Page 128 - 南京医科大学学报自然科学版
P. 128
第42卷第10期
·1470 · 南 京 医 科 大 学 学 报 2022年10月
病理学分化程度预测模型,结果显示静脉期较动脉 clude grade in AJCC staging?[J]. Ann Surg Oncol,2010,
期预测效能稍高,可能是因为胰腺实质在静脉期与 17(9):2312-2320
周围正常组织有明显的对比,有助于更准确地勾画 [4] JEEKEL H. Prognostic factors following curative resec⁃
ROI。沈力等 [24] 回顾性分析了 49 例 PDAC 病例,提 tion for pancreatic adenocarcinoma[J]. Ann Surg,2004,
240(2):384
取了静脉期灰度直方图特征,发现纹理特征中均值
[5] WINTER J,CAMERON J,CAMPBELL K. 1423 pancreat⁃
的 AUC 值最大(AUC=0.695),具有最佳的诊断效
icoduodenectomies for pancreatic cancer:a single⁃institu⁃
能,灵敏度和特异度分别为 0.864 和 0.444。本研
tion experience[J]. J Gastrointest Surg,2006,10(9):
究建立的预测模型诊断效能又有了很大的提高,
1199-1121
可能是因为本研究在灰度直方图纹理特征的基础 [6] MACÍAS N,SAYAGUÉS J M,ESTEBAN C,et al. Histo⁃
上加入了灰度共生(gray⁃level cooccurrence matrix, logic tumor grade and preoperative bilary drainage are the
GLCM)、灰度游程长度(gray⁃level run length,GLRL) unique independent prognostic factors of survival in pan⁃
和灰度区域大小(gray⁃level zone size matrix,GLZSM) creatic ductal adenocarcinoma patients after pancreatico⁃
纹理特征,同时本研究分别基于动脉期、静脉期图 duodenectomy[J]. J Clin Gastroenterol,2018,52(2):
像进行了ROI的勾画,而且测量了整个肿瘤的体积, e11-e17
这样可以减少选择单一层面带来的误差,能够更加 [7] CASSINOTTO C,CHONG J,ZOGOPOULOS G,et al. Re⁃
sectable pancreatic adenocarcinoma:role of CT quantita⁃
全面地反映肿瘤的异质性。此外,本研究在图像的
tive imaging biomarkers for predicting pathology and pa⁃
勾画上也有明显的优势,肿瘤的 ROI 勾画采用了一
tient outcomes[J]. Eur J Radiol,2017,90:152-158
种新的深度学习网络系统自动分割方法,这种新的
[8] NURMI A,MUSTONEN H,PARVIAINEN H,et al. Neo⁃
分割方法有助于得到较清晰的分割边界,从而显著
adjuvant therapy offers longer survival than upfront sur⁃
提高了影像学特性的稳定性。尽管存在这些差异, gery for poorly differentiated and higher stage pancreatic
但两项研究都支持一个相似的结论,即CT纹理分析 cancer[J]. Acta Oncol,2018,57(6):799-806
是预测PDAC分化程度的一种有前景且无创的方法。 [9] GERLINGER M,ROWAN A J,HORSWELL S,et al. In⁃
本研究尚存在一些局限性:①纹理分析需要大 tratumor heterogeneity and branched evolution revealed
量的样本,本研究纳入的病例数仍然有限,未来需 by multiregion sequencing[J]. N Engl J Med,2012,366
要收集更多的病例来提高预测效能;②本研究为回 (10):883-892
18
[10] YEH R,DERCLE L,GARG I,et al. The role of F⁃FDG
顾性设计,可能会引入选择偏差;③只考察了纹理
PET/CT and PET/MRI in pancreatic ductal adenocarcino⁃
学特征用于预测PDAC的病理学分化程度。在未来
ma[J]. Abdom Radiol N Y,2018,43(2):415-434
的研究中,我们应该结合基因组学特征和蛋白质组
[11] ZHANG G M,SUN H,SHI B,et al. Quantitative CT tex⁃
学等特征,其预测 PDAC 分化程度的诊断效能将进 ture analysis for evaluating histologic grade of urothelial
一步提高。 carcinoma[J]. Abdom Radiol(NY),2017,42(2):561-
综上所述,利用术前CT动静脉期增强图像纹理 568
分析的特征参数建立的预测模型在高、中⁃低分化 [12] 徐青青,单文莉,朱 艳,等. 基于 CT 影像组学对孤立
PDAC之间存在差异,给术前评估PDAC的恶性程度 性肺结节性质分类的预测效能[J]. 南京医科大学学报
提供了新的方法。 (自然科学版),2021,41(4):617-623
[13] EILAGHI A,BAIG S,ZHANG Y,et al. CT texture fea⁃
[参考文献]
tures are associated with overall survival in pancreatic
ductal adenocarcinoma⁃a quantitative analysis[J]. BMC
[1] KARDOSH A,LICHTENSZTAJN D,GUBENS M,et al.
Med Imaging,2017,17(1):38
Long ⁃ term survivors of pancreatic cancer:a California
[14] 邹金钊,叶 靖,徐 圆. CT纹理特征结合机器学习对
population⁃based study[J]. Pancreas,2018,47(8):958-
膀胱尿路上皮癌T分期及病理级别的诊断价值[J]. 临
966
床放射学杂志,2020,39(8):1553-1558
[2] NEESSE A,BAUER C A,ÖHLUND D,et al. Stromal biol⁃
[15] WANG Y W,ZHANG X H,WANG B T,et al. Value of
ogy and therapy in pancreatic cancer:ready for clinical
translation?[J]. Gut,2019,68(1):159-171 texture analysis of intravoxel incoherent motion parame⁃
ters in differential diagnosis of pancreatic neuroendocrine
[3] WASIF N,KO C Y,FARRELL J,et al. Impact of tumor
grade on prognosis in pancreatic cancer:should we in⁃ (下转第1475页)