探究双层光谱探测器CT在鉴别可切除胰腺导管腺癌与肿块型慢性胰腺炎方面的价值

背景与目的:胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)与肿块型慢性胰腺炎(mass-forming chronic pancreatitis,MFCP)的准确鉴别具有较大的临床意义。双层光谱探测器计算机体层成像(dual-layer spectral detector computedtomography,DLCT)在胰腺方面的应用已有一定的探索。本研究旨在探究DLCT在鉴别可切除PDAC与MFCP方面的价值。方法:回顾性分析2021年9月1日—2023年5月31日复旦大学附属肿瘤医院收治的33例可切除PDAC和19例MFCP患者的临床影像学资料,术前行DLCT增强扫描,扫描期相包括动脉期(arterial phase,AP)、实质期(parenchymal phase,PP)和静脉期(venous phase,VP)。计算DLCT定量指标,包括衰变强化分数(attenuation enhancement fraction,AEF)、病灶胰腺实质比(lesion to parenchyma ratio,LPR)、碘强化分数(iodine enhancement fraction,IEF)。采用独立样本t检验或χ^(2)检验进行统计学分析,采用二元逻辑回归进行单因素及多因素分析,采用受试者工作特征(receiver operator characteristic,ROC)曲线进行效能评价。P<0.05为差异有统计学意义。结果:在PDAC与MFCP之间,AEF_AP/PP、LPR_(40)_VP、IEF_PP/VP、糖类抗原19-9(carbohydrate antigen 19-9,CA19-9)及双管征的差异有统计学意义(P<0.05)。LPR_(40)_VP与IEF_PP/VP构成的融合模型具有最佳的鉴别效能,优于CA19-9、双管征及AEF_AP/PP(P<0.05),其曲线下面积(area under curve,AUC)为0.841,灵敏度为90%,特异度为73%,准确度为79%。结论:DLCT在鉴别可切除PDAC与MFCP方面具有一定潜能,光谱定量参数可以弥补CA19-9、常规CT在鉴别可切除PDAC与MFCP方面的不足。

应用CT纹理分析评价胰腺癌透明质酸含量

背景与目的:肿瘤间质中大量聚集的透明质酸与胰腺癌的侵袭性和化疗抵抗密切相关,对其含量的评价将为胰腺癌的个体化治疗提供指导。纹理分析是一种基于定量特征无创评价肿瘤表型的图像分析方法。探讨CT纹理分析在评价胰腺癌透明质酸含量上的价值。方法:回顾性分析2015年6月—2015年12月复旦大学附属肿瘤医院经手术切除并且术前在复旦大学附属肿瘤医院行腹部CT检查的胰腺导管腺癌患者。应用免疫组织化学染色法评价肿瘤透明质酸含量。进一步使用3D-slicer软件在门静脉期手动逐层对肿瘤勾画感兴趣区(region of interest,ROI),使用基于Python的pyradiomics包对ROI提取56个纹理特征。使用组间相关系数评价特征的稳定性,并使用Mann-Whitney U检验选择出在高、低透明质酸含量组间存在显著差异的纹理特征。针对上述差异特征集,应用logistic逐步回归法构建模型,并使用受试者工作特征(receiver operating characteristic,ROC)曲线分析评价模型在鉴别高、低透明质酸含量的胰腺癌上的诊断效能。结果:纳入低透明质酸含量组13例,高透明质酸含量组17例,两组间未发现临床特征上的显著差异。纹理特征Volume、LeastAxis、Skewness、Energy在不同透明质酸含量的胰腺癌中存在显著差异。其中Skewness诊断效能最佳并被纳入模型,ROC曲线的曲线下面积为0.738,特异度为69.2%,灵敏度为76.5%。结论:CT纹理分析在评价胰腺癌透明质酸含量上有一定的应用价值。

黏液纤维肉瘤影像学表现、临床特征及病理学的相关性研究

背景与目的:黏液纤维肉瘤(myxoid fibrosarcoma,MFS)是一种少见的恶性纤维源性软组织肿瘤,好发于老年人,四肢多见,侵袭性强,易复发。目前该肿瘤的诊断具有一定难度,影像学对确定软组织肿瘤是否为肉瘤及其恶性程度有一定可信性,但对肿瘤定性也只能作为参考。通过对黏液纤维肉瘤影像学表现、临床病理学特征分析,旨在提高MFS的诊断水平,进一步对其进行低、中、高度分级。方法:收集2019年1月—2021年2月在复旦大学附属肿瘤医院就诊的11例MFS以及在复旦大学附属肿瘤医院闵行分院就诊的22例MFS患者的影像学资料、临床及病理学资料,所有MFS患者均经手术后病理学检查证实。影像学资料:肿块的形态、大小、密度/信号、强化程度及对周围组织的浸润等征象;临床特征:患者的性别、年龄、易发病部位及就诊时的症状、体征等;病理学资料:根据所取病检组织中黏液、瘤细胞及纤维成分的比例、以及瘤细胞异型性大小、核分裂象多少来进行Ⅰ、Ⅱ、Ⅲ分级。结果:本研究中5例MFS为Ⅰ级,10例为Ⅱ~Ⅲ级,18例为Ⅲ级;其中10例肿瘤最大径≥5 cm,10例可见黏液样变,22例可见囊变坏死,30例可见尾征,27例可见双低信号征,23例可见瘤周水肿,低、中及高度MFS三组间大小、尾征、双低信号征差异无统计学意义(P>0.05);黏液样变、坏死囊变、瘤周水肿三组间差异有统计学意义(P<0.05)。结论:CT及MRI对MFS的定位、定性及分级与临床病理学特征具有相关性。

能谱CT在胰腺肿瘤中的研究进展

能谱CT成像通过两组不同能量的X线衰减数据对某种组织的X线吸收特征进行计算的定量成像方式, 在提高胰腺肿瘤成像质量, 以及胰腺肿瘤的检出与鉴别、术前分期、疗效评估等方面具有广泛的应用前景。笔者就能谱CT在胰腺肿瘤中的应用进展进行综述。

人工智能在胰腺癌影像诊断和评价中的研究进展

胰腺癌是最致命的恶性肿瘤之一,5年生存率仅10%左右[1],研究发现胰腺癌的早期精准诊治对于降低死亡率具有重要意义。近年来人工智能(AI)在肿瘤的诊断和评估中发挥着越来越大的作用。本文就AI在胰腺癌的诊断及鉴别诊断、可切除性评估、放化疗疗效评估、预测预后、基因组学等方面的研究进行综述。

基于CT图像影像组学的机器学习模型预测胰腺癌免疫细胞浸润及预后的初步研究

目的探讨基于CT影像组学的机器学习方法在预测胰腺癌CD8+T细胞浸润及预后的价值。方法回顾性分析2011年12月至2017年1月间在复旦大学附属肿瘤医院接受手术切除并经术后病理证实的胰腺癌患者150例,采用简单随机化法,按照7∶3比例将患者划分为训练集(n=105)和验证集(n=45)。以病理免疫组化染色评价CD8+T细胞浸润,以中位数为界,将患者分为高浸润组和低浸润组,均为75例。生存资料的比较采用Kaplan-Meier法和log-rank检验。基于训练集术前静脉期增强CT图像提取影像组学特征,采用Wilcoxon检验和最大相关最小冗余法选取最优特征集。在此基础上,构建3种监督学习的机器学习模型,分别为决策树、随机森林和极端随机树模型,在验证集中对其预测胰腺癌CD8+T细胞浸润状态的效能进行验证,评价指标包括:受试者操作特征曲线下面积(AUC)、F1分数、准确度、精确度和召回率。结果高浸润组与低浸润组患者的中位总生存时间别为875、529 d,差异有统计学意义(χ^(2)=11.53,P<0.001)。在训练集中筛选出10个影像组学特征,基于这10个最优影像组学特征建立的决策树、随机森林和极端随机树模型在验证集中的AUC分别为0.620、0.704、0.745,F1分数为0.457、0.667、0.744,准确度为57.8%、68.9%、75.6%,精确度为66.7%、73.7%、80.0%,召回率为34.8%、60.9%、69.6%。结论CD8+T细胞高浸润组胰腺癌的预后优于低浸润组,基于影像组学的极端随机树模型在预测胰腺癌CD8+T细胞浸润上具有较高价值。

人工智能及影像组学在腹部肿瘤中的应用进展

人工智能(AI)是影像学的发展方向之一,尤其是深度学习等AI在图像识别上取得了不俗的成果。其中,影像组学是AI在肿瘤影像领域的研究热点。AI技术及影像组学在结直肠肿瘤、肝脏肿瘤、肾脏肿瘤中均取得了进展。与此同时,AI与影像的融合仍处于起步阶段,还面临诸多挑战。