文献速递腹部技术与安全CT

双层光谱探测器CT预测局部进展期胃癌微卫星不稳定状态及预后

Dual-layer spectral-detector CT for predicting microsatellite instability status and prognosis in locally advanced gastric cancer.
PubMed 文献 · Insights Imaging · 2023-09-19

回顾性纳入264例胃癌患者,基于双层光谱探测器CT定量参数与临床影像特征构建联合模型预测微卫星不稳定状态,验证集AUC为0.879、敏感度78.95%、特异度75.40%,联合模型可按无复发生存期对患者进行风险分层(验证集log-rank p=0.010)。

要点

  • 肿瘤位置和CT_N分期是MSI-H的独立预测因素,MSI-H更常见于胃窦及幽门。
  • 静脉期DLCT定量参数(CT40keV、ID、NID、Zeff、λHU)在MSI-H组显著低于MSI-L/MSS组,动脉期无显著差异。
  • 联合模型验证集AUC 0.879,可按风险评分阈值−0.81分层无复发生存期。

核心结论

  • 基于DLCT定量参数与临床影像特征的联合模型可无创预测胃癌MSI状态,并可对术后肿瘤复发风险进行分层。

研究设计与样本

  • 单中心回顾性研究,纳入2019年1月至2020年12月病理确诊胃腺癌且术前接受双层光谱探测器CT(IQon Spectral CT)双期增强扫描的264例患者,随机分为训练集187例和验证集80例。
  • 以病理免疫组化检测MLH1、MSH2、MSH6、PMS2四种错配修复蛋白表达作为MSI状态参考标准。
  • 采用多因素logistic回归构建临床模型、DLCT模型及联合模型,并以ROC曲线、校准曲线和决策曲线分析评估。

关键影像表现/征象

  • MSI-H组静脉期CT40keV、CT70keV、ID、NID、Zeff及λHU均显著低于MSI-L/MSS组(均p<0.05),动脉期两组DLCT参数无显著差异(均p>0.05)。
  • MSI-H胃癌更多位于胃窦和幽门,且CT_N分期更早。
  • MSI-H组年龄高于MSI-L/MSS组,Lauren肠型比例更高。

诊断标准与关键数值

  • 联合模型验证集预测MSI状态的AUC为0.879,敏感度78.95%,特异度75.40%,准确度76.25%。
  • 临床模型验证集AUC为0.721,DLCT模型验证集AUC为0.837。
  • 训练集中单个参数NIDVP预测MSI状态性能最佳,AUC 0.795(95%CI 0.709–0.882),准确度82.61%,敏感度78.43%,特异度84.21%。
  • 联合模型风险评分RS=−0.740+0.937×CDLCT+1.194×肿瘤位置(胃窦/幽门)+1.280×CT_N分期(N0),以RS>−0.81判为预测MSI-H。
  • CDLCT=15.922−12.899×NIDVP−1.405×ZeffVP−0.943×λHUVP。

临床应用与阅片要点

  • 阅片时可关注静脉期碘密度、标准化碘密度、有效原子序数和能谱曲线斜率,MSI-H组这些参数倾向于更低。
  • 联合模型将肿瘤位置、CT_N分期与CDLCT结合,验证集AUC 0.879,优于单独临床模型(0.721)和DLCT模型(0.837)。
  • 按风险评分阈值−0.81分组后,训练集pred-MSI-H组2年RFS率80.3%、pred-MSI-L/MSS组57.6%(log-rank p=0.003);验证集分别为90.6%和49.1%(log-rank p=0.010)。
  • NCCN和ESMO指南均推荐对所有胃癌患者进行常规MSI检测。

局限性

  • 原文未报告局限性。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2023 Sep 19;14:151. doi: 10.1186/s13244-023-01490-x

引言

胃癌(GC)是全球最常见的恶性肿瘤之一。2020年其发病率和死亡率在全球恶性肿瘤中分别位居第五位和第四位[1]。约40%的新诊断胃癌病例发生在中国,但总体5年生存率仅为约35%[2, 3]。微卫星不稳定(MSI)表型胃癌是基于分子标志物和二代测序的一种特殊分子亚型[4, 5]。

MSI本质上由DNA错配修复机制缺陷引起,导致高突变表型、CpG岛甲基化和MLH1基因沉默[6]。根据MSI状态,胃癌可分为MSI高(MSI-H)、MSI低(MSI-L)或微卫星稳定(MSS)[7]。据报道,MSI-H胃癌的患病率约为5.6%至33.3%[8]。MSI-H是I至III期胃癌的有利预后因素之一[6–8]。一些随机临床试验已证实,MSI-H胃癌患者可从免疫治疗中获益[6, 9, 10],但对传统化疗耐药[11]。此外,MSI状态评估也是Lynch综合征的筛查方法之一[6, 7]。因此,准确评估胃癌的MSI状态具有重要的治疗和预后意义。NCCN和ESMO胃癌指南均推荐对所有胃癌患者进行常规MSI检测[12, 13]。

目前,MSI检测依赖于病理检查[6, 14]。然而,检测技术复杂且昂贵。对于不适合内镜检查或手术的患者,无法获取组织标本进行检测。此外,由于胃癌的瘤内异质性和时间异质性,活检标本往往无法准确反映整个肿瘤的特征[15, 16]。因此,迫切需要探索无创、简便且实用的术前判断胃癌MSI状态的方法。

CT影像学检查是胃癌术前评估的重要方法之一[12, 13]。双层光谱探测器CT(DLCT)是最新一代能量CT技术,可获得多种定量光谱CT参数[17]。由于光谱数据在探测器层面进行分离,且每次扫描均可获得光谱数据,与双源和快速电压切换系统不同,DLCT无需预先规划和预选择双能量扫描模式[17, 18]。DLCT的另一优势在于,与基于源的成像技术相比,它不会增加患者的辐射剂量[18]。既往研究表明,光谱CT可用于改善图像质量并定量分析各种肿瘤的病理特征[19–22]。

然而,目前尚无使用DLCT评估胃癌MSI状态的研究报道。因此,本研究旨在探讨DLCT参数对胃癌MSI状态的预测价值,并构建和验证基于DLCT定量参数与临床-影像学特征的联合预测模型。同时将探讨联合模型对胃癌患者预后的分层能力,为临床个体化精准治疗提供依据。

材料与方法

患者

本回顾性研究经中国医学科学院肿瘤医院机构伦理委员会批准(编号20/412–2608),并豁免患者知情同意要求。

初步收集2019年1月至2020年12月期间在本机构经病理确诊为胃腺癌的连续患者。纳入标准如下:(1)接受双期对比增强腹部双层光谱探测器CT(DLCT)检查,(2)临床TNM分期为cT2-4aN0-3M0,(3)DLCT检查后30天内接受D2根治性胃切除术,(4)术后规律随访。排除标准如下:(1)检查前接受过局部或全身治疗,(2)合并其他恶性肿瘤,(3)严重呼吸或胃肠道运动伪影,(4)肿瘤最大直径<2.0 cm,(5)术后随访时间不足3个月。最终共264例患者纳入本研究,其中男187例、女77例,中位年龄60岁(范围30–75岁)。采用随机种子法按7:3比例将患者随机分为训练集(n=184)和验证集(n=80)。研究人群流程图见图1。

图1 研究人群招募流程图。DLCT 双层光谱探测器CT;MSI-H 高度微卫星不稳定;MSI-L/MSS 低度微卫星不稳定或微卫星稳定 查看原图 ↗

DLCT检查

检查使用DLCT扫描仪(IQon Spectral CT,Philips Healthcare,Best,荷兰)完成。扫描方案包括平扫、动脉期(AP)和静脉期(VP)扫描,覆盖全腹部和盆腔。生成常规CT图像和光谱基图像用于后续分析。CT扫描方案和图像重建的详细信息见附加文件1:文本S1。

图像分析

图像分析由两名放射科医师(Y.J.Z.和Y.L.,分别具有10年和20年胃肠道影像经验)完成。

对于DLCT定量参数,将AP和VP的光谱数据传输至工作站(IntelliSpace Portal 9.0版,Philips Healthcare),获取虚拟单能图像(VMI)、碘密度(ID)图和有效原子序数(Zeff)图。在常规CT图像上肿瘤最大直径层面沿肿瘤轮廓手动勾画肿瘤感兴趣区(ROI)。另在下行主动脉上放置一个圆形ROI。将ROI自动复制至40 keV和100 keV的VMI、ID图和Zeff图以获取定量参数。测量并计算AP和PP以下定量参数:(1)40 keV和100 keV的CT值(CT40keV和CT100keV);(2)肿瘤和主动脉的ID值(IDtumor和IDaorta);(3)Zeff值;(4)标准化碘密度(NID)值:NID=IDtumor/IDaorta;(5)光谱曲线斜率(λHU),λHU=(CT40keV-CT100keV)/60。

在常规CT图像中测量和评估以下影像学特征:(1)最大直径(MD)测量为肿瘤最长径;(2)最大厚度(MT)测量为垂直于MD的短轴;(3)肿瘤位置;(4)CT评估的T分期(CT_T分期)、N分期(CT_N分期)和临床肿瘤分期(cTNM分期),参照美国癌症联合委员会(AJCC)第8版分期系统[23]进行分类,并参考中国胃癌诊疗临床指南[24]中描述的CT影像学分类。评估过程中如遇分歧,通过与第三位教授(L.M.J.,拥有超过35年经验)讨论达成最终共识。

病理学评估

MSI检测按照美国病理学家学会关于错配修复(MMR)和MSI检测的建议[14]进行。本研究采用免疫组织化学染色分析检测四种MMR蛋白的表达水平:MLH1、MSH2、MSH6和PMS2。若四种标志物均为阳性,MSI状态归类为MSI-L/MSS;若任一MMR蛋白观察到表达完全缺失,则归类为MSI-H。

临床治疗与术后随访

所有患者均接受D2根治性胃切除术。根据病理分期和危险因素给予辅助化疗。术后患者在门诊定期随访。无复发生存(RFS)时间定义为从手术至随访期间肿瘤首次复发日期或无肿瘤复发的末次随访日期之间的时间间隔。肿瘤复发指影像学或病理学检查发现的局部复发、远处转移或因胃癌导致的死亡。

统计分析及模型构建

变量比较酌情采用独立样本t检验、Mann–Whitney U检验、χ2检验或Fisher精确检验。定量参数的观察者间变异采用组内相关系数(ICC)评估。主观影像学表现的观察者间一致性采用Cohen's kappa系数(κ值)评估。ICC和κ值的解释定义如下[25]:优(> 0.81)、良(0.61–0.80)、中等(0.41–0.60)、一般(0.21–0.40)、差(< 0.20)。

采用多因素logistic回归识别独立预测因子并构建临床和DLCT预测模型。基于回归方程的线性预测因子生成联合DLCT参数(CDLCT)。利用独立临床-影像学特征和CDLCT,通过多因素logistic回归建立联合预测模型及可视化列线图。最后,使用验证集评估模型的泛化能力。采用受试者工作特征曲线(ROC)评估预测性能。采用Hosmer–Lemeshow拟合优度检验和校准曲线评估模型的校准度。采用决策曲线分析(DCA)评估联合模型的临床价值。采用Kaplan–Meier生存曲线评估联合模型在RFS风险分层中的价值,并通过log-rank检验进行统计学检验。

双侧p < 0.05视为差异有统计学意义。所有统计分析均使用R软件(版本4.2.2;R Foundation,维也纳,奥地利)完成。

结果

临床-影像学特征

表1描述了264例GC患者的临床-影像学特征。在本研究纳入的264例GC患者中,26.52%(70/264)被归入MSI-H组。训练集与验证集之间的临床-影像学特征无显著差异(均p > 0.05)(表1)。

在训练集和验证集中,MSI-H组与MSI-L/MSS组之间在年龄、肿瘤部位、CT_T分期、CT_N分期、cTNM分期和Lauren分型方面均表现出显著差异(均p < 0.05)(表1)。

表1 训练集和验证集中胃癌患者的临床病理资料 查看原表 ↗

观察者间一致性

两位放射科医师测量的MD、MT和DLCT定量参数的ICC为0.867–0.946(附加文件1:表S1),显示出极好的观察者间一致性。观察者之间主观影像学表现的一致性为良好至极好,kappa值为0.787–0.970(附加文件1:表S2)。

MSI-H与MSI-L/MSS GC之间DLCT定量参数的比较

在训练集和验证集中,MSI-H组的VP CT40keV_VP、CT70keV_VP、IDVP、NIDVP、ZeffVP和λHUVP的DLCT参数均显著低于MSI-L/MSS组(均p < 0.05)。两组之间AP的DLCT参数未观察到显著差异(均p > 0.05)(表2)。

表2 训练集和验证集中不同MSI状态之间DLCT定量参数的比较 查看原表 ↗

DLCT定量参数对MSI状态的预测性能

训练集中显著性DLCT定量参数对GC MSI状态的预测性能见表3和图2a。在这些单一参数中,NIDVP在区分MSI状态方面表现出最佳的预测性能,AUC为0.795(95% CI 0.709–0.882),准确率为82.61%,敏感性为78.43%,特异性为84.21%。

表3 训练集中DLCT定量参数对GC MSI状态的预测效能 查看原表 ↗
图2 DLCT参数和预测模型的ROC曲线及联合预测列线图。a 训练集中DLCT参数预测GC MSI状态的预测性能。b 训练集中用于区分胃癌MSI状态的联合列线图。预测列线图基于整合临床特征变量和CDLCT的多变量逻辑回归模型构建。c 训练集中临床模型、DLCT模型和联合模型预测微卫星不稳定状态的ROC曲线。d 训练集中临床模型、DLCT模型和联合模型预测微卫星不稳定状态的ROC曲线。在训练集和验证集中,联合模型均表现出最佳的预测性能。CDLCT 联合双层光谱探测器CT参数;DLCT 双层光谱探测器CT;GC 胃癌;ID 碘密度;λHU 光谱曲线斜率;MSI 微卫星不稳定;MSI-H 微卫星高度不稳定;NID 归一化碘密度;VP 静脉期;Zeff 有效原子序数 查看原图 ↗

GC中MSI状态预测模型的构建与验证

采用多因素logistic回归分别构建临床模型和DLCT模型的显著特征。结果显示,肿瘤位置(OR 4.343,95% CI 2.120–8.894,p < 0.001)和CT_N分期(OR 5.768,95%CI 2.200–15.121,p < 0.001)是MSI-H的独立危险因素(表4)。联合能谱CT参数构建如下:CDLCT = 15.922 − 12.899 × NIDVP − 1.405 × ZeffVP − 0.943 × λHUVP。临床模型和DLCT模型的预测性能见表5。

将肿瘤位置、CT_N分期和CDLCT输入多因素logistic回归以构建联合预测模型(表4)。基于回归系数的线性预测因子可计算MSI-H的风险评分(RS)如下:RS = − 0.740 + 0.937 × CDLCT + 1.194 × 肿瘤位置(胃窦/幽门)+ 1.280 × CT_N分期(N0)。然后,MSI-H的概率可计算如下:概率 = 1/[1 + exp(-RS)]。

预测胃癌MSI的可视化列线图见图2b。联合模型预测MSI-H的AUC在训练集中为0.880,在验证集中为0.879(表5)。

三种模型在训练集和验证集中的ROC曲线见图2c和d。校准曲线和Hosmer–Lemeshow检验(均p > 0.05)表明所有预测模型均具有良好的一致性模型拟合。DCA曲线显示联合预测模型具有更好的临床净获益(附加文件1:图S1)。

联合模型和列线图的应用见图3和图4。根据ROC分析得出的RS阈值(图5),患者被分为预测MSI-H(pred-MSI-H,RS > − 0.81)或MSI-L/MSS(pred-MSI-L/MSS,RS ≤ − 0.81)组。

表4 通过多因素logistic分析构建临床模型、DLCT模型和联合模型 查看原表 ↗
表5 临床模型、DLCT模型和联合模型对胃癌MSI状态的预测效能 查看原表 ↗
图3 一名59岁男性MSI-H胃癌患者的双层光谱探测器CT图像。一名64岁男性低分化腺癌患者。a–c 分别为动脉期常规CT图像(a)、碘密度(ID)图(b)和有效原子序数(Zeff)图(c)。d–f 分别为静脉期常规CT图像(d)、ID图(e)和Zeff图(f)。可见胃窦部胃壁不规则增厚及软组织密度局部肿块,呈渐进性强化。红色虚线显示肿瘤的手绘模式感兴趣区(ROI)。图中分别标示ID值、NID值和Zeff值。g 静脉期冠状位图像。红色箭头显示胃下体和胃窦部胃壁增厚,未见可疑肿大淋巴结。h 利用列线图预测MSI-H风险。各特征相应评分见评分标尺。将所有变量的评分相加后,总分及相应的MSI-H概率分别显示于总分标尺和概率标尺上。此外,观察值叠加于图上,以红色圆圈或菱形及实线或虚线垂线表示。该患者CDLCT值为1.21。将各预测变量的评分相加后,总分为102分。相应的MSI-H风险为0.923。组织学检查证实为MSI-H状态。AP 动脉期;ID 碘密度;λHU 光谱曲线斜率;MSI-H 微卫星高度不稳定;NID 标准化碘密度;VP 静脉期;Zeff 有效原子序数 查看原图 ↗
图4 一名48岁男性MSI-L/MSS胃癌患者的双层光谱探测器CT图像。一名48岁男性低分化腺癌患者。a–c 分别为动脉期常规CT图像(a)、ID图(b)和Zeff图(c)。d–f 分别为静脉期常规CT图像(d)、ID图(e)和Zeff图(f)。贲门和胃上体部胃壁不规则增厚。红色虚线显示肿瘤的手绘模式ROI。图中分别标示ID值、NID值和Zeff值。g 静脉期冠状位图像。红色箭头显示贲门和胃上体部胃壁增厚,可疑转移性淋巴结。h 利用列线图预测MSI状态。各特征相应评分见评分标尺。将所有变量的评分相加后,总分及相应的MSI-H概率分别显示于总分标尺和概率标尺上。此外,观察值叠加于图上,以红色圆圈或菱形及实线或虚线垂线表示。该患者CDLCT值为−1.27。将各预测变量的评分相加后,总分为63分。相应的MSI-H风险为0.126。组织学检查证实为MSI-H状态。AP 动脉期;ID 碘密度;λHU 光谱曲线斜率;MSI-H 微卫星高度不稳定;NID 标准化碘密度;VP 静脉期;Zeff 有效原子序数 查看原图 ↗
图5 联合模型对微卫星不稳定状态判别性能的柱状图。该柱状图展示了联合模型在训练集(a)和验证集(b)中区分胃癌微卫星不稳定状态的结果。蓝色框表示预测微卫星高度不稳定(pred-MSI-H),黄色框表示预测微卫星低度不稳定或微卫星稳定(pred-MSI-L/MSS) 查看原图 ↗

联合模型的预后意义

本研究264例患者的中位随访时间为20.0个月(范围4.0–42.0个月),其中73/264例(27.7%)出现肿瘤复发。Kaplan–Meier生存分析显示,整个队列的中位RFS为35个月,2年RFS率为65.6%。在训练集中,pred-MSI-H的中位RFS超过42个月,2年RFS率为80.3%;pred-MSI-L/MSS的中位RFS为28个月,2年RFS率为57.6%,两组间差异有统计学意义(log-rank,p = 0.003)。在验证集中,pred-MSI-H的中位RFS超过38个月,2年RFS率为90.6%;pred-MSI-L/MSS的中位RFS为24个月,2年RFS率为49.1%,两组间差异有统计学意义(log-rank,p = 0.010)(图6)。

图6 按联合模型分层的无进展生存期(RFS)Kaplan–Meier生存曲线。联合模型的生存风险分层通过Kaplan–Meier分析进行评价,p值根据按最佳截断值分组的风险评分采用log-rank检验计算。结果显示,该列线图在训练集(a)和验证集(b)中均具有显著的风险分层能力(p < 0.05)。红线为预测微卫星高度不稳定(pred-MSI-H)的患者,蓝线为预测微卫星低度不稳定或微卫星稳定(pred-MSI-L/MSS)的患者 查看原图 ↗

讨论

本研究结果表明,基于DLCT定量参数和临床-影像学特征的联合模型可在术前预测GC的MSI状态,具有令人满意的预测性能。验证集中的AUC值、灵敏度、特异度和准确率分别为0.879、78.95%、75.40%和76.25%。此外,基于联合模型的风险分层在胃切除术后显示出潜在的预后意义。

在本研究中,肿瘤位置和CT_N分期被确定为GC中MSI状态的独立预测因素。MSI-H GC更常见于胃窦和幽门,这与既往研究结果一致[16]。这暗示不同区域的肿瘤发生机制可能不同,导致不同的基因突变和生物学表型[26]。MSI-H组表现出比MSI-L/MSS组更早的分期。然而,多因素logistic回归显示只有CT_N分期是独立预测因素,表明MSI状态与淋巴结转移之间可能存在更高的关联。此外,我们发现MSI-H GC的年龄高于MSI-L/MSS GC,可能是因为hMLH1基因启动子甲基化随年龄积累[7]。MSI-H组中Lauren肠型GC的比例高于MSI-L/MSS组,这与既往文献报道一致,可能是MSI-H GC预后良好的原因之一[27]。

我们发现VP期而非AP期的所有DLCT参数均显示出显著差异。这可能与胃癌的强化模式有关[28]。既往研究报道大多数GC在静脉期或延迟期显示峰值强化[28–31],影响碘摄取。Tsurumaru等推测瘤内纤维化、肿瘤细胞浸润模式及新生血管缺乏可能有助于VP期的显著对比强化[30, 31],这可能导致不同类型GC之间在VP期的CT衰减值和DLCT参数出现明显差异。DLCT已成功用于体外检测碘浓度[32]并反映体内定量组织血流[33]。NIC可能减少个体间血流动力学差异引起的变异,从而更准确地反映肿瘤内的组织血供[20]。根据病理学研究[34–36],MSI-H GC可通过较低的微血管计数、较少的血管生成相关基因表达、更多的肿瘤坏死及更高的黏蛋白含量与MSI-L/MSS GC相区分。这可能由于MSI-H GC血供较差而导致较低的IDVP和NIDVP值。Zeff代表组织中组成元素的平均原子序数,与组织密度和碘浓度相关。λHU反映不同能量水平下X射线衰减程度,是反映组织特征的另一个重要参数[17, 18]。我们发现MSI-H GC与MSI-L/MSS GC之间Zeff和λHU值存在显著差异,提示两组可能在组织密度、细胞类型和物质组成方面存在差异。既往研究揭示MSI-H GC具有更大的肿瘤突变负荷、增加的肿瘤坏死、黏液成分及淋巴细胞浸润[36, 37],这可能解释两组GS之间物质组成的差异。

在本研究中,我们构建了一个联合模型,利用联合DLCT参数CDLCT以及临床-影像学特征来预测胃癌的MSI状态,并以列线图形式进行可视化以便于临床应用。采用独立验证集对模型进行验证。联合列线图显示出令人满意的预测性能,AUC为0.879。为探讨联合预测模型的临床应用价值,我们还探索了预测MSI状态与患者术后预后之间的关系。Kaplan–Meier生存分析显示,预测结果可在RFS方面对预后进行分层。MSI-H型胃癌可能具有更多的免疫细胞浸润,诱导更强的抗肿瘤免疫反应,从而阻止肿瘤侵袭并诱导肿瘤细胞凋亡,最终导致更好的预后[6, 7, 38]。联合模型可作为胃癌复发风险分层的重要指标,并为选择个体化治疗策略提供依据。MSI-H高危患者可能从免疫治疗中获益,而MSI-L/MSS高危患者预后可能较差,需要强化治疗以预防肿瘤复发,并可从手术联合辅助化疗中获益[6]。

此外,ID、NID、Zeff和λHU也可通过其他双能量CT成像技术获得,如双源和快速电压切换系统。然而,由于不同技术在高、低能量分离方面具有不同的策略,本研究结果是否可应用于其他双能量CT扫描仪尚需进一步研究。

本研究也存在一些局限性。第一,这是一项单中心研究,因此 Prediction model 的广泛应用需要多中心验证。第二,本研究纳入的患者为局部进展期胃癌,未包括早期胃癌,这可能引入一定的选择偏倚。这是因为早期胃癌的病灶在CT图像上可能太小而无法检出。第三,手动ROI勾画可能在肿瘤边界的描绘方面引入一定的主观性。第四,尽管多项研究显示某些类型的胃癌表现出渐进性和延迟强化[30, 31],但我们机构对疑似胃癌患者未常规进行延迟期扫描。第五,由于随访时间较短,中位随访时间为35.0个月,未进行总生存期分析。需要进一步研究来解决上述局限性。

总之,本研究表明,基于DLCT参数、肿瘤位置和CT_N分期的联合预测模型为胃癌MSI状态的术前评估提供了一种无创且实用的工具。预测的MSI状态可对根治性胃切除术后复发风险进行分层。这可能有助于临床医生在临床实践中制定个体化治疗方案、评估术后复发风险并改善患者预后。

补充信息

附加文件1:文本S1. DLCT检查。表S1. 定量参数测量的观察者间可重复性。表S2. 影像学特征的观察者间一致性。图S1. 预测模型的校准曲线和决策曲线分析(DCA)。

引用

  1. Zhu Y, Wang P, Wang B, et al. Dual-layer spectral-detector CT for predicting microsatellite instability status and prognosis in locally advanced gastric cancer. Insights Imaging. 2023. PMID: 37726599. doi:10.1186/s13244-023-01490-x
  2. 全文:PMC10509117(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10509117/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。