训练集和验证集中当高风险阅值分别>0.05和>0.1时,采用深度学习模型预测的PASC较“将所有患者诊断为PDAC”或“所有患者都诊断为PASC”更能让患者获益。结论基于胰腺肿瘤CT图像自动分割的深度学习模型能有效鉴别PASC与PDAC,为术前无创诊断PASC提供一种新方法。

基于多排螺旋CT的胰腺导管腺癌神经浸润评分与胰腺外神经侵犯的关系

目的探讨基于多排螺旋CT(MDCT)的胰腺导管腺癌(PDAC)神经浸润评分与胰腺外神经侵犯(EPNI)之间的关系。方法回顾性分析2018年3月至2020年5月间海军军医大学第一附属医院374例行根治性手术且术后病理证实为PDAC患者的临床、影像学和病理学资料,根据胰腺外神经是否侵犯的病理学结果将患者分为EPNI阴性组(111例)和阳性组(263例)。对患者的影像图像进行神经浸润评分,采用单因素和多因素logistic回归模型分析神经浸润评分与EPNI之间的相关性。结果EPNI阴性组和EPNI阳性组患者病理特征中的T分期、N分期、胆总管侵犯、切缘阳性及MDCT影像特征中的肿瘤大小、血管侵犯、淋巴结转移、MDCT神经浸润评分、胰腺轮廓、胰腺实质萎缩、侵犯十二指肠、侵犯脾脏和脾血管、侵犯胆总管的差异均有统计学意义(P值均<0.05)。单因素分析结果显示,肿瘤大小、血管侵犯、淋巴结转移、MDCT神经浸润评分、胰腺轮廓、实质萎缩、十二指肠侵犯、脾静脉及脾脏侵犯、胆总管侵犯均与EPNI显著相关。多因素分析结果显示,MDCT神经浸润评分与EPNI风险显著相关(评分为1分时的OR=2.93,95%CI1.61~5.32,P<0.0001;评分为2分时的OR=5.92,95%CI2.68~13.10,P<0.0001)。结论基于MDCT的神经浸润评分是PDAC发生EPNI的独立风险因素,可作为术前预测EPNI的评价指标。