放射科住培“三层九级”模式的实践与思考

放射科住院医师规范化培训在医学影像学专业医学生毕业后教育中扮演重要角色,是提升自身专业素质、优化医疗质量和培养更高层次人才的关键步骤。放射科住院医师可以通过住院医师规范化培训获得进一步的成长。以岗位胜任力为导向的“三层九级”模式在放射科住培工作中取得了一定成效。本研究结合放射科住培工作的现状及“三层九级”住培模式的实施心得,从住培学员、阶段考核、教学活动、科研培训等方面进行再思考,提出因人而异定目标、规范教学活动与流程、同质化管理新模式三大要素,期望对放射科住院医师规范化培训模式提供新的认识,为放射科医师毕业后快速成长提供有益的启发和借鉴。

结肠癌术前CT诊断及评价术后复发的价值分析

结肠癌是一种常见的疾病,大多在直肠与乙状结肠的交界处发生[1].由于现在人们的饮食结构发生变化,导致结肠癌的发生率逐渐增加. 在治疗中一般使用手术治疗,在手术前以及手术后的复发检测中使用CT检测,准确率较高.选取我院结肠癌患者30例, 在手术前以及手术后复发检测分别使用CT检测以及病理检测,比较两种检测的相关性,具体报告如下.

基于CT检查影像组学在术前鉴别诊断胰腺浆液性囊腺瘤和黏液性囊腺瘤中的临床价值

目的探讨基于CT检查影像组学在术前鉴别诊断胰腺浆液性囊腺瘤(SCA)和黏液性囊腺瘤(MCA)中的临床价值。方法采用回顾性病例对照研究方法。收集2012年1月至2019年12月浙江大学医学院附属第一医院收治的154例胰腺囊性肿瘤病人的临床病理和影像资料;男24例,女130例;年龄为(50±13)岁。154例病人中,99例为SCA,55例为MCA。154例病人术前均行胰腺CT平扫联合增强扫描检查。收集所有病人临床特征、影像特征、影像组学特征,构建临床特征模型、影像特征模型、影像组学模型和融合模型。绘制各个模型的受试者工作特征(ROC)曲线,并以曲线下面积(AUC)、准确度、灵敏度、特异度、阳性预测值和阴性预测值等指标评价构建模型。基于最优模型,构建列线图。观察指标:(1)临床特征模型建立及验证。(2)影像特征模型建立及验证。(3)影像组学模型建立及验证。(4)融合模型建立及验证。(5)融合模型的列线图。正态分布的计量资料以x±s表示,组间比较采用Mann-Whitney U检验。计数资料以绝对数和(或)百分比表示,组间比较采用χ²检验和Fisher确切概率法。结果(1)临床特征模型建立及验证:通过多元逻辑线性回归分析,筛选出年龄、临床症状、术前血清CA19-93个临床特征用于构建临床特征模型,多元逻辑线性回归结果以公式①表示:临床模型得分=0.635-0.007×年龄+0.054×临床症状+0.108×术前血清CA19-9。绘制临床特征模型测试集ROC曲线。临床特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.611(95%可信区间为0.488~0.734,P<0.05)和0.771(95%可信区间为0.624~0.919,P<0.05)、56.6%和77.8%、66.7%和63.1%、56.3%和88.5%、41.5%和80.1%、78.4%和76.7%。(2)影像特征模型建立及验证:通过多元逻辑线性回归分析,筛选出肿瘤位置、肿瘤数目、肿瘤横断面最大径、肿瘤分叶、肿瘤多囊(≥6个)5个影像特征用于构建影像特征模型,多元逻辑线性回归结果以公式②表示:影像特征模型得分=-0.034+0.300×肿瘤位置+0.202×肿瘤数目+0.014×肿瘤横断面最大径-0.251×肿瘤分叶-0.170×肿瘤多囊(≥6个)。绘制影像特征模型测试集ROC曲线。影像特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.862(95%可信区间为0.791~0.932,P<0.05)和0.853(95%可信区为0.713~0.994,P<0.05)、78.8%和88.9%、81.8%和89.4%、77.5%和88.5%、62.8%和85.0%、90.2%和92.0%。(3)影像组学模型建立及验证:本研究在154例胰腺囊性肿瘤病人中共提取4类1067个影像组学特征,其中一阶直方图统计特征7个、纹理特征53个、小波特征848个、局部二值模式特征159个。在组内相关系数>0.9的条件下,共保留896个稳定性较好的影像组学特征用于构建模型。经过方差阈值与相关系数阈值筛选后,保留350个影像组学特征。为获得深层次的影像组学特征,在原特征基础上构建50个合成影像组学特征,总特征数为400个。采用五折递归特征消除后,最终筛选出22个影像组学特征,包括13个小波特征,7个合成影像组学特征和2个局部二值模式特征。采用支持向量机算法构建影像组学模型,模型惩罚系数“C”=35.938,模型参数“γ”=0.077,核函数为“径向基函数核”。绘制影像组学模型五折交叉验证的ROC曲线。影像组学模型的平均AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.870(P<0.05)、83.1%、81.8%、83.8%、73.8%、89.2%。(4)融合模型建立及验证:选取影像特征的肿瘤位置、肿瘤分叶和影像组学得分构建融合模型。融合模型的多元逻辑线性回归结果以公式③表示:融合模型得分=-0.154+0.218×肿瘤位置-0.223×肿瘤分叶+0.621×影像组学得分。绘制融合模型测试集ROC曲线。融合模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.893(95%可信区间为0.828~0.958,P<0.05)和0.966(95%可信区间为0.921~0.999,P<0.05)、83.7%和91.1%、81.8%和84.2%、84.5%和96.2%、71.1%和94.1%、90.9%和89.3%。(5)融合模型的列线图:绘制融合模型的列线图,模型约登指数为0.416。结论基于术前CT检查影像组学标签和影像特征的预测模型可鉴别诊断胰腺SCA和MCA。